(一)完善行业标准体系，提升关键技术研究水平工业互联网边缘智能参与主体众多，连接的设备种类繁杂，建立行业标准体系有助于产业链上下游企业的协同。通过加强沟通、深化合作，整合并充分利用国内外工业互联网边缘智能相关企业、研究机构的优势资源，重点突破云端 – 边缘 – 终端协同计算架构、系统安全性技术、异构计算池和资源隔离技术等，充分提升边缘智能关键技术和通用解决方案的发展水平。推广相关的前沿研究成果，形成应用示范效应，优选出受市场认可的通用标准和规范，从而促进行业技术标准体系的不断发展与完善。
(二)投资建设基础共性平台，深挖数据价值现有工业平台应用集中在资产和运维优化方向，应进一步加强工业互联网平台在经营管理优化、资源匹配协同等更复杂场景下的数据分析能力。建议政府、高校、科研机构加大针对 AI、边缘框架、5G 等基础共性技术的资源投入，支持开发者社区和开源项目建设，形成可复用的通用模块，避免重复建设，整体性提高工业互联网应用的开发效率;在与具体场景相关的大型和特色制造企业成立技术专项，建立面向特定行业、特定应用的研究中心，打造凸显数据价值的杀手级工业应用程序(APP)，向中小企业辐射技术价值。
(三)营造产业生态，推动细分行业快速发展工业制造规模庞大且门类细分，产业发展依赖于行业协会、联盟的组织和引导，往往围绕龙头企业形成地区产业集群。建议行业协会、龙头企业积极组织行业趋势研讨会，广泛邀请企业家、技术专家开展行业动向讲座交流，促进行业内部的沟通合作。在重点企业或政府机构的牵头组织下，重点关注本地区垂直行业的需求、单一业务场景下的跨行业需求，合作完成工业互联网边缘智能的细分行业解决方案，为降本增效提供明确的客户价值;引导相关产业集群提升整体竞争力，协同推进产业生态成熟。
(四)培育工业边缘智能方向的人才队伍工业领域的场景、逻辑存在特殊性，多学科、多领域知识交叉渗透是工业互联网边缘智能方向的显著特征。培养一批既对制造业转型有深刻理解、又具备信息技术研发能力的高端复合型人才是当务之急。高等院校、科研院所积极调整并增设融合工业制造、 AI 等知识体系的前沿交叉专业，在重大项目、重点方向上加强与企业的合作研发;立足实际生产需求，鼓励原始性创新，在实际工业应用中孵化创新成果。建立健全成果认定机制，合理激励领域人才对智能应用、工业机理、关键技术等方面的贡献，鼓励相关创新人才在实际场景下发现并解决瓶颈问题。(作者：任姚丹珺，戚正伟，管海兵，陈磊)