2 2 3 5 6 6 21 23 29 29 30 30 31 31特別聲明本報(bào)告是由中國(guó)工業(yè)互聯(lián)網(wǎng)研究院工業(yè)互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)工信部重點(diǎn)實(shí)驗(yàn)室工業(yè)智算研究中心完成的系列研究報(bào)告之一。如果需要轉(zhuǎn)載，須事先征得中國(guó)工業(yè)互聯(lián)網(wǎng)研究院同意并注明“轉(zhuǎn)載自中國(guó)工業(yè)互聯(lián)網(wǎng)研究院”字樣。執(zhí)筆人：王長(zhǎng)青、曹崧梓、李瑞、岳姝言、武曉燕、喬奇超、姜元、許莉新、白冰、徐迎輝、鮑月華、門(mén)小棠、姜宜、李錚、耿冬柏、李紅星、杜棟棟、李昊巍、史劼、陳杰浩作者單位：中國(guó)工業(yè)互聯(lián)網(wǎng)研究院、光子算數(shù)（南京）科技有限公司、北京光輝世聯(lián)科技有限公司、熱數(shù)錦程（北京）科技有限公司、江蘇悟空智算數(shù)字科技有限公司、杭州曦望芯科智能科技有限公司、聯(lián)想（北京）有限公司、北京信創(chuàng)天合科技有限公司協(xié)助單位（排名不分先后）：中國(guó)電信股份有限公司寧夏分公司、廣西北投信創(chuàng)科技投資集團(tuán)有限公司、杭州疆來(lái)能源科技有限公司、北京城建智控科技股份有限公司、重慶機(jī)電智能制造有限公司、上海壁仞科技股份有限公司、上海天數(shù)智芯半導(dǎo)體股份有限公司、寧夏工業(yè)和信息化研究院有限公司、青島兮易信息技術(shù)有限公司、北京世紀(jì)互聯(lián)寬帶數(shù)據(jù)中心有限公司、矩質(zhì)算能（上海）科技有限公司、廈門(mén)華和霖精密工業(yè)有限公司、梯度科技股份有限公司、北京萬(wàn)旺科技有限公司、中冶美利云產(chǎn)業(yè)投資股份有限公司、超云數(shù)字技術(shù)集團(tuán)有限公司、北京矩量無(wú)限科技有限公司、北京云網(wǎng)互科技有限公司、北京云湃智算科技有限公司、海力算（北京）科技有限公司、萬(wàn)興科技集團(tuán)股份有限公司、中誠(chéng)力锘（北京）數(shù)字化科技集團(tuán)有限公司1人工智能引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革，正在重塑全球經(jīng)濟(jì)格局，十年內(nèi)將推動(dòng)全球經(jīng)濟(jì)規(guī)模增長(zhǎng)15%1，2035年將為我國(guó)GDP貢獻(xiàn)11萬(wàn)億2。2025年，政府工作報(bào)告指出“持續(xù)推進(jìn)‘人工智能+’行動(dòng)，將數(shù)字技術(shù)與制造優(yōu)勢(shì)、市場(chǎng)優(yōu)勢(shì)更好結(jié)合起來(lái)，支持大模型廣泛應(yīng)用”?！吨泄仓醒腙P(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十五個(gè)五年規(guī)劃的建議》指出要實(shí)施工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程，加快人工智能等數(shù)智技術(shù)創(chuàng)新，突破基礎(chǔ)理論和核心技術(shù)，強(qiáng)化算力、算法、數(shù)據(jù)等高效供給。在工業(yè)領(lǐng)域，人工智能與工業(yè)機(jī)理深度融合，催生工業(yè)智能，未來(lái)將貫穿于工業(yè)設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等各環(huán)節(jié)，成為新型工業(yè)化的重要載體，進(jìn)一步重構(gòu)“數(shù)據(jù)-算力－算法”要素體系，助力工業(yè)智算產(chǎn)業(yè)全面蓬勃發(fā)展。本報(bào)告系統(tǒng)分析了工業(yè)智算在產(chǎn)業(yè)、技術(shù)、市場(chǎng)、生態(tài)等方面的新特點(diǎn)、新變化，研判其發(fā)展趨勢(shì)，為我國(guó)工業(yè)智算產(chǎn)業(yè)發(fā)展、市場(chǎng)洞察、技術(shù)創(chuàng)新以及生態(tài)建設(shè)等提供參考2數(shù)據(jù)來(lái)源：摩根士丹利2一、工業(yè)智算發(fā)展內(nèi)涵（一）工業(yè)智算定義隨著多模態(tài)大模型的快速發(fā)展，我國(guó)智算規(guī)模高速增長(zhǎng)，能效水平持續(xù)優(yōu)化，多元算力布局逐步完善，多樣性算力深化發(fā)展。2024年11月，在由中國(guó)工業(yè)互聯(lián)網(wǎng)研究院召開(kāi)的首屆工業(yè)智算產(chǎn)業(yè)發(fā)展研討會(huì)上，中國(guó)工業(yè)互聯(lián)網(wǎng)研究院首次提出工業(yè)智算定義。工業(yè)智算是指通過(guò)使用大規(guī)模異構(gòu)算），工業(yè)智能終端、工業(yè)網(wǎng)絡(luò)智能控制、工業(yè)智能邊緣計(jì)算、工業(yè)智能化應(yīng)用提供所需算力、數(shù)據(jù)、算法和模型，實(shí)現(xiàn)“云-邊-端”一體化融合智能計(jì)算（見(jiàn)圖1）。工業(yè)智算重點(diǎn)面向工業(yè)OT側(cè)產(chǎn)線(xiàn)優(yōu)化、設(shè)備運(yùn)維、工控編程、生產(chǎn)制造多模態(tài)監(jiān)測(cè)等場(chǎng)景，強(qiáng)調(diào)強(qiáng)實(shí)時(shí)性、高可靠性和高適配性，具有以下技術(shù)特征：3一是軟硬件協(xié)同。將算法與CPU、GPU、NPU、FPGA等計(jì)算資源及網(wǎng)絡(luò)、傳感器作為整體協(xié)同設(shè)計(jì)與優(yōu)化，將計(jì)算密集任務(wù)下放至加速器，針對(duì)硬件進(jìn)行量化與算子優(yōu)化，采用統(tǒng)一運(yùn)行與實(shí)時(shí)調(diào)度以保障低延遲、高可靠性與能效，并結(jié)合硬件安全、軟件容錯(cuò)與在線(xiàn)監(jiān)控實(shí)現(xiàn)閉環(huán)迭代。二是新型工業(yè)網(wǎng)絡(luò)。新型工業(yè)網(wǎng)絡(luò)支持多模態(tài)全量工業(yè)數(shù)據(jù)感知和計(jì)算，具備工廠內(nèi)部大規(guī)模、可移動(dòng)的工業(yè)機(jī)器人協(xié)同作業(yè)能力，通過(guò)人工智能實(shí)現(xiàn)工業(yè)裝備智能化運(yùn)動(dòng)控制以提高生產(chǎn)靈活性和適應(yīng)性，并通過(guò)工業(yè)協(xié)議自主可控為工業(yè)系統(tǒng)穩(wěn)定運(yùn)行提供保障。三是云邊端一體化協(xié)同。云邊端協(xié)同技術(shù)依托數(shù)據(jù)流轉(zhuǎn)、算力調(diào)度與模型迭代三大機(jī)制，構(gòu)建起全鏈路協(xié)同體系，既 滿(mǎn)足終端對(duì)實(shí)時(shí)性和確定性的剛性要求，又發(fā)揮云端在全局 優(yōu)化與長(zhǎng)期學(xué)習(xí)中的價(jià)值，為工業(yè)從“自動(dòng)化”向“智能化”升級(jí)提供了可落地的架構(gòu)范式。（二）工業(yè)智算是工業(yè)智能的“骨架”工業(yè)智能作為人工智能與工業(yè)工程深度融合的產(chǎn)物，通過(guò)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、知識(shí)圖譜等人工智能技術(shù)，對(duì)工業(yè)生產(chǎn)過(guò)程中產(chǎn)生的多維度數(shù)據(jù)進(jìn)行深度解析，構(gòu)建具備自感知、自決策、自執(zhí)行能力的智能系統(tǒng)，是新型工業(yè)化的重要載體。工業(yè)智能通常聚焦于工業(yè)制造、能源化工、裝備運(yùn)維等特定場(chǎng)景，與工業(yè)機(jī)理深度耦合，構(gòu)建“感知—決策—執(zhí)行—反饋”的完整控制邏輯，重塑傳統(tǒng)工業(yè)的全要素生產(chǎn)率和創(chuàng)新能力，提升工業(yè)生產(chǎn)質(zhì)量、效率、安全性和可持續(xù)性。4工業(yè)智算則是工業(yè)智能的“骨架”，基于“云-邊-端”分布式計(jì)算架構(gòu)，實(shí)現(xiàn)智算在云側(cè)、邊緣側(cè)與端側(cè)之間的按需協(xié)同，為工業(yè)智能實(shí)踐落地提供算力支撐（見(jiàn)圖2）。一是云端，部署大規(guī)模算力集群（如通用CPU、GPU/TPU及專(zhuān)用AI加速芯片），支持海量數(shù)據(jù)存儲(chǔ)與超大規(guī)模并行計(jì)算，支持復(fù)雜任務(wù)并行處理、統(tǒng)一調(diào)度與策略下發(fā)，以及持續(xù)模型訓(xùn)練與價(jià)值沉淀等關(guān)鍵能力，為邊端與終端提供統(tǒng)籌化、長(zhǎng)期化的算力與數(shù)據(jù)支持。二是邊緣計(jì)算，通常部署于工業(yè)園區(qū)、生產(chǎn)車(chē)間或廠區(qū)機(jī)房，硬件形態(tài)包括工業(yè)級(jí)邊緣服務(wù)器、邊緣網(wǎng)關(guān)與邊緣控制器，搭載中高性能工業(yè)級(jí)CPU及必要的加速模塊，算力規(guī)模覆蓋GB級(jí)至TB級(jí)，支持多任務(wù)并行與實(shí)時(shí)推理。其能力主要體現(xiàn)在本地化數(shù)據(jù)采集與預(yù)處理、邊緣推理與告警、本地控制回路的確定性響應(yīng)以及與云端的有限協(xié)同調(diào)度，兼顧性能、可靠性與可維護(hù)性，滿(mǎn)足工業(yè)現(xiàn)場(chǎng)對(duì)時(shí)延、帶寬與可用性的苛刻要求。三是端側(cè)，端側(cè)智能設(shè)備是算力與工業(yè)生產(chǎn)場(chǎng)景的直接5交互載體，承擔(dān)實(shí)時(shí)控制任務(wù)。硬件載體以智能工業(yè)設(shè)備為主，包括集成輕量化計(jì)算單元的數(shù)控機(jī)床、工業(yè)機(jī)器人、智能傳感器與邊緣儀表，常用低功耗工業(yè)級(jí)芯片，算力規(guī)模集中在KB級(jí)至GB級(jí)，面向?qū)崟r(shí)性?xún)?yōu)先的輕量級(jí)計(jì)算與推理。（三）工業(yè)智算與通用智算區(qū)別車(chē)間等工業(yè)OT側(cè)，與工藝優(yōu)化、生產(chǎn)質(zhì)量管理、設(shè)備預(yù)測(cè)維護(hù)等場(chǎng)景緊密結(jié)合，實(shí)現(xiàn)工業(yè)系統(tǒng)的可持續(xù)、可預(yù)測(cè)、智能化運(yùn)行，在時(shí)延、可靠性、抗干擾性、安全性等方面有更加嚴(yán)格要求。具體見(jiàn)表1。在應(yīng)用領(lǐng)域方面，工業(yè)智算主要服務(wù)于智能工廠、物聯(lián)網(wǎng)等領(lǐng)域，重點(diǎn)解決生產(chǎn)過(guò)程中的數(shù)據(jù)采集、實(shí)時(shí)監(jiān)控、預(yù)測(cè)性維護(hù)、生產(chǎn)優(yōu)化等問(wèn)題，需滿(mǎn)足不同環(huán)境條件下的作業(yè)需求，更強(qiáng)調(diào)算法的領(lǐng)域特異性，如針對(duì)工業(yè)時(shí)序數(shù)據(jù)的異常檢測(cè)與趨勢(shì)預(yù)測(cè)、基于物理約束的強(qiáng)化學(xué)習(xí)算法等情景。在算力需求方面，工業(yè)智算提供高并發(fā)、低延遲實(shí)時(shí)計(jì)算能力，需能夠處理來(lái)自現(xiàn)場(chǎng)設(shè)備和傳感器的動(dòng)態(tài)數(shù)據(jù)流，建立高可靠性、低時(shí)延的閉環(huán)控制架構(gòu)。典型如工業(yè)以太網(wǎng)6支撐的實(shí)時(shí)控制系統(tǒng)，其網(wǎng)絡(luò)傳輸延遲需控制在微秒級(jí)，以滿(mǎn)足機(jī)器人精密裝配等場(chǎng)景的控制要求。在技術(shù)架構(gòu)方面，工業(yè)智算更強(qiáng)調(diào)邊緣計(jì)算與云計(jì)算協(xié)同，通過(guò)數(shù)據(jù)就近處理，降低時(shí)延和帶寬需求，確保生產(chǎn)連續(xù)性與安全性。小結(jié)：工業(yè)智算在通用硬件（如AI加速芯片、AI服務(wù)器等）、機(jī)架機(jī)柜、供配電系統(tǒng)等重資產(chǎn)基礎(chǔ)設(shè)施層面的需求，與科研計(jì)算、互聯(lián)網(wǎng)通用智算等場(chǎng)景高度趨同。二者的核心差異，集中體現(xiàn)在軟件棧的行業(yè)適配性與少量場(chǎng)景化專(zhuān)用設(shè)備上，例如工業(yè)智算需配套工業(yè)協(xié)議解析網(wǎng)關(guān)、實(shí)時(shí)操作系統(tǒng)、工業(yè)機(jī)理融合大模型等，以滿(mǎn)足生產(chǎn)控制的低時(shí)延、高可靠要求?；诖?，采用“重資產(chǎn)基礎(chǔ)設(shè)施復(fù)用+場(chǎng)景化軟硬件按需配套”的建設(shè)模式，不僅能通過(guò)統(tǒng)一的算力底座保障工業(yè)場(chǎng)景對(duì)算力規(guī)模、實(shí)時(shí)響應(yīng)與數(shù)據(jù)安全的核心訴求，更可從根本上避免基礎(chǔ)設(shè)施重復(fù)建設(shè)，大幅提升算力資源的整體利用率與投資回報(bào)率。二、美歐工業(yè)智算發(fā)展情況美國(guó)以“資本+技術(shù)”雙輪驅(qū)動(dòng)，在芯片、大模型、生態(tài)形成全棧壁壘，主攻云端超大規(guī)模算力與前沿創(chuàng)新。歐盟以“政策+協(xié)同”為牽引，走云邊協(xié)同與綠色低碳路線(xiàn)，聚焦本土制造/能源等垂直場(chǎng)景，追求技術(shù)自主與合規(guī)可控。（一）美歐持續(xù)加碼算力基礎(chǔ)設(shè)施布局在通用智算基礎(chǔ)設(shè)施方面，根據(jù)Plotset數(shù)據(jù)顯示，截至2025年8月，美國(guó)在全球AI算力中占據(jù)68.9%的份額，中7圖3）。從數(shù)據(jù)可見(jiàn)，美國(guó)在算力領(lǐng)域遙遙領(lǐng)先，其接近七成的占比遠(yuǎn)超其他國(guó)家和地區(qū)，呈現(xiàn)出顯著的領(lǐng)先優(yōu)勢(shì)。美歐持續(xù)加碼人工智能基礎(chǔ)設(shè)施戰(zhàn)略布局，旨在搶占全球AI主導(dǎo)地位；日韓加速追趕布局智算基礎(chǔ)設(shè)施，力爭(zhēng)縮小與全球頭部梯隊(duì)的差距。美國(guó)加強(qiáng)供應(yīng)鏈自主可控，意圖鞏固其全球人工智能領(lǐng)導(dǎo)地位。2025年1月21日，美國(guó)總統(tǒng)特朗普宣布OpenAI、軟銀與甲骨文聯(lián)合啟動(dòng)“星際之門(mén)（TheStargateProject）”項(xiàng)目，計(jì)劃4年內(nèi)投資5000億美元用于提升人工智能基礎(chǔ)設(shè)施能力。4月3日，白宮發(fā)布《加速聯(lián)邦人工智能應(yīng)用：創(chuàng)新、治理與公眾信任》及《促進(jìn)政府人工智能高效采購(gòu)》兩份指導(dǎo)性文件，意圖最大化應(yīng)用“美國(guó)制造”AI技術(shù)并強(qiáng)化AI供應(yīng)鏈主權(quán)管控。2025年7月，美國(guó)發(fā)布《美國(guó)人工智能行動(dòng)計(jì)劃》，11月，特朗普政府簽署“創(chuàng)世紀(jì)計(jì)劃”行政8令，將能源部17個(gè)國(guó)家實(shí)驗(yàn)室的超級(jí)算力和海量科研數(shù)據(jù)整合，建立跨部門(mén)AI科研平臺(tái)，重點(diǎn)攻關(guān)包括先進(jìn)制造在內(nèi)的六大領(lǐng)域。國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）2025年底宣布投入2000萬(wàn)美元，與MITRE合作建立面向制造業(yè)的AI中心，加速AI技術(shù)在美國(guó)制造業(yè)中的應(yīng)用；同時(shí)NIST在“制造業(yè)美國(guó)”框架下啟動(dòng)了AI制造研究院競(jìng)賽，聯(lián)邦政府承諾總投入達(dá)7000萬(wàn)美元（五年期）。歐洲戰(zhàn)略路徑是通過(guò)大規(guī)模人工智能產(chǎn)業(yè)投資打造全鋪路。2025年2月11日，歐盟委員會(huì)主席馮德萊恩宣布啟動(dòng)“投資人工智能”計(jì)劃，目標(biāo)籌集2000億歐元用于人工智能投資，并專(zhuān)門(mén)設(shè)立200億歐元基金用于建設(shè)歐洲人工智戰(zhàn)略核心是將歐盟高質(zhì)量人才儲(chǔ)備和強(qiáng)大傳統(tǒng)產(chǎn)業(yè)基礎(chǔ)轉(zhuǎn)化為AI發(fā)展加速器，使歐洲成為一個(gè)統(tǒng)一的、領(lǐng)先的“AI大陸”。（二）美歐工業(yè)智算產(chǎn)業(yè)鏈已形成完整閉環(huán)美國(guó)垂直整合，寡頭主導(dǎo)。在工業(yè)智算產(chǎn)業(yè)鏈方面，美國(guó)市場(chǎng)體現(xiàn)出顯著的垂直整合模式，由幾家行業(yè)巨頭企業(yè)主導(dǎo)，形成了以寡頭壟斷為特征的競(jìng)爭(zhēng)態(tài)勢(shì)。寡頭企業(yè)不僅控制著產(chǎn)業(yè)鏈的上游關(guān)鍵技術(shù)和核心部件，還向下延伸至下游的應(yīng)用和服務(wù)領(lǐng)域，實(shí)現(xiàn)了從研發(fā)、生產(chǎn)到銷(xiāo)售的全流程控制，在市場(chǎng)定價(jià)、技術(shù)標(biāo)準(zhǔn)和產(chǎn)業(yè)趨勢(shì)等方面擁有顯著的影響力。詳見(jiàn)表2。9爾存算一體/近存計(jì)算練微軟Azur超大規(guī)模數(shù)據(jù)中心OpenAI、gleDeepMoE架構(gòu)降低推理OpenAIo1推理模型，MetaLlama4汽車(chē)/能源，端到端AI預(yù)測(cè)性維護(hù)，特reessenHorowitz歐盟區(qū)域合作、跨國(guó)協(xié)作。歐盟通過(guò)區(qū)域合作和跨國(guó)協(xié)作，共同推動(dòng)技術(shù)的研發(fā)和應(yīng)用，利用各成員國(guó)的優(yōu)勢(shì)資源，實(shí)現(xiàn)互補(bǔ)和協(xié)同創(chuàng)新。同時(shí)，歐盟成員國(guó)堅(jiān)持各自的國(guó)家主權(quán)，在工業(yè)智算的發(fā)展中保持獨(dú)立決策權(quán)，并在產(chǎn)業(yè)鏈的各個(gè)環(huán)節(jié)中發(fā)揮核心作用。詳見(jiàn)表3。英飛凌、S8%（2025），RIS英飛凌AURIXTCpinnaker2EuroHPC座Gigafactories，芬蘭LUMIAI工廠，德國(guó)JulichHa開(kāi)源/聯(lián)盟模型為障數(shù)據(jù)主權(quán)西門(mén)子MindSphere+AI質(zhì)量檢測(cè)，博世智能工廠解決方案歐盟數(shù)字（三）美歐工業(yè)智算技術(shù)發(fā)展各有自身特色美國(guó)“暴力算力+架構(gòu)創(chuàng)新”，追求極限性能。算力方面，信奉ScalingLaw，堆疊H100/B200構(gòu)建百萬(wàn)卡集群，探索AGI上限。谷歌TPUv5e提升推理能效，微軟“碳感知計(jì)算”降碳30%。芯片與架構(gòu)方面，存算一體/近存計(jì)算專(zhuān)利年均增40%，英偉達(dá)NVLink4.0、AMDInfinityFabric提升互聯(lián)帶寬；MoE架構(gòu)（GPT-5.1）使推理成本降低60%。軟件與模型方面，“閉源大模型+SaaS”變現(xiàn)（如OpenAI），智能體推理提升復(fù)雜任務(wù)精度；MetaLlama4開(kāi)放權(quán)重，搶占中小企業(yè)市場(chǎng)。能源與能效方面，算力中心“表后供電”（自備燃?xì)?核電解決電網(wǎng)老化與跨區(qū)輸電瓶頸。谷歌海水冷卻、微軟液冷使PUE<1.2。歐盟“能效優(yōu)先+合規(guī)適配”，強(qiáng)化場(chǎng)景落地。算力網(wǎng)絡(luò)方面，EuroHPC統(tǒng)籌13座AI工廠，分布式算力覆蓋制造/能源/醫(yī)療，JUPITER等超算支撐大模型訓(xùn)練；邊緣計(jì)算節(jié)點(diǎn)同比增75%，適配工業(yè)實(shí)時(shí)控制。芯片與架構(gòu)方面，RISC-V生態(tài)加速，英飛凌/ST推進(jìn)異構(gòu)計(jì)算與近內(nèi)存計(jì)算；神經(jīng)擬態(tài)芯片（如BrainChip）適配低功耗工業(yè)場(chǎng)景，降低對(duì)高端GPU依賴(lài)。綠色算力方面，新建數(shù)據(jù)中心PUE<1.3，液冷滲透率42%；阿爾卑斯水電樞紐構(gòu)建綠色算力集群，荷蘭冷存儲(chǔ)技術(shù)降低靜態(tài)功耗。（四）美歐工業(yè)智算發(fā)展對(duì)我國(guó)的啟示美國(guó)和歐盟在驅(qū)動(dòng)模式、市場(chǎng)定位、技術(shù)路線(xiàn)和生態(tài)策略等方面的存在顯著差異（詳見(jiàn)表4），為我國(guó)工業(yè)智算發(fā)展提供了重要借鑒，可概括為“補(bǔ)短板、固長(zhǎng)板、建生態(tài)、強(qiáng)治理”：短期以場(chǎng)景牽引、架構(gòu)創(chuàng)新為主，繞開(kāi)高端芯片依賴(lài)；中期以鏈主牽頭、開(kāi)源聯(lián)盟為主，構(gòu)建自主生態(tài)；長(zhǎng)期以綠色算力、數(shù)據(jù)合規(guī)為主，保障可持續(xù)與安全性，最終形成“算力－模型－制造－能源”的本土閉環(huán)，支撐新質(zhì)生產(chǎn)力落地。企業(yè)主導(dǎo)，政府補(bǔ)貼（芯全球市場(chǎng)，追求技術(shù)壟斷一是技術(shù)路線(xiàn)從對(duì)標(biāo)參數(shù)到場(chǎng)景優(yōu)先，走差異化突圍。在算力方面，繞開(kāi)通用GPU正面競(jìng)爭(zhēng)，聚焦邊緣低功耗、存算一體、近存計(jì)算等專(zhuān)用技術(shù)，用“系統(tǒng)級(jí)組網(wǎng)”（超節(jié)點(diǎn)互聯(lián)）彌補(bǔ)單芯片性能差距。同時(shí)，借鑒美國(guó)MoE架構(gòu)與歐盟聯(lián)邦學(xué)習(xí)經(jīng)驗(yàn)，用“稀疏計(jì)算+邊緣協(xié)同”降低推理成本與數(shù)據(jù)合規(guī)風(fēng)險(xiǎn)，適配中小制造企業(yè)的碎片化算力需求。推進(jìn)國(guó)產(chǎn)大模型輕量化與工業(yè)知識(shí)圖譜融合，解決小樣本、高可靠、低延遲等工業(yè)特有痛點(diǎn)，提升泛化能力與落地效率。在能效方面，參考美歐液冷/綠電實(shí)踐，將智算中心互補(bǔ)的綠色算力樞紐，降低對(duì)跨區(qū)輸電與化石能源的依賴(lài)。構(gòu)建“智算中心+邊緣節(jié)點(diǎn)+工業(yè)智能終端”三級(jí)算力網(wǎng)絡(luò)，滿(mǎn)足制造場(chǎng)景的實(shí)時(shí)控制與云端協(xié)同需求，提升網(wǎng)絡(luò)互聯(lián)帶寬與穩(wěn)定性。二是產(chǎn)業(yè)鏈從“單點(diǎn)突破”到“全鏈協(xié)同”，筑牢安全可控底座。核心硬件方面，堅(jiān)持自主可控、生態(tài)綁定，扶持昇騰、寒武紀(jì)、摩爾、沐曦等國(guó)產(chǎn)芯片，聯(lián)合浪潮、曙光等服務(wù)器廠商打造“芯片+軟件+部署方案”一體化產(chǎn)品；引入產(chǎn)業(yè)資本加速量產(chǎn)，降低客戶(hù)遷移成本。在算法模型方面，堅(jiān)持開(kāi)源聯(lián)盟、行業(yè)定制，由鏈主牽頭，聯(lián)合科研機(jī)構(gòu)共建工業(yè)大模型開(kāi)源平臺(tái)，聚焦汽車(chē)、電子、能源等垂直領(lǐng)域，用聯(lián)邦學(xué)習(xí)/隱私計(jì)算解決數(shù)據(jù)孤島與安全顧慮。在工業(yè)MindSphere經(jīng)驗(yàn)，推動(dòng)工業(yè)軟件與國(guó)產(chǎn)AI框架深度融合，開(kāi)發(fā)低代碼/無(wú)代碼工具，降低中小企業(yè)接入門(mén)檻。在能效方面，堅(jiān)持綠色低碳、自主供電，學(xué)習(xí)美國(guó)“表后供電”與歐盟液冷技術(shù)，在智算中心配套新能源和儲(chǔ)能，保障全時(shí)段穩(wěn)定供電；推進(jìn)“碳感知計(jì)算”，將PUE納入算力調(diào)度指標(biāo)。三是生態(tài)構(gòu)建從“企業(yè)單打”到“政產(chǎn)學(xué)研資”聯(lián)動(dòng)，加速商業(yè)化落地。政策方面，借鑒美國(guó)“芯片法案”與歐盟“數(shù)字歐洲計(jì)劃”，設(shè)立專(zhuān)項(xiàng)基金（如大基金三期），對(duì)智算中心、國(guó)產(chǎn)芯片、工業(yè)大模型給予財(cái)政補(bǔ)貼、能耗指標(biāo)傾斜與審批簡(jiǎn)化。同時(shí)，引導(dǎo)產(chǎn)業(yè)資本與鏈主企業(yè)綁定，形成“融資－研發(fā)－量產(chǎn)－落地”閉環(huán)，鼓勵(lì)龍頭企業(yè)開(kāi)放研發(fā)平臺(tái)，帶動(dòng)中小企業(yè)協(xié)同創(chuàng)新。在標(biāo)準(zhǔn)方面，參考?xì)W盟開(kāi)源聯(lián)盟模式，打造適配本土工業(yè)場(chǎng)景的開(kāi)放計(jì)算架構(gòu)，兼容國(guó)內(nèi)外產(chǎn)品，降低開(kāi)發(fā)門(mén)檻與適配成本；聯(lián)合制定邊緣計(jì)算、工業(yè)數(shù)據(jù)治理等國(guó)家標(biāo)準(zhǔn)，提升國(guó)際話(huà)語(yǔ)權(quán)。建立工業(yè)數(shù)據(jù)實(shí)驗(yàn)室，提供數(shù)據(jù)清洗、合成、標(biāo)注工具，打造高質(zhì)量數(shù)據(jù)集，支撐模型訓(xùn)練與場(chǎng)景迭代。四是安全治理從“被動(dòng)應(yīng)對(duì)”到“主動(dòng)布局”，據(jù)與算力安全。在數(shù)據(jù)治理方面，對(duì)標(biāo)歐盟《AI法案》《數(shù)據(jù)法案》，建立工業(yè)數(shù)據(jù)分類(lèi)分級(jí)、跨境流通與安全審查機(jī)制，用聯(lián)邦學(xué)習(xí)、隱私計(jì)算等技術(shù)保障數(shù)據(jù)主權(quán)與商業(yè)秘密。構(gòu)建跨區(qū)域工業(yè)數(shù)據(jù)空間，推動(dòng)“數(shù)據(jù)切換”試點(diǎn)，降低對(duì)海外云服務(wù)商的依賴(lài)，同時(shí)支持合規(guī)的國(guó)際數(shù)據(jù)合作。在算力安全方面，建立智算中心安全評(píng)估與應(yīng)急響應(yīng)體系，定期開(kāi)展供應(yīng)鏈風(fēng)險(xiǎn)排查與攻防演練，防范芯片后門(mén)、模型投毒等安全威脅。推進(jìn)“主權(quán)算力”建設(shè)，在關(guān)鍵行業(yè)部署自主可控的智算基礎(chǔ)設(shè)施，保障核心業(yè)務(wù)不被“卡脖子”。三、我國(guó)工業(yè)智算發(fā)展情況國(guó)產(chǎn)替代加速”的關(guān)鍵期，在制造、能源等場(chǎng)景落地加速，但仍面臨高端芯片依賴(lài)、生態(tài)適配不足等挑戰(zhàn)，算力基礎(chǔ)設(shè)政策層面，我國(guó)持續(xù)強(qiáng)化對(duì)工業(yè)智算和人工智能應(yīng)用發(fā)展的系統(tǒng)性引導(dǎo)。2025年12月工信部《工業(yè)互聯(lián)網(wǎng)和人工智能融合賦能行動(dòng)方案》明確提出要強(qiáng)化工業(yè)智能算力供給，加快工業(yè)互聯(lián)網(wǎng)與通算中心、智算中心、超算中心融合應(yīng)用，加快構(gòu)建全國(guó)一體化算力網(wǎng)絡(luò)，推動(dòng)智算云服務(wù)試點(diǎn)在工業(yè)領(lǐng)域中應(yīng)用推廣，強(qiáng)化工業(yè)大模型在算力跨區(qū)域高效調(diào)用、“云邊端”算力精準(zhǔn)匹配等方面普及應(yīng)用，提升工業(yè)智算供給能力和利用效率。2026年1月工信部《推動(dòng)工業(yè)互聯(lián)網(wǎng)平臺(tái)高質(zhì)量發(fā)展行動(dòng)方案（2026—2028年）》提出要推進(jìn)人工智能賦能工業(yè)互聯(lián)網(wǎng)平臺(tái)，實(shí)施工業(yè)互聯(lián)網(wǎng)與人工智能融合賦能行動(dòng)，推動(dòng)人工智能技術(shù)在工業(yè)全鏈條滲透。工信部數(shù)據(jù)顯示，截至2025年6月，全國(guó)在用算力中心機(jī)架總規(guī)模1085萬(wàn)標(biāo)準(zhǔn)機(jī)架，國(guó)家算力樞紐節(jié)點(diǎn)省市機(jī)架占比72.6%；“東數(shù)西算”推動(dòng)西部綠色算力樞紐承接后臺(tái)訓(xùn)練，東部樞紐聚焦低時(shí)延推理，網(wǎng)絡(luò)互聯(lián)品質(zhì)持續(xù)提升，50.3%算力中心接入骨干網(wǎng)；智能算力規(guī)模達(dá)788EFLOPS，液冷技術(shù)滲透率達(dá)64%，平均PUE降至1.42，綠色低碳成為建設(shè)核心指標(biāo)；城域“毫秒用算”專(zhuān)項(xiàng)行動(dòng)推動(dòng)算力中心互連時(shí)延<1ms、終端接入時(shí)延<10ms，打通工業(yè)場(chǎng)景“最后一公里”。（一）工業(yè)智算市場(chǎng)規(guī)模持續(xù)增長(zhǎng)我國(guó)工業(yè)智算市場(chǎng)正處于規(guī)模與質(zhì)量雙升的高速增長(zhǎng)期，2025年智算規(guī)模預(yù)計(jì)達(dá)1037.3EFLOPS，2028年有望突破2781.9EFLOPS。其中，2025—2028年工業(yè)智算占比保持-工業(yè)智算1．工業(yè)數(shù)據(jù)爆發(fā)推動(dòng)工業(yè)智算需求持續(xù)增長(zhǎng)隨著工業(yè)互聯(lián)網(wǎng)和5G技術(shù)的普及，我國(guó)工業(yè)互聯(lián)網(wǎng)已拓展至49個(gè)國(guó)民經(jīng)濟(jì)大類(lèi)，實(shí)現(xiàn)41個(gè)工業(yè)大類(lèi)全覆蓋，標(biāo)識(shí)解析注冊(cè)量突破6500億個(gè)，連接工業(yè)設(shè)備超1億臺(tái)套3，生產(chǎn)設(shè)備、傳感器、質(zhì)量檢測(cè)系統(tǒng)等實(shí)時(shí)生成的數(shù)據(jù)量爆發(fā)式增長(zhǎng)，為工業(yè)智算模型的訓(xùn)練和優(yōu)化提供了豐富“數(shù)據(jù)燃料”。2024年我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)模已突破1200億元，建成高質(zhì)量數(shù)據(jù)集超3.5萬(wàn)個(gè)，總體量超400PB，覆蓋鋼鐵、石化、煤炭等重點(diǎn)行業(yè)5。工業(yè)數(shù)據(jù)爆發(fā)推動(dòng)了工業(yè)大模型發(fā)展。我國(guó)目前已發(fā)布大模型1500余個(gè)6，培育并開(kāi)源的人工智能大模型加速在電子、原材料、消費(fèi)品等行業(yè)落地應(yīng)用，大模型技術(shù)逐步滲透到工業(yè)制造、能源、化工等垂直領(lǐng)域。中國(guó)寶武、中鋁集團(tuán)、國(guó)家電網(wǎng)、中國(guó)聯(lián)通等相繼推出鋼鐵、有色金屬、電力、通信等行業(yè)專(zhuān)用模型，推動(dòng)大模型與工業(yè)場(chǎng)景深度融合。工業(yè)大模型在產(chǎn)業(yè)領(lǐng)域的加速滲透推動(dòng)工業(yè)智算需求增長(zhǎng)。一方面，工業(yè)大模型的訓(xùn)練和持續(xù)優(yōu)化催生海量智算需求，推動(dòng)云服務(wù)商和智算中心持續(xù)加大GPU、NPU等智能硬件的資本投入；另一方面，工業(yè)大模型極大地降低了人工智能應(yīng)用門(mén)檻，通過(guò)集成行業(yè)知識(shí)經(jīng)驗(yàn)構(gòu)建形成共性技術(shù)基座，使廣大中小企業(yè)能夠基于現(xiàn)有模型，通過(guò)輕量化微調(diào)4數(shù)據(jù)來(lái)源：IIM信息，全球及中國(guó)工業(yè)大數(shù)據(jù)行業(yè)深度發(fā)展研究報(bào)告(IIM信息2025J8K9L)5數(shù)據(jù)來(lái)源：工業(yè)和信息化部黨組書(shū)記、部長(zhǎng)李樂(lè)成：加快推進(jìn)人工智能賦能新和提示詞優(yōu)化等便捷方式，快速部署實(shí)現(xiàn)高精度缺陷檢測(cè)、智能生產(chǎn)排程、能效綜合優(yōu)化等功能的人工智能應(yīng)用，顯著拓展了智能算力服務(wù)的需求覆蓋面，推動(dòng)應(yīng)用主體從少數(shù)技術(shù)領(lǐng)先企業(yè)向廣大工業(yè)企業(yè)群體延伸。2．工業(yè)數(shù)智化向OT側(cè)延伸推動(dòng)工業(yè)智算需求增長(zhǎng)隨著工業(yè)企業(yè)的數(shù)智化轉(zhuǎn)型從早期試點(diǎn)探索延伸至OT側(cè)，IT與OT深度融合，企業(yè)通過(guò)部署邊緣智能，將智能決策嵌入生產(chǎn)控制、設(shè)備運(yùn)維、質(zhì)量管控等OT核心環(huán)節(jié)，推動(dòng)工業(yè)智算需求增長(zhǎng)。據(jù)IDC數(shù)據(jù)顯示，2024年下半年，中國(guó)智算基礎(chǔ)設(shè)施服務(wù)整體市場(chǎng)同比增長(zhǎng)高達(dá)57.7%，其中面向生成式AI場(chǎng)景的IaaS市場(chǎng)同比增長(zhǎng)165.2%，市場(chǎng)規(guī)模達(dá)87.4億元7。工業(yè)企業(yè)正加快推進(jìn)生成式人工智能技術(shù)在自動(dòng)化內(nèi)容生成、智能輔助決策和高精度數(shù)字孿生建模等核心環(huán)節(jié)的部署應(yīng)用，以構(gòu)建全球競(jìng)爭(zhēng)中的成本與效率優(yōu)勢(shì)。（二）工業(yè)智算產(chǎn)業(yè)鏈國(guó)產(chǎn)替代加速我國(guó)工業(yè)智算產(chǎn)業(yè)鏈已形成“上游硬件－中游平臺(tái)－下產(chǎn)替代+場(chǎng)景適配”為核心邏輯，2025年上游硬件國(guó)產(chǎn)化率達(dá)42%，中游平臺(tái)算力調(diào)度效率提升至90%，下游工業(yè)場(chǎng)景滲透率突破30%，生態(tài)政策與標(biāo)準(zhǔn)加速完善。1．核心硬件自主可控加速突破AI芯片領(lǐng)域，華為昇騰910、寒武紀(jì)云邊端一體AI芯片、景嘉微圖形渲染GPU、摩爾、沐曦、天數(shù)智芯、壁仞科7數(shù)據(jù)來(lái)源：國(guó)際數(shù)據(jù)公司（IDC）發(fā)布《中國(guó)智算基礎(chǔ)技等企業(yè)加速產(chǎn)品迭代，推動(dòng)硬件配套技術(shù)突破。液冷散熱方面，英維克冷板式液冷系統(tǒng)支持單機(jī)柜功率密度達(dá)24kW，年減碳量超萬(wàn)噸；高效電源領(lǐng)域，中恒電氣、科華數(shù)據(jù)主導(dǎo)的270VHVDC方案替代傳統(tǒng)UPS，效率提升至98%，銅用量減少70%，江海股份超級(jí)電容實(shí)現(xiàn)毫秒級(jí)響應(yīng)，解決備電切換痛點(diǎn)，為上游硬件穩(wěn)定運(yùn)行提供支撐。網(wǎng)絡(luò)與存儲(chǔ)硬件方面，國(guó)產(chǎn)交換機(jī)占據(jù)國(guó)內(nèi)市場(chǎng)主導(dǎo)地位，新華三發(fā)布800G國(guó)芯智算交換機(jī)，支持10萬(wàn)卡集群組網(wǎng)，800G及更高速率交換機(jī)逐步推廣；光模塊領(lǐng)域，中際旭創(chuàng)全球首發(fā)1.6T光模塊、源杰科技攻克大功率光源技術(shù)，國(guó)產(chǎn)化率超70%；高效Xtacking4.0顆粒，性能較國(guó)際競(jìng)品提升60%。詳見(jiàn)表6。訓(xùn)練芯片、推理國(guó)產(chǎn)芯片在工業(yè)邊緣低功耗、工業(yè)實(shí)時(shí)控制、大器超節(jié)點(diǎn)集群、液+整機(jī)+存儲(chǔ)”單機(jī)算力提升至PF級(jí)，液冷滲透工業(yè)大模型訓(xùn)練、超節(jié)點(diǎn)互聯(lián)彌補(bǔ)單芯片性能D、400G/800G光模塊、高速交工業(yè)數(shù)據(jù)低延遲讀寫(xiě)、跨區(qū)域算智算中心全時(shí)段穩(wěn)定供電，降低2．智算成為服務(wù)模式創(chuàng)新關(guān)鍵中游負(fù)責(zé)算力整合、模型開(kāi)發(fā)與系統(tǒng)集成，核心是“調(diào)度提效+模型輕量化+開(kāi)源協(xié)同”，以智算中心為核心，呈現(xiàn)“區(qū)域集聚、模式創(chuàng)新”特征。我國(guó)智算中心主要集中在東部地區(qū)，東部高科技企業(yè)密集導(dǎo)致智算需求集中，且市場(chǎng)傾向投建中型智算中心。據(jù)統(tǒng)計(jì)，大于1000P大型智算中心占比20%，分布于京津冀、長(zhǎng)三角、珠三角，服務(wù)AI大模型、自動(dòng)駕駛等領(lǐng)域；300-1000P中型智算中心占比70%，落地于一線(xiàn)、新一線(xiàn)及二線(xiàn)城市，支撐產(chǎn)業(yè)集群需求；小于100P小型智算中心占比10%，布局于二線(xiàn)及以下城市，服務(wù)企業(yè)智能化建設(shè)。同時(shí)，服務(wù)模式持續(xù)創(chuàng)新，上海智算中心整合500余個(gè)國(guó)產(chǎn)化模型，打造“算力超市”提供“一鍵部阿里云“工業(yè)智算平臺(tái)”實(shí)現(xiàn)算力動(dòng)態(tài)調(diào)度與按使用付費(fèi)，助力中小制造企業(yè)算力成本降低35%，進(jìn)一步激活中游服務(wù)市場(chǎng)活力。詳見(jiàn)表7。跨地域異構(gòu)算超節(jié)點(diǎn)調(diào)度系適配工業(yè)實(shí)時(shí)控制盤(pán)古工業(yè)大模覆蓋質(zhì)檢、預(yù)測(cè)性字智能融合方降低中小企業(yè)接入門(mén)檻，適配碎片化保障工業(yè)智算穩(wěn)定運(yùn)行，防范模型投3．智算向多行業(yè)應(yīng)用場(chǎng)景滲透下游應(yīng)用層深度滲透多行業(yè)，覆蓋制造全流程，核心是“標(biāo)桿引領(lǐng)+中小企業(yè)普惠”，場(chǎng)景化價(jià)值持續(xù)釋放。工業(yè)智算在汽車(chē)、電子、能源、裝備制造等領(lǐng)域廣泛應(yīng)用，如汽車(chē)制造領(lǐng)域，生產(chǎn)線(xiàn)通過(guò)AI芯片與智能算法實(shí)現(xiàn)外觀缺陷自動(dòng)檢測(cè)，識(shí)別微小劃痕、凹陷或焊接缺陷；自動(dòng)駕駛領(lǐng)域，高性能GPU與AI芯片支撐毫秒級(jí)決策，處理車(chē)載傳感器海量數(shù)據(jù)。此外，能源行業(yè)依托“新能源智算平臺(tái)”優(yōu)化發(fā)電調(diào)度，新能源利用率提升4.2%；電子制造領(lǐng)域通過(guò)邊緣智算節(jié)點(diǎn)實(shí)現(xiàn)高頻數(shù)據(jù)實(shí)時(shí)處理，不良品率下降25%，切實(shí)推動(dòng)下游行業(yè)生產(chǎn)效率與質(zhì)量雙提升。詳見(jiàn)表8。工藝仿真、廣汽多模態(tài)智能質(zhì)檢、廠5G+數(shù)智工廠視覺(jué)大模型輕調(diào)度、設(shè)備優(yōu)化風(fēng)電預(yù)測(cè)邊緣低延遲+云端大數(shù)據(jù)分析流程優(yōu)化、事故率降6流程型工業(yè)實(shí)租賃云端算力、輕量化樹(shù)根互聯(lián)平臺(tái)碎片化、低門(mén)（三）工業(yè)場(chǎng)景智算適配技術(shù)持續(xù)完善1．算力架構(gòu)系統(tǒng)創(chuàng)新，滿(mǎn)足工業(yè)場(chǎng)景訓(xùn)推一體需求“超節(jié)點(diǎn)+異構(gòu)調(diào)度+軟硬協(xié)同”算力協(xié)同技術(shù)，大幅提升算力資源利用率和調(diào)度靈活性，精準(zhǔn)適配工業(yè)智算場(chǎng)景中模型訓(xùn)練與推理部署一體化的核心需求。超節(jié)點(diǎn)架構(gòu)。采用總線(xiàn)級(jí)互聯(lián)與極簡(jiǎn)架構(gòu)，將多臺(tái)服務(wù)器整合為邏輯統(tǒng)一的高性能計(jì)算單元，有效提升集群算力密度與協(xié)同效率；浪潮元腦超節(jié)點(diǎn)方案已實(shí)現(xiàn)規(guī)?；瘧?yīng)用，可使工業(yè)大模型訓(xùn)練效率提升35%，推理成本降低50%。算力調(diào)度體系。國(guó)家超算互聯(lián)網(wǎng)接入30余個(gè)骨干節(jié)點(diǎn)，構(gòu)建全國(guó)一體化算力網(wǎng)絡(luò)；中國(guó)電信“息壤”、華為云等平 臺(tái)具備跨地域異構(gòu)算力統(tǒng)一調(diào)度能力，調(diào)度效率達(dá)90%，通 過(guò)標(biāo)準(zhǔn)化算力度量與自動(dòng)化編排，為工業(yè)企業(yè)提供“水電級(jí)”便捷算力服務(wù)。城域毫秒用算。通過(guò)“城域毫秒用算”專(zhuān)項(xiàng)行動(dòng)，推動(dòng)城域內(nèi)算力中心互連時(shí)延降至1ms以?xún)?nèi)、終端接入時(shí)延低于10ms，打通工業(yè)智算場(chǎng)景落地的“最后一公里”；依托算網(wǎng)大腦的動(dòng)態(tài)算力分配能力，可幫助企業(yè)降低算力使用成本2．算網(wǎng)協(xié)同與邊緣計(jì)算，打通工業(yè)“最后一公里”“5G+確定性網(wǎng)絡(luò)+邊緣節(jié)點(diǎn)協(xié)同”一體化技術(shù)，打通工業(yè)“最后一公里”，全面滿(mǎn)足工業(yè)領(lǐng)域?qū)Φ蜁r(shí)延實(shí)時(shí)控制與高算力深度分析的雙重需求。算網(wǎng)融合。通過(guò)5G-A與確定性網(wǎng)絡(luò)的協(xié)同部署，將工業(yè)設(shè)備數(shù)據(jù)傳輸端到端時(shí)延控制在5ms以?xún)?nèi)，有效支撐視覺(jué)質(zhì)檢、預(yù)測(cè)性維護(hù)等實(shí)時(shí)性工業(yè)應(yīng)用場(chǎng)景的穩(wěn)定運(yùn)行。邊云協(xié)同。明確邊緣與云端的算力分工，邊緣節(jié)點(diǎn)聚焦實(shí)時(shí)控制、輕量化模型推理等低時(shí)延任務(wù)，云端負(fù)責(zé)大數(shù)據(jù)分析、工業(yè)大模型訓(xùn)練等高算力任務(wù)。華為云、聯(lián)通云等邊端協(xié)同方案已實(shí)現(xiàn)規(guī)?；瘧?yīng)用，可助力企業(yè)設(shè)備故障停機(jī)率降低40%。工業(yè)智聯(lián)。依托卡奧斯、樹(shù)根互聯(lián)等工業(yè)互聯(lián)網(wǎng)平臺(tái)，完成百萬(wàn)級(jí)工業(yè)設(shè)備的接入，打造“數(shù)據(jù)采集—算力調(diào)度—模型推理—控制執(zhí)行”的全流程閉環(huán)，推動(dòng)中小企業(yè)接入成本降低70%，加速工業(yè)智算技術(shù)的普惠化落地。3．軟件生態(tài)持續(xù)完善，推動(dòng)國(guó)產(chǎn)工業(yè)智算框架適配在政務(wù)領(lǐng)域覆蓋率超70%，支持飛騰、鯤鵬等芯片，為適配框架提供穩(wěn)定系統(tǒng)環(huán)境；在AI框架領(lǐng)域，華為MindSpore、百度飛槳完成昇騰芯片深度適配，訓(xùn)練效率提升40%，開(kāi)發(fā)者工具鏈逐步完善；壁仞科技BIRENSUPASDK支持工業(yè)大模型的算子優(yōu)化與輕量化部署，配合視頻處理能力，可滿(mǎn)足工業(yè)質(zhì)檢、設(shè)備預(yù)測(cè)性維護(hù)等場(chǎng)景的端到端開(kāi)發(fā)需求；海光DTK平臺(tái)兼容CUDA設(shè)計(jì)，實(shí)現(xiàn)應(yīng)用低成本遷移，某電子制造企業(yè)基于該平臺(tái)將原有GPU推理任務(wù)遷移至海光深算支持工業(yè)級(jí)場(chǎng)景適配，實(shí)現(xiàn)國(guó)產(chǎn)GPU軟件生態(tài)自主可控，精準(zhǔn)支撐工業(yè)智算、AI訓(xùn)推、科學(xué)計(jì)算等核心場(chǎng)景；沐曦MXMACA能達(dá)成95%以上的CUDAAPI兼容性，助力用戶(hù)近乎零成本遷移，進(jìn)一步推動(dòng)國(guó)產(chǎn)工業(yè)智算適配框架的規(guī)?；瘧?yīng)用。（四）工業(yè)智算行業(yè)滲透加速工業(yè)智算正推動(dòng)制造業(yè)從“經(jīng)驗(yàn)驅(qū)動(dòng)”轉(zhuǎn)型升級(jí)為“數(shù)據(jù)智能驅(qū)動(dòng)”，不斷打破傳統(tǒng)工業(yè)的物理邊界和信息壁壘，推動(dòng)數(shù)據(jù)流、信息流與物料流逐步統(tǒng)一。1．工業(yè)智算加速行業(yè)關(guān)鍵流程重塑在生產(chǎn)制造一線(xiàn)，基于機(jī)器視覺(jué)的人工智能檢測(cè)系統(tǒng)加快規(guī)?；瘧?yīng)用，逐步替代傳統(tǒng)人工檢測(cè)模式。通過(guò)依賴(lài)邊緣計(jì)算和高性能GPU提供的強(qiáng)大實(shí)時(shí)推理算力，人工智能檢測(cè)系統(tǒng)能夠在毫秒級(jí)時(shí)間內(nèi)對(duì)產(chǎn)品缺陷、零部件錯(cuò)位、焊縫質(zhì)量等進(jìn)行微米級(jí)的精準(zhǔn)判斷。同時(shí)，依托智能算力，機(jī)器人和自動(dòng)化設(shè)備實(shí)現(xiàn)了從“機(jī)械執(zhí)行”到“智能協(xié)作”的升級(jí)。截至2024年7月，我國(guó)工業(yè)機(jī)器人裝機(jī)量占全球比重超過(guò)50%，在役工業(yè)機(jī)器人存量已突破200萬(wàn)臺(tái)，居全球首位8。2024年我國(guó)工業(yè)機(jī)器人新安裝數(shù)量達(dá)29.5萬(wàn)臺(tái)，創(chuàng)歷史年度新高，占全球新安裝量的54%9。這些機(jī)器人系統(tǒng)基于高性能算力平臺(tái)和深度強(qiáng)化學(xué)習(xí)模型，能夠?qū)崿F(xiàn)復(fù)雜的運(yùn)動(dòng)控制和柔性操作，精準(zhǔn)適應(yīng)小批量、定制化的生產(chǎn)需求，顯著增強(qiáng)生產(chǎn)線(xiàn)的靈活性與整體運(yùn)行效能。2．工業(yè)智算推動(dòng)產(chǎn)品創(chuàng)新周期縮短工程師利用智能算力支撐的生成式人工智能和大模型進(jìn)行高保真、多物理場(chǎng)的仿真驗(yàn)證、復(fù)雜系統(tǒng)的參數(shù)尋優(yōu)和大規(guī)模虛擬測(cè)試，大幅減少了實(shí)物模型和實(shí)驗(yàn)的次數(shù)與成本。這種基于數(shù)據(jù)的智能設(shè)計(jì)模式，正在加速工業(yè)知識(shí)的沉淀與復(fù)用。例如，在航空航天、汽車(chē)和新能源領(lǐng)域，人工智能能夠通過(guò)分析海量歷史設(shè)計(jì)數(shù)據(jù)、材料特性及運(yùn)行工況，快速推薦出符合性能要求的新材料組合或最優(yōu)的結(jié)構(gòu)設(shè)計(jì)方案。通過(guò)將人工智能融入CAD/CAE/CAM工具鏈，制造業(yè)能夠?qū)崿F(xiàn)從“經(jīng)驗(yàn)驅(qū)動(dòng)”向“數(shù)據(jù)驅(qū)動(dòng)”轉(zhuǎn)變，不僅提高了設(shè)計(jì)的效率和質(zhì)量，更使我國(guó)制造業(yè)能夠更快響應(yīng)市場(chǎng)變化、滿(mǎn)足個(gè)性化需求，從而真正提升了其在全球創(chuàng)新價(jià)值鏈中的核心競(jìng)爭(zhēng)力。3．典型行業(yè)案例汽車(chē)制造行業(yè)：工業(yè)智算加速應(yīng)用智能化，提升了生產(chǎn)線(xiàn)的柔性和質(zhì)量檢測(cè)的精準(zhǔn)度。依托邊緣高算力人工智能視覺(jué)系統(tǒng)，實(shí)現(xiàn)對(duì)車(chē)身焊縫、涂裝缺陷、關(guān)鍵零部件裝配偏差的微米級(jí)、全覆蓋、高速檢測(cè)，例如，奧迪在中國(guó)工廠部署了用于點(diǎn)焊質(zhì)量控制的人工智能系統(tǒng)，實(shí)現(xiàn)了對(duì)每班高達(dá)150萬(wàn)個(gè)焊點(diǎn)的全量分析10，使質(zhì)量控制模式從傳統(tǒng)的人工抽檢升級(jí)為系統(tǒng)自動(dòng)識(shí)別、員工專(zhuān)注處理異常的智能化新范式；思謀科技為中國(guó)中車(chē)提供的軌交無(wú)損探傷“磁粉探傷智能檢測(cè)一體機(jī)+智能化磁痕視覺(jué)檢測(cè)系統(tǒng)”解決方案，實(shí)現(xiàn)了對(duì)焊縫亞毫米級(jí)缺陷的精準(zhǔn)捕捉與識(shí)別，將老師傅的“隱性經(jīng)驗(yàn)”固化為可復(fù)用的算法模型，檢測(cè)效率顯著提升。智能算力支持下的深度強(qiáng)化學(xué)習(xí)被用于優(yōu)化復(fù)雜的協(xié)作機(jī)器人（Cobots）運(yùn)動(dòng)路徑，實(shí)現(xiàn)了高度柔性制造，而利用云端HPC集群進(jìn)行整車(chē)級(jí)仿真和電池?zé)峁芾韮?yōu)化，則大幅縮短了研發(fā)周期。例如吉利汽車(chē)構(gòu)建的星睿智算中心，基于其智能仿真平臺(tái)提供了高達(dá)3.54PFlops的雙精度算力，已累計(jì)完成超1.2萬(wàn)次全場(chǎng)景虛擬碰撞試驗(yàn)，將研發(fā)仿真計(jì)算效10數(shù)據(jù)來(lái)源：中國(guó)汽車(chē)趨勢(shì)網(wǎng)，奧迪將人工智能引入生產(chǎn)線(xiàn)實(shí)現(xiàn)率提升了30%11。電子制造行業(yè)：在PCB板、芯片封裝和SMT環(huán)節(jié)，人工智能算法通過(guò)分析高分辨率圖像，能夠快速識(shí)別傳統(tǒng)檢測(cè)手段難以發(fā)現(xiàn)的細(xì)微、不規(guī)則缺陷。例如，上海感圖科技推出的“明鑒者”AI檢測(cè)機(jī)器人，基于自研GTDroid底層框架，可實(shí)現(xiàn)高端電路板及SMT全流程的智能缺陷檢測(cè)與良率管理。該設(shè)備通過(guò)高分辨率圖像采集與深度學(xué)習(xí)算法融合，能精準(zhǔn)識(shí)別PCB板線(xiàn)路微短、SMT貼裝偏移、焊錫空洞等細(xì)微缺陷，檢出率超99.99%，相較于人工檢測(cè)效率提升10倍以上，且檢測(cè)標(biāo)準(zhǔn)統(tǒng)一，有效解決了傳統(tǒng)人工檢測(cè)主觀依賴(lài)性強(qiáng)、極限精度不足的行業(yè)痛點(diǎn)。同時(shí)，依托智能算力對(duì)設(shè)備傳感器采集的海量時(shí)序數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，該系統(tǒng)可精準(zhǔn)預(yù)測(cè)貼片機(jī)、回流焊爐等關(guān)鍵設(shè)備的剩余使用壽命（RUL實(shí)現(xiàn)全流程預(yù)測(cè)性維護(hù)（PdM），將產(chǎn)線(xiàn)非計(jì)劃停機(jī)時(shí)間降至最低，已在全球高端電路板細(xì)分行業(yè)頭部客戶(hù)實(shí)現(xiàn)規(guī)?；涞貞?yīng)用。在電池制造環(huán)節(jié)，先導(dǎo)智能自主研發(fā)的“基于多模態(tài)大模型的人工智能預(yù)測(cè)性維護(hù)系統(tǒng)”，通過(guò)深度融合設(shè)備時(shí)序數(shù)據(jù)、視覺(jué)圖像與文本日志等多源異構(gòu)信息，與獨(dú)有的時(shí)空特征對(duì)齊與跨模態(tài)注意力機(jī)制，實(shí)現(xiàn)預(yù)警窗口提前至故障發(fā)生前7～15天，故障預(yù)測(cè)準(zhǔn)確率較傳統(tǒng)方法提升逾25%12。系統(tǒng)的核心技術(shù)優(yōu)勢(shì)在于，它將電機(jī)熱力學(xué)、軸承動(dòng)力學(xué)等物理模型嵌入人工智能訓(xùn)練過(guò)程，破解了工業(yè)現(xiàn)場(chǎng)對(duì)人工智能“黑11數(shù)據(jù)來(lái)源：中國(guó)機(jī)器視覺(jué)網(wǎng)，思謀攜手中車(chē)發(fā)布箱”決策的信任難題，實(shí)現(xiàn)了可解釋、可信賴(lài)的故障診斷。能源行業(yè)：智能算力需求主要集中在系統(tǒng)級(jí)的優(yōu)化調(diào)度和設(shè)備安全方面，在強(qiáng)大的智能算力支持下，人工智能模型能夠融合氣象、負(fù)荷、發(fā)電等多維度數(shù)據(jù)，實(shí)現(xiàn)電力負(fù)荷的超短期精準(zhǔn)預(yù)測(cè)，優(yōu)化風(fēng)電、光伏等分布式能源的并網(wǎng)調(diào)度。甘肅酒泉風(fēng)電基地通過(guò)部署智能算法，實(shí)時(shí)分析風(fēng)速預(yù)測(cè)數(shù)據(jù)與電網(wǎng)負(fù)荷需求，動(dòng)態(tài)調(diào)整儲(chǔ)能系統(tǒng)充放電策略，實(shí)現(xiàn)風(fēng)電并網(wǎng)穩(wěn)定性提升40%，儲(chǔ)能設(shè)備使用壽命延長(zhǎng)25%13。航空航天行業(yè)：工業(yè)智算依托高性能計(jì)算集群與人工智能技術(shù)，推動(dòng)從研發(fā)設(shè)計(jì)到在軌健康管理實(shí)現(xiàn)全流程賦能。以中國(guó)商飛與西北工業(yè)大學(xué)聯(lián)合研發(fā)實(shí)踐為例，在飛行器核心結(jié)構(gòu)設(shè)計(jì)環(huán)節(jié)，雙方通過(guò)AI驅(qū)動(dòng)的拓?fù)鋬?yōu)化與生成式設(shè)計(jì)技術(shù)，實(shí)現(xiàn)了復(fù)雜構(gòu)件的性能與輕量化雙重突破。中國(guó)商飛上海飛機(jī)設(shè)計(jì)研究院聯(lián)合上海人工智能創(chuàng)新中心開(kāi)發(fā)的FuncGenFoil翼型生成模型，基于神經(jīng)算子與流匹配技術(shù)，將民用客機(jī)超臨界翼型建模為連續(xù)函數(shù)，可生成無(wú)限分辨率的光滑翼型結(jié)構(gòu)，設(shè)計(jì)誤差較前沿方法降低74.4%，多樣性驗(yàn)證輪次減少50%，大幅降低研發(fā)算力成本。而郭旭院士團(tuán)隊(duì)研發(fā)的自主拓?fù)鋬?yōu)化技術(shù)，成功應(yīng)用于“祝融號(hào)”火星車(chē)設(shè)備板研制，通過(guò)獨(dú)創(chuàng)算法實(shí)現(xiàn)結(jié)構(gòu)減重50%以上，同時(shí)顯著提升承載效率，相關(guān)成果已延伸至新一代載人飛船等重大裝備。小結(jié)：盡管我國(guó)工業(yè)智算產(chǎn)業(yè)已實(shí)現(xiàn)規(guī)?；黄疲谒懔A(chǔ)設(shè)施、行業(yè)應(yīng)用落地等領(lǐng)域取得階段性成果，但從技術(shù)自主可控與產(chǎn)業(yè)高質(zhì)量發(fā)展的視角來(lái)看，仍面臨三大核心瓶頸亟待突破：一是高端芯片對(duì)外依賴(lài)度較高。國(guó)產(chǎn)AI芯片在單精度浮點(diǎn)運(yùn)算性能、軟硬件生態(tài)適配成熟度等關(guān)鍵指標(biāo)上，與英偉達(dá)等國(guó)際頭部企業(yè)產(chǎn)品仍存在明顯差距，直接導(dǎo)致工業(yè)大模型訓(xùn)練環(huán)節(jié)的算力成本居高不下，制約了技術(shù)的普惠化應(yīng)二是工業(yè)大模型泛化能力不足?，F(xiàn)有工業(yè)大模型普遍存在小樣本學(xué)習(xí)能力弱、跨場(chǎng)景遷移難度大的問(wèn)題，面對(duì)制造業(yè)離散化、定制化的碎片化應(yīng)用場(chǎng)景，模型的適配周期長(zhǎng)、優(yōu)化成本高，難以快速釋放智算價(jià)值。三是產(chǎn)業(yè)生態(tài)呈現(xiàn)碎片化特征。工業(yè)數(shù)據(jù)格式缺乏統(tǒng)一標(biāo)準(zhǔn)，跨企業(yè)、跨行業(yè)的數(shù)據(jù)流通面臨較高的合規(guī)成本與技術(shù)壁壘；同時(shí)，中小企業(yè)受制于技術(shù)儲(chǔ)備不足、資金投入有限等因素，在工業(yè)智算轉(zhuǎn)型中面臨“不會(huì)轉(zhuǎn)、不能轉(zhuǎn)、不敢針對(duì)上述瓶頸，我國(guó)工業(yè)智算需從技術(shù)、生態(tài)、場(chǎng)景三大維度協(xié)同發(fā)力，構(gòu)建可持續(xù)的突破路徑：技術(shù)方面，短期通過(guò)架構(gòu)創(chuàng)新實(shí)現(xiàn)“軟突破”，重點(diǎn)推進(jìn)MoE（混合專(zhuān)家）架構(gòu)、稀疏計(jì)算、聯(lián)邦學(xué)習(xí)等技術(shù)的規(guī)?；瘧?yīng)用，以系統(tǒng)級(jí)優(yōu)化降低對(duì)高端通用芯片的性能依賴(lài)；長(zhǎng)期則聚焦核心技術(shù)實(shí)現(xiàn)“硬突破”，全力攻關(guān)Chiplet、存算一體、近存計(jì)算等前沿方向，持續(xù)提升國(guó)產(chǎn)芯片的單芯能效與集群互聯(lián)帶寬，夯實(shí)自主可控的算力底座。生態(tài)方面，發(fā)揮鏈主企業(yè)的引領(lǐng)作用，聯(lián)合科研機(jī)構(gòu)、行業(yè)協(xié)會(huì)等多方主