当前，制造业工业互联的主要特征总体是从规模扩张转向深度应用，呈现出多维特征。从业务模式层面来看，商务与组织管理的广度和深度获得了充分发展；从企业应用分层的维度，发展重心从追求设备连接的“广度”转向提升数据价值与结构优化的“深度”，IT与OT进一步深度融合；从智能化视角上来看，则从“互联”走向“智联”。人工智能，特别是大模型技术，将成为关键变量，推动系统从数据驱动升级为智能涌现。

推动这一转变的核心驱动力有三个：第一是国家战略的顶层设计，如《“十四五”信息化和工业化深度融合发展规划》为产业注入政策动力；第二是市场需求的根本牵引，日益强烈的个性化定制需求与不断缩短的产品生命周期，正迫使企业借助工业互联，将传统的线性开发转变为并行的、可快速响应市场的配置过程，我们称之为“交钥匙工程”模式。第三是技术创新融合，尤其是生成式人工智能与大模型的颠覆性发展前景，将推动工业互联向智能化跃迁。

张为民教授  同济大学机械与能源工程学院、现代制造技术研究所所长

从数据采集到价值创造：关键技术突破

从AI赋能或数字孪生角度，要实现从数据采集到价值创造，需要突破的关键技术是虚实融合的“孪生智能”。AI与数字孪生是一个不可分割的整体。数据本身是静态的，而脱离物理过程的AI是盲目的。数字孪生通过构建与物理实体高度保真的虚拟模型，为AI提供了一个可推演、可验证的“数字沙箱”，让AI的优化决策能够安全、高效地闭环作用于物理世界，这正是数据价值化的核心路径。

例如，我们团队（中德先进制造研究中心amtc）提出的模块化配置的快速验证与确认（V&V）框架，确保了孪生模型在设计阶段就规避潜在的逻辑错误和性能瓶颈，规避了高昂的试错代价；而开放领域自适应AI故障诊断模型，则能准确筛选和复用已有故障知识，在模型面对欠样本的新场景或未知工况时依然保持高稳健性，避免了维护决策的重大失误。

AI与工业互联平台的融合应用

AI尤其是大模型技术，正与工业互联平台深度结合，系统性地优化传统模式。在研发上，大模型分析海量文献与专利数据，加速技术探索和创意生成；在生产中，AI实时分析平台数据，优化调度与质量；在运维上，故障预警等预测性维护技术已非常成熟；在供应链管理上，大模型可融合宏观经济等非结构化数据进行需求精准预测，并通过自然语言交互进行复杂决策情景分析。

我们团队代表性的落地场景是与邦迪智能科技（上海）股份有限公司合作，为新能源汽车行业开发的“扁线电机智能产线数字孪生平台”。在该平台中，预计在研发环节将产线工艺重构计算时间压缩至百秒内；生产环节通过耦合仿真与AI实现核心工艺的“零缺陷”生产；运维环节将综合维护成本降低10%。（上海嘉定区“揭榜挂帅”科技创新项目《面向交钥匙工程的扁线电机智能产线数字孪生平台研发》）

AI赋能的“孪生智能”产线虚实融合模型

AI重塑智慧工厂与人机协同新生态

工业互联不仅是一项技术创新，还是一场深刻的管理变革。企业在培养和引进人才方面需将“不确定性”转化为“确定性”，在组织架构与业务流程层面，将精益工程与人工智能有效结合，建立以人为本的敏捷和韧性组织架构及流程。这对企业的人才结构提出了新要求，市场对能够跨越OT、IT和数据科学三大领域的复合型人才需求剧增，但“专才”与“复合型人才”缺一不可。在企业文化层面，则要求企业培育数据驱动、跨专业透明协作的文化。在人才培养上，深化行业、校企合作培养，建立持续学习的有效途径。例如：在高校建设理论研究与实践融合的学习、研究工厂，以实际课题培养高校学生和企业员工。

我个人认为，未来1~3年，国内智慧工厂的日常运营场景将发生一系列具体变化。比如，预测性维护将成为标配；协作机器人将更广泛地与工人并肩工作；基于孪生智能的远程操作与仿真优化，以及数据驱动的能源与可持续性管理将成为常态。

同时，在AI加持下，工人的角色将按需切换，或被重新定义，操作员将朝着三个新角色演进。其一是系统监控者与维护伙伴，他们的工作地点将从产线边移到中控室，监控智能系统运行；其二是人机协作的搭档：利用人类的灵活性和丰富的经验，与机器协同工作；其三是复杂问题的解决者：工人的价值将转向“创造”，如机器难以胜任的复杂工艺和流程优化等创新活动。

目前，我们的团队也在对下一代智能制造进行前瞻性探索，自主智能机器人集群生产系统原型是其中的代表项目之一，其核心理念是彻底打破固定式生产线的束缚。在这个系统中，生产功能模块将被大量自主移动的机器人根据需要快速调用和重组，由中央AI大脑实时编排任务。该系统目前仍处于实验室阶段，距离广泛的工业落地还需要一个长期的迭代过程。

工业互联作为智能制造的核心载体，正驱动着制造业迈向一场系统性变革。面对智能化转型升级的浪潮，唯有积极拥抱管理变革、加速技术落地、重塑人的价值，才能在制造业新格局中赢得先机。