当前，全球制造业正经历以人工智能为核心驱动力的深刻变革。国家相继出台《工业互联网和人工智能融合赋能行动方案》《“人工智能+制造”专项行动实施意见》等政策，构建起从智能工厂四级培育体系到AI应用场景全面渗透的创新格局，推出了领航级智能工厂15家、卓越级500余家、先进级8000余家、基础级3.5万家。
国家智能制造专家委员会委员、中国电信集团二级首席专家张东
然而，工业AI的规模化落地仍面临传统网络架构与实时数据需求之间的鸿沟——高吞吐、低时延、高可靠的工业数据传输能力，已成为决定智能制造成败的关键瓶颈。6月30日，国家智能制造专家委员会委员、中国电信集团二级首席专家张东在工业互联网大会上以“以‘数’为擎：工业人工智能落地的实时数据底座时效性实践”为题发表演讲，系统阐述了工业AI落地的核心挑战与系统性解决方案。他表示，工业AI的落地，数据是基础，时效性是关键。不具备实时性的数据底座，再先进的算法也无法在制造现场产生价值。真正意义上的智能制造，必须建立在‘数据采集毫秒级、数据处理实时化、数据服务就近化’的基础之上。
应用场景：AI驱动的制造业全面变革
在政策引导与技术突破的双重作用下，人工智能对制造业的渗透已从试点走向规模化落地。如在研发设计环节，AI辅助产品设计与智能仿真分析大幅缩短研发周期；生产管理领域，智能排程与调度、生产工艺优化、异常预警及PLC代码自动生成显著提升产线效率；在设备管理侧，故障诊断与预测性维护将非计划停机降至最低；在质量管控环节，AI驱动的缺陷检测与质量控制实现亚毫米级精度；供应链物流端，智能分拣、配送优化与动态库存管理释放巨大降本空间；在营销服务领域，智能推荐与智能客服赋能差异化客户体验。
以纺织、电子、汽车等离散制造行业为代表，AI结合机器视觉、数字孪生、工业机器人等技术，正在重塑传统生产范式。
张东指出，工业AI的价值不在于替代人工，而在于构建实时感知、自主决策、精准执行的新一代制造体系。这一判断揭示了工业AI与传统信息化升级的本质差异——前者以数据流驱动业务流，后者以流程固化为主。
数据底座：智能制造对时效性的极致要求
高价值的AI应用背后，是对数据底座时效性的苛刻要求。张东在演讲中以一组参数揭示了工业场景的真实需求：3D机器视觉+AI质检单路带宽达1250Mbps，时延需低于1毫秒，丢包率低于10⁻⁷；数控精准控制要求亚毫秒级时延与99.999%的可靠性；工业全幅相机、数字孪生、工业总线等典型应用的性能指标，均超越传统网络架构的承载能力。
传统DCS、集中式SCADA与IT采集架构在工业级高并发、高可靠场景下也暴露出三大结构性缺陷：封闭专用、扩展能力不足；集中部署、单点故障风险突出；静态配置、缺乏动态感知与智能调度能力。
架构突破：分布式工业大数据采集与智能传输
面对传统架构的局限性，张东及其团队基于大规模工业场景需求，构建了“分布式、虚拟化、无单点故障、秒级切换”的工业大数据采集与智能传输架构，并在纺织行业某标杆工厂——“ZAJT未来工厂”实现落地。据悉，该工厂拥有1400台PLC、57.3万个数据点位，要求秒级采集700万条/秒的数据流量，一旦中断1秒将造成30万元损失。传统DCS、SCADA与IT采集架构均无法满足此类极端需求。
据张东介绍，新架构包含五大核心技术路径：首先，以工业PON替换传统三层交换机，从物理层压缩数据传输时延；其次，所有采集、数据、消息、数据库服务均采用虚拟机部署，实现跨物理服务器的动态调度；第三，多网口冗余、负载均衡与虚拟环网结合，构建全链路无单点、不中断的通信能力；第四，全链路采用多机集群、互为备份、流量分摊机制，故障切换在秒级完成；第五，设备故障、链路中断、流量拥堵均实现自动感知与自适应绕行。这套架构成功支撑了全流程数据从设备层到应用层的高可靠、低时延、高并发传输，实现了IT与OT的深度融合。
价值链贯通：从设备数据到制造智能
数据底座之上，张东展示了“贯穿IT与OT间的数据融合创新”架构。该架构以数据应用为核心，按分类、分层、分级方式组织存储与处理能力，面向业务场景就近提供实时数据服务。底层为设备与PLC，通过OPC UA等工业协议与SEC-Titan集群、IIOT服务实例集群连接；数据处理层部署时序数据库、实时数据库、关系型数据库及消息中间件集群，分别承担实时监控、阶段计算与日志记录；上层服务支撑预警模型、优化模型、分析模型及ERP、MES等第三方应用。
在纺织行业的实际落地中，AI替代人工巡检断纱，实现了“万米无疵布”的高品质目标；IOT平台实时采集全厂水、电、气、热、油及设备数据，为智能排产与能效优化提供基础；CPS虚实同步技术实现设备状态实时预警；5G+网络支撑AGV、RGV、吊挂系统等移动设备的协同运行。与此同时，企业通过协同服务层、企业运营层、现场管理层的全链路系统集成，形成多工厂生产、供应链、业务系统数据闭环管理，从“数据”到“制造智能”的价值通路由此贯通。
产业价值实现：从单点优化到精益智能运营
张东强调，工业AI的最终价值，体现在降本、提质、增效与模式创新四个维度。具体到指标层面，AI助力纺织企业单人操作织机从4-5台提升至10-12台，AI质检实现亚毫米级缺陷识别，设备预测性维护降低非计划停机70%以上。在更宏观的产业层面，多工厂数据集成实现订单、产能、库存、物流的全局智能调度；质量管理系统覆盖采购、生产、交付全链条可追溯；智能制造平台层成为企业精益运营的管控中枢。
前文提及的国内智能工厂的四级梯度体系印证了智能制造从数字化到智能化的演进趋势。
“当前制造业正从实体工厂向‘虚实融合’的孪生工厂演进，从经验驱动转向‘数据+模型’驱动，从局部柔性升级为全域可重构的柔性制造系统。当数据成为核心生产要素，从车间到决策层的每一个环节都能被实时感知、精准分析和智能优化，制造业才真正进入了工业新时代。”张东在演讲中总结道：“未来，工业AI的核心命题不是技术本身有多强大，而是数据底座能否支撑起智能制造的每一毫秒。”
- 数据驱动未来：工业人工智能落地的实时底座实践与产业价值 – 2026年7月1日
- 宝武钢铁：钢铁行业垂类大模型技术进化与实践 – 2026年7月1日
- 以更小尺寸提供更大内存：AMD正式发布第二代AMD Versal Premium MoP – 2026年7月1日