工业互联网现在离不开人工智能了。这已经是板上钉钉的事。过去十年，我们花了很多力气把工厂里的设备都连上网。但是，光连上网还不够。设备还是那个设备，只是多了根网线。下一步，就是要让这些设备变聪明。怎么变聪明？靠人工智能。
这事要办成，得先解决几个基础问题。工信部的谢少锋说得很清楚。第一件事，就是要有高质量的工业数据。数据是人工智能的粮食。没有好粮食，AI就是个空架子。什么是高质量的数据？我举个例子。比如，一台机床在切割零件。它工作时会产生各种数据，像温度、震动、转速、电流。这些原始数据很乱，AI直接拿来看不懂。我们需要做的，就是给这些数据打上标签。比如，传感器收集到一组特定的温度和震动数据，同时摄像头拍到这个零件加工出来是合格的。那我们就给这组数据打上“合格”的标签。另一组数据显示刀具的震动频率变了，加工出来的零件有毛刺，那我们就给这组数据打上“刀具磨损”的标签。这样整理出来的数据，就是高质量的数据集。AI拿到这些数据，就能学习了。它会自己总结规律，以后再看到类似的数据，就能提前判断出刀具是不是要换了。这就是数据标注产业要做的事，把一堆乱码变成AI能看懂的教材。
第二件事，是训练工业领域的大模型。现在的大模型很火，但你不能直接把一个聊天模型搬到工厂里用。它不懂工业。正确的做法是，先有一个基础大模型，它懂语言、懂逻辑。然后，我们把各个行业的知识“喂”给它。比如，把某个行业所有的设备说明书、维修手册、工艺流程文件、老师傅的经验笔记，全都整理好，让大模型去学习。这样，它就从一个“通才”变成了这个行业的“专家”。这个专家大模型，可以部署在工业互联网平台上。工厂里任何一个工程师遇到问题，都可以直接问它。比如，问“3号机床总是报A7故障码，可能是什么原因？”大模型会立刻检索所有资料，然后告诉你几种最可能的原因，还会给出详细的排查步骤。这比人去翻资料快多了。
而且，现在大家也不再争论大模型好还是小模型好了。它们是互相配合的关系，不是谁取代谁。大模型就像一个知识渊-博的“总工程师”。它负责看全局，做规划，处理复杂问题。比如，它可以根据市场订单，优化整个工厂的生产排程。它还能分析历史数据，告诉你哪个环节是瓶颈，应该怎么改进。但是，大模型反应没那么快，处理具体、高频的任务也不划算。
这时候就需要小模型。小模型就像产线上经验丰富的“老师傅”。它只干一件事，但是干得特别精，特别快。比如，在一条生产线上，有个摄像头专门负责检查产品表面有没有划痕。这个任务就由一个专门训练过的小模型负责。它每秒钟能检查几十个产品，准确率很高。这就是小模型的优势：专注、高效、部署成本低。所以，未来的智能工厂里，是大模型和小模型协同工作的。大模型下达指令：“根据今天的计划，重点检查A零件的B尺寸公差。”然后，负责质检的小模型就立刻去执行这个任务，把结果反馈给大模型。一个动脑，一个动手，配合得很好。
李培根院士说的数字孪生，把这个场景说得更具体了。数字孪生是什么？就是在电脑里，给物理工厂建一个一模一样的、实时的数字拷贝。这个拷贝不是动画片，它是活的。工厂里的每一台设备，每一个传感器，数据都会实时传到这个数字模型里。物理车间的机床温度升高了0.1度，数字模型里的那台机床温度也立刻跟着变。这样有什么用呢？用处太大了。我们可以在数字模型里做各种分析和模拟。比如，数字模型发现机床温度持续升高，它就会结合历史数据和算法分析：这个趋势正常吗？是不是冷却液出了问题？会不会影响加工精度？分析出结果后，它还能反过来指导物理工厂。比如，自动给设备下达一个指令：“启动备用冷却系统”，或者给工程师发一条预警：“3号机床轴承温度异常，请立即检查。”这就是一个完整的闭环。它能让你在问题发生之前就发现它，解决它。
当然，这些想法要落地，还有一个大前提。徐工汉云的张启亮说得对，关键还是数据。现在很多企业的数据乱七八糟，标准不统一，存在各个系统里，互相不通。数据采集回来，怎么清洗、怎么治理、怎么分析，都是挑战。人工智能的加入，就是给了我们一套强大的工具，帮我们更快地从这些“数据沼泽”里淘出金子来。
十年历程，成效斐然
工业互联网搞了十年，确实做出了不少成绩。这不是空话，有数据支撑。现在，这个产业的规模已经超过了1.5万亿元。它覆盖了49个国民经济大类，基本上我们能想到的行业，都用上了工业互联网。
这十年，最大的变化有两个。第一个变化，是看问题的角度变了。以前，工厂搞信息化，就是各个部门自己搞自己的一摊。生产部门上一个MES系统，管生产。仓库部门上一个WMS系统，管库存。财务用的是财务软件。这些系统之间，很多都是孤立的，数据不通。现在不一样了。大家开始从整个工厂，甚至整个产业链的角度来思考问题。追求的是从客户下订单开始，到设计、采购、生产、物流、交付，整个链条的数据都要打通。这是一个从局部到全局的转变。
第二个变化，是决策方式变了。以前，工厂里很多事靠的是老师傅的经验。设备什么时候该保养了，生产计划怎么排更合理，很多时候是凭感觉、凭经验。这种方式不是不好，但是不稳定，而且经验很难复制和传承。现在，我们越来越依靠数据。设备上装了传感器，它会告诉你它自己的“健康状况”。生产数据被采集起来，系统会帮你分析哪个环节效率最低。决策不再是拍脑袋，而是基于数据分析。这是一个从“经验驱动”到“数据驱动”的转变。
这些变化也带来了实实在在的好处。比如，全国已经建了1.85万个工业5G项目。5G有什么用？举个例子，在一些危险的矿山里，以前需要工人亲自下到矿井里开采掘机，风险很高。现在有了5G，工人可以坐在地面上舒适的办公室里，看着高清屏幕，像打游戏一样远程操作井下的机器。因为5G网络速度快、延迟低，屏幕上的画面和操作指令的传输几乎是同步的，安全又高效。
网络安全也进步很大。工厂的设备连上网，最怕的就是被黑客攻击，导致生产线停摆。这几年，我们国家建立了一套国家、省、企业三级协同的安全监测体系。效果很明显。根据统计，工业互联网设备被攻击成功的比例，从2020年初的30.5%降到了2023年的12.5%。这说明我们的防护能力确实变强了，企业敢放心大胆地搞数字化了。
总的来说，过去十年，我们把工业互联网的地基打好了。企业有了采集数据的能力，网络也铺设好了，算力也跟上了。这就为人工智能的应用创造了最好的条件。可以说，没有工业互联网这片土壤，人工智能这颗种子在工业领域也长不起来。
那么，未来十年会怎么样？人工智能会全面进入工业互联网。它会把我们从“数据驱动”带到“智能决策”的阶段。工厂的生产模式也会变。未来的工厂，可能会像一个生命体一样，有自组织、自优化的能力。比如，当它接到一个紧急的定制订单，整个生产系统会自动重组，调整生产线、调度机器人和物料，以最快的方式完成生产。整个产业链上下游的协同也会更智能。这就是新质生产力的样子。第一个十年我们修好了路，下一个十年，人工智能这辆跑车，将在这条路上跑出我们想象不到的速度。
