{"id":92576,"topic":"ai","source":"中国日报网","title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","url_hash":"3a1e99865c04d340e419f16d35ff23b095136036","author":"","summary":"工业AI加速融入实体经济 数据贯通与场景应用受关注 中国日报网","content":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","image_url":"https://img3.chinadaily.com.cn/images/202609/29/6abb6731e4b09a16728657eb.jpeg","lang":"zh","published_at":"2026-09-29T07:22:25+00:00","fetched_at":"2026-09-29T08:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}},"news_item":{"id":92576,"canonical_url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","source_url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","source_name":"中国日报网","author":null,"published_at":"2026-09-29T07:22:25+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"工业AI加速融入实体经济 数据贯通与场景应用受关注 中国日报网","full_text":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","excerpt":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1358 characters.","diagnostics_url":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","summary":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","source":"中国日报网","date":"2026-09-29T07:22:25+00:00","content":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1358 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/92576","export_markdown":"/api/items/92576/export?format=markdown","export_json":"/api/items/92576/export?format=json","diagnose":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html"},"formats":{"full":{"id":92576,"title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","source":"中国日报网","author":null,"published_at":"2026-09-29T07:22:25+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","full_text":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 1358 characters.","diagnostics_url":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}},"actions":{"read":"/item/92576","export_markdown":"/api/items/92576/export?format=markdown","export_json":"/api/items/92576/export?format=json","diagnose":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html"}},"digest":{"id":92576,"title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","source":"中国日报网","topic":"ai","published_at":"2026-09-29T07:22:25+00:00","excerpt":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。 2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。 在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 1358 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","subtitle":"中国日报网 · 2026-09-29","summary":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。 2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。…","badges":["quality:high"],"links":{"read":"/item/92576","original":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","diagnose":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html"},"quality_warning":null},"export":{"title":"工业AI加速融入实体经济 数据贯通与场景应用受关注 - 中国日报网","url":"https://cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","summary":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","source":"中国日报网","date":"2026-09-29T07:22:25+00:00","content":"中国日报9月29日电 随着人工智能加快向制造业等实体经济领域延伸，如何推动数据、模型与实际业务场景深度融合，成为工业智能化发展的重要议题。\n2026年政府工作报告提出，深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，同时深化数据资源开发利用、建设高质量数据集。工业和信息化部等八部门此前印发的《“人工智能+制造”专项行动实施意见》也提出，加快人工智能技术在制造业融合应用，推动制造业全流程智能化升级。\n在这一背景下，9月22日至23日，OCTAVE（鹰图软件）Live OnTour上海活动举行。与会人士围绕工业人工智能、工程数据管理以及资产全生命周期数字化等议题展开讨论，探讨人工智能如何更好进入工程设计、建设、运营和维护等实际业务环节。\nOCTAVE首席执行官Mattias Stenberg在会上将关注点放在工业企业长期积累的工程知识和数据上。\n他表示，关键设施在长期运行过程中会形成大量工程信息，包括资产实际运行状态、零部件失效情况以及现场巡检发现的问题等，但这些信息往往难以在不同业务环节之间有效流动。例如，设计阶段形成的信息未必能够完整传递到建造环节，运维阶段积累的数据也难以重新反馈至工程设计。\nStenberg认为，人工智能的发展为改变这一状况提供了新的可能。当工程信息能够在互联的平台上运行，不同阶段产生的数据可以得到进一步理解和利用，并在后续业务流程中持续发挥作用。\n这一问题也与当前我国推动人工智能与制造业融合发展的政策方向相呼应。今年4月，工业和信息化部办公厅、国家数据局综合司联合实施2026年“模数共振”行动，提出面向钢铁、石化化工、汽车、电力装备、船舶等行业或领域，建设行业高质量数据集，研发行业模型、专用模型和特色智能体。到2026年底，基本形成“数据—模型—场景应用”良性互促循环。\nOCTAVE首席产品官Jay Allardyce则从产品落地的角度，谈到人工智能在工程领域的具体应用路径。\nAllardyce表示，工程设计、施工建造、运维和安全等环节会持续产生不同类型的信息，而工业AI的核心任务，就是让这些分散的数据在同一个互联平台上被统一理解和调用，使得设计阶段形成的参数可以直接指导施工，运维阶段采集的设备状态数据又能反向优化后续设计。\n在他看来，工业AI的意义最终需要落实到具体的工程活动中。“工业AI的价值，不在于概念本身”，而在于其能否真正作用于设计、建造、运营和保护等实际环节。\n围绕这一方向，活动现场还介绍了人工智能在材料编码与物料清单流程、建造至运维数据移交、存量管道和仪表流程图信息处理以及数字孪生等方面的应用，涉及能源、化工、核电、船舶、机场和汽车制造等领域。\nOCTAVE全球高级副总裁、大中华区总裁贾智骏则从本地应用角度谈到了工业数字化的发展。他表示，能源、交通、高端制造等产业正在持续推进数字化升级，相关技术和解决方案需要进一步结合中国市场的实际需求推进本土化适配。\n从与会人士的讨论来看，随着人工智能进一步进入工业领域，数据能否在不同业务环节之间有效流动、行业知识能否转化为可利用的数据资源，以及人工智能能否真正嵌入设计、建设和运营等实际流程，正成为工业AI走向规模化应用过程中需要持续探索的课题。（实习记者：高嘉怡 审核：王子玥）","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//cn.chinadaily.com.cn/a/202609/29/WS6abb6732e4b09a165c78d639.html","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 1358 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 1358 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":1358,"summary_length":1358,"usable_text_length":1358,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":1358,"summary_length":1358}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}