中国工程院院士桂卫华接受采访 澎湃新闻记者 周頔 摄

当前我国“5G+工业互联网”产业应用情况如何？如何平衡成本带来的制约？大模型如何为工业互联网赋能？该怎样建立工业互联网软件生态？“5G+工业互联网”又将如何推动智能制造与新型工业化？

11月20日，在2023中国5G+工业互联网大会上，多位中国工程院院士针对上述问题为“5G+工业互联网”产业发展建言献策。

中国工程院院士，中南大学信息科学与工程学院教授桂卫华在接受澎湃新闻（www.thepaper.cn）记者采访时表示，工业互联网既是工业数字化、网络化、智能化转型的关键基础设施，也是互联网、大数据等与实体经济深度融合的应用模式。

谈及工业互联网推广普及中面临成本制约的问题，桂卫华表示，“工业互联网是基础设施，就要有投入，这是工业发展的必由之路，早晚都必须得做”，“（产业）要实现高端化、智能化、绿色化发展，必须通过工业互联网”。

桂卫华建议，工业互联网发展要以问题牵引为主，聚焦企业生产经营中的实际问题，避免供需“两张皮”的情况，让企业在应用5G+工业互联网后获得效益。

建立工业互联网软件生态，主导开源社区建设

工业互联网如何获得大模型赋能？中国工程院院士邬贺铨认为，目前基础大模型缺少行业专业知识，需要大模型提供方与垂直行业合作，将特定场景的专业数据加到基础大模型进行再训练，优化出行业大模型嵌入PaaS（平台即服务），即将生成式AI能力注入工业OS，但对中小企业仍然是高门槛。

邬贺铨介绍道，基础大模型向工业行业大模型的升级路径目前也面临着两种方式：

一种是中心化的方式，即垂直行业企业把自身的数据给到基础大模型提供方进行加密数据训练，之后再将训练的结果反馈给垂直行业企业。这个方式将导致垂直行业企业在技术上会完全依赖基础模型提供方，未来也不能独自升级，还要担心数据泄露的风险。

另一种是非中心化模式，即基础大模型提供方把大模型放到垂直行业企业，垂直行业企业再结合自身的数据来进行加工微调。而这对企业自身技术能力要求高，而且预训练和微调数据可能不协调，甚至会对此前结果产生干扰。

此外，邬贺铨特别强调了要重视工业互联网软件生态。他指出，中国工业互联网软件是拥有万亿元规模的巨大赛道，但我国核心工业软件对外依存度很高，约95%的研发设计类工具软件被国外产品垄断。工业互联网大量使用开源软件，但国内参与度低。目前AI深度学习框架的主流TensorFlow和PyTorch开源软件库均来自美国。与此同时，面向不同场景的AI计算硬件指令集和微架构设计缺乏统一的标准，难以兼容。

邬贺铨表示，在工业互联网软件国产化方面，我国有巨大空间也需要付出很大努力。需通过标准化软件框架，积极参与和主导开源社区建设，选择重要行业软件入手建立生态。

以工业互联网为支撑，推进技术赋能新型工业化

智能制造是建设制造强国同发展数字经济的有机结合部，是数字经济与实体经济的深度融合体。然而，目前智能制造在整个制造业中的渗透率却并不高。

“如果（渗透率）能够提高到80%的水平，我国的产业数字化水平将会大大提高，而实现很重要的方向是把智能制造和工业互联网深度融合起来。”中国工程院院士周济表示，要以智能制造为主攻方向，以工业互联网为主要支撑，推进数字、网络、人工智能技术赋能新型工业化。对此，他提出了四点建议：

第一，今后五年要集中优势力量，在全国工业战线大规模普及性推进“数字化转型重大行动”。以企业为主体，产学研金政协同推进，在全国工业企业大规模普及性推进技术改造-数字化转型。争取到2027年，数字化制造在全国工业企业基本普及，规上企业数字化转型基本完成。

第二，今后五年要抓好新一代智能制造技术的攻关、试点和示范。加快推进新一代智能制造重大专项开展，攻克新一代智能制造关键核心技术；在重点领域、企业开展新一代智能制造试点行动，探索形成具有特色的新一代智能转型升级路径；在各行业、各领域选树一批排头兵企业进行示范，推进新一代智能制造高质量发展。通过“攻关-试点-示范”行动，为2028-2035年“制造业智能化升级重大行动”做好充分准备。

第三，深入开展实施工业互联网创新发展工程，推进“新基建”，建设网络、平台、安全、标识、数据体系等基础底座，优化基础设施布局、结构、功能和系统集成，构建现代化信息集成设施体系。推动工业互联网在重点产业链广泛普及、深度融合。

第四，建设一支强有力的高水平的工程队伍，服务广大企业的数字化转型，和广大企业一起完成数字化转型的历史任务。做强数字化转型系统解决方案供应商，推动解决方案供应商与工业软件、智能装备等关键企业融通发展，构建公共服务平台体系为广大工业企业数字化转型提供强大的技术支持，在这个过程中形成新兴的、强大的智能制造产业集群。