中國工業(yè)互聯(lián)網(wǎng)研究院 2 2 3 5 6 6 21 23 29 29 30 30 31 31特別聲明本報告是由中國工業(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)工信部重點實驗室工業(yè)智算研究中心完成的系列研究報告之一。如果需要轉(zhuǎn)載，須事先征得中國工業(yè)互聯(lián)網(wǎng)研究院同意并注明“轉(zhuǎn)載自中國工業(yè)互聯(lián)網(wǎng)研究院”字樣。執(zhí)筆人：王長青、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)科技投資集團有限公司、杭州疆來能源科技有限公司、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)集團有限公司、北京矩量無限科技有限公司、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、萬興科技集團股份有限公司、中誠力锘（北京）數(shù)字化科技集團有限公司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)濟格局，十年內(nèi)將推動全球經(jīng)濟規(guī)模增長15%1，2035年將為我國GDP貢獻11萬億2。2025年，政府工作報告指出“持續(xù)推進‘人工智能+’行動，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來，支持大模型廣泛應用”。《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十五個五年規(guī)劃的建議》指出要實施工業(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)機理深度融合，催生工業(yè)智能，未來將貫穿于工業(yè)設(shè)計、生產(chǎn)、管理、服務等各環(huán)節(jié)，成為新型工業(yè)化的重要載體，進一步重構(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。本報告系統(tǒng)分析了工業(yè)智算在產(chǎn)業(yè)、技術(shù)、市場、生態(tài)等方面的新特點、新變化，研判其發(fā)展趨勢，為我國工業(yè)智算產(chǎn)業(yè)發(fā)展、市場洞察、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，我國智算規(guī)模高速增長，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，在由中國工業(yè)互聯(lián)網(wǎng)研究院召開的首屆工業(yè)智算產(chǎn)業(yè)發(fā)展研討會上，中國工業(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)智能邊緣計算、工業(yè)智能化應用提供所需算力、數(shù)據(jù)、算法和模型，實現(xiàn)“云-邊-端”一體化融合智能計算（見圖1）。工業(yè)智算重點面向工業(yè)OT側(cè)產(chǎn)線優(yōu)化、設(shè)備運維、工控編程、生產(chǎn)制造多模態(tài)監(jiān)測等場景，強調(diào)強實時性、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等計算資源及網(wǎng)絡(luò)、傳感器作為整體協(xié)同設(shè)計與優(yōu)化，將計算密集任務下放至加速器，針對硬件進行量化與算子優(yōu)化，采用統(tǒng)一運行與實時調(diào)度以保障低延遲、高可靠性與能效，并結(jié)合硬件安全、軟件容錯與在線監(jiān)控實現(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)感知和計算，具備工廠內(nèi)部大規(guī)模、可移動的工業(yè)機器人協(xié)同作業(yè)能力，通過人工智能實現(xiàn)工業(yè)裝備智能化運動控制以提高生產(chǎn)靈活性和適應性，并通過工業(yè)協(xié)議自主可控為工業(yè)系統(tǒng)穩(wěn)定運行提供保障。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制，構(gòu)建起全鏈路協(xié)同體系，既 滿足終端對實時性和確定性的剛性要求，又發(fā)揮云端在全局 優(yōu)化與長期學習中的價值，為工業(yè)從“自動化”向“智能化”升級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，通過機器學習、深度學習、知識圖譜等人工智能技術(shù)，對工業(yè)生產(chǎn)過程中產(chǎn)生的多維度數(shù)據(jù)進行深度解析，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、裝備運維等特定場景，與工業(yè)機理深度耦合，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”分布式計算架構(gòu)，實現(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)智能實踐落地提供算力支撐（見圖2）。一是云端，部署大規(guī)模算力集群（如通用CPU、GPU/TPU及專用AI加速芯片），支持海量數(shù)據(jù)存儲與超大規(guī)模并行計算，支持復雜任務并行處理、統(tǒng)一調(diào)度與策略下發(fā)，以及持續(xù)模型訓練與價值沉淀等關(guān)鍵能力，為邊端與終端提供統(tǒng)籌化、長期化的算力與數(shù)據(jù)支持。二是邊緣計算，通常部署于工業(yè)園區(qū)、生產(chǎn)車間或廠區(qū)機房，硬件形態(tài)包括工業(yè)級邊緣服務器、邊緣網(wǎng)關(guān)與邊緣控制器，搭載中高性能工業(yè)級CPU及必要的加速模塊，算力規(guī)模覆蓋GB級至TB級，支持多任務并行與實時推理。其能力主要體現(xiàn)在本地化數(shù)據(jù)采集與預處理、邊緣推理與告警、本地控制回路的確定性響應以及與云端的有限協(xié)同調(diào)度，兼顧性能、可靠性與可維護性，滿足工業(yè)現(xiàn)場對時延、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)場景的直接5交互載體，承擔實時控制任務。硬件載體以智能工業(yè)設(shè)備為主，包括集成輕量化計算單元的數(shù)控機床、工業(yè)機器人、智能傳感器與邊緣儀表，常用低功耗工業(yè)級芯片，算力規(guī)模集中在KB級至GB級，面向?qū)崟r性優(yōu)先的輕量級計算與推理。（三）工業(yè)智算與通用智算區(qū)別車間等工業(yè)OT側(cè)，與工藝優(yōu)化、生產(chǎn)質(zhì)量管理、設(shè)備預測維護等場景緊密結(jié)合，實現(xiàn)工業(yè)系統(tǒng)的可持續(xù)、可預測、智能化運行，在時延、可靠性、抗干擾性、安全性等方面有更加嚴格要求。具體見表1。在應用領(lǐng)域方面，工業(yè)智算主要服務于智能工廠、物聯(lián)網(wǎng)等領(lǐng)域，重點解決生產(chǎn)過程中的數(shù)據(jù)采集、實時監(jiān)控、預測性維護、生產(chǎn)優(yōu)化等問題，需滿足不同環(huán)境條件下的作業(yè)需求，更強調(diào)算法的領(lǐng)域特異性，如針對工業(yè)時序數(shù)據(jù)的異常檢測與趨勢預測、基于物理約束的強化學習算法等情景。在算力需求方面，工業(yè)智算提供高并發(fā)、低延遲實時計算能力，需能夠處理來自現(xiàn)場設(shè)備和傳感器的動態(tài)數(shù)據(jù)流，建立高可靠性、低時延的閉環(huán)控制架構(gòu)。典型如工業(yè)以太網(wǎng)6支撐的實時控制系統(tǒng)，其網(wǎng)絡(luò)傳輸延遲需控制在微秒級，以滿足機器人精密裝配等場景的控制要求。在技術(shù)架構(gòu)方面，工業(yè)智算更強調(diào)邊緣計算與云計算協(xié)同，通過數(shù)據(jù)就近處理，降低時延和帶寬需求，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服務器等）、機架機柜、供配電系統(tǒng)等重資產(chǎn)基礎(chǔ)設(shè)施層面的需求，與科研計算、互聯(lián)網(wǎng)通用智算等場景高度趨同。二者的核心差異，集中體現(xiàn)在軟件棧的行業(yè)適配性與少量場景化專用設(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)、實時操作系統(tǒng)、工業(yè)機理融合大模型等，以滿足生產(chǎn)控制的低時延、高可靠要求?；诖?，采用“重資產(chǎn)基礎(chǔ)設(shè)施復用+場景化軟硬件按需配套”的建設(shè)模式，不僅能通過統(tǒng)一的算力底座保障工業(yè)場景對算力規(guī)模、實時響應與數(shù)據(jù)安全的核心訴求，更可從根本上避免基礎(chǔ)設(shè)施重復建設(shè)，大幅提升算力資源的整體利用率與投資回報率。二、美歐工業(yè)智算發(fā)展情況美國以“資本+技術(shù)”雙輪驅(qū)動，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，聚焦本土制造/能源等垂直場景，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，美國在算力領(lǐng)域遙遙領(lǐng)先，其接近七成的占比遠超其他國家和地區(qū)，呈現(xiàn)出顯著的領(lǐng)先優(yōu)勢。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主導地位；日韓加速追趕布局智算基礎(chǔ)設(shè)施，力爭縮小與全球頭部梯隊的差距。美國加強供應鏈自主可控，意圖鞏固其全球人工智能領(lǐng)導地位。2025年1月21日，美國總統(tǒng)特朗普宣布OpenAI、軟銀與甲骨文聯(lián)合啟動“星際之門（TheStargateProject）”項目，計劃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)邦人工智能應用：創(chuàng)新、治理與公眾信任》及《促進政府人工智能高效采購》兩份指導性文件，意圖最大化應用“美國制造”AI技術(shù)并強化AI供應鏈主權(quán)管控。2025年7月，美國發(fā)布《美國人工智能行動計劃》，11月，特朗普政府簽署“創(chuàng)世紀計劃”行政8令，將能源部17個國家實驗室的超級算力和海量科研數(shù)據(jù)整合，建立跨部門AI科研平臺，重點攻關(guān)包括先進制造在內(nèi)的六大領(lǐng)域。國家標準與技術(shù)研究院（NIST）2025年底宣布投入2000萬美元，與MITRE合作建立面向制造業(yè)的AI中心，加速AI技術(shù)在美國制造業(yè)中的應用；同時NIST在“制造業(yè)美國”框架下啟動了AI制造研究院競賽，聯(lián)邦政府承諾總投入達7000萬美元（五年期）。歐洲戰(zhàn)略路徑是通過大規(guī)模人工智能產(chǎn)業(yè)投資打造全鋪路。2025年2月11日，歐盟委員會主席馮德萊恩宣布啟動“投資人工智能”計劃，目標籌集2000億歐元用于人工智能投資，并專門設(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)量人才儲備和強大傳統(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)美國垂直整合，寡頭主導。在工業(yè)智算產(chǎn)業(yè)鏈方面，美國市場體現(xiàn)出顯著的垂直整合模式，由幾家行業(yè)巨頭企業(yè)主導，形成了以寡頭壟斷為特征的競爭態(tài)勢。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用和服務領(lǐng)域，實現(xiàn)了從研發(fā)、生產(chǎn)到銷售的全流程控制，在市場定價、技術(shù)標準和產(chǎn)業(yè)趨勢等方面擁有顯著的影響力。詳見表2。9爾存算一體/近存計算練微軟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/能源，端到端AI預測性維護，特reessenHorowitz歐盟區(qū)域合作、跨國協(xié)作。歐盟通過區(qū)域合作和跨國協(xié)作，共同推動技術(shù)的研發(fā)和應用，利用各成員國的優(yōu)勢資源，實現(xiàn)互補和協(xié)同創(chuàng)新。同時，歐盟成員國堅持各自的國家主權(quán)，在工業(yè)智算的發(fā)展中保持獨立決策權(quán)，并在產(chǎn)業(yè)鏈的各個環(huán)節(jié)中發(fā)揮核心作用。詳見表3。英飛凌、S8%（2025），RIS英飛凌AURIXTCpinnaker2EuroHPC座Gigafactories，芬蘭LUMIAI工廠，德國JulichHa開源/聯(lián)盟模型為障數(shù)據(jù)主權(quán)西門子MindSphere+AI質(zhì)量檢測，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“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)建百萬卡集群，探索AGI上限。谷歌TPUv5e提升推理能效，微軟“碳感知計算”降碳30%。芯片與架構(gòu)方面，存算一體/近存計算專利年均增40%，英偉達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），智能體推理提升復雜任務精度；MetaLlama4開放權(quán)重，搶占中小企業(yè)市場。能源與能效方面，算力中心“表后供電”（自備燃氣/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”，強化場景落地。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練；邊緣計算節(jié)點同比增75%，適配工業(yè)實時控制。芯片與架構(gòu)方面，RISC-V生態(tài)加速，英飛凌/ST推進異構(gòu)計算與近內(nèi)存計算；神經(jīng)擬態(tài)芯片（如BrainChip）適配低功耗工業(yè)場景，降低對高端GPU依賴。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，荷蘭冷存儲技術(shù)降低靜態(tài)功耗。（四）美歐工業(yè)智算發(fā)展對我國的啟示美國和歐盟在驅(qū)動模式、市場定位、技術(shù)路線和生態(tài)策略等方面的存在顯著差異（詳見表4），為我國工業(yè)智算發(fā)展提供了重要借鑒，可概括為“補短板、固長板、建生態(tài)、強治理”：短期以場景牽引、架構(gòu)創(chuàng)新為主，繞開高端芯片依賴；中期以鏈主牽頭、開源聯(lián)盟為主，構(gòu)建自主生態(tài)；長期以綠色算力、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，政府補貼（芯全球市場，追求技術(shù)壟斷一是技術(shù)路線從對標參數(shù)到場景優(yōu)先，走差異化突圍。在算力方面，繞開通用GPU正面競爭，聚焦邊緣低功耗、存算一體、近存計算等專用技術(shù)，用“系統(tǒng)級組網(wǎng)”（超節(jié)點互聯(lián)）彌補單芯片性能差距。同時，借鑒美國MoE架構(gòu)與歐盟聯(lián)邦學習經(jīng)驗，用“稀疏計算+邊緣協(xié)同”降低推理成本與數(shù)據(jù)合規(guī)風險，適配中小制造企業(yè)的碎片化算力需求。推進國產(chǎn)大模型輕量化與工業(yè)知識圖譜融合，解決小樣本、高可靠、低延遲等工業(yè)特有痛點，提升泛化能力與落地效率。在能效方面，參考美歐液冷/綠電實踐，將智算中心互補的綠色算力樞紐，降低對跨區(qū)輸電與化石能源的依賴。構(gòu)建“智算中心+邊緣節(jié)點+工業(yè)智能終端”三級算力網(wǎng)絡(luò)，滿足制造場景的實時控制與云端協(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“單點突破”到“全鏈協(xié)同”，筑牢安全可控底座。核心硬件方面，堅持自主可控、生態(tài)綁定，扶持昇騰、寒武紀、摩爾、沐曦等國產(chǎn)芯片，聯(lián)合浪潮、曙光等服務器廠商打造“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)，降低客戶遷移成本。在算法模型方面，堅持開源聯(lián)盟、行業(yè)定制，由鏈主牽頭，聯(lián)合科研機構(gòu)共建工業(yè)大模型開源平臺，聚焦汽車、電子、能源等垂直領(lǐng)域，用聯(lián)邦學習/隱私計算解決數(shù)據(jù)孤島與安全顧慮。在工業(yè)MindSphere經(jīng)驗，推動工業(yè)軟件與國產(chǎn)AI框架深度融合，開發(fā)低代碼/無代碼工具，降低中小企業(yè)接入門檻。在能效方面，堅持綠色低碳、自主供電，學習美國“表后供電”與歐盟液冷技術(shù)，在智算中心配套新能源和儲能，保障全時段穩(wěn)定供電；推進“碳感知計算”，將PUE納入算力調(diào)度指標。三是生態(tài)構(gòu)建從“企業(yè)單打”到“政產(chǎn)學研資”聯(lián)動，加速商業(yè)化落地。政策方面，借鑒美國“芯片法案”與歐盟“數(shù)字歐洲計劃”，設(shè)立專項基金（如大基金三期），對智算中心、國產(chǎn)芯片、工業(yè)大模型給予財政補貼、能耗指標傾斜與審批簡化。同時，引導產(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)，鼓勵龍頭企業(yè)開放研發(fā)平臺，帶動中小企業(yè)協(xié)同創(chuàng)新。在標準方面，參考歐盟開源聯(lián)盟模式，打造適配本土工業(yè)場景的開放計算架構(gòu)，兼容國內(nèi)外產(chǎn)品，降低開發(fā)門檻與適配成本；聯(lián)合制定邊緣計算、工業(yè)數(shù)據(jù)治理等國家標準，提升國際話語權(quán)。建立工業(yè)數(shù)據(jù)實驗室，提供數(shù)據(jù)清洗、合成、標注工具，打造高質(zhì)量數(shù)據(jù)集，支撐模型訓練與場景迭代。四是安全治理從“被動應對”到“主動布局”，據(jù)與算力安全。在數(shù)據(jù)治理方面，對標歐盟《AI法案》《數(shù)據(jù)法案》，建立工業(yè)數(shù)據(jù)分類分級、跨境流通與安全審查機制，用聯(lián)邦學習、隱私計算等技術(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“數(shù)據(jù)切換”試點，降低對海外云服務商的依賴，同時支持合規(guī)的國際數(shù)據(jù)合作。在算力安全方面，建立智算中心安全評估與應急響應體系，定期開展供應鏈風險排查與攻防演練，防范芯片后門、模型投毒等安全威脅。推進“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)務不被“卡脖子”。三、我國工業(yè)智算發(fā)展情況國產(chǎn)替代加速”的關(guān)鍵期，在制造、能源等場景落地加速，但仍面臨高端芯片依賴、生態(tài)適配不足等挑戰(zhàn)，算力基礎(chǔ)設(shè)政策層面，我國持續(xù)強化對工業(yè)智算和人工智能應用發(fā)展的系統(tǒng)性引導。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方案》明確提出要強化工業(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、超算中心融合應用，加快構(gòu)建全國一體化算力網(wǎng)絡(luò)，推動智算云服務試點在工業(yè)領(lǐng)域中應用推廣，強化工業(yè)大模型在算力跨區(qū)域高效調(diào)用、“云邊端”算力精準匹配等方面普及應用，提升工業(yè)智算供給能力和利用效率。2026年1月工信部《推動工業(yè)互聯(lián)網(wǎng)平臺高質(zhì)量發(fā)展行動方案（2026—2028年）》提出要推進人工智能賦能工業(yè)互聯(lián)網(wǎng)平臺，實施工業(yè)互聯(lián)網(wǎng)與人工智能融合賦能行動，推動人工智能技術(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，全國在用算力中心機架總規(guī)模1085萬標準機架，國家算力樞紐節(jié)點省市機架占比72.6%；“東數(shù)西算”推動西部綠色算力樞紐承接后臺訓練，東部樞紐聚焦低時延推理，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788EFLOPS，液冷技術(shù)滲透率達64%，平均PUE降至1.42，綠色低碳成為建設(shè)核心指標；城域“毫秒用算”專項行動推動算力中心互連時延<1ms、終端接入時延<10ms，打通工業(yè)場景“最后一公里”。（一）工業(yè)智算市場規(guī)模持續(xù)增長我國工業(yè)智算市場正處于規(guī)模與質(zhì)量雙升的高速增長期，2025年智算規(guī)模預計達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)推動工業(yè)智算需求持續(xù)增長隨著工業(yè)互聯(lián)網(wǎng)和5G技術(shù)的普及，我國工業(yè)互聯(lián)網(wǎng)已拓展至49個國民經(jīng)濟大類，實現(xiàn)41個工業(yè)大類全覆蓋，標識解析注冊量突破6500億個，連接工業(yè)設(shè)備超1億臺套3，生產(chǎn)設(shè)備、傳感器、質(zhì)量檢測系統(tǒng)等實時生成的數(shù)據(jù)量爆發(fā)式增長，為工業(yè)智算模型的訓練和優(yōu)化提供了豐富“數(shù)據(jù)燃料”。2024年我國工業(yè)大數(shù)據(jù)市場規(guī)模已突破1200億元，建成高質(zhì)量數(shù)據(jù)集超3.5萬個，總體量超400PB，覆蓋鋼鐵、石化、煤炭等重點行業(yè)5。工業(yè)數(shù)據(jù)爆發(fā)推動了工業(yè)大模型發(fā)展。我國目前已發(fā)布大模型1500余個6，培育并開源的人工智能大模型加速在電子、原材料、消費品等行業(yè)落地應用，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。中國寶武、中鋁集團、國家電網(wǎng)、中國聯(lián)通等相繼推出鋼鐵、有色金屬、電力、通信等行業(yè)專用模型，推動大模型與工業(yè)場景深度融合。工業(yè)大模型在產(chǎn)業(yè)領(lǐng)域的加速滲透推動工業(yè)智算需求增長。一方面，工業(yè)大模型的訓練和持續(xù)優(yōu)化催生海量智算需求，推動云服務商和智算中心持續(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用門檻，通過集成行業(yè)知識經(jīng)驗構(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，通過輕量化微調(diào)4數(shù)據(jù)來源：IIM信息，全球及中國工業(yè)大數(shù)據(jù)行業(yè)深度發(fā)展研究報告(IIM信息2025J8K9L)5數(shù)據(jù)來源：工業(yè)和信息化部黨組書記、部長李樂成：加快推進人工智能賦能新和提示詞優(yōu)化等便捷方式，快速部署實現(xiàn)高精度缺陷檢測、智能生產(chǎn)排程、能效綜合優(yōu)化等功能的人工智能應用，顯著拓展了智能算力服務的需求覆蓋面，推動應用主體從少數(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)延伸推動工業(yè)智算需求增長隨著工業(yè)企業(yè)的數(shù)智化轉(zhuǎn)型從早期試點探索延伸至OT側(cè)，IT與OT深度融合，企業(yè)通過部署邊緣智能，將智能決策嵌入生產(chǎn)控制、設(shè)備運維、質(zhì)量管控等OT核心環(huán)節(jié)，推動工業(yè)智算需求增長。據(jù)IDC數(shù)據(jù)顯示，2024年下半年，中國智算基礎(chǔ)設(shè)施服務整體市場同比增長高達57.7%，其中面向生成式AI場景的IaaS市場同比增長165.2%，市場規(guī)模達87.4億元7。工業(yè)企業(yè)正加快推進生成式人工智能技術(shù)在自動化內(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)的部署應用，以構(gòu)建全球競爭中的成本與效率優(yōu)勢。（二）工業(yè)智算產(chǎn)業(yè)鏈國產(chǎn)替代加速我國工業(yè)智算產(chǎn)業(yè)鏈已形成“上游硬件－中游平臺－下產(chǎn)替代+場景適配”為核心邏輯，2025年上游硬件國產(chǎn)化率達42%，中游平臺算力調(diào)度效率提升至90%，下游工業(yè)場景滲透率突破30%，生態(tài)政策與標準加速完善。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)來源：國際數(shù)據(jù)公司（IDC）發(fā)布《中國智算基礎(chǔ)技等企業(yè)加速產(chǎn)品迭代，推動硬件配套技術(shù)突破。液冷散熱方面，英維克冷板式液冷系統(tǒng)支持單機柜功率密度達24kW，年減碳量超萬噸；高效電源領(lǐng)域，中恒電氣、科華數(shù)據(jù)主導的270VHVDC方案替代傳統(tǒng)UPS，效率提升至98%，銅用量減少70%，江海股份超級電容實現(xiàn)毫秒級響應，解決備電切換痛點，為上游硬件穩(wěn)定運行提供支撐。網(wǎng)絡(luò)與存儲硬件方面，國產(chǎn)交換機占據(jù)國內(nèi)市場主導地位，新華三發(fā)布800G國芯智算交換機，支持10萬卡集群組網(wǎng)，800G及更高速率交換機逐步推廣；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)，國產(chǎn)化率超70%；高效Xtacking4.0顆粒，性能較國際競品提升60%。詳見表6。訓練芯片、推理國產(chǎn)芯片在工業(yè)邊緣低功耗、工業(yè)實時控制、大器超節(jié)點集群、液+整機+存儲”單機算力提升至PF級，液冷滲透工業(yè)大模型訓練、超節(jié)點互聯(lián)彌補單芯片性能D、400G/800G光模塊、高速交工業(yè)數(shù)據(jù)低延遲讀寫、跨區(qū)域算智算中心全時段穩(wěn)定供電，降低2．智算成為服務模式創(chuàng)新關(guān)鍵中游負責算力整合、模型開發(fā)與系統(tǒng)集成，核心是“調(diào)度提效+模型輕量化+開源協(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)密集導致智算需求集中，且市場傾向投建中型智算中心。據(jù)統(tǒng)計，大于1000P大型智算中心占比20%，分布于京津冀、長三角、珠三角，服務AI大模型、自動駕駛等領(lǐng)域；300-1000P中型智算中心占比70%，落地于一線、新一線及二線城市，支撐產(chǎn)業(yè)集群需求；小于100P小型智算中心占比10%，布局于二線及以下城市，服務企業(yè)智能化建設(shè)。同時，服務模式持續(xù)創(chuàng)新，上海智算中心整合500余個國產(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”實現(xiàn)算力動態(tài)調(diào)度與按使用付費，助力中小制造企業(yè)算力成本降低35%，進一步激活中游服務市場活力。詳見表7。跨地域異構(gòu)算超節(jié)點調(diào)度系適配工業(yè)實時控制盤古工業(yè)大模覆蓋質(zhì)檢、預測性字智能融合方降低中小企業(yè)接入門檻，適配碎片化保障工業(yè)智算穩(wěn)定運行，防范模型投3．智算向多行業(yè)應用場景滲透下游應用層深度滲透多行業(yè)，覆蓋制造全流程，核心是“標桿引領(lǐng)+中小企業(yè)普惠”，場景化價值持續(xù)釋放。工業(yè)智算在汽車、電子、能源、裝備制造等領(lǐng)域廣泛應用，如汽車制造領(lǐng)域，生產(chǎn)線通過AI芯片與智能算法實現(xiàn)外觀缺陷自動檢測，識別微小劃痕、凹陷或焊接缺陷；自動駕駛領(lǐng)域，高性能GPU與AI芯片支撐毫秒級決策，處理車載傳感器海量數(shù)據(jù)。此外，能源行業(yè)依托“新能源智算平臺”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)域通過邊緣智算節(jié)點實現(xiàn)高頻數(shù)據(jù)實時處理，不良品率下降25%，切實推動下游行業(yè)生產(chǎn)效率與質(zhì)量雙提升。詳見表8。工藝仿真、廣汽多模態(tài)智能質(zhì)檢、廠5G+數(shù)智工廠視覺大模型輕調(diào)度、設(shè)備優(yōu)化風電預測邊緣低延遲+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)實租賃云端算力、輕量化樹根互聯(lián)平臺碎片化、低門（三）工業(yè)場景智算適配技術(shù)持續(xù)完善1．算力架構(gòu)系統(tǒng)創(chuàng)新，滿足工業(yè)場景訓推一體需求“超節(jié)點+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，精準適配工業(yè)智算場景中模型訓練與推理部署一體化的核心需求。超節(jié)點架構(gòu)。采用總線級互聯(lián)與極簡架構(gòu)，將多臺服務器整合為邏輯統(tǒng)一的高性能計算單元，有效提升集群算力密度與協(xié)同效率；浪潮元腦超節(jié)點方案已實現(xiàn)規(guī)?；瘧?，可使工業(yè)大模型訓練效率提升35%，推理成本降低50%。算力調(diào)度體系。國家超算互聯(lián)網(wǎng)接入30余個骨干節(jié)點，構(gòu)建全國一體化算力網(wǎng)絡(luò)；中國電信“息壤”、華為云等平 臺具備跨地域異構(gòu)算力統(tǒng)一調(diào)度能力，調(diào)度效率達90%，通 過標準化算力度量與自動化編排，為工業(yè)企業(yè)提供“水電級”便捷算力服務。城域毫秒用算。通過“城域毫秒用算”專項行動，推動城域內(nèi)算力中心互連時延降至1ms以內(nèi)、終端接入時延低于10ms，打通工業(yè)智算場景落地的“最后一公里”；依托算網(wǎng)大腦的動態(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)同與邊緣計算，打通工業(yè)“最后一公里”“5G+確定性網(wǎng)絡(luò)+邊緣節(jié)點協(xié)同”一體化技術(shù)，打通工業(yè)“最后一公里”，全面滿足工業(yè)領(lǐng)域?qū)Φ蜁r延實時控制與高算力深度分析的雙重需求。算網(wǎng)融合。通過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)傳輸端到端時延控制在5ms以內(nèi)，有效支撐視覺質(zhì)檢、預測性維護等實時性工業(yè)應用場景的穩(wěn)定運行。邊云協(xié)同。明確邊緣與云端的算力分工，邊緣節(jié)點聚焦實時控制、輕量化模型推理等低時延任務，云端負責大數(shù)據(jù)分析、工業(yè)大模型訓練等高算力任務。華為云、聯(lián)通云等邊端協(xié)同方案已實現(xiàn)規(guī)?；瘧?，可助力企業(yè)設(shè)備故障停機率降低40%。工業(yè)智聯(lián)。依托卡奧斯、樹根互聯(lián)等工業(yè)互聯(lián)網(wǎng)平臺，完成百萬級工業(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，推動國產(chǎn)工業(yè)智算框架適配在政務領(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，訓練效率提升40%，開發(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，可滿足工業(yè)質(zhì)檢、設(shè)備預測性維護等場景的端到端開發(fā)需求；海光DTK平臺兼容CUDA設(shè)計，實現(xiàn)應用低成本遷移，某電子制造企業(yè)基于該平臺將原有GPU推理任務遷移至海光深算支持工業(yè)級場景適配，實現(xiàn)國產(chǎn)GPU軟件生態(tài)自主可控，精準支撐工業(yè)智算、AI訓推、科學計算等核心場景；沐曦MXMACA能達成95%以上的CUDAAPI兼容性，助力用戶近乎零成本遷移，進一步推動國產(chǎn)工業(yè)智算適配框架的規(guī)?；瘧?。（四）工業(yè)智算行業(yè)滲透加速工業(yè)智算正推動制造業(yè)從“經(jīng)驗驅(qū)動”轉(zhuǎn)型升級為“數(shù)據(jù)智能驅(qū)動”，不斷打破傳統(tǒng)工業(yè)的物理邊界和信息壁壘，推動數(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，基于機器視覺的人工智能檢測系統(tǒng)加快規(guī)?；瘧茫鸩教娲鷤鹘y(tǒng)人工檢測模式。通過依賴邊緣計算和高性能GPU提供的強大實時推理算力，人工智能檢測系統(tǒng)能夠在毫秒級時間內(nèi)對產(chǎn)品缺陷、零部件錯位、焊縫質(zhì)量等進行微米級的精準判斷。同時，依托智能算力，機器人和自動化設(shè)備實現(xiàn)了從“機械執(zhí)行”到“智能協(xié)作”的升級。截至2024年7月，我國工業(yè)機器人裝機量占全球比重超過50%，在役工業(yè)機器人存量已突破200萬臺，居全球首位8。2024年我國工業(yè)機器人新安裝數(shù)量達29.5萬臺，創(chuàng)歷史年度新高，占全球新安裝量的54%9。這些機器人系統(tǒng)基于高性能算力平臺和深度強化學習模型，能夠?qū)崿F(xiàn)復雜的運動控制和柔性操作，精準適應小批量、定制化的生產(chǎn)需求，顯著增強生產(chǎn)線的靈活性與整體運行效能。2．工業(yè)智算推動產(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行高保真、多物理場的仿真驗證、復雜系統(tǒng)的參數(shù)尋優(yōu)和大規(guī)模虛擬測試，大幅減少了實物模型和實驗的次數(shù)與成本。這種基于數(shù)據(jù)的智能設(shè)計模式，正在加速工業(yè)知識的沉淀與復用。例如，在航空航天、汽車和新能源領(lǐng)域，人工智能能夠通過分析海量歷史設(shè)計數(shù)據(jù)、材料特性及運行工況，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)計方案。通過將人工智能融入CAD/CAE/CAM工具鏈，制造業(yè)能夠?qū)崿F(xiàn)從“經(jīng)驗驅(qū)動”向“數(shù)據(jù)驅(qū)動”轉(zhuǎn)變，不僅提高了設(shè)計的效率和質(zhì)量，更使我國制造業(yè)能夠更快響應市場變化、滿足個性化需求，從而真正提升了其在全球創(chuàng)新價值鏈中的核心競爭力。3．典型行業(yè)案例汽車制造行業(yè)：工業(yè)智算加速應用智能化，提升了生產(chǎn)線的柔性和質(zhì)量檢測的精準度。依托邊緣高算力人工智能視覺系統(tǒng)，實現(xiàn)對車身焊縫、涂裝缺陷、關(guān)鍵零部件裝配偏差的微米級、全覆蓋、高速檢測，例如，奧迪在中國工廠部署了用于點焊質(zhì)量控制的人工智能系統(tǒng)，實現(xiàn)了對每班高達150萬個焊點的全量分析10，使質(zhì)量控制模式從傳統(tǒng)的人工抽檢升級為系統(tǒng)自動識別、員工專注處理異常的智能化新范式；思謀科技為中國中車提供的軌交無損探傷“磁粉探傷智能檢測一體機+智能化磁痕視覺檢測系統(tǒng)”解決方案，實現(xiàn)了對焊縫亞毫米級缺陷的精準捕捉與識別，將老師傅的“隱性經(jīng)驗”固化為可復用的算法模型，檢測效率顯著提升。智能算力支持下的深度強化學習被用于優(yōu)化復雜的協(xié)作機器人（Cobots）運動路徑，實現(xiàn)了高度柔性制造，而利用云端HPC集群進行整車級仿真和電池熱管理優(yōu)化，則大幅縮短了研發(fā)周期。例如吉利汽車構(gòu)建的星睿智算中心，基于其智能仿真平臺提供了高達3.54PFlops的雙精度算力，已累計完成超1.2萬次全場景虛擬碰撞試驗，將研發(fā)仿真計算效10數(shù)據(jù)來源：中國汽車趨勢網(wǎng)，奧迪將人工智能引入生產(chǎn)線實現(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)，人工智能算法通過分析高分辨率圖像，能夠快速識別傳統(tǒng)檢測手段難以發(fā)現(xiàn)的細微、不規(guī)則缺陷。例如，上海感圖科技推出的“明鑒者”AI檢測機器人，基于自研GTDroid底層框架，可實現(xiàn)高端電路板及SMT全流程的智能缺陷檢測與良率管理。該設(shè)備通過高分辨率圖像采集與深度學習算法融合，能精準識別PCB板線路微短、SMT貼裝偏移、焊錫空洞等細微缺陷，檢出率超99.99%，相較于人工檢測效率提升10倍以上，且檢測標準統(tǒng)一，有效解決了傳統(tǒng)人工檢測主觀依賴性強、極限精度不足的行業(yè)痛點。同時，依托智能算力對設(shè)備傳感器采集的海量時序數(shù)據(jù)進行實時分析，該系統(tǒng)可精準預測貼片機、回流焊爐等關(guān)鍵設(shè)備的剩余使用壽命（RUL實現(xiàn)全流程預測性維護（PdM），將產(chǎn)線非計劃停機時間降至最低，已在全球高端電路板細分行業(yè)頭部客戶實現(xiàn)規(guī)?；涞貞?。在電池制造環(huán)節(jié)，先導智能自主研發(fā)的“基于多模態(tài)大模型的人工智能預測性維護系統(tǒng)”，通過深度融合設(shè)備時序數(shù)據(jù)、視覺圖像與文本日志等多源異構(gòu)信息，與獨有的時空特征對齊與跨模態(tài)注意力機制，實現(xiàn)預警窗口提前至故障發(fā)生前7～15天，故障預測準確率較傳統(tǒng)方法提升逾25%12。系統(tǒng)的核心技術(shù)優(yōu)勢在于，它將電機熱力學、軸承動力學等物理模型嵌入人工智能訓練過程，破解了工業(yè)現(xiàn)場對人工智能“黑11數(shù)據(jù)來源：中國機器視覺網(wǎng)，思謀攜手中車發(fā)布箱”決策的信任難題，實現(xiàn)了可解釋、可信賴的故障診斷。能源行業(yè)：智能算力需求主要集中在系統(tǒng)級的優(yōu)化調(diào)度和設(shè)備安全方面，在強大的智能算力支持下，人工智能模型能夠融合氣象、負荷、發(fā)電等多維度數(shù)據(jù)，實現(xiàn)電力負荷的超短期精準預測，優(yōu)化風電、光伏等分布式能源的并網(wǎng)調(diào)度。甘肅酒泉風電基地通過部署智能算法，實時分析風速預測數(shù)據(jù)與電網(wǎng)負荷需求，動態(tài)調(diào)整儲能系統(tǒng)充放電策略，實現(xiàn)風電并網(wǎng)穩(wěn)定性提升40%，儲能設(shè)備使用壽命延長25%13。航空航天行業(yè)：工業(yè)智算依托高性能計算集群與人工智能技術(shù)，推動從研發(fā)設(shè)計到在軌健康管理實現(xiàn)全流程賦能。以中國商飛與西北工業(yè)大學聯(lián)合研發(fā)實踐為例，在飛行器核心結(jié)構(gòu)設(shè)計環(huán)節(jié)，雙方通過AI驅(qū)動的拓撲優(yōu)化與生成式設(shè)計技術(shù)，實現(xiàn)了復雜構(gòu)件的性能與輕量化雙重突破。中國商飛上海飛機設(shè)計研究院聯(lián)合上海人工智能創(chuàng)新中心開發(fā)的FuncGenFoil翼型生成模型，基于神經(jīng)算子與流匹配技術(shù)，將民用客機超臨界翼型建模為連續(xù)函數(shù)，可生成無限分辨率的光滑翼型結(jié)構(gòu)，設(shè)計誤差較前沿方法降低74.4%，多樣性驗證輪次減少50%，大幅降低研發(fā)算力成本。而郭旭院士團隊研發(fā)的自主拓撲優(yōu)化技術(shù)，成功應用于“祝融號”火星車設(shè)備板研制，通過獨創(chuàng)算法實現(xiàn)結(jié)構(gòu)減重50%以上，同時顯著提升承載效率，相關(guān)成果已延伸至新一代載人飛船等重大裝備。小結(jié)：盡管我國工業(yè)智算產(chǎn)業(yè)已實現(xiàn)規(guī)?；黄?，在算力基礎(chǔ)設(shè)施、行業(yè)應用落地等領(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)展的視角來看，仍面臨三大核心瓶頸亟待突破：一是高端芯片對外依賴度較高。國產(chǎn)AI芯片在單精度浮點運算性能、軟硬件生態(tài)適配成熟度等關(guān)鍵指標上，與英偉達等國際頭部企業(yè)產(chǎn)品仍存在明顯差距，直接導致工業(yè)大模型訓練環(huán)節(jié)的算力成本居高不下，制約了技術(shù)的普惠化應二是工業(yè)大模型泛化能力不足。現(xiàn)有工業(yè)大模型普遍存在小樣本學習能力弱、跨場景遷移難度大的問題，面對制造業(yè)離散化、定制化的碎片化應用場景，模型的適配周期長、優(yōu)化成本高，難以快速釋放智算價值。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)一標準，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，中小企業(yè)受制于技術(shù)儲備不足、資金投入有限等因素，在工業(yè)智算轉(zhuǎn)型中面臨“不會轉(zhuǎn)、不能轉(zhuǎn)、不敢針對上述瓶頸，我國工業(yè)智算需從技術(shù)、生態(tài)、場景三大維度協(xié)同發(fā)力，構(gòu)建可持續(xù)的突破路徑：技術(shù)方面，短期通過架構(gòu)創(chuàng)新實現(xiàn)“軟突破”，重點推進MoE（混合專家）架構(gòu)、稀疏計算、聯(lián)邦學習等技術(shù)的規(guī)?；瘧?，以系統(tǒng)級優(yōu)化降低對高端通用芯片的性能依賴；長期則聚焦核心技術(shù)實現(xiàn)“硬突破”，全力攻關(guān)Chiplet、存算一體、近存計算等前沿方向，持續(xù)提升國產(chǎn)芯片的單芯能效與集群互聯(lián)帶寬，夯實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)合科研機構(gòu)、行業(yè)協(xié)會等多方