作者簡介

孫頔

中國聯(lián)合網(wǎng)絡通信有限公司研究院高級研究員，主要從事碳達峰碳中和、工業(yè)互聯(lián)網(wǎng)、數(shù)字經(jīng)濟等方面的研究工作。

楊錦洲

中國聯(lián)合網(wǎng)絡通信有限公司研究院數(shù)字經(jīng)濟研究中心總監(jiān)，主要從事數(shù)字經(jīng)濟、智慧城市、政企數(shù)字化轉型等方面的研究工作。

夏璠

中國聯(lián)合網(wǎng)絡通信有限公司研究院研究員，主要從事數(shù)字經(jīng)濟、工業(yè)互聯(lián)網(wǎng)等方面的研究工作。

來源：信息通信技術與政策，本文經(jīng)授權轉載發(fā)布

摘要：在建設中國式現(xiàn)代化、推進新型工業(yè)化的關鍵時期，AI和工業(yè)互聯(lián)網(wǎng)的不斷深入融合，已成為推動工業(yè)領域產業(yè)升級，建設制造強國、網(wǎng)絡強國和數(shù)字中國的“扣合點”。基于AI+工業(yè)互聯(lián)網(wǎng)模式在智慧能源綜合管理、設備預防性維護、智能計劃排產及倉儲管理等領域的應用效應分析，論證了其對工業(yè)智能化轉型的重要支撐作用，并著重研究了新興生成式AI產品對助力AI+工業(yè)互聯(lián)網(wǎng)模式發(fā)展升級的積極作用，同時也指出現(xiàn)階段AI+工業(yè)互聯(lián)網(wǎng)模式應用面臨的局限性因素，以期為促進更多的AI+工業(yè)互聯(lián)網(wǎng)模式應用場景加速落地、防范應用風險提供參考。

0 引言

工業(yè)是國民經(jīng)濟的命脈，在我國經(jīng)濟邁入高質量增長的進程中，在加快推進新型工業(yè)化的同時，促進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，對轉變經(jīng)濟發(fā)展方式、優(yōu)化經(jīng)濟結構、轉換增長動力具有重要推動作用。當前，工業(yè)互聯(lián)網(wǎng)憑借“全面連接、信息共享、上下聯(lián)動、資源整合”等優(yōu)勢，已全面融入45個國民經(jīng)濟大類，對重塑工業(yè)體系、實現(xiàn)數(shù)字中國和制造強國的關鍵支撐效應正逐漸顯現(xiàn)[1]。政府高度重視工業(yè)互聯(lián)網(wǎng)的發(fā)展，相繼發(fā)布《“十四五”信息化和工業(yè)化深度融合發(fā)展規(guī)劃》《“十四五”智能制造發(fā)展規(guī)劃》《“十四五”數(shù)字經(jīng)濟發(fā)展規(guī)劃》等政策，明確提出2025年工業(yè)互聯(lián)網(wǎng)平臺普及率達到45%的目標[2]，要求建設可靠、靈活、安全的工業(yè)互聯(lián)網(wǎng)基礎設施，為制造業(yè)數(shù)字化、網(wǎng)絡化、智能化轉型創(chuàng)造條件[3-4]。工業(yè)和信息化部會同工業(yè)互聯(lián)網(wǎng)專項工作組各單位制定出臺了《工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動計劃（2021—2023年）》，著力解決工業(yè)互聯(lián)網(wǎng)發(fā)展中的深層次難點、痛點問題，加快工業(yè)互聯(lián)網(wǎng)平臺體系化升級。

工業(yè)互聯(lián)網(wǎng)是新一代信息通信技術與工業(yè)經(jīng)濟協(xié)同發(fā)展的新型基礎設施、應用模式和工業(yè)生態(tài)[5]，云計算、人工智能（Artificial Intelligence，AI）和5G等先進技術共同構成的新技術體系，正是其生長的土壤。其中，AI作為新一輪科技革命和產業(yè)變革的重要驅動力量，具備復雜分析、預測算法、人機交互等能力，能夠充分挖掘、利用工業(yè)互聯(lián)網(wǎng)中各類智能設備采集的海量數(shù)據(jù)價值，反哺工業(yè)企業(yè)，實現(xiàn)降本增效，使數(shù)據(jù)真正成為數(shù)字經(jīng)濟引擎的“燃料”。

1 AI+工業(yè)互聯(lián)網(wǎng)模式已成為產業(yè)智能化新范式

國內研究機構將AI+工業(yè)互聯(lián)網(wǎng)模式概括為在工業(yè)互聯(lián)網(wǎng)的架構基礎上融合人工智能技術的模式，其特點是“以大量數(shù)據(jù)采集為算料基礎、以機器學習或深度學習算法為核心、以用戶需求為導向，面向工業(yè)場景提供智能解決方案，幫助工業(yè)企業(yè)更好地實現(xiàn)數(shù)據(jù)價值和效能提升，實現(xiàn)數(shù)據(jù)驅動的業(yè)務轉型和創(chuàng)新”[6]。

工業(yè)企業(yè)擁有復雜的生產線，其確保盈利的關鍵在于最大限度地提高生產率、降低轉化成本和保證按時交付產品，但需求和供應的不確定性導致傳統(tǒng)的管理方式難以幫助企業(yè)實現(xiàn)高效生產[7]。在這種情況下，AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)生產環(huán)節(jié)中的融合應用，以工業(yè)互聯(lián)網(wǎng)對各類工業(yè)數(shù)據(jù)資源的泛在連接能力為基礎支撐，充分發(fā)揮AI在工業(yè)互聯(lián)網(wǎng)平臺的邊緣設備層、平臺層以及應用層等多個領域的高級計算、智能分析價值，不僅能拓展和豐富AI在工業(yè)領域的應用場景，促進工業(yè)互聯(lián)網(wǎng)服務能力提升，而且可促進機器、人、信息流的高效連接，有助于生產與服務資源在更大范圍內精準、高效配置，實現(xiàn)工業(yè)知識的沉淀和復用，提升從生產到應用的全產業(yè)鏈數(shù)字化、網(wǎng)絡化、智能化水平，提高企業(yè)的效率和競爭力，為企業(yè)創(chuàng)造巨大價值，進而推動我國從制造大國邁向制造強國。

現(xiàn)階段，在電子信息制造、裝備制造和石油化工行業(yè)，AI+工業(yè)互聯(lián)網(wǎng)平臺的行業(yè)滲透率已分別達到10.5%、8.6%和8.5%[6]，應用領域以智慧能源綜合管理、設備預防性維護、智能計劃排產及倉儲管理等生產相關環(huán)節(jié)中的輔助性單點應用為主。

1.1 智慧能源綜合管理

能源是工業(yè)的血液，是企業(yè)正常運轉的根本保障。尤其在“雙碳”目標指引下，在推動能耗雙控轉向碳排放雙控的過程中，對于占全社會能源消費65%的工業(yè)領域[8]，積極應用可再生能源、踐行節(jié)能降碳已經(jīng)成為企業(yè)發(fā)展的必選路徑。然而，風電、光電等可再生能源具有間歇性、隨機性和波動性等特點，需與電網(wǎng)供電合理配合，并充分結合波峰波谷電價，才能在確保生產安全穩(wěn)定的同時，降低碳排放，節(jié)約運營成本，提高經(jīng)濟效益。

基于AI+工業(yè)互聯(lián)網(wǎng)模式建立的智慧能源綜合管理系統(tǒng)，綜合各類用能設備的運行數(shù)據(jù)，可分析確定企業(yè)經(jīng)營生產的高耗能、高碳排環(huán)節(jié)，并提供智能科學的優(yōu)化建議。同時，結合可再生能源發(fā)電功率預測結果，以安全性和經(jīng)濟性為目標，制定工廠內部及廠區(qū)范圍的多能源協(xié)同策略，保證多種能量來源之間的平滑切換，實現(xiàn)用能設備運行于最優(yōu)效率區(qū)間、產品良率提升、綠色低碳生產及用能成本降低等多方面效益共贏。

工業(yè)互聯(lián)網(wǎng)標識智庫征集案例顯示，某國家級高新區(qū)（簡稱“高新區(qū)”）有數(shù)百家制造企業(yè)入駐，存在電網(wǎng)、自建熱電廠、分布式光伏/風電、集中式儲能等多種電力來源，存量系統(tǒng)復雜。在應用AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺的實踐中，該高新區(qū)以工業(yè)互聯(lián)網(wǎng)對能源數(shù)據(jù)、設備數(shù)據(jù)、質量數(shù)據(jù)的高精度采集為支撐，結合企業(yè)的個性化需求，利用AI對以上數(shù)據(jù)進行系統(tǒng)級解析，并建立發(fā)電及負荷預測模型，從而幫助企業(yè)準確預測能源供給，精準匹配負荷調節(jié)，制定峰谷期電能應用策略。該高新區(qū)的AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺通過智能分析挖掘34 家企業(yè)的可調節(jié)負荷資源潛力，實現(xiàn)聚合調節(jié)能力27 MW，基本覆蓋高新區(qū)在用電高峰時段的錯峰需求，以降低供電緊張時對生產造成的影響[9]。同時，AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺還挖掘出118 家企業(yè)的潛在節(jié)電量約6 425 萬kWh/年，78 家企業(yè)的峰谷期降費收益約1 571 萬元/年[9]。

1.2 設備預防性維護

在過程工業(yè)中，設備的正常運行是保障工廠高效、可靠和安全生產的關鍵。根據(jù)國際自動化學會的數(shù)據(jù)，全球每年因為機器故障引發(fā)的停機時間導致了6 470 億美元的損失[10]。如何使工廠在提升產能的同時降低維護成本、提高關鍵設備的可用性、減少非計劃性停產，一直是困擾工業(yè)生產安全運行和降本增效的重要因素。為保證設備長期穩(wěn)定運行，大部分工廠采用定期的預防性維修維護策略，然而這種方法不僅極易導致過度維護，而且依然無法有效避免非計劃停產，甚至可能造成維修性故障的發(fā)生。

應用AI+工業(yè)互聯(lián)網(wǎng)模式，基于設備正常運行時所采集的海量歷史數(shù)據(jù)訓練模型，并綜合考慮各類傳感器數(shù)據(jù)之間的關聯(lián)關系，能夠建立具備分析判斷復雜規(guī)則能力、在實際數(shù)據(jù)出現(xiàn)偏差時快速預警的智能化預防性維護系統(tǒng)。智能預警機制將為企業(yè)應對潛在故障或風險爭取寶貴的時間，以及時采取相應措施，避免非計劃停產的發(fā)生。同時，基于AI+工業(yè)互聯(lián)網(wǎng)模式的預防性維護系統(tǒng)還能進行故障維修維護指導，以幫助企業(yè)有效控制風險，實現(xiàn)安全生產。

工業(yè)互聯(lián)網(wǎng)產業(yè)聯(lián)盟在實踐研究中發(fā)現(xiàn)，某石油公司基于AI+工業(yè)互聯(lián)網(wǎng)模式建立的智能生產預警系統(tǒng)，利用工業(yè)互聯(lián)網(wǎng)采集井口平臺上相關生產設備設施的實時性能狀態(tài)數(shù)據(jù)并上傳至中心平臺，應用AI技術實時比對分析設備運行參數(shù)和歷史健康數(shù)據(jù)，自動判斷預警設備異常狀態(tài)，并制定預防性維護措施，避免因重要元器件損壞造成設備計劃外停機。該系統(tǒng)應用后，該石油公司每年節(jié)省人工成本約600 萬元，減少維修設備投入成本約4 000 萬元[11]。

1.3 智能計劃排產

為了達到最佳生產運營目標，企業(yè)需以最有效的方式調配利用人力、設備和倉儲等各類資源。生成排產計劃的過程既耗時又復雜，不僅需考慮可用資源、設備效率、員工數(shù)量、市場需求和既定產品服務目標等諸多因素，還要根據(jù)訂單變動、計劃外停機等約束條件的不斷變化做出及時合理的優(yōu)化調整，以確保安全生產、任務達成以及經(jīng)濟性優(yōu)良。

AI+工業(yè)互聯(lián)網(wǎng)模式能夠有效賦能排產計劃生成，利用工業(yè)互聯(lián)網(wǎng)采集的各生產線數(shù)據(jù)，基于智能化分析能力評估各環(huán)節(jié)實際生產效率限度，結合多維約束條件，快速、準確地制定出優(yōu)化的排產計劃，節(jié)約人工成本，增強過程控制。此外，AI+工業(yè)互聯(lián)網(wǎng)模式的應用還能將外部市場形勢與內部工況信息進行融合研判，及時、高效地做出適應性調整，降低對既定目標和運營效益的影響。在AI+工業(yè)互聯(lián)網(wǎng)模式下，開展排產計劃與倉儲管理數(shù)據(jù)實時共享也將有助于加快物資周轉，提高保供服務水平并不斷優(yōu)化庫存結構，降低庫存成本[12]。

在北京大成企業(yè)研究院開展的案例分析中，某新能源電池生產企業(yè)為解決規(guī)模不斷擴大中出現(xiàn)的各業(yè)務環(huán)節(jié)割裂、生產協(xié)同不足、決策效率低、排產效率差等問題，基于AI+工業(yè)互聯(lián)網(wǎng)模式構建了決策分析與智慧排產系統(tǒng)。利用AI的高級計算和快速反饋能力，深度挖掘工業(yè)互聯(lián)網(wǎng)監(jiān)測、采集的各基地生產、倉儲數(shù)據(jù)價值，并結合區(qū)域市場需求、物流運輸情況等信息開展排產運營策略制定及優(yōu)化，實現(xiàn)智慧化的排產設計、訂單響應、決策制定，促進數(shù)據(jù)分析對生產運營的反哺?；贏I+工業(yè)互聯(lián)網(wǎng)模式的決策分析與智慧排產系統(tǒng)實施后，該企業(yè)排產效率提升17%，訂單響應速度提升1倍，跨部門協(xié)同效率增加40%，訂單履約率提升22%[13]。

在數(shù)字中國、制造強國的建設過程中，人工智能和工業(yè)互聯(lián)網(wǎng)的融合應用已成為新階段工業(yè)數(shù)字化、網(wǎng)絡化、智能化發(fā)展的必由之路。未來，隨著產業(yè)轉型的逐步深入，工業(yè)互聯(lián)網(wǎng)、AI相關技術的不斷進步，AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)領域的滲透性將進一步增強，呈現(xiàn)出多點落地的規(guī)模化趨勢。

2 生成式AI的應用將助力AI+工業(yè)互聯(lián)網(wǎng)模式發(fā)展升級

2022年11月30日，美國開放人工智能（OpenAI）公司推出了對話式AI工具——ChatGPT。ChatGPT是一個超大的統(tǒng)計語言及順序文本預測模型，其核心技術為生成式AI。2023年3月15日，OpenAI發(fā)布多模態(tài)預訓練大語言模型GPT-4，帶來了自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升[14]，隨后我國百度、阿里、華為等科技公司也相繼推出了本土化的“類ChatGPT”生成式AI產品。由于具備更大的語料庫、更強的計算能力、更通用的預訓練和更強的自我學習能力，這些創(chuàng)新產品將為優(yōu)化傳統(tǒng)工業(yè)互聯(lián)網(wǎng)賦能方式、助力工業(yè)產品全生命周期的效率和質量提升帶來更多可能性。

2.1 促進全方位數(shù)據(jù)挖掘分析

在工業(yè)領域中，各類傳統(tǒng)行業(yè)工程技術人員與數(shù)字化工程師之間往往存在著協(xié)作壁壘，嚴重阻礙了對工業(yè)生產各類數(shù)據(jù)的全方位挖掘分析，很大程度上約束了全面數(shù)字化轉型的落地。生成式AI具備的人機協(xié)同和編程能力，能夠更好地理解任務需求，有效擴展數(shù)據(jù)獲取渠道，并結合工業(yè)互聯(lián)網(wǎng)的生產數(shù)據(jù)采集功能，利用智能化算法為企業(yè)制定更合理的經(jīng)營生產策略，也有助于解決“工業(yè)+數(shù)字化”復合型人才短缺的問題。

2.2 支持跨行業(yè)信息融合

產業(yè)融合是全球經(jīng)濟增長和現(xiàn)代產業(yè)發(fā)展的重要趨勢。在此背景下，企業(yè)亟需擴展產業(yè)鏈相關環(huán)節(jié)的技術、知識、生產經(jīng)營數(shù)據(jù)等信息，以提升融合發(fā)展水平，促進向價值鏈“微笑曲線”兩端的高附加值環(huán)節(jié)延伸。生成式AI依托豐富的數(shù)據(jù)庫資源，可以在線解答各種科技、生產等相關問題，并將復雜的技術知識快速簡化為易于理解的形式，從而幫助從業(yè)人員高效獲取跨行業(yè)技術、知識。同時，生成式AI還能對產業(yè)鏈中以“機器-工業(yè)互聯(lián)網(wǎng)-AI-人”形式傳播的信息流進行整合，根據(jù)不同的顆粒度、種類和實時性等需求，以更加智能的方式將各環(huán)節(jié)的數(shù)據(jù)信息進行差異化生成和推送，并提供智能化的跨行業(yè)融合方案，促進資源共享、技術交互以及業(yè)務優(yōu)化配置，不斷推動產業(yè)高質量融合發(fā)展。

2.3 滿足個性化需求

新消費群體和新需求對“個性化”的強烈訴求向企業(yè)準確捕捉需求痛點、增強柔性化生產水平、兼顧個性化與低成本的能力提出了更高的要求。生成式AI具有強大的人機對話交互能力，可以更精準地理解用戶的需求，助推企業(yè)與用戶的深度交互變革，實現(xiàn)用戶在產品全生命周期中的深度參與。其與工業(yè)互聯(lián)網(wǎng)的融合應用可有力破解傳統(tǒng)生產經(jīng)營方式中，客戶個性化需求難以有效指導企業(yè)生產的難題，并通過制定科學合理的差異化生產方案，提高柔性化生產能力，讓企業(yè)以低成本、高質量、高效率的運營，實現(xiàn)產品個性化設計、生產、銷售及服務，提升用戶滿意度，強化企業(yè)競爭力。

3 AI+工業(yè)互聯(lián)網(wǎng)應用的局限性分析

盡管AI+工業(yè)互聯(lián)網(wǎng)模式的應用對打破工業(yè)生產的效率瓶頸、進一步激活生產數(shù)據(jù)要素的潛能、促進工業(yè)智能化轉型具有重要意義，但由于工業(yè)具有細分領域眾多、流程環(huán)節(jié)復雜、容錯性低、可靠性和安全性要求高等特點，因此目前AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)領域的規(guī)?；茝V還存在諸多限制因素。

3.1 結果可靠性與可解釋性不足

工業(yè)生產過程交互環(huán)節(jié)多、業(yè)務復雜性高、容錯率極低，要求智能化分析、決策的每一步階段性結果具有可解釋性。然而，許多AI算法通常采取“黑盒”機制，致使其決策結果的產生邏輯具有不可辨識性和不可推論性，這種模糊性直接降低了結果的可信任度，與工業(yè)生產依賴的準確嚴謹?shù)倪^程預測、決策之間存在較大矛盾，也與工業(yè)互聯(lián)網(wǎng)的高可靠性、強確定性要求不相符，嚴重阻礙了AI+工業(yè)互聯(lián)網(wǎng)模式的部署應用。

3.2 模型構建難度大

一方面，AI算法模型的準確性提升需要以大量的訓練數(shù)據(jù)為基礎，但工業(yè)數(shù)據(jù)具有私密性高、有價值信息提取難、有效標注少等問題，尤其是對模型敏感能力影響極大的生產設備異常等訓練數(shù)據(jù)量不足，將制約AI算法模型的持續(xù)調優(yōu)、升級。另一方面，工業(yè)場景復雜多樣，工藝流程差異化較大，采用單一場景或流程訓練的AI算法模型泛化能力差、復用難度大。以上兩方面因素不利于AI+工業(yè)互聯(lián)網(wǎng)模式的大范圍推廣應用，難以實現(xiàn)對工業(yè)生產發(fā)展的及時跟進。

3.3 開發(fā)成本過高

AI算法模型集大算力、大算法、大數(shù)據(jù)為一體，在訓練時依賴海量的數(shù)據(jù)、計算資源與云化存儲能力，且需經(jīng)歷復雜的訓練、驗證環(huán)節(jié)，耗費成本極高。華為公布數(shù)據(jù)顯示，僅一次AI大模型的開發(fā)訓練成本就高達1 200 萬美元[15]。由此將給企業(yè)帶來沉重的經(jīng)濟負擔，導致企業(yè)對AI+工業(yè)互聯(lián)網(wǎng)模式的研發(fā)應用望而卻步。這不僅影響產業(yè)投入的積極性、阻礙技術發(fā)展，而且難以達到工業(yè)互聯(lián)網(wǎng)賦能中小企業(yè)數(shù)字化轉型發(fā)展的目標要求。

3.4 數(shù)據(jù)安全性難以保障

工業(yè)數(shù)據(jù)包含了企業(yè)生產、經(jīng)營和管理等信息，具有重要價值，如果遭遇威脅，可能會對企業(yè)的經(jīng)營造成嚴重損害。同時，工業(yè)數(shù)據(jù)也是國家安全和國民經(jīng)濟的重要基礎，一旦遭受破壞或泄露，將對社會穩(wěn)定和經(jīng)濟發(fā)展造成重大損失。因此數(shù)據(jù)安全一直以來都受到企業(yè)和政府部門的重點關注。為防范企業(yè)內部因生成式AI產品儲存用戶聊天記錄或通過互聯(lián)網(wǎng)開展人機交互而可能造成的數(shù)據(jù)泄露和隱私保護相關風險問題，蘋果、三星、SK海力士等企業(yè)已宣布禁用ChatGPT等生成式AI產品。

4 結束語

在產業(yè)升級轉型逐漸步入深水區(qū)的進程中，隨著數(shù)據(jù)量呈現(xiàn)爆發(fā)式增長、計算能力顯著提升、深度學習算法取得突破性進步，AI技術同工業(yè)領域融合應用的滯后周期正不斷縮短，并將通過與工業(yè)互聯(lián)網(wǎng)融合等模式，滲透到生產制造、運營管理、人員培訓等過程。尤其在鼓勵AI+工業(yè)互聯(lián)網(wǎng)發(fā)展的政策陸續(xù)出臺后，AI與工業(yè)互聯(lián)網(wǎng)融合的模式將迎來高速發(fā)展期，對推進我國新型工業(yè)化發(fā)揮更大作用。在此過程中，不僅應努力拓展AI+工業(yè)互聯(lián)網(wǎng)模式的賦能水平，豐富其應用場景，而且應針對現(xiàn)存的發(fā)展限制性因素從技術、管理、政策等多方面研究制定應對策略，以更充分地發(fā)揮AI+工業(yè)互聯(lián)網(wǎng)模式對企業(yè)新舊動能轉換和價值鏈延伸的推動作用，使其能更好助力中國制造業(yè)高質量發(fā)展。

審核編輯：黃飛