1月13日，工信部发布《推动工业互联网平台高质量发展行动方案(2026~2028年)》（以下简称《方案》）。
《方案》明确，到2028年，工业互联网平台高质量发展取得积极成效，“专业型+行业型+协作型”多层次平台体系持续壮大，具有一定影响力的平台超450家；平台的要素资源连接能力大幅增强，重点平台的数据增值、模型沉淀和人工智能开发应用能力显著提升，工业设备连接数突破1.2亿台（套）；平台普及率达到55%以上，基本建成泛在互联、数智融合、深度协同、开源开放的新一代工业互联网平台生态。
新华社图
数据显示，目前，我国工业互联网应用实现41个工业大类全覆盖，重点工业互联网平台设备连接数超过1亿台（套）。工信部部长李乐成在接受媒体采访时表示，2025年我国工业互联网核心产业规模预计超1.6万亿元，带动工业增加值增长约2.5万亿元。
《每日经济新闻》记者注意到，1月6日，工信部办公厅刚刚印发《工业互联网和人工智能融合赋能行动方案》（以下简称《行动方案》），时隔一周，工业互联网领域再迎政策利好。
重点培育行业型平台
《方案》指出，工业互联网平台是海量数据汇聚、模型沉淀和应用开发的关键载体，是工业要素资源泛在连接、弹性供给和高效配置的重要枢纽，是支撑产业智能化、绿色化、融合化发展的战略性基础设施。
《方案》把“引导平台差异化发展”放在平台培育培优行动的首位，并提出大力发展专业型平台、重点培育行业型平台、加快推广协作型平台。
赛迪顾问软件与信息服务业研究中心分析师王韵喆在接受《每日经济新闻》记者书面采访时表示，把“引导平台差异化发展”放在平台培育培优行动的首位，本质上是回应当前工业互联网平台同质化竞争较为突出、发展路径模糊的问题。《方案》对专业型、行业型、协作型平台使用不同表述，并非简单分类，而是有意区分其功能定位、成长逻辑和政策着力点。
王韵喆进一步阐释，“大力发展”专业型平台，强调的是补短板和强能力。这类平台聚焦仿真、运维、安环等通用场景，是工业数字化的“底座能力”，需要持续打磨技术产品和服务质量，形成可复用、可规模化的工具体系，因此更强调技术深耕和长期投入。
“重点培育”行业型平台，则是基于其对产业转型带动作用更强。王韵喆说，这类平台需要深度嵌入行业工艺、流程和组织体系，建设周期长、协同复杂，单靠市场自发推进难度较大，政策层面通过“重点培育”释放出明确的支持信号，引导其向纵深发展。
而“加快推广”协作型平台，更多着眼于效率和连接。这类平台商业模式相对成熟，关键在于规模扩散和网络效应，因此政策重点放在应用推广和要素流通上。
“对平台型企业而言，这种差异化导向有助于明确自身定位，避免盲目追求‘大而全’，也有利于形成分层竞争、错位发展的平台生态，推动工业互联网走向更加健康和可持续的发展路径。”王韵喆说。
强化工业智能算力供给
上述《行动方案》提出，到2028年，工业互联网与人工智能融合赋能水平显著提升。时隔一周，本次《方案》再次提出，推进人工智能赋能工业互联网平台。连续强调人工智能对工业互联网的赋能，有何深意？
对此，王韵喆表示，此次《方案》发布，是我国推动新型工业化、发展新质生产力的关键落子。它标志着工业数字化转型正从“连接驱动”迈向“智能驱动”的深水区。其中，“推进人工智能赋能工业互联网平台”不仅是技术路径的升级，更是产业范式的一次系统性重构。这对人工智能企业与工业互联网平台企业而言，既是重大战略机遇，也提出了前所未有的能力挑战与转型要求。
在王韵喆看来，对人工智能企业而言，意味着将从“技术供给方”向“工业价值共创者”跃迁。
他表示，过去，许多AI（人工智能）企业以通用大模型、视觉识别、自然语言处理等技术“单点切入”工业场景，往往面临“水土不服”——模型不准、响应不快、落地不深。而本次《方案》明确提出“推动人工智能技术在工业全链条、全环节深度渗透”，这实质上要求AI企业完成三大跃迁。
具体而言，一是技术适配要求，从“通用智能”转向“工业专用智能”。王韵喆表示，AI企业需深入理解工业机理，开发面向特定场景的“小模型+大模型”协同架构，需要将物理规律与数据驱动深度融合。这会倒逼AI企业组建“懂工艺、懂设备、懂流程”的复合型团队，与工业企业联合开展“场景定义-数据标注-模型训练-闭环优化”的全周期研发。
二是算力部署要求，从“云端推理”转向“边端实时智能”。王韵喆说，《方案》强调强化工业智能算力供给，支持边缘侧部署轻量化模型。AI企业需提供可在PLC（可编程逻辑控制器）、DCS（集散控制系统）等工业控制系统中运行的低延迟、高可靠推理引擎。这会推动AI企业与工业芯片、智算中心服务商合作，构建“云-边-端”协同的智能算力网络，真正实现“现场决策、毫秒响应”。
三是数据治理与安全责任，从“数据使用者”升级为“可信参与者”。他提到，《方案》提出推动建立全国工业数据目录。AI企业参与数据标注、模型训练时，必须遵循《工业数据分类分级指南》，确保数据来源合法、处理合规、结果可审计。因此，企业需建立工业级AI伦理与安全治理体系，防范模型偏见、数据泄露和对抗性攻击。
东南配资提示：文章来自网络，不代表本站观点。
