央广网北京1月22日消息（记者黄昂瑾）2026年新年伊始，工业互联网领域迎政策利好。本月内，《工业互联网和人工智能融合赋能行动方案》《推动工业互联网平台高质量发展行动方案（2026—2028年）》两份文件先后发布，为工业互联网产业发展提供了清晰务实的“施工图”。

　　据工业和信息化部数据，目前，我国工业互联网应用实现41个工业大类全覆盖，全国5G工厂超过8000家，重点工业互联网平台设备连接数超过1亿台（套）。2025年我国工业互联网核心产业规模预计超1.6万亿元，带动工业增加值增长约2.5万亿元。

　　如何理解当前我国工业互联网产业的发展成效？上述两份《行动方案》先后出台将对工业互联网产业发展起到哪些推动作用？对此，央广网记者采访了业界专家，予以解读。

　　工业互联网进入系统融合发展新阶段

　　工业互联网是推进新型工业化的重要基础设施。中国工业互联网研究院副院长问斌向央广网记者指出，当前我国工业互联网发展正进入系统推进、深度融合的新阶段，呈现出体系化、时代化、融合化发展趋势。

　　具体来看，问斌指出，首先，我国在体制机制、市场规模、基础设施、技术产品等方面优势，尤其是5G、算力等新型基础设施的规模部署，为工业互联网提供全球领先的网络与算力底座。再者，自动化、信息化发展的基础，推动工业互联网与人工智能、5G、大数据、云计算等技术互促发展，将制造业从单点数字化向智能决策、网络化协同演进。同时，进一步加快工业互联网创新发展，为推动信息化和工业化、实体经济和数字经济、科技创新和产业创新、先进制造业和现代服务业深度融合提供了重要支撑。

　　中国信通院工业互联网与物联网研究所副所长谢家贵在接受央广网记者采访时指出，我国工业互联网政策、设施和应用三大体系不断健全，已进入高质量发展、规模化应用新阶段。

　　“伴随人工智能应用广度和深度的拓展，工业互联网作为人工智能的互联通道、数据资源和平台中枢，其发展重心将从‘连接与可见’向‘智能与自主’转变，功能体系也将全面优化。”谢家贵补充称，这一转变具体体现在工业网络向开放智能升级，形成了自组网、自管理、自优化、自修复等智能化网络能力。同时，工业互联网平台智能化水平提升，实现了从“功能平台”向“认知决策平台”的跃升。此外，数据与模型实现互通，工业数据汇聚共享和行业数据集建设支撑得以加强，提升了工业模型开发部署效率，破除了“信息孤岛”与“模型壁垒”。

　　工业高质量数据集建设存挑战

　　作为工业互联网的重要组成部分，工业互联网平台是海量数据汇聚、模型沉淀和应用开发的关键载体，是工业要素资源泛在连接、弹性供给和高效配置的重要枢纽。综合来看，“数据”在两份文件中都被提到了重要位置。

　　《工业互联网和人工智能融合赋能行动方案》提出，到2028年，工业数据汇聚、治理、流通、共享体系不断完善，在20个重点行业打造一批高质量数据集。

　　《推动工业互联网平台高质量发展行动方案（2026—2028年）》也明确指出，到2028年“（工业互联网）平台的要素资源连接能力大幅增强，重点平台的数据增值、模型沉淀和人工智能开发应用能力显著提升，工业设备连接数突破1.2亿台（套）”等总体要求，并将平台聚“数”提“智”行动列为四个行动之一。其中，释放工业数据要素价值被列为首要举措。

　　在问斌看来，打造工业领域高质量数据集仍面临一些核心挑战，例如，前期建设投入成本高昂，构建高质量数据集需经历多源异构数据采集、融合处理、专业标注、合成增强、质量验证等复杂流程，许多智能化改造项目中，数据集建设投入占比高达50%-60%，部分企业难以承担。同时，工业领域专业性较高，不同行业之间存在技术壁垒，也对数据集建设提出挑战。此外，数据流通共享机制尚不健全，高质量数据难以跨企业汇聚。

　　谢家贵分析认为，近年来，国家高度重视高质量数据集建设工作，我国各行业积极开展高质量数据集建设实践，取得显著成效。但由于数据集涉及采集、清洗、处理、质量评估等一系列复杂流程，在落地实践过程中仍面临包括技术层面和生态层面的诸多挑战。“比如，数据兼容性和一致性问题突出、高质量标注数据极度稀缺、对半结构化和非结构化数据处理效率不高等问题，严重影响着高质量数据集的建设；数据流转过程中的权益保障、问题追责等难点仍未妥善解决。”

　　突破数据要素瓶颈需多管齐下

　　“下一步亟需从数据基础设施建设、关键技术攻关、标准制度研制三方面重点发力。”问斌建议，由行业龙头或产业联盟牵头，联合行业上下游企业、数据服务商、人工智能模型厂商等，共建共用面向行业的数据处理平台、可信数据互联平台等基础设施，通过先行先试、成本分摊、服务订阅等机制，降低工业企业数据集建设成本。

　　聚焦关键行业场景，问斌提出，需要攻关智能标注、小样本数据增强、高保真合成等关键技术，研发专业化工具链，减少人力依赖，破解工业长尾场景数据稀缺瓶颈。此外，围绕工业数据质量、安全合规、分类分级等关键维度，加快研制工业数据标准，加快制定行业数据集建设规范，推动高质量、标准化、安全可信的行业数据集共建共享与规模化应用。

　　谢家贵表示，突破数据要素领域的瓶颈需要多管齐下。一方面，要强化技术攻关，加强数据标注、训练、使用、安全等方面的关键技术攻关，加快推动标注算法优化、标注工具与标注模型研发，深化数据空间、隐私计算、联邦学习、区块链等技术应用。另一方面，要优化数据生态，完善数据分类分级保护制度，引导行业内企业联合制定数据流通规则、标准，培育一批数据流通服务主体，营造数据安全可信的流通环境，让数据在流通中切实创造价值。

　　以工业互联网标识解析体系为例，谢家贵介绍，其作为工业数据流通的关键基础设施，具有统一的数据编码、统一的解析路径、统一的网络服务等优势，通过对标识对象进行唯一性定位和信息查询，可实现各类设备、产品、系统的广泛连接，打通标识背后的数据链，解决数据“我是谁、来自哪、去向何处”的问题，从而实现“跨企业-跨行业-跨区域”的数据互联互通。

　　“未来，工业互联网标识解析体系将在工业互联网和人工智能融合过程中承担‘数据翻译官’与‘精准链接器’的双重角色，通过为人工智能提供标准化、可互通的数据资源，打通数据壁垒，有效提升数据模型对工业场景的理解深度与应用广度，成为支撑工业互联网与人工智能深度融合的‘神经中枢’。”谢家贵表示。