當前，全球新一輪科技革命和產業變革加速演進，人工智能與工業互聯網的深度融合正成為推動新型工業化的關鍵引擎。互聯網研究院發布了《人工智能賦能新型工業化實施路徑》報告（以下簡稱《報告》），系統闡述了人工智能如何通過工業互聯網數據服務賦能制造業轉型升級，為產業界提供了清晰的發展路線圖。

《報告》指出，新型工業化是以數字化、智能化為核心特征的工業化新階段。人工智能作為引領性技術，其價值釋放離不開工業互聯網所構建的數據基礎和服務能力。工業互聯網數據服務通過采集、匯聚、處理和分析工業全要素、全產業鏈、全價值鏈的數據，為人工智能模型訓練、推理和優化提供了至關重要的“燃料”，從而打通了從數據到智能再到工業應用的閉環。

實施路徑方面，《報告》提出了五個核心方向：

第一，夯實數據基礎設施，構建高質量工業數據供給體系。推動企業內網改造升級，加快5G、邊緣計算等網絡技術在工業場景的部署，實現設備、產線、工廠的數據互聯互通。建立工業數據分類分級、確權、流通和交易機制，培育工業數據要素市場，鼓勵行業龍頭企業、平臺服務商開放 data API，為人工智能應用提供豐富、精準、實時的數據資源。

第二，打造工業互聯網數據服務平臺，強化智能服務能力。依托跨行業跨領域工業互聯網平臺，建設具有數據匯聚、建模分析、知識沉淀功能的工業數據服務中臺。中臺應內嵌人工智能算法工具、預訓練模型庫、低代碼開發環境，降低制造企業尤其是中小企業應用AI的門檻。例如，通過設備預測性維護、工藝參數優化、產品質量檢測等典型場景的數據服務，快速實現AI賦能。

第三，推動人工智能與工業知識融合，突破關鍵場景應用。工業場景對可靠性和安全性要求極高，單純的 data-driven AI 不足以滿足需求。需將行業機理、專家經驗與數據驅動模型結合，發展“知識+數據”雙驅動的工業智能。重點推進AI在研發設計、生產制造、質量管控、供應鏈管理、能耗優化等環節的應用。以流程行業為例，利用工業互聯網數據訓練的AI模型可實時優化反應參數，顯著降低能耗和排放。

第四，培育工業數據服務新業態，構建協同生態。鼓勵平臺企業、工業軟件公司、AI創新企業聯合開發面向特定行業的數據產品與解決方案。支持“模型即服務（MaaS）”“數據即服務（DaaS）”等新模式，促進數據、算法、算力、知識的共享。建設工業數據空間，在保護數據主權和安全的前提下，實現跨企業、跨行業的數據協同，例如供應鏈協同排產、碳足跡追蹤等。

第五，完善安全保障體系，護航人工智能賦能進程。加強工業數據分類分級保護、跨境流動安全評估，建設工業互聯網安全監測與態勢感知平臺。需關注AI模型的可解釋性、魯棒性和倫理問題，建立工業AI治理框架，確保人工智能在工業化應用中的安全可信。

《報告》還強調，政策引導、標準制定和人才培養是實施路徑的重要支撐。政府應加大對新基建、共性技術平臺的投入，制定工業數據流通和AI應用標準；產教融合培養既懂工業又懂AI的復合型人才；并通過試點示范，形成可復制、可推廣的經驗，加速人工智能賦能新型工業化的規模化落地。

《人工智能賦能新型工業化實施路徑》以工業互聯網數據服務為核心紐帶，為人工智能在工業領域的深度應用提供了系統性指引。隨著數據服務體系的完善和人工智能技術的持續突破，新型工業化將迎來更高效、更綠色、更韌性的發展新格局。產業各方應積極擁抱這一變革。