（问题）当前，工业企业资产规模不断扩大，重资产行业对设备可靠性、生产连续性和安全管控的要求明显提高；此外，非计划停机、维护策略不合理、经验与知识传承不足等问题依然突出：一方面，停机与故障带来直接经济损失，并冲击供应链稳定；另一方面，维护不到位或过度维护都会推高成本、挤压产能。叠加人员结构变化，老专家退休带来的隐性知识流失，使一些企业关键设备诊断、风险预判和应急处置上面临“看得见却算不清、管得了但管不优”的困境。如何将设备运行状态转化为可量化、可决策、可优化的管理成果，已成为数智化转型必须回答的核心问题。 （原因）上述挑战由多重因素叠加造成。一是工业现场系统长期以“烟囱式”建设为主，控制、检修、资产管理与生产经营数据分散，标准不一、口径不统一，导致数据难以贯通、价值难以沉淀。二是传统管理更偏“事后处置”和“经验驱动”，对故障演化机理与全生命周期成本缺少系统评估，难以前移预防并实现最优决策。三是工业场景复杂、边界条件多，既要求对物理机理有把握，也要求理解业务流程，技术落地常受制于模型泛化能力、现场采集条件，以及与既有系统融合的成本与难度。四是工业软件生态仍在完善，自主可控能力、复合型人才供给与工程化交付体系仍需加强。 （影响）这些问题不仅影响企业效益，也关系产业链韧性与安全生产底线。对企业而言，停机和低效维护直接抬升单位成本、削弱盈利能力；对行业而言，关键装备运行不稳会放大供给波动风险；对安全而言，现场监管不到位、违规作业识别不及时，会增加事故隐患。更值得关注的是，随着行业进入“价值管理”阶段，企业需求正从“监测设备、管理设备”加速转向“核算价值、提升价值”，以可靠性、成本、风险与产出综合最优为目标，推进资产全生命周期精细化管理。谁能率先打通数据链、业务链与决策链，谁就更有可能在新一轮产业升级中占据先机。 （对策）在此次年会上，中能拾贝涉及的负责人结合行业实践提出，以工业智能能力为抓手，推动从“设备管理”向“资产价值管理”升级：在业务层面，通过一体化打通故障预测与健康管理、工业控制和企业资产管理等关键环节，形成“监测—诊断—控制—管理”闭环；在数据层面，推进云、边、端数据连通与治理，提高现场数据可用性与时效性；在智能层面，将算法能力与知识体系结合，推动人机协同，提升诊断、预测与决策效率。在应用侧，围绕发电设备异常识别、故障根因分析、健康状态预测等高价值场景，以模型化方法提升定位与处置效率；围绕规程规范的检索与关联，强化技术监督工作的标准化与可追溯，提升报告生成效率与准确性；围绕安全生产，探索以智能化方式实现全天候风险识别与现场监管，继续强化安全防线。相关应用已在部分电力企业开展并取得成效，体现出“以场景牵引、以系统集成、以价值验证”的落地路径。 （前景）从趋势看，电力等资产密集型行业的数智化建设将更强调“平台化、系统化、闭环化”。一上，运营管理将从“人围着界面转”转向“人提出目标、系统生成结果”，以更自然的交互推动管理流程再造，让决策更聚焦目标与约束条件，减少重复操作和信息搬运。另一方面，发电系统智能化将更多依托边缘侧能力建设，使机电设备本体与智能电子装置更紧密融合，实现状态数字化、诊断自主化、通信网络化与功能一体化，提升现场自治与快速响应能力。面向传统电厂的值守监盘、巡检、定期操作与违章监管等环节，行业正通过多源传感融合、数字孪生等技术，逐步提升全场景智能化水平，推动从“减人增效”走向“少人值守、协同处置”。同时，国产工业软件的自主研发、生态协同与人才培养仍是产业长期竞争力的重要支点，需在标准体系、工程化工具链与行业可复制解决方案上持续突破。
工业软件的创新发展不仅是技术演进，也是推动制造业转型升级的重要动力；在国产化替代与数字化转型的双重机遇下，如何构建自主可控的工业软件生态、培育复合型人才队伍，将成为我国工业实现高质量发展的关键。此次会议展示的创新成果为行业提供了可借鉴的实践参考，也预示着中国工业正加速迈向智能化、价值化的发展阶段。