人民網北京3月27日電 （記者李彤）“訓練大模型如‘烹小鮮’”“工業人工智能（AI）是座金礦，但真金不易挖。”一句形象比喻，一句直白感慨，道出了當前工業AI發展的現狀——正從“概念驗証”加速邁向“閉環價值交付”，既迎來了政策與市場的風口，也面臨場景適配、數據短缺、成效平衡等挑戰。

業界人士認為，工業AI正在經歷從政策發力到產業定向、產品設計到場景應用、單點突破到生態共贏的階段，需要在破局中扎根、在協同中生長，通過構建強大生態釋放更多潛能。

向上生長，政策賦能與市場機遇的疊加，讓工業AI站上新風口。今年政府工作報告首次提出“打造智能經濟新形態”，這有助於抓住AI發展的機遇，拓展AI賦能千行百業的廣度和深度，盡快打開經濟增長的新空間，培育新模式、壯大新動能。

廣闊的市場空間與開放的創新生態，讓中國工業AI成為全球關注的焦點。“中國雄厚的工業基礎、開放的創新生態和廣闊的應用市場，為工業AI發展提供了良好條件。”在近期舉辦的西門子RXD大會上，西門子董事會主席、總裁兼首席執行官博樂仁表示，工業領域對AI的需求更為嚴苛，“要讓AI真正走進現實，來到物理世界，絕非僅靠更優的算法就能實現。在工業場景中，我們需要100%可靠的AI。”這一觀點道出了工業AI與消費級AI的區別。

風口之下，業界對工業AI的認知不斷深化。“過去談工業AI，是想解決一個單點問題，例如對某一個場景進行優化，從而降本增效。”銀河通用機器人聯合創始人張直政說，當前業界對工業AI的理解，是在整個生產關系和生產方式的變革層面。這種變革將通過人機交互、機機交互方式的升級，引發一系列生產關系的深度調整。

認知升級的同時，業界也清醒地認識到，工業AI的規模化發展需突破多重瓶頸，“破局”成為行業發展的關鍵詞。

國機數科董事長王宇航表示，工業AI首先要破“管理局”，這絕非簡單的技術革新，而是一次全方位的管理再造、流程再造，需要企業“一把手”牽頭、業務部門協同推進﹔其次要破“技術局”，工業領域的特殊性決定了AI落地需要適配工業場景的專用模型﹔還要破“成本局”，無法形成價值閉環、無法實現投入產出平衡的工業AI應用，難以具備長期生命力。

“算力、模型和數據，是工業AI落地的關鍵。”北京數據集團副總經理、北京國際大數據交易所董事長李振軍表示，當前算力與模型的普及讓技術門檻大幅降低，真正的短板在於數據。要喚醒工業企業的內部數據、私域數據，聚焦生產制造、運營管理等核心環節﹔要堅持場景驅動，找到數據應用的結合點。這是基礎性工作，也是慢活，無法跳躍，卻能為后續發展筑牢根基。

數據與場景的深度適配，正是破解工業AI發展痛點的抓手。西門子中國董事長、總裁兼CEO肖鬆認為：“要找到數據可獲得、價值可量化、結果可泛化的場景切入口。場景也分為初級場景和成熟場景，區別就是數據。”

如果說破局是工業AI的發展路徑，那麼扎根則是其實現規模化發展的必經之路。

業界普遍認為，工業AI的規模化落地不能急於求成，必須循序漸進。目前工業數據供給相對匱乏，這與工業門類繁多、垂類細分、廠房離散分布有關。不少工業企業存在“重生產、輕數據”的現象：有生產但沒有數據採集、有採集卻不存儲、有存儲但缺乏加工，很多關鍵數據邊採邊丟，難以形成完整的數據鏈條。更關鍵的是，未經加工的工業數據多為非標准化、非結構化，無法直接用於模型訓練。

向外延伸，構建完善的產業生態、補齊數據供給短板，成為工業AI突破發展瓶頸的關鍵。

“當前數據市場的主要矛盾，還是供給不足。”李振軍說，工業AI的數據供給周期過長，從數據收集、加工，到交付驗收、模型訓練，需要耗費大量時間。他認為，需要建立規模化、標准化的數據工廠，一方面讓數據提供方感受到安全可信，願意主動共享數據﹔另一方面通過專業加工能力，推動工業數據向標准化數據產品轉化。

業內人士表示，“成長的煩惱”是很多產業發展過程中的必然階段。但隨著政策支持的持續加碼、技術創新的不斷突破、產業生態的逐步完善，工業AI的價值釋放已進入加速期。未來，隨著更多企業參與其中，更多創新成果落地應用，工業AI將實現產業價值與社會價值的雙重提升。