工业智算发展研究报告（2025年）

目录 引言.........................................................................................................1 （一）工业智算定义.......................................................................................2（二）工业智算是工业智能的“骨架”.......................................................3（三）工业智算与通用智算区别...................................................................5 二、美欧工业智算发展情况...................................................................6 （一）美欧持续加码算力基础设施布局.......................................................6（二）美欧工业智算产业链已形成完整闭环...............................................8（三）美欧工业智算技术发展各有自身特色.............................................10（四）美欧工业智算发展对我国的启示.....................................................11 三、我国工业智算发展情况.................................................................14 1．工业数据爆发推动工业智算需求持续增长................................162．工业数智化向OT侧延伸推动工业智算需求增长.....................17 （二）工业智算产业链国产替代加速.........................................................17 1．核心硬件自主可控加速突破........................................................172．智算成为服务模式创新关键........................................................193．智算向多行业应用场景渗透........................................................20 （三）工业场景智算适配技术持续完善.....................................................21 1．算力架构系统创新，满足工业场景训推一体需求....................212．算网协同与边缘计算，打通工业“最后一公里”....................223．软件生态持续完善，推动国产工业智算框架适配....................23 1．工业智算加速行业关键流程重塑................................................242．工业智算推动产品创新周期缩短................................................243．典型行业案例................................................................................25 四、工业智算未来发展趋势.................................................................29 （一）算力网络从“分布式布局”到“毫秒级全域协同”.....................29（二）工业智能体成为产业升级“超级大脑”.........................................30（三）“硬创新+软优化”技术融合双轮驱动自主突破.......................30（四）生态从“单点突围”到“国产协同作战”.....................................31（五）场景应用从“头部试点”到“全行业深度渗透”.........................31 特别声明 本报告是由中国工业互联网研究院工业互联网大数据技术工信部重点实验室工业智算研究中心完成的系列研究报告之一。如果需要转载，须事先征得中国工业互联网研究院同意并注明“转载自中国工业互联网研究院”字样。 执笔人：王长青、曹崧梓、李瑞、岳姝言、武晓燕、乔奇超、姜元、许莉新、白冰、徐迎辉、鲍月华、门小棠、姜宜、李铮、耿冬柏、李红星、杜栋栋、李昊巍、史劼、陈杰浩作者单位：中国工业互联网研究院、光子算数（南京）科技有限公司、北京光辉世联科技有限公司、热数锦程（北京）科技有限公司、江苏悟空智算数字科技有限公司、杭州曦望芯科智能科技有限公司、联想（北京）有限公司、北京信创天合科技有限公司 协助单位（排名不分先后）： 中国电信股份有限公司宁夏分公司、广西北投信创科技投资集团有限公司、杭州疆来能源科技有限公司、北京城建智控科技股份有限公司、重庆机电智能制造有限公司、上海壁仞科技股份有限公司、上海天数智芯半导体股份有限公司、宁夏工业和信息化研究院有限公司、青岛兮易信息技术有限公司、北京世纪互联宽带数据中心有限公司、矩质算能（上海）科技有限公司、厦门华和霖精密工业有限公司、梯度科技股份有限公司、北京万旺科技有限公司、中冶美利云产业投资股份有限公司、超云数字技术集团有限公司、北京矩量无限科技有限公司、北京云网互科技有限公司、北京云湃智算科技有限公司、海力算（北京）科技有限公司、万兴科技集团股份有限公司、中诚力锘（北京）数字化科技集团有限公司 引言 人工智能引领新一轮科技革命和产业变革，正在重塑全球经济格局，十年内将推动全球经济规模增长15%1，2035年将为我国GDP贡献11万亿2。2025年，政府工作报告指出“持续推进‘人工智能+’行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用”。《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》指出要实施工业互联网创新发展工程，加快人工智能等数智技术创新，突破基础理论和核心技术，强化算力、算法、数据等高效供给。在工业领域，人工智能与工业机理深度融合，催生工业智能，未来将贯穿于工业设计、生产、管理、服务等各环节，成为新型工业化的重要载体，进一步重构“数据－算力－算法”要素体系，助力工业智算产业全面蓬勃发展。 本报告系统分析了工业智算在产业、技术、市场、生态等方面的新特点、新变化，研判其发展趋势，为我国工业智算产业发展、市场洞察、技术创新以及生态建设等提供参考启示。 一、工业智算发展内涵 （一）工业智算定义 随着多模态大模型的快速发展，我国智算规模高速增长，能效水平持续优化，多元算力布局逐步完善，多样性算力深化发展。2024年11月，在由中国工业互联网研究院召开的首届工业智算产业发展研讨会上，中国工业互联网研究院首次提出工业智算定义。工业智算是指通过使用大规模异构算力资源（CPU、GPU、DPU、NPU、FPGA、ASIC等），为工业智能终端、工业网络智能控制、工业智能边缘计算、工业智能化应用提供所需算力、数据、算法和模型，实现“云-边-端”一体化融合智能计算（见图1）。 工业智算重点面向工业OT侧产线优化、设备运维、工控编程、生产制造多模态监测等场景，强调强实时性、高可靠性和高适配性，具有以下技术特征： 一是软硬件协同。将算法与CPU、GPU、NPU、DPU、FPGA等计算资源及网络、传感器作为整体协同设计与优化，将计算密集任务下放至加速器，针对硬件进行量化与算子优化，采用统一运行与实时调度以保障低延迟、高可靠性与能效，并结合硬件安全、软件容错与在线监控实现闭环迭代。 二是新型工业网络。新型工业网络支持多模态全量工业数据感知和计算，具备工厂内部大规模、可移动的工业机器人协同作业能力，通过人工智能实现工业装备智能化运动控制以提高生产灵活性和适应性，并通过工业协议自主可控为工业系统稳定运行提供保障。 三是云边端一体化协同。云边端协同技术依托数据流转、算力调度与模型迭代三大机制，构建起全链路协同体系，既满足终端对实时性和确定性的刚性要求，又发挥云端在全局优化与长期学习中的价值，为工业从“自动化”向“智能化”升级提供了可落地的架构范式。 （二）工业智算是工业智能的“骨架” 工业智能作为人工智能与工业工程深度融合的产物，通过机器学习、深度学习、知识图谱等人工智能技术，对工业生产过程中产生的多维度数据进行深度解析，构建具备自感知、自决策、自执行能力的智能系统，是新型工业化的重要载体。工业智能通常聚焦于工业制造、能源化工、装备运维等特定场景，与工业机理深度耦合，构建“感知—决策—执行—反馈”的完整控制逻辑，重塑传统工业的全要素生产率和创新能力，提升工业生产质量、效率、安全性和可持续性。 工业智算则是工业智能的“骨架”，基于“云-边-端”分布式计算架构，实现智算在云侧、边缘侧与端侧之间的按需协同，为工业智能实践落地提供算力支撑（见图2）。 一是云端，部署大规模算力集群（如通用CPU、GPU/TPU及专用AI加速芯片），支持海量数据存储与超大规模并行计算，支持复杂任务并行处理、统一调度与策略下发，以及持续模型训练与价值沉淀等关键能力，为边端与终端提供统筹化、长期化的算力与数据支持。 二是边缘计算，通常部署于工业园区、生产车间或厂区机房，硬件形态包括工业级边缘服务器、边缘网关与边缘控制器，搭载中高性能工业级CPU及必要的加速模块，算力规模覆盖GB级至TB级，支持多任务并行与实时推理。其能力主要体现在本地化数据采集与预处理、边缘推理与告警、本地控制回路的确定性响应以及与云端的有限协同调度，兼顾性能、可靠性与可维护性，满足工业现场对时延、带宽与可用性的苛刻要求。 三是端侧，端侧智能设备是算力与工业生产场景的直接 交互载体，承担实时控制任务。硬件载体以智能工业设备为主，包括集成轻量化计算单元的数控机床、工业机器人、智能传感器与边缘仪表，常用低功耗工业级芯片，算力规模集中在KB级至GB级，面向实时性优先的轻量级计算与推理。 （三）工业智算与通用智算区别 与通用智算相比，工业智算重点应用在工业设备、产线、车间等工业OT侧，与工艺优化、生产质量管理、设备预测维护等场景紧密结合，实现工业系统的可持续、可预测、智能化运行，在时延、可靠性、抗干扰性、安全性等方面有更加严格要求。具体见表1。 在应用领域方面，工业智算主要服务于智能工厂、物联网等领域，重点解决生产过程中的数据采集、实时监控、预测性维护、生产优化等问题，需满足不同环境条件下的作业需求，更强调算法的领域特异性，如针对工业时序数据的异常检测与趋势预测、基于物理约束的强化学习算法等情景。 在算力需求方面，工业智算提供高并发、低延迟实时计算能力，需能够处理来自现场设备和传感器的动态数据流，建立高可靠性、低时延的闭环控制架构。典型如工业以太网 支撑的实时控制系统，其网络传输延迟需控制在微秒级，以满足机器人精密装配等场景的控制要求。 在技术架构方面，工业智算更强调边缘计算与云计算协同，通过数据就近处理，降低时延和带宽需求，确保生产连续性与安全性。 小结：工业智算在通用硬件（如AI加速芯片、AI服务器等）、机架机柜、供配电系统等重资产基础设施层面的需求，与科研计算、互联网通用智算