问题——制造业数智化转型进入攻坚期，但“数据在平台、价值不在链上”的矛盾仍较突出。
近年来，工业互联网平台在设备接入、数据汇聚、网络协同等方面进展明显，但在更高层次的智能分析、决策优化、跨环节协同上仍存在短板。
一些企业在引入智能技术时面临模型精度与行业适配不足、算力部署与成本约束并存、数据质量与安全合规要求提升等现实挑战，导致应用效果不稳定、复制推广难度较大。
原因——政策引导强化方向牵引，产业需求倒逼技术落地。
《行动方案》明确提出实施工业互联网与人工智能融合赋能行动，强调提升从业人员相关素养与技能，推动人工智能技术向工业全链条渗透，并针对不同复杂度场景提出差异化路径：在生产控制、风险识别等规则相对清晰的场景推广判别式应用，在工艺优化、方案设计等复杂场景探索生成式实践。
此前发布的相关行动方案亦提出到2028年显著提升融合赋能水平、推动更多企业开展新型工业网络改造升级。
多项政策连续落地，既释放稳定预期，也通过目标牵引促使企业从“可选项”转向“必答题”。
与此同时，制造业在提质增效、降本控险、柔性生产和绿色低碳等方面需求上升，为融合应用提供了明确的价值坐标。
影响——从“连接平台”走向“智能中枢”，带动全链条效率跃升。
业内普遍认为，“人工智能+工业互联网”的关键变化在于平台能力升级：工业互联网平台不再仅承担设备与数据的连接与管理，而是进一步具备智能分析、预测预警、工艺参数自优化、生产排程辅助决策等能力。
融合应用的外溢效应正在显现：在研发设计环节，智能工具可缩短方案迭代周期；在生产制造环节，算法可提升关键部件控制精度并增强稳定性；在质量检测环节，视觉识别等技术有望提高检出率、降低漏检风险；在供应链管理环节，数据与模型结合可优化资源调度与库存周转；在安全生产与风险管理环节，实时监测与识别能力提升可降低事故隐患。
随着工业自动化、工业通信、边缘算力等领域上下游协同增强，硬件、网络、平台、应用一体推进的生态格局正在完善，为规模化复制提供基础。
对策——以场景牵引为主线，夯实数据底座与安全能力，形成协同推进机制。
推进融合赋能，既要“上模型”，更要“打基础”。
一是以典型场景为牵引，优先在规则明确、收益可量化的环节形成示范，建立可评估、可复制的实施路径，再向复杂环节延伸。
二是强化工业数据治理与标准化，提升数据采集质量、标注与管理水平，形成面向工艺、设备、质量、能源等关键要素的高质量数据资产。
三是推动算力与部署方式适配工业现场需求，探索边缘与云协同的轻量化推理与实时处理方案，兼顾时延、成本与可靠性。
四是把安全与合规贯穿全流程，提升工业互联网安全防护与数据安全能力，防范模型与供应链带来的新风险。
五是完善人才与组织保障，通过培训与岗位体系建设提升企业全员相关能力，促进技术团队与生产一线深度协同。
当前，部分上市公司已依托自身在网络安全、工业互联网安全、边缘算力等方面的积累加码布局，体现出产业链主体在资金、技术与场景端的联动加速。
前景——未来三年有望进入“提速提质”关键期，成为培育新质生产力的重要抓手。
综合政策导向与产业基础看，融合发展正在从点状试验迈向系统推进：一方面，政策连续性增强有助于形成中长期投入预期；另一方面，工业自动化、工业通信与平台能力升级相互促进，将推动“数据—算法—应用—价值”闭环更快形成。
预计在更广泛行业与更多中小企业中，融合应用将从单点降本扩展到全链条优化，从辅助决策迈向协同决策与持续优化。
与此同时，行业也需警惕“一哄而上”和“重概念轻落地”，坚持以可衡量的收益、可复用的方案、可持续的安全合规体系为导向，推动高质量发展。
工业互联网与人工智能的融合发展正站在新的历史起点。
当前，从政策层面的顶层设计到产业层面的具体实践，各方面的共识和行动都在加速汇聚。
这一融合不仅代表着我国制造业转型升级的新方向，也反映了新一轮产业革命中抢占制高点的战略抉择。
随着融合的深入推进，必将进一步激发制造业的创新活力，为经济高质量发展注入强劲动力，同时也为全球制造业的智能化转型提供中国方案。