【現象】紡織企業采購系統中，每種布料的庫存和需求一目了然，自動補貨、按需生產得以實現；通過開發基于深度學習的工業圖像分析軟件，企業能以毫秒為單位實現復雜缺陷檢測；通過超算工業仿真云平臺，對難以進行實景試驗的風洞進行1∶1模型建構，高速列車研發如虎添翼……近年來，由算力驅動的工業互聯網新應用不斷涌現，有效釋放了數據要素的創新活力，讓工業生產變得更高效、更安全、附加值更高。
【點評】
算力資源是數字經濟發展的重要底座，對工業經濟高質量發展具有十分重要的價值。算力融入傳統制造業，可為企業數字化轉型提供有力支撐；融入新興產業，可以加快催生新的經濟增長點。
在新型工業化背景下，大量復雜的模擬、建模、仿真、優化和數據分析等工業應用，都需要以強大的算力為基礎。以汽車生產為例，產品進入市場前，必須經過反復試驗，時間周期很長。一方面是物理試驗準備時間長、約束條件多，另一方面是產品試驗成本高昂，如新車碰撞試驗，需要進行上百次、報廢上百輛新車。而“算力+”能給出效率更高、成本更低的解決方案。比如，使用計算機輔助工程（CAE）軟件可以在虛擬世界中完成大多數模擬試驗。事實上，從產品生產到質量控制乃至經營決策，擁有更強的算力支撐，往往就意味著更高的生產效率、更大的競爭優勢。
近年來，我國算力產業蓬勃發展，融合應用深度不斷拓展，正在催生更多智能制造新場景、新模式，為產業提質增效注入了新動能。但也要看到，與多樣化的企業需求、推進新型工業化的要求相比，“算力+工業”仍有很大的提升空間。進一步推進算力基礎設施建設，提升算力在工業領域的滲透率，才能為更多行業降本增效、轉型發展等提供有力支撐。
我國工業企業數量多、差異大，數字化水平參差不齊，對算力的需求多種多樣。加快推進算力賦能新型工業化建設，要合理配置優質算力資源，強化算力產業供需對接，促進更多算力新型應用場景落地。一方面，應加快部署工業邊緣數據中心，推動算力賦能智能檢測、故障分析、人機協作等技術迭代，不斷提升不同工業場景的業務處理能力。邊緣數據中心時延低、體積小、安全性高、易于維護，可將其直接布局在工業園區中，為企業提供更加精細化、個性化的算力產品和服務。另一方面，要針對不同領域的不同特點，逐步構建工業基礎算力資源和應用能力融合體系，以滿足不同類型工業企業在研發設計、生產制造、營銷服務等方面的算網存用需求，推動工業企業不斷向高端化、智能化、綠色化轉型。堅持以用促建，融合創新，才能發展出與新型工業化進程相匹配的算力服務能力。
隨著數字經濟時代的全面開啟，算力就像工業時代的電力一樣，成為新的關鍵生產力。而且，算力資本呈現出產出遞增效應。測算顯示，計算力指數平均每提高1點，國家GDP將增長1.8‰。當前，算力在工業領域的應用已十分廣泛，作用愈加凸顯。進一步凝聚產業共識，打造一批算力新業務、新模式、新業態，促進算力融合應用走向更廣、更深、更精的領域，必將幫助更多企業把握住數字時代的發展機遇，助力我國新型工業化跑出加速度。
