工業(yè)是國民經(jīng)濟(jì)的命脈，在我國經(jīng)濟(jì)邁入高質(zhì)量增長的進(jìn)程中，在加快推進(jìn)新型工業(yè)化的同時(shí)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，對轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、轉(zhuǎn)換增長動(dòng)力具有重要推動(dòng)作用。當(dāng)前，工業(yè)互聯(lián)網(wǎng)憑借“全面連接、信息共享、上下聯(lián)動(dòng)、資源整合”等優(yōu)勢，已全面融入45個(gè)國民經(jīng)濟(jì)大類，對重塑工業(yè)體系、實(shí)現(xiàn)數(shù)字中國和制造強(qiáng)國的關(guān)鍵支撐效應(yīng)正逐漸顯現(xiàn)[1]。政府高度重視工業(yè)互聯(lián)網(wǎng)的發(fā)展，相繼發(fā)布《“十四五”信息化和工業(yè)化深度融合發(fā)展規(guī)劃》《“十四五”智能制造發(fā)展規(guī)劃》《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》等政策，明確提出2025年工業(yè)互聯(lián)網(wǎng)平臺普及率達(dá)到45%的目標(biāo)[2]，要求建設(shè)可靠、靈活、安全的工業(yè)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施，為制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型創(chuàng)造條件[3-4]。工業(yè)和信息化部會(huì)同工業(yè)互聯(lián)網(wǎng)專項(xiàng)工作組各單位制定出臺了《工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃(2021—2023年)》，著力解決工業(yè)互聯(lián)網(wǎng)發(fā)展中的深層次難點(diǎn)、痛點(diǎn)問題，加快工業(yè)互聯(lián)網(wǎng)平臺體系化升級。

　　工業(yè)互聯(lián)網(wǎng)是新一代信息通信技術(shù)與工業(yè)經(jīng)濟(jì)協(xié)同發(fā)展的新型基礎(chǔ)設(shè)施、應(yīng)用模式和工業(yè)生態(tài)[5]，云計(jì)算、人工智能(Artificial Intelligence，AI)和5G等先進(jìn)技術(shù)共同構(gòu)成的新技術(shù)體系，正是其生長的土壤。其中，AI作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，具備復(fù)雜分析、預(yù)測算法、人機(jī)交互等能力，能夠充分挖掘、利用工業(yè)互聯(lián)網(wǎng)中各類智能設(shè)備采集的海量數(shù)據(jù)價(jià)值，反哺工業(yè)企業(yè)，實(shí)現(xiàn)降本增效，使數(shù)據(jù)真正成為數(shù)字經(jīng)濟(jì)引擎的“燃料”。

　　1 AI+工業(yè)互聯(lián)網(wǎng)模式已成為產(chǎn)業(yè)智能化新范式

　　國內(nèi)研究機(jī)構(gòu)將AI+工業(yè)互聯(lián)網(wǎng)模式概括為在工業(yè)互聯(lián)網(wǎng)的架構(gòu)基礎(chǔ)上融合人工智能技術(shù)的模式，其特點(diǎn)是“以大量數(shù)據(jù)采集為算料基礎(chǔ)、以機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法為核心、以用戶需求為導(dǎo)向，面向工業(yè)場景提供智能解決方案，幫助工業(yè)企業(yè)更好地實(shí)現(xiàn)數(shù)據(jù)價(jià)值和效能提升，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的業(yè)務(wù)轉(zhuǎn)型和創(chuàng)新”[6]。

　　工業(yè)企業(yè)擁有復(fù)雜的生產(chǎn)線，其確保盈利的關(guān)鍵在于最大限度地提高生產(chǎn)率、降低轉(zhuǎn)化成本和保證按時(shí)交付產(chǎn)品，但需求和供應(yīng)的不確定性導(dǎo)致傳統(tǒng)的管理方式難以幫助企業(yè)實(shí)現(xiàn)高效生產(chǎn)[7]。在這種情況下，AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)生產(chǎn)環(huán)節(jié)中的融合應(yīng)用，以工業(yè)互聯(lián)網(wǎng)對各類工業(yè)數(shù)據(jù)資源的泛在連接能力為基礎(chǔ)支撐，充分發(fā)揮AI在工業(yè)互聯(lián)網(wǎng)平臺的邊緣設(shè)備層、平臺層以及應(yīng)用層等多個(gè)領(lǐng)域的高級計(jì)算、智能分析價(jià)值，不僅能拓展和豐富AI在工業(yè)領(lǐng)域的應(yīng)用場景，促進(jìn)工業(yè)互聯(lián)網(wǎng)服務(wù)能力提升，而且可促進(jìn)機(jī)器、人、信息流的高效連接，有助于生產(chǎn)與服務(wù)資源在更大范圍內(nèi)精準(zhǔn)、高效配置，實(shí)現(xiàn)工業(yè)知識的沉淀和復(fù)用，提升從生產(chǎn)到應(yīng)用的全產(chǎn)業(yè)鏈數(shù)字化、網(wǎng)絡(luò)化、智能化水平，提高企業(yè)的效率和競爭力，為企業(yè)創(chuàng)造巨大價(jià)值，進(jìn)而推動(dòng)我國從制造大國邁向制造強(qiáng)國。

　　現(xiàn)階段，在電子信息制造、裝備制造和石油化工行業(yè)，AI+工業(yè)互聯(lián)網(wǎng)平臺的行業(yè)滲透率已分別達(dá)到10.5%、8.6%和8.5%[6]，應(yīng)用領(lǐng)域以智慧能源綜合管理、設(shè)備預(yù)防性維護(hù)、智能計(jì)劃排產(chǎn)及倉儲(chǔ)管理等生產(chǎn)相關(guān)環(huán)節(jié)中的輔助性單點(diǎn)應(yīng)用為主。

　　1.1 智慧能源綜合管理

　　能源是工業(yè)的血液，是企業(yè)正常運(yùn)轉(zhuǎn)的根本保障。尤其在“雙碳”目標(biāo)指引下，在推動(dòng)能耗雙控轉(zhuǎn)向碳排放雙控的過程中，對于占全社會(huì)能源消費(fèi)65%的工業(yè)領(lǐng)域[8]，積極應(yīng)用可再生能源、踐行節(jié)能降碳已經(jīng)成為企業(yè)發(fā)展的必選路徑。然而，風(fēng)電、光電等可再生能源具有間歇性、隨機(jī)性和波動(dòng)性等特點(diǎn)，需與電網(wǎng)供電合理配合，并充分結(jié)合波峰波谷電價(jià)，才能在確保生產(chǎn)安全穩(wěn)定的同時(shí)，降低碳排放，節(jié)約運(yùn)營成本，提高經(jīng)濟(jì)效益。

　　基于AI+工業(yè)互聯(lián)網(wǎng)模式建立的智慧能源綜合管理系統(tǒng)，綜合各類用能設(shè)備的運(yùn)行數(shù)據(jù)，可分析確定企業(yè)經(jīng)營生產(chǎn)的高耗能、高碳排環(huán)節(jié)，并提供智能科學(xué)的優(yōu)化建議。同時(shí)，結(jié)合可再生能源發(fā)電功率預(yù)測結(jié)果，以安全性和經(jīng)濟(jì)性為目標(biāo)，制定工廠內(nèi)部及廠區(qū)范圍的多能源協(xié)同策略，保證多種能量來源之間的平滑切換，實(shí)現(xiàn)用能設(shè)備運(yùn)行于最優(yōu)效率區(qū)間、產(chǎn)品良率提升、綠色低碳生產(chǎn)及用能成本降低等多方面效益共贏。

　　工業(yè)互聯(lián)網(wǎng)標(biāo)識智庫征集案例顯示，某國家級高新區(qū)(簡稱“高新區(qū)”)有數(shù)百家制造企業(yè)入駐，存在電網(wǎng)、自建熱電廠、分布式光伏/風(fēng)電、集中式儲(chǔ)能等多種電力來源，存量系統(tǒng)復(fù)雜。在應(yīng)用AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺的實(shí)踐中，該高新區(qū)以工業(yè)互聯(lián)網(wǎng)對能源數(shù)據(jù)、設(shè)備數(shù)據(jù)、質(zhì)量數(shù)據(jù)的高精度采集為支撐，結(jié)合企業(yè)的個(gè)性化需求，利用AI對以上數(shù)據(jù)進(jìn)行系統(tǒng)級解析，并建立發(fā)電及負(fù)荷預(yù)測模型，從而幫助企業(yè)準(zhǔn)確預(yù)測能源供給，精準(zhǔn)匹配負(fù)荷調(diào)節(jié)，制定峰谷期電能應(yīng)用策略。該高新區(qū)的AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺通過智能分析挖掘34 家企業(yè)的可調(diào)節(jié)負(fù)荷資源潛力，實(shí)現(xiàn)聚合調(diào)節(jié)能力27 MW，基本覆蓋高新區(qū)在用電高峰時(shí)段的錯(cuò)峰需求，以降低供電緊張時(shí)對生產(chǎn)造成的影響[9]。同時(shí)，AI+工業(yè)互聯(lián)網(wǎng)智慧能源綜合管理平臺還挖掘出118 家企業(yè)的潛在節(jié)電量約6 425 萬kWh/年，78 家企業(yè)的峰谷期降費(fèi)收益約1 571 萬元/年[9]。

　　1.2 設(shè)備預(yù)防性維護(hù)

　　在過程工業(yè)中，設(shè)備的正常運(yùn)行是保障工廠高效、可靠和安全生產(chǎn)的關(guān)鍵。根據(jù)國際自動(dòng)化學(xué)會(huì)的數(shù)據(jù)，全球每年因?yàn)闄C(jī)器故障引發(fā)的停機(jī)時(shí)間導(dǎo)致了6 470 億美元的損失[10]。如何使工廠在提升產(chǎn)能的同時(shí)降低維護(hù)成本、提高關(guān)鍵設(shè)備的可用性、減少非計(jì)劃性停產(chǎn)，一直是困擾工業(yè)生產(chǎn)安全運(yùn)行和降本增效的重要因素。為保證設(shè)備長期穩(wěn)定運(yùn)行，大部分工廠采用定期的預(yù)防性維修維護(hù)策略，然而這種方法不僅極易導(dǎo)致過度維護(hù)，而且依然無法有效避免非計(jì)劃停產(chǎn)，甚至可能造成維修性故障的發(fā)生。

　　應(yīng)用AI+工業(yè)互聯(lián)網(wǎng)模式，基于設(shè)備正常運(yùn)行時(shí)所采集的海量歷史數(shù)據(jù)訓(xùn)練模型，并綜合考慮各類傳感器數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，能夠建立具備分析判斷復(fù)雜規(guī)則能力、在實(shí)際數(shù)據(jù)出現(xiàn)偏差時(shí)快速預(yù)警的智能化預(yù)防性維護(hù)系統(tǒng)。智能預(yù)警機(jī)制將為企業(yè)應(yīng)對潛在故障或風(fēng)險(xiǎn)爭取寶貴的時(shí)間，以及時(shí)采取相應(yīng)措施，避免非計(jì)劃停產(chǎn)的發(fā)生。同時(shí)，基于AI+工業(yè)互聯(lián)網(wǎng)模式的預(yù)防性維護(hù)系統(tǒng)還能進(jìn)行故障維修維護(hù)指導(dǎo)，以幫助企業(yè)有效控制風(fēng)險(xiǎn)，實(shí)現(xiàn)安全生產(chǎn)。

　　工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟在實(shí)踐研究中發(fā)現(xiàn)，某石油公司基于AI+工業(yè)互聯(lián)網(wǎng)模式建立的智能生產(chǎn)預(yù)警系統(tǒng)，利用工業(yè)互聯(lián)網(wǎng)采集井口平臺上相關(guān)生產(chǎn)設(shè)備設(shè)施的實(shí)時(shí)性能狀態(tài)數(shù)據(jù)并上傳至中心平臺，應(yīng)用AI技術(shù)實(shí)時(shí)比對分析設(shè)備運(yùn)行參數(shù)和歷史健康數(shù)據(jù)，自動(dòng)判斷預(yù)警設(shè)備異常狀態(tài)，并制定預(yù)防性維護(hù)措施，避免因重要元器件損壞造成設(shè)備計(jì)劃外停機(jī)。該系統(tǒng)應(yīng)用后，該石油公司每年節(jié)省人工成本約600 萬元，減少維修設(shè)備投入成本約4 000 萬元[11]。

　　1.3 智能計(jì)劃排產(chǎn)

　　為了達(dá)到最佳生產(chǎn)運(yùn)營目標(biāo)，企業(yè)需以最有效的方式調(diào)配利用人力、設(shè)備和倉儲(chǔ)等各類資源。生成排產(chǎn)計(jì)劃的過程既耗時(shí)又復(fù)雜，不僅需考慮可用資源、設(shè)備效率、員工數(shù)量、市場需求和既定產(chǎn)品服務(wù)目標(biāo)等諸多因素，還要根據(jù)訂單變動(dòng)、計(jì)劃外停機(jī)等約束條件的不斷變化做出及時(shí)合理的優(yōu)化調(diào)整，以確保安全生產(chǎn)、任務(wù)達(dá)成以及經(jīng)濟(jì)性優(yōu)良。

　　AI+工業(yè)互聯(lián)網(wǎng)模式能夠有效賦能排產(chǎn)計(jì)劃生成，利用工業(yè)互聯(lián)網(wǎng)采集的各生產(chǎn)線數(shù)據(jù)，基于智能化分析能力評估各環(huán)節(jié)實(shí)際生產(chǎn)效率限度，結(jié)合多維約束條件，快速、準(zhǔn)確地制定出優(yōu)化的排產(chǎn)計(jì)劃，節(jié)約人工成本，增強(qiáng)過程控制。此外，AI+工業(yè)互聯(lián)網(wǎng)模式的應(yīng)用還能將外部市場形勢與內(nèi)部工況信息進(jìn)行融合研判，及時(shí)、高效地做出適應(yīng)性調(diào)整，降低對既定目標(biāo)和運(yùn)營效益的影響。在AI+工業(yè)互聯(lián)網(wǎng)模式下，開展排產(chǎn)計(jì)劃與倉儲(chǔ)管理數(shù)據(jù)實(shí)時(shí)共享也將有助于加快物資周轉(zhuǎn)，提高保供服務(wù)水平并不斷優(yōu)化庫存結(jié)構(gòu)，降低庫存成本[12]。

　　在北京大成企業(yè)研究院開展的案例分析中，某新能源電池生產(chǎn)企業(yè)為解決規(guī)模不斷擴(kuò)大中出現(xiàn)的各業(yè)務(wù)環(huán)節(jié)割裂、生產(chǎn)協(xié)同不足、決策效率低、排產(chǎn)效率差等問題，基于AI+工業(yè)互聯(lián)網(wǎng)模式構(gòu)建了決策分析與智慧排產(chǎn)系統(tǒng)。利用AI的高級計(jì)算和快速反饋能力，深度挖掘工業(yè)互聯(lián)網(wǎng)監(jiān)測、采集的各基地生產(chǎn)、倉儲(chǔ)數(shù)據(jù)價(jià)值，并結(jié)合區(qū)域市場需求、物流運(yùn)輸情況等信息開展排產(chǎn)運(yùn)營策略制定及優(yōu)化，實(shí)現(xiàn)智慧化的排產(chǎn)設(shè)計(jì)、訂單響應(yīng)、決策制定，促進(jìn)數(shù)據(jù)分析對生產(chǎn)運(yùn)營的反哺?；贏I+工業(yè)互聯(lián)網(wǎng)模式的決策分析與智慧排產(chǎn)系統(tǒng)實(shí)施后，該企業(yè)排產(chǎn)效率提升17%，訂單響應(yīng)速度提升1倍，跨部門協(xié)同效率增加40%，訂單履約率提升22%[13]。

　　在數(shù)字中國、制造強(qiáng)國的建設(shè)過程中，人工智能和工業(yè)互聯(lián)網(wǎng)的融合應(yīng)用已成為新階段工業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展的必由之路。未來，隨著產(chǎn)業(yè)轉(zhuǎn)型的逐步深入，工業(yè)互聯(lián)網(wǎng)、AI相關(guān)技術(shù)的不斷進(jìn)步，AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)領(lǐng)域的滲透性將進(jìn)一步增強(qiáng)，呈現(xiàn)出多點(diǎn)落地的規(guī)?；厔?。

　　2 生成式AI的應(yīng)用將助力AI+工業(yè)互聯(lián)網(wǎng)模式發(fā)展升級

　　2022年11月30日，美國開放人工智能(OpenAI)公司推出了對話式AI工具——ChatGPT。ChatGPT是一個(gè)超大的統(tǒng)計(jì)語言及順序文本預(yù)測模型，其核心技術(shù)為生成式AI。2023年3月15日，OpenAI發(fā)布多模態(tài)預(yù)訓(xùn)練大語言模型GPT-4，帶來了自然語言處理在表述邏輯性、自然性等人機(jī)交互體驗(yàn)領(lǐng)域的巨大提升[14]，隨后我國百度、阿里、華為等科技公司也相繼推出了本土化的“類ChatGPT”生成式AI產(chǎn)品。由于具備更大的語料庫、更強(qiáng)的計(jì)算能力、更通用的預(yù)訓(xùn)練和更強(qiáng)的自我學(xué)習(xí)能力，這些創(chuàng)新產(chǎn)品將為優(yōu)化傳統(tǒng)工業(yè)互聯(lián)網(wǎng)賦能方式、助力工業(yè)產(chǎn)品全生命周期的效率和質(zhì)量提升帶來更多可能性。

　　2.1 促進(jìn)全方位數(shù)據(jù)挖掘分析

　　在工業(yè)領(lǐng)域中，各類傳統(tǒng)行業(yè)工程技術(shù)人員與數(shù)字化工程師之間往往存在著協(xié)作壁壘，嚴(yán)重阻礙了對工業(yè)生產(chǎn)各類數(shù)據(jù)的全方位挖掘分析，很大程度上約束了全面數(shù)字化轉(zhuǎn)型的落地。生成式AI具備的人機(jī)協(xié)同和編程能力，能夠更好地理解任務(wù)需求，有效擴(kuò)展數(shù)據(jù)獲取渠道，并結(jié)合工業(yè)互聯(lián)網(wǎng)的生產(chǎn)數(shù)據(jù)采集功能，利用智能化算法為企業(yè)制定更合理的經(jīng)營生產(chǎn)策略，也有助于解決“工業(yè)+數(shù)字化”復(fù)合型人才短缺的問題。

　　2.2 支持跨行業(yè)信息融合

　　產(chǎn)業(yè)融合是全球經(jīng)濟(jì)增長和現(xiàn)代產(chǎn)業(yè)發(fā)展的重要趨勢。在此背景下，企業(yè)亟需擴(kuò)展產(chǎn)業(yè)鏈相關(guān)環(huán)節(jié)的技術(shù)、知識、生產(chǎn)經(jīng)營數(shù)據(jù)等信息，以提升融合發(fā)展水平，促進(jìn)向價(jià)值鏈“微笑曲線”兩端的高附加值環(huán)節(jié)延伸。生成式AI依托豐富的數(shù)據(jù)庫資源，可以在線解答各種科技、生產(chǎn)等相關(guān)問題，并將復(fù)雜的技術(shù)知識快速簡化為易于理解的形式，從而幫助從業(yè)人員高效獲取跨行業(yè)技術(shù)、知識。同時(shí)，生成式AI還能對產(chǎn)業(yè)鏈中以“機(jī)器-工業(yè)互聯(lián)網(wǎng)-AI-人”形式傳播的信息流進(jìn)行整合，根據(jù)不同的顆粒度、種類和實(shí)時(shí)性等需求，以更加智能的方式將各環(huán)節(jié)的數(shù)據(jù)信息進(jìn)行差異化生成和推送，并提供智能化的跨行業(yè)融合方案，促進(jìn)資源共享、技術(shù)交互以及業(yè)務(wù)優(yōu)化配置，不斷推動(dòng)產(chǎn)業(yè)高質(zhì)量融合發(fā)展。

　　2.3 滿足個(gè)性化需求

　　新消費(fèi)群體和新需求對“個(gè)性化”的強(qiáng)烈訴求向企業(yè)準(zhǔn)確捕捉需求痛點(diǎn)、增強(qiáng)柔性化生產(chǎn)水平、兼顧個(gè)性化與低成本的能力提出了更高的要求。生成式AI具有強(qiáng)大的人機(jī)對話交互能力，可以更精準(zhǔn)地理解用戶的需求，助推企業(yè)與用戶的深度交互變革，實(shí)現(xiàn)用戶在產(chǎn)品全生命周期中的深度參與。其與工業(yè)互聯(lián)網(wǎng)的融合應(yīng)用可有力破解傳統(tǒng)生產(chǎn)經(jīng)營方式中，客戶個(gè)性化需求難以有效指導(dǎo)企業(yè)生產(chǎn)的難題，并通過制定科學(xué)合理的差異化生產(chǎn)方案，提高柔性化生產(chǎn)能力，讓企業(yè)以低成本、高質(zhì)量、高效率的運(yùn)營，實(shí)現(xiàn)產(chǎn)品個(gè)性化設(shè)計(jì)、生產(chǎn)、銷售及服務(wù)，提升用戶滿意度，強(qiáng)化企業(yè)競爭力。

　　3 AI+工業(yè)互聯(lián)網(wǎng)應(yīng)用的局限性分析

　　盡管AI+工業(yè)互聯(lián)網(wǎng)模式的應(yīng)用對打破工業(yè)生產(chǎn)的效率瓶頸、進(jìn)一步激活生產(chǎn)數(shù)據(jù)要素的潛能、促進(jìn)工業(yè)智能化轉(zhuǎn)型具有重要意義，但由于工業(yè)具有細(xì)分領(lǐng)域眾多、流程環(huán)節(jié)復(fù)雜、容錯(cuò)性低、可靠性和安全性要求高等特點(diǎn)，因此目前AI+工業(yè)互聯(lián)網(wǎng)模式在工業(yè)領(lǐng)域的規(guī)?；茝V還存在諸多限制因素。

　　3.1 結(jié)果可靠性與可解釋性不足

　　工業(yè)生產(chǎn)過程交互環(huán)節(jié)多、業(yè)務(wù)復(fù)雜性高、容錯(cuò)率極低，要求智能化分析、決策的每一步階段性結(jié)果具有可解釋性。然而，許多AI算法通常采取“黑盒”機(jī)制，致使其決策結(jié)果的產(chǎn)生邏輯具有不可辨識性和不可推論性，這種模糊性直接降低了結(jié)果的可信任度，與工業(yè)生產(chǎn)依賴的準(zhǔn)確嚴(yán)謹(jǐn)?shù)倪^程預(yù)測、決策之間存在較大矛盾，也與工業(yè)互聯(lián)網(wǎng)的高可靠性、強(qiáng)確定性要求不相符，嚴(yán)重阻礙了AI+工業(yè)互聯(lián)網(wǎng)模式的部署應(yīng)用。

　　3.2 模型構(gòu)建難度大

　　一方面，AI算法模型的準(zhǔn)確性提升需要以大量的訓(xùn)練數(shù)據(jù)為基礎(chǔ)，但工業(yè)數(shù)據(jù)具有私密性高、有價(jià)值信息提取難、有效標(biāo)注少等問題，尤其是對模型敏感能力影響極大的生產(chǎn)設(shè)備異常等訓(xùn)練數(shù)據(jù)量不足，將制約AI算法模型的持續(xù)調(diào)優(yōu)、升級。另一方面，工業(yè)場景復(fù)雜多樣，工藝流程差異化較大，采用單一場景或流程訓(xùn)練的AI算法模型泛化能力差、復(fù)用難度大。以上兩方面因素不利于AI+工業(yè)互聯(lián)網(wǎng)模式的大范圍推廣應(yīng)用，難以實(shí)現(xiàn)對工業(yè)生產(chǎn)發(fā)展的及時(shí)跟進(jìn)。

　　3.3 開發(fā)成本過高

　　AI算法模型集大算力、大算法、大數(shù)據(jù)為一體，在訓(xùn)練時(shí)依賴海量的數(shù)據(jù)、計(jì)算資源與云化存儲(chǔ)能力，且需經(jīng)歷復(fù)雜的訓(xùn)練、驗(yàn)證環(huán)節(jié)，耗費(fèi)成本極高。華為公布數(shù)據(jù)顯示，僅一次AI大模型的開發(fā)訓(xùn)練成本就高達(dá)1 200 萬美元[15]。由此將給企業(yè)帶來沉重的經(jīng)濟(jì)負(fù)擔(dān)，導(dǎo)致企業(yè)對AI+工業(yè)互聯(lián)網(wǎng)模式的研發(fā)應(yīng)用望而卻步。這不僅影響產(chǎn)業(yè)投入的積極性、阻礙技術(shù)發(fā)展，而且難以達(dá)到工業(yè)互聯(lián)網(wǎng)賦能中小企業(yè)數(shù)字化轉(zhuǎn)型發(fā)展的目標(biāo)要求。

　　3.4 數(shù)據(jù)安全性難以保障

　　工業(yè)數(shù)據(jù)包含了企業(yè)生產(chǎn)、經(jīng)營和管理等信息，具有重要價(jià)值，如果遭遇威脅，可能會(huì)對企業(yè)的經(jīng)營造成嚴(yán)重?fù)p害。同時(shí)，工業(yè)數(shù)據(jù)也是國家安全和國民經(jīng)濟(jì)的重要基礎(chǔ)，一旦遭受破壞或泄露，將對社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展造成重大損失。因此數(shù)據(jù)安全一直以來都受到企業(yè)和政府部門的重點(diǎn)關(guān)注。為防范企業(yè)內(nèi)部因生成式AI產(chǎn)品儲(chǔ)存用戶聊天記錄或通過互聯(lián)網(wǎng)開展人機(jī)交互而可能造成的數(shù)據(jù)泄露和隱私保護(hù)相關(guān)風(fēng)險(xiǎn)問題，蘋果、三星、SK海力士等企業(yè)已宣布禁用ChatGPT等生成式AI產(chǎn)品。

　　4 結(jié)束語

　　在產(chǎn)業(yè)升級轉(zhuǎn)型逐漸步入深水區(qū)的進(jìn)程中，隨著數(shù)據(jù)量呈現(xiàn)爆發(fā)式增長、計(jì)算能力顯著提升、深度學(xué)習(xí)算法取得突破性進(jìn)步，AI技術(shù)同工業(yè)領(lǐng)域融合應(yīng)用的滯后周期正不斷縮短，并將通過與工業(yè)互聯(lián)網(wǎng)融合等模式，滲透到生產(chǎn)制造、運(yùn)營管理、人員培訓(xùn)等過程。尤其在鼓勵(lì)A(yù)I+工業(yè)互聯(lián)網(wǎng)發(fā)展的政策陸續(xù)出臺后，AI與工業(yè)互聯(lián)網(wǎng)融合的模式將迎來高速發(fā)展期，對推進(jìn)我國新型工業(yè)化發(fā)揮更大作用。在此過程中，不僅應(yīng)努力拓展AI+工業(yè)互聯(lián)網(wǎng)模式的賦能水平，豐富其應(yīng)用場景，而且應(yīng)針對現(xiàn)存的發(fā)展限制性因素從技術(shù)、管理、政策等多方面研究制定應(yīng)對策略，以更充分地發(fā)揮AI+工業(yè)互聯(lián)網(wǎng)模式對企業(yè)新舊動(dòng)能轉(zhuǎn)換和價(jià)值鏈延伸的推動(dòng)作用，使其能更好助力中國制造業(yè)高質(zhì)量發(fā)展。