当前，制造业数字化转型进入纵深推进阶段，企业对“数据驱动、实时决策、柔性生产”的需求日益迫切。
与此同时，工业现场环境复杂、设备类型多样、业务环节长链条等特点，使得智能应用在落地过程中面临算力、网络、数据与安全等多重制约。
工业和信息化部印发《工业互联网和人工智能融合赋能行动方案》，旨在以网络、数据与解决方案为牵引，推动融合应用从点状探索走向系统化、规模化。
问题层面看，工业智能应用要真正进入生产核心环节，首先要解决“连得上、传得快、传得稳、传得准”的基础条件。
许多企业仍存在网络架构老旧、现场通信可靠性不足、跨区域与跨系统协同不畅等短板，难以支撑高频数据采集与实时控制等关键需求。
其次，工业数据长期存在分散在不同设备与系统、标准不统一、治理不到位、共享不顺畅的问题，导致数据难以沉淀为可复用的资产。
再次，面向产业链关键环节的成熟方案供给仍不充分，中小企业在资金、人才与实施能力方面相对薄弱，影响整体协同升级速度。
原因在于，工业现场对网络与系统的要求远高于一般信息网络：生产控制强调确定性与低抖动，任何延迟与丢包都可能造成质量波动甚至安全风险；同时，工业场景高度碎片化，不同行业、工艺与设备差异大，单一通用方案难以“拿来即用”。
此外，数据要素价值释放需要打通采集、治理、流通、共享全链条，既涉及技术，也涉及管理机制与权责边界。
解决方案生态方面，供需对接不精准、跨系统集成能力不足、行业知识沉淀不够等问题也制约了规模推广。
从影响看，行动方案提出到2028年推动不少于5万家企业实施新型工业网络改造升级，释放出以“网络能力提升”带动“智能应用规模落地”的明确信号。
新型工业网络规模化部署，将为机器视觉质检、预测性维护、协同机器人、数字孪生、柔性排产等典型应用提供底座支撑，推动生产组织从经验驱动向数据驱动转变。
方案强调在原材料、装备制造、消费品、电子信息等重点行业加快部署应用，有利于在工序复杂、链条长、质量要求高的领域率先形成可复制的路径。
数据体系建设同样是关键抓手。
方案提出完善工业数据汇聚、治理、流通、共享体系，在20个重点行业打造一批高质量数据集。
这意味着将通过标准化与工程化手段，推动数据从“能采集”走向“可用、好用、复用”，为模型训练、算法迭代与跨企业协同提供更坚实的基础。
对企业而言，高质量数据集不仅有助于提升工艺优化与质量管控水平，也将降低后续应用开发与部署成本，缩短从试点到推广的周期。
对策层面，方案提出面向重点产业链关键环节与典型场景，培育智能化解决方案供应商，有效推动大中小企业协同升级。
这一安排强调“以场景牵引供给”，通过形成一批成熟产品与可落地方案，推动技术应用从“定制化项目”向“标准化产品”演进。
同时，推动重点企业、技术产品、公共服务等要素资源高效配置，有助于提升供需匹配效率，促进技术、资金、人才、服务向关键领域和薄弱环节集聚。
对中小企业而言，通过公共服务与可复制方案的供给，可以降低试错成本，获得“用得起、用得好”的转型路径。
前景判断上，随着工业互联网与智能技术进一步融合，制造业竞争将更多体现在数据治理能力、网络确定性保障能力、行业知识与算法的结合能力，以及跨企业协同效率上。
未来一段时间，重点行业有望形成一批可推广的标杆工厂与产业链协同样板，带动上下游共同提升质量、效率与韧性。
同时也需看到，网络升级与数据流通在推进中必须同步强化安全保障，统筹考虑工业控制安全、数据安全与供应链安全，避免“重建设、轻治理”“重上线、轻运营”等问题。
只有把基础设施、数据要素、应用生态和安全体系一体推进，融合赋能才能从“项目成果”转化为“长期能力”。
工业互联网与人工智能融合发展既是技术进步的必然结果，也是制造业转型升级的内在要求。
随着行动方案的深入实施，我国制造业将在数字化浪潮中实现新的跨越，为建设制造强国和网络强国提供有力支撑。
这一宏伟蓝图的实现，需要政府、企业、科研院所等各方面的协同努力，共同推动我国制造业迈向更加智能化、高效化的发展新阶段。