工信部擘画“开源新基建”:推动工业互联网平台生态跃迁

工信部擘画“开源新基建”:推动工业互联网平台生态跃迁
当工业的庞大躯干寻求智能化的灵魂,一场围绕“连接”与“控制”的深层博弈正在展开。开源,这把曾经重塑了互联网世界的钥匙,如今被赋予了打开工业互联网下一道价值之门的使命。

1月13日,中华人民共和国工业和信息化部(以下简称“工信部”)发布了《推动工业互联网平台高质量发展行动方案(2026—2028年)》(以下简称《行动方案》)。面对工业互联网平台从“建设普及期”迈向“价值深耕期”的关键转折,数据孤岛林立、应用创新乏力、生态协同薄弱等瓶颈日益凸显的问题,在此背景下,《行动方案》将“探索平台开源机制,推动建设开源社区”提升至核心战略路径。这并非简单的技术选项,而是一次旨在通过开放、协作、共享的底层机制,对产业创新体系进行系统性重塑的顶层设计,其目标直指构建一个泛在互联、深度协同、开源开放的新一代工业互联网生态,为中国制造业的智能化跃迁铸就坚实基座。

一、破茧成蝶:开源成为顶层设计关键

工业互联网平台的深层挑战,就源于封闭与割裂,各平台如同数字时代的“孤岛”,数据协议不通、软硬件深度绑定,形成一个个“数据烟囱”和“应用荒地”。企业重复投资基础功能,而真正的工艺知识、行业应用却供给不足。这种“有平台、无生态”的困境,限制了工业互联网价值的纵深挖掘。工信部此次将开源提升至核心路径,是一次战略性的“范式转换”,其目标不再是扶持单个平台的壮大,而是通过开放、协作、共享的机制,催化整个产业生态的繁荣,旨在将平台厂商的“独角戏”,转变为全球开发者与行业专家共同参与的“大合唱”。

二、基因重组:开源重塑工业互联网体系

开源对工业互联网的影响,本质上是技术范式与产业价值逻辑的双重变革,其深度就体现在以下三个核心层面的重构:

  1. 技术范式:从封闭到开放

传统工业软件是垂直封闭架构,硬件、协议、软件深度绑定,只能形成僵化的“技术黑箱”,但开源的引入就像一股清流,推动水平分层与接口标准化,旨在将系统拆解为硬件抽象、数据中间件、平台服务等可替代的“标准件”,这就使企业能自主集成最佳组件,构建弹性系统,从根源上打破供应商锁定,激发底层创新。

  1. 价值网络:知识流动与变现升级

传统模式下,工业知识被封存在封闭软件中,价值流转缓慢,而开源生态则为其创造了新机制:

  • 微粒化封装:将工艺知识、算法模型封装为独立的微服务或组件,便于检索、验证与复用。
  • 链式增值:知识在社区中流动、改进与再应用,形成正反馈创新循环,核心价值从“软件许可”转向快速构建解决方案的能力。
  • 变现后移:商业核心从“占有代码”转向提供深度集成、高可靠运维及SaaS化服务等专业增值。
  1. 产业组织:从“链式合同”到“网状共同体”

开源从根本上催生了新型产业组织形态。传统基于合同的链式协作,正被基于代码与项目协作的网状创新共同体取代。围绕核心开源项目,芯片商、设备制造商、软件开发者、集成商及终端用户专家被自然聚合。项目由社区治理机制引导,保障了技术中立与长期演进。这种形态使产业能够针对新场景需求,快速动态组合能力与组件,实现敏捷响应与创新,极大提升了生态的适应力与协同效率。总之,工信部推动开源,实质上是运用这一技术与协作工具,对工业软件体系进行“供给侧改革”,其战略目标就是通过架构解耦释放技术生产力,通过价值重构激活知识资本,最终通过构建开放创新共同体,塑造一个更敏捷、更有韧性的工业互联网新生态。这一举措超越了技术层面,将是产业组织与创新文化的一次深度演进。

三、擘画蓝图:工信部开源路径三重战略

开源路径如何系统性重塑工业互联网?其战略蓝图围绕以下三大核心展开:

打破“烟囱”,构筑新型工业数字底座:

开源通过定义标准化的数据模型、接口协议和微服务组件,破解私有化部署导致的壁垒。其理想就是形成可复用、可移植的工业基础软件层,类似为工业数字化提供“标准件”和“公版设计”。

汇聚“众智”,催化平台应用创新涌现:

开放平台的数据处理、算法框架等核心能力,能将开发门槛降至最低。一个钢铁企业的工程师可以基于开源工具,快速开发出专治某种炉温波动的智能应用;一个高校团队可以贡献更优的视觉检测算法,创新将从产业的毛细血管中自然生长。

定义“标准”,争夺全球产业规则话语权:

在工业互联网全球标准格局未定的窗口期,开源社区是孵化“事实标准”的最佳土壤。通过社区达成广泛共识的技术规范,往往比封闭的官方标准更具生命力和采纳度,这背后,是一场关于未来工业生态主导权的静默竞赛。

四、跨越沟壑:应对挑战的行动路线图

开源生态的建设面临的核心矛盾,就是开放协作与商业机密、安全可靠之间需取得平衡。这具体体现为企业开放核心资产的意愿难题、平台开源后的可持续商业模式挑战、社区治理与知识产权的规则空白,以及工业场景严苛的安全合规红線。而要应对这些系统性挑战,需多方协同,执行清晰的行动路线:

  1. 构建“灯塔-园丁”式推进体系:政策层面需发起关键领域开源项目,并鼓励如天工开物开源基金会(以下简称“天工开物”)等中立第三方机构发挥作用。这些机构能为产学研协同提供可信赖的治理框架,成为生态中的稳定器与连接器。
  2. 驱动市场主体角色进化:平台企业需从“产品供应商”转型为“生态运营与价值服务商”,商业模式转向提供深度支持与高级服务。制造企业则应主动参与,通过设立内部开源管理机构(OSPO),将非核心需求贡献社区,并培养复合型人才。
  3. 夯实信任与安全基础设施:必须建立针对工业开源软件的专项安全标准、认证体系与漏洞共享机制,为开源组件进入工业核心场景颁发“可信通行证”,这是生态发展的生命线。

简而言之,成功的关键在于通过制度设计、角色重塑与生态共建,将开源面临的挑战,转化为产业协同进化、构建新型信任关系的契机。

五、协同进化:开源生态的前景与基石

工信部擘画的工业互联网平台开源路径,是一场将互联网成功范式引入工业核心腹地的宏大实验,而这场实验的成败,不仅关乎几家头部平台企业的商业模式,更关乎中国能否构建一个更开放、更敏捷、成本更低的工业数字基础设施,从而在全球制造业的智能化竞赛中获得系统性优势。最终,一个成功的开源工业生态,意味着创新将像毛细血管中的血液一样,顺畅地流动、滋养工业的每一个细胞。它需要政策蓝图的高瞻远瞩,需要市场主体的勇敢践行,也同样需要如天工开物这般,耐心构筑生态基础设施的“园丁”。当政策引导、产业实践与公益支撑形成合力,软件定义工业未来的基石才真正得以铸就。当最后一台沉默的机器通过开源协议开始对话,工业革命的篇章才真正翻开了智能协同的一页,这条由开源代码铺就的道路,终将引导中国工业互联网穿越创新的“达尔文之海”,抵达生态繁荣的新大陆。

文章参考:中国政府网《〈推动工业互联网平台高质量发展行动方案(2026—2028年)〉解读》

Read more

LLaMA Factory 核心原理讲解

LLaMA Factory 核心原理讲解

大家好,我是herosunly。985院校硕士毕业,现担任算法研究员一职,热衷于大模型算法的研究与应用。曾担任百度千帆大模型比赛、BPAA算法大赛评委,编写微软OpenAI考试认证指导手册。曾获得阿里云天池比赛第一名,CCF比赛第二名,科大讯飞比赛第三名。授权多项发明专利。对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。 本文主要介绍了LLaMA Factory 核心原理讲解,希望能对学习大模型的同学们有所帮助。 文章目录 * 1. 前言 * 2. 核心模块讲解 * 3. SFT流程讲解 1. 前言 在之前的文章主要介绍了LLaMA Factory的操作方法,其中包括: * LLaMA Factory多卡微调的实战教程 * 基于华为昇腾910B和LLaMA Factory多卡微调的实战教程 * LLaMA Factory添加新模型template的实战解析 * LLaMA Factory在预测阶段时添加原有问题的实战代码 * 详解大模型多轮对话的数据组织形式 但也有同学提出疑问

By Ne0inhk
AI 编程工具选型:Copilot、Cursor、Codex 核心差异

AI 编程工具选型:Copilot、Cursor、Codex 核心差异

【如文章引起大家共鸣,请“点赞”以及“转发”,以支持继续创作,谢谢大家!】 朋友们大家好!今天咱们不聊那些虚头巴脑的,直接来点实在的——AI编程工具选型,Copilot、Cursor、Codex这仨到底咋选?别急,我这就用最接地气的方式,给你唠唠它们的“脾气秉性”,保证你听完就能上手挑! 先说Copilot,这哥们儿可是“代码补全界的扛把子”!它就像你身边的“代码小秘书”,你敲代码时,它就在旁边默默观察,你刚敲个“for”,它立马给你补上“(int i=0;i<n;i++)”,那叫一个快!而且,它还支持多IDE,VS Code、JetBrains啥的,都能无缝对接。不过呢,Copilot也有个“小毛病”,就是它更擅长“补全”,对于复杂的代码重构或者项目级理解,就有点力不从心了。

By Ne0inhk
2026年高校AIGC检测新规解读:AI率多少算合格?

2026年高校AIGC检测新规解读:AI率多少算合格?

2026年高校AIGC检测新规解读:AI率多少算合格? 从2024年知网正式上线AIGC检测功能开始,短短两年时间,"AI率"已经从一个新鲜名词变成了每个毕业生必须面对的硬性指标。2026年,各高校的AIGC检测政策进一步收紧和细化,要求也越来越明确。 那么,2026年AI率到底多少才算合格?不同学校的标准差别大吗?不合格会面临什么后果?本文将对这些问题进行深入解读。 一、AIGC检测已成为毕业论文审查的标配 回顾AIGC检测在高校中的普及历程,可以用"指数级扩散"来形容: * 2024年:知网上线AIGC检测功能,少数985/211院校开始试点,大部分学校处于观望状态 * 2025年:超过60%的本科院校和80%的研究生培养单位将AIGC检测纳入论文审查流程 * 2026年:AIGC检测基本实现全覆盖,包括专科院校在内的绝大部分高等教育机构都已建立相关制度 这一进程的背后,是教育部在2025年初发布的《关于加强高等学校学位论文学术诚信管理的指导意见》,其中明确提到"鼓励各高校引入人工智能生成内容检测机制,将AIGC检测作为论文质量保障的重要环节"。 虽然教育部没

By Ne0inhk

OpenClaw之Memory配置成本地模式,Ubuntu+CUDA+cuDNN+llama.cpp

文章目录 * 背景:Memory不生效的问题 * OpenClaw的Memory配置 * Ubuntu24.04安装CUDA和cuDNN * 编译llama.cpp * 验证方案1: * 验证方案2:下载并运行Llama-2 7B模型 * 安装node-llama-cpp * 验证Memory * sqlite-vec unavailable * 踩过的坑 * 安装node-llama-cpp的一些提示 * 安装node-llama-cpp的前置条件 * Using `node-llama-cpp` With Vulkan 承接上文:Windows11基于WSL2首次运行Openclaw,并对接飞书应用,我已经在电脑上安装了OpenClaw,接下来解决Memory问题。走了很多弯路,下面主要讲我总结的正确的安装过程。 总结来说:针对Memory不生效的问题,又不想用OpenAI或Gemini,或者只想单纯的节省token,可以按照如下的方式,设置为local模式: * 修改openclaw.json配置 * 安装CUDA和cu

By Ne0inhk