在當今數(shù)字化浪潮中，工業(yè)互聯(lián)網(wǎng)與人工智能無疑是兩顆最為耀眼的明星，它們正以前所未有的態(tài)勢重塑著傳統(tǒng)工業(yè)的格局，為產(chǎn)業(yè)發(fā)展注入全新活力。當這兩大前沿技術碰撞交織，一場關乎未來工業(yè)主導權(quán)的較量也悄然拉開帷幕，究竟是工業(yè)互聯(lián)網(wǎng)能笑到最后，還是人工智能更勝一籌?這成為眾多行業(yè)人士和投資者關注的焦點。

工業(yè)互聯(lián)網(wǎng)近年來取得了令人矚目的發(fā)展成就。在基礎設施建設方面，截至 2024 年 7 月，我國 5G 基站達 399.6 萬個，90% 實現(xiàn)共建共享，為工業(yè)數(shù)據(jù)的高速傳輸和設備的實時互聯(lián)互通奠定了堅實基礎。在產(chǎn)業(yè)規(guī)模上，2024 年中國工業(yè)互聯(lián)網(wǎng)市場規(guī)模已達 1.28 萬億元，同比增長 28.5%，預計 2025 年將突破 1.6 萬億元，增速保持在 25% 以上，其核心產(chǎn)業(yè)增加值規(guī)模也已達到 1.35 萬億元。同時，超過 270 家綜合型、特色型、專業(yè)型平臺涌現(xiàn)，跨行業(yè)工業(yè)互聯(lián)網(wǎng)平臺達 50 個，承載大量工業(yè)機理模型，圍繞全產(chǎn)業(yè)鏈、全價值鏈、全要素的全面 “鏈接”，構(gòu)建起新一代信息技術賦能制造業(yè)的新生態(tài)。這種生態(tài)強調(diào)海量生產(chǎn)要素的互聯(lián)互通、運行數(shù)據(jù)的價值挖掘和工業(yè)知識的沉淀復用，為大模型的應用提供了 “天然土壤”。

反觀人工智能，同樣展現(xiàn)出蓬勃的發(fā)展勢頭。算力基礎設施布局不斷加快，云算、智算、超算、量算等協(xié)同發(fā)展，10 余個高性能智算中心得以規(guī)劃建設，我國算力規(guī)模位居全球第二。算法創(chuàng)新水平穩(wěn)步提升，以大模型為代表的通用人工智能技術蓬勃發(fā)展，自主研制的智能芯片、開發(fā)框架、通用大模型等創(chuàng)新成果加速涌現(xiàn)，人工智能企業(yè)數(shù)量超過 4500 家?！度斯ぶ悄艽竽Ｐ凸I(yè)應用準確性測評報告》顯示，截至 2024 年 8 月，以通義千問為代表的國內(nèi)多款大模型能力接近 GPT-4，工業(yè)知識問答等場景已經(jīng)具備較高的應用成熟度。工業(yè)數(shù)據(jù)訓練語料也不斷豐富，在電力、裝備、石化、汽車、日常消費品等領域率先實現(xiàn)匯聚，并在制造業(yè)全流程中開展應用。

事實上，工業(yè)互聯(lián)網(wǎng)與人工智能并非孤立存在，而是呈現(xiàn)出相互融合、協(xié)同發(fā)展的態(tài)勢。二者融合在諸多領域已取得顯著成效。在技術研發(fā)模式重塑上，某汽車制造商聯(lián)合設備制造商打造的智能大模型，內(nèi)嵌于汽車工業(yè)機器人等生產(chǎn)設備，實現(xiàn)自動化編程與控制，大幅減少停機時間，生產(chǎn)效率提高 30%;中國商飛利用智能建模仿真和模擬預測技術，優(yōu)化了大型客機的研發(fā)流程，降低試錯成本，加快產(chǎn)品開發(fā)進程。在人機交互方式升級方面，多模態(tài)交互系統(tǒng)逐漸成為主流，語音、圖像和觸控等多種交互方式融入其中，如洛克希德?馬丁公司采用微軟的 HoloLens 混合現(xiàn)實技術，輔助工人進行航天器的組裝，將生產(chǎn)效率提高了 50%，培訓時間縮短了 85%。在數(shù)據(jù)決策鏈路優(yōu)化上，鞍山鋼鐵針對高爐煉鐵環(huán)節(jié)，建立煤氣智能平衡系統(tǒng)，對高爐產(chǎn)氣、管網(wǎng)波動、異常狀態(tài)等進行預測，形成輔助調(diào)度策略，對煤氣管網(wǎng)進行精細化管理，每年實現(xiàn)直接經(jīng)濟價值千余萬元;中鐵裝備研發(fā)的智能倉儲物流協(xié)作設計平臺，通過資源統(tǒng)一管理，將制造工期由 5 個月縮短至 3 個月，效率提升 40%。在質(zhì)檢和運維效率提升方面，寶馬通過自研工業(yè) AI 云平臺，實現(xiàn)發(fā)動機產(chǎn)品檢測全程 “無人化” 作業(yè)和誤檢率 “自學習” 模式，節(jié)省檢測工位 70%，缺陷識別率達到 99.86%;中車集團以工業(yè)互聯(lián)網(wǎng)技術為基礎，應用智能算法實現(xiàn)車輛故障診斷與預測，日檢工作量減少 30%，部件利用率提升 15%。

然而，二者融合發(fā)展并非一帆風順，依然面臨諸多挑戰(zhàn)。在技術集成上，工業(yè)場景碎片化特點突出，技術供應商需根據(jù)行業(yè)甚至單一廠商特點進行工業(yè)大模型研發(fā)和適配，將 “通用大模型” 轉(zhuǎn)化為 “專用大模型” 存在 “最后一公里” 的問題，且我國在高端技術層面，“缺芯少魂” 的問題依然影響發(fā)展，高性能芯片對外依賴嚴重，高端智能算力供給不足，原創(chuàng)算法薄弱。在數(shù)據(jù)管理上，我國工業(yè)體系龐大，數(shù)據(jù)結(jié)構(gòu)多樣、質(zhì)量參差不齊，工業(yè)大模型標準體系尚不健全，不同企業(yè)之間的數(shù)據(jù)難以互通互認，同時數(shù)據(jù)安全和隱私保護問題也亟待解決。在應用推廣上，制造企業(yè)因智能化改造回報周期長、中小企業(yè)數(shù)字化基礎弱和專業(yè)人才匱乏、智能化解決方案復用性差以及人工智能企業(yè)缺乏工業(yè)經(jīng)驗等原因，形成供需不匹配難題，且我國在人工智能核心技術研發(fā)、行業(yè)應用等領域投資不足，頂尖人才短缺。

工業(yè)互聯(lián)網(wǎng)與人工智能的融合發(fā)展是大勢所趨，它們并非競爭關系，而是相互依存、相互促進的共生關系。工業(yè)互聯(lián)網(wǎng)為人工智能提供應用場景和數(shù)據(jù)基礎，人工智能為工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展賦智。只有兩者深度融合，攜手共進，才能真正推動工業(yè)體系向高端化、智能化、綠色化邁進，在未來的工業(yè)變革浪潮中笑到最后，共同開創(chuàng)工業(yè)發(fā)展的新時代。因此，與其爭論誰能最終勝出，不如聚焦如何更好地促進二者融合，發(fā)揮出 1+1>2 的協(xié)同效應，這才是推動工業(yè)轉(zhuǎn)型升級、實現(xiàn)新型工業(yè)化的關鍵所在。