Насколько ускорилось внедрение промышленного ИИ?

  • Материал ссылается на исследование IDC: доля китайских промышленных предприятий, использующих большие модели и ИИ-агентов, выросла с 9,6% в 2024 году до 47,5% в 2025 году, увеличившись за год на 37.9 процентного пункта. Это изменение смещает фокус исследования на вопрос о том, какие платформы способны удовлетворить спрос, возникающий при расширении корпоративных приложений.
  • Китайская академия информационных и коммуникационных технологий ожидает, что в ближайшие три года проникновение передового промышленного ИИ достигнет 60%. Этот прогноз основан на ином показателе, чем «доля использования больших моделей и ИИ-агентов» IDC, а его охват также ограничен определением «передовой»; поэтому не следует напрямую объединять эти показатели в кривую проникновения для всей отрасли.

Почему организации положительно оценивают существующие платформы промышленного интернета?

  • Чэнь Ханьбо из China Post Securities считает, что собранные платформами на раннем этапе данные, разработанные модели, отраслевые знания и экосистема создают преимущество первопроходца. Бизнес-логика состоит в том, что промышленный ИИ должен соответствовать конкретным производственным сценариям, а имеющиеся наработки платформ могут стать основой для разработки качественных наборов данных, больших промышленных моделей и промышленных ИИ-агентов.
  • Государственная политика также побуждает платформы переходить от расширения подключений к повышению возможностей. План действий по содействию качественному развитию платформ промышленного интернета на 2026–2028 годы предусматривает, что к 2028 году число влиятельных платформ превысит 450, число подключенных единиц или комплектов промышленного оборудования превысит 120 млн, а уровень распространения платформ составит более 55%; одновременно будут укрепляться интеллектуальные возможности и накапливаться данные и модели.
  • Пути применения различаются по сценариям: дискриминативный ИИ распространяется на этапах с четкими правилами, таких как управление производством и выявление рисков; применение генеративного ИИ изучается на сложных этапах, таких как оптимизация технологических процессов и проектирование решений. Затем платформы поддерживают координацию нескольких агентов с помощью протоколов их взаимодействия, поэтому ключ к удовлетворению спроса заключается в связи данных, моделей и производственных задач.

Как накопленные платформами ресурсы могут превратиться в реальные заводские приложения?

  • В Шэньчжэне был создан отраслевой альянс операционных систем промышленного интернета, что вывело на первый план вопрос межотраслевого и междоменного взаимодействия. Ли Цинсинь, научный сотрудник Шэньянского института автоматизации Китайской академии наук, отметил, что внедрение воплощенного интеллекта на заводах требует одновременно связать две цепочки бизнес-процессов — проектирование с производством и управление с контролем — и интегрировать людей, машины, материалы, технологические процессы и среду.
  • Это означает, что барьеры внедрения также включают проектирование между доменами и платформами, надежное выполнение задач, согласованность при переносе моделей и совместимость с различным оборудованием. Накопление моделей и данных — лишь отправная точка; способность систем связывать бизнес-процессы и адаптироваться к оборудованию напрямую ограничивает расширение применения.
  • Упомянутая в материале Yonyou Jingzhi четыре года подряд включалась Министерством промышленности и информатизации Китая в число платформ промышленного интернета, охватывающих разные отрасли и области. Она обслуживает 2,44 млн предприятий, подключает 1,39 млн единиц или комплектов промышленного оборудования и объединяет 22 тыс. промышленных приложений и 2476 моделей промышленных механизмов. Эти имеющиеся ресурсы соответствуют основе платформы, которую ценит China Post Securities; их превращение в конкурентное преимущество по-прежнему зависит от создания качественных наборов данных, больших моделей и ИИ-агентов.