当前，全球新一轮科技革命和产业变革加速演进，人工智能与工业互联网的深度融合正成为推动新型工业化的关键引擎。互联网研究院发布了《人工智能赋能新型工业化实施路径》报告（以下简称《报告》），系统阐述了人工智能如何通过工业互联网数据服务赋能制造业转型升级，为产业界提供了清晰的发展路线图。

《报告》指出，新型工业化是以数字化、智能化为核心特征的工业化新阶段。人工智能作为引领性技术，其价值释放离不开工业互联网所构建的数据基础和服务能力。工业互联网数据服务通过采集、汇聚、处理和分析工业全要素、全产业链、全价值链的数据，为人工智能模型训练、推理和优化提供了至关重要的“燃料”，从而打通了从数据到智能再到工业应用的闭环。

实施路径方面，《报告》提出了五个核心方向：

第一，夯实数据基础设施，构建高质量工业数据供给体系。推动企业内网改造升级，加快5G、边缘计算等网络技术在工业场景的部署，实现设备、产线、工厂的数据互联互通。建立工业数据分类分级、确权、流通和交易机制，培育工业数据要素市场，鼓励行业龙头企业、平台服务商开放 data API，为人工智能应用提供丰富、精准、实时的数据资源。

第二，打造工业互联网数据服务平台，强化智能服务能力。依托跨行业跨领域工业互联网平台，建设具有数据汇聚、建模分析、知识沉淀功能的工业数据服务中台。中台应内嵌人工智能算法工具、预训练模型库、低代码开发环境，降低制造企业尤其是中小企业应用AI的门槛。例如，通过设备预测性维护、工艺参数优化、产品质量检测等典型场景的数据服务，快速实现AI赋能。

第三，推动人工智能与工业知识融合，突破关键场景应用。工业场景对可靠性和安全性要求极高，单纯的 data-driven AI 不足以满足需求。需将行业机理、专家经验与数据驱动模型结合，发展“知识+数据”双驱动的工业智能。重点推进AI在研发设计、生产制造、质量管控、供应链管理、能耗优化等环节的应用。以流程行业为例，利用工业互联网数据训练的AI模型可实时优化反应参数，显著降低能耗和排放。

第四，培育工业数据服务新业态，构建协同生态。鼓励平台企业、工业软件公司、AI创新企业联合开发面向特定行业的数据产品与解决方案。支持“模型即服务（MaaS）”“数据即服务（DaaS）”等新模式，促进数据、算法、算力、知识的共享。建设工业数据空间，在保护数据主权和安全的前提下，实现跨企业、跨行业的数据协同，例如供应链协同排产、碳足迹追踪等。

第五，完善安全保障体系，护航人工智能赋能进程。加强工业数据分类分级保护、跨境流动安全评估，建设工业互联网安全监测与态势感知平台。需关注AI模型的可解释性、鲁棒性和伦理问题，建立工业AI治理框架，确保人工智能在工业化应用中的安全可信。

《报告》还强调，政策引导、标准制定和人才培养是实施路径的重要支撑。政府应加大对新基建、共性技术平台的投入，制定工业数据流通和AI应用标准；产教融合培养既懂工业又懂AI的复合型人才；并通过试点示范，形成可复制、可推广的经验，加速人工智能赋能新型工业化的规模化落地。

《人工智能赋能新型工业化实施路径》以工业互联网数据服务为核心纽带，为人工智能在工业领域的深度应用提供了系统性指引。随着数据服务体系的完善和人工智能技术的持续突破，新型工业化将迎来更高效、更绿色、更韧性的发展新格局。产业各方应积极拥抱这一变革。