在新一轮科技革命和产业变革加速推进的背景下，制造业数字化、网络化、智能化转型进入深水区。
工业和信息化部近日印发《工业互联网和人工智能融合赋能行动方案》，把“人工智能＋工业互联网”作为推进“人工智能＋”行动在工业领域落地的重要抓手，旨在形成可复制、可推广的融合应用路径，进一步夯实新型工业化的基础能力。
问题：制造业转型升级面临“效率—质量—韧性”多重挑战。
传统制造体系在复杂工况预测、工艺参数优化、设备全生命周期运维、质量缺陷溯源等方面，往往受限于经验规则和单点系统能力，难以在全流程、全要素上形成实时闭环。
与此同时，人工智能向工业领域延伸并非“拿来即用”，受制于数据供给、场景碎片化与产业成本约束，应用从试点到规模化仍需要系统性路径。
原因：两者融合具有内在互补性，是应对上述难题的现实选择。
一方面，人工智能的学习、生成与决策能力能够提升工业系统对复杂不确定性的处理水平，使生产从“可视化”“可追溯”进一步走向“可预测”“可优化”。
其价值不仅体现在局部自动化，更体现在跨环节的协同优化与知识沉淀。
另一方面，工业互联网作为新型工业化的重要基础设施，已形成网络、标识、平台、数据、安全等体系基础，覆盖41个工业大类，为工业现场的设备连接、数据汇聚、模型沉淀和应用开发提供了“底座”。
当设备、产线、车间与供应链被有效连接，人工智能才有稳定的数据来源和可执行的业务闭环，避免停留在“离线分析”“局部试验”。
影响：融合的关键纽带在数据，直接决定应用的深度与广度。
数据是人工智能的核心要素，工业数据则具有强专业性、强时序性与强场景性特征，包含工艺、质量、设备状态、能耗、物流等信息。
工业互联网能够将分散在不同设备、不同系统、不同协议中的数据汇聚起来，并通过平台化能力实现治理与共享，为模型训练、推理与迭代提供“持续供给”。
在此基础上，人工智能可在预测性维护、柔性排产、质量检测、能效优化、安全生产等场景显著提升效率与稳定性，推动工业互联网从“连接与可视化”向“智能与自治”演进。
对产业链而言，融合还将促进研发、制造、运维一体化协同，增强供应链韧性与应急响应能力，为制造强国和网络强国建设注入新动能。
对策：要释放融合赋能效应，亟须补齐“数据—算力—场景—标准”短板，打通从试点到规模化的通道。
其一，提升工业互联网平台智能化水平，增强边云协同与实时计算能力，形成面向工业场景的模型开发、部署、运维与迭代机制，提高工业智算供给能力和利用效率。
其二，推动数据互通与高质量供给，重点破解设备老旧、协议多样造成的数据孤岛问题，完善数据采集、治理、标注与安全使用体系，降低专业标注门槛和成本，构建可复用的行业数据资产。
其三，围绕重点行业和重点产业链推进规模化应用，鼓励企业在研发设计、生产制造、质量管理、设备运维等环节形成一批可评估、可复制的场景方案，避免“样板间”式应用。
其四，加强标准体系衔接与关键技术产品创新，加快工业通信芯片、工业传感器、工业控制系统等软硬件协同攻关，提升工业现场数据采集、控制执行与安全保障能力，为大模型等新技术在工业场景落地提供可靠支撑。
前景：从发展基础看，我国制造业增加值规模连续15年居全球首位，应用场景丰富、产业体系完备，同时建成全球规模最大、技术领先的信息通信网络，为工业互联网与人工智能融合提供了高速网络通道、海量数据来源和多层次产业生态。
预计随着行动方案落地推进，融合应用将从单点提效向系统性重构迈进，工业数据要素价值将进一步释放，更多行业将形成“数据驱动—模型迭代—流程优化—效益提升”的正循环。
可以预见，谁能率先打通数据链、模型链与产业链，谁就能在新一轮制造业竞争中赢得主动。
工业互联网与智能技术的深度融合，不仅是技术层面的创新，更是制造业发展模式的深刻变革。
面对全球产业竞争新格局，我国需抓住这一历史机遇，以数据为纽带、以技术为驱动，推动制造业向高端化、智能化、绿色化迈进，为经济高质量发展注入持久动能。