IDC x HUAWEI 工业互联网白皮书
工业互联网发展背景
工业化重回全球竞争制高点
2008年金融危机爆发后，全球经济遭受重创。以美国为代表的发达国家开始重视实体经济的重振，纷纷出台再工业化战略，旨在通过再工业化重返全球工业第一梯队。
再工业化不是原有工业化的重复，而是将高新技术与制造业结合，以优化产业结构，实现工业的数字化升级，从而提升制造业质量。
聚焦中国，2020年3月，中共中央政治局常务委员会会议明确提出加快新型基础设施建设，新基建包括5G基站建设、大数据中心、人工智能、工业互联网、特高压、城际高速铁路和城市轨道交通、新能源汽车充电桩等七大领域。
同月，工信部印发的《关于推动工业互联网加快发展的通知》，明确提出要加快网络、平台、标识、大数据中心四大基础设施建设，拓展融合创新应用，培植壮大创新发展新动能，支撑制造业实现高质量发展。
中国是传统的“工业大国“，特别是改革开放以来，中国工业经济规模迅速壮大。世界银行数据线显示，2018年中国工业占GDP的比重达40.7%，表明工业对中国经济增长的重要支撑作用。
中国的工业体系门类齐全，是全世界唯一拥有联合国产业分类中全部工业门类的国家。完善的工业体系，也提供了大量的用工岗位，解决了劳动就业问题。
世界银行数据显示，从2008开始，近十年来中国工业就业人员占总数的比重均高于26%，2018年工业就业人员占总就业总数的28.62%。
工业企业数字化转型是大势所趋
根据世界银行的数据，按现价美元测算，2010年中国制造业增加值首次超过美国，成为全球制造业第一大国，自此多年稳居全球第一。
2018年中国制造业增加值占世界的份额达28%以上，接近美、日、德三国的总和，成为驱动全球工业化增长的重要引擎。其中，汽车、电子、钢铁、化纤等制造业的多项指标均位居全球首位。
尽管中国制造业多个领域产值位居全球第一，但是整体而言，制造业大而不强，企业在推动自身业务系统和流程的全面升级时面临一系列挑战：
成本不断提高：IDC2019年工业企业调研数据显示，成本上升是受访工业企业面临的第一大挑战。这主要由中国的人口红利期逐渐消失、老龄化时代来临以及环保力度加大，环保成本上升等因素导致。
工业自主创新能力不强：主要表现在自主品牌缺乏，一些关键装备、核心技术依赖进口。以机器人为例，IFR数据显示，2018年国产工业机器人在市场总销量中的比重为27.88%，市场绝大部分被主要的外资企业占据。
在关键的零部件上，国产伺服电机和减速器市占率仅为10%—15%左右，而这些核心零部件占整个工业机器人成本78%以上，以即利润率高的部分主要由国外品牌把控。这表明中国工业自主创新能力不足，这也是中国工业由大向强转变过程中面临的最大障碍。
产品附加值不高：中国制造业大多处在微笑曲线的中间，即处在世界制造业价值链的中低端，在国际经济贸易利益分配中处于劣势。工信部数据显示，2018年中国制造业增加值占全球制造业比重30%左右，位列全球第一，美国以17%比重位列全球第二。但是，中国制造业利润率仅2.59%，远低于美国的12.2%。
工业企业数字化转型的本质是ICT和IT的融合
数字化本质是融合科学范式，核心是通过OT与ICT的深度融合，通过行业数据的采集、开放、分析、共享从而形成行业知识，并将行业知识注入现有产品对象、流程、工艺等生产要素、生产装备、作业流程等全要素并进行重构。
工业企业通过数字化转型，将ICT技术全面融入核心作业系统，如管理运营支撑系统、研发系统和核心生产系统，实现产品对象数字化、产品作业过程数字化以及产品运行数字化。企业内部上下游、企业与客户之间通过对有价值的数据加以挖掘、对有价值的成果进行共享，优化企业在ICT和IT技术的投入组合更好的进行成本投入的规划。
新冠疫情加速传统工业智能化改造
2020年新冠疫情爆发，使得工业生产因为原材料供应、劳动力不足等造成停滞。在疫情倒逼下，催生了远程办公、无接触经济等新业态新模式，也加速了传统工业数字化、智能化改造。
首先，工厂的智能化改造需求进一步加速。能实现远程控制、自动化生产的产线是后疫情时代工业发展的目标之一。
工业机器人的部署、利用人工智能技术改造的生产线将有效代替人工、自主操作，保证工业生产的效率和质量；
其次，弹性供应链的打造将是工业制造在新常态下又一发展重点。弹性供应链的打造核心在于供应链的可视化和智能化，通过物联网、人工智能、大数据等技术，实现供应链的实时信息的跟踪以及物流路径的优化，从而实现提高供应链抗风险能力。
最后，网络化协同能力也是工业发展的一大难点。通过工业互联网平台等新技术，实现企业内部之间，产业链上下游、跨产业链的企业之间的产业链协同，实现供需的有效对接、资源的智能化调配，从而降低企业的生产和运营成本。
疫情是行业的危机，而数字化转型则是工业企业的机遇。ICT技术和OT技术的深度融合，并在工业不同场景的应用落地，将加快工业企业的数字化、智能化进程。
工业互联网发展概况
工业互联网定义新一代工业基础设施
按照工业互联网联盟的定义，工业互联网是新一代信息通信技术与工业系统全方位深度融合所形成的产业和应用生态，是工业智能化发展的关键综合信息基础实施。
其本质是以机器、原材料、控制系统、信息系统、产品以及人之间的网络互连为基础，通过对工业数据的全面深度感知、实施传输交换。快速计算处理和高级建模分析，实现智能控制、运营优化和生产组织方式变革。
工业互联网通过人、机、物的全面互联，实现全要素、全产业链、全价值链的连接，正在全球范围内加速颠覆传统制造模式、生产组织方式和产业形态，推动传统产业加快转型升级，新兴产业加速发展壮大。
投资工业互联网的重点
随着数字化转型在行业间的持续推进，工业企业开始重视OT领域的投资，尤其是OT与ICT的融合。而在OT技术相关的投资计划中，前三大的投资重点是基于云的应用软件、OT技术和ICT技术或传感器的集成以及分析和高级分析。
部署工业互联网的关键技术
从工业互联网相关技术的部署计划来看，未来AI和大数据、企业级应用软件SaaS以及设备物联网云服务平台是工业企业部署的前三大技术。
AI和大数据算法云服务是目前及未来三年中国工业企业部署工业互联网的第一大技术领域，19.6%的受访企业表示已经及计划部署。企业级应用软件SaaS是第二大重点领域，17.4%的受访企业表示已经计划部署。设备物联网云服务平台是第三大重点领域，大概15.9%的受访企业表示已经计划部署。
IDC工业企业调研现状显示，大部分的中国工业企业已经意识到工业互联网的巨大价值，部署的动力明显，并且已经在关键的技术领域和投资领域有所行动。
工业互联网新型体系架构
传统的ISA95工业体系架构采用垂直整合的模式，层层汇聚和抽象，缺少全面的数据，造成特定问题（如产能、质量、效率、能耗等）的分析不够全面和实时，难以实现精确和实施的决策能力，最终影响企业的产品质量、交付时间，决策的准确性。
另外，绝大部分企业对数据的利用仅停留在初级层次，对高级的数据利用（如设备可靠性的预测、产能的预测，或者供应链库存的预测等）还非常有限。
传统ISA95架构采用的垂直、烟囱式系统，很难实现数据的共享，实现功能和性能的扩展，无法快速满足工业企业差异化的定制需求和面向未来发展的卓越运营需求，因此工业企业亟需灵活扁平的新型体系架构以支撑其发展。
工业互联网新型体系架构需具备的特征：
端-边-云协同发展
随着工业控制器、传感器等越来越多设备连入云端，传统以云为中心的模式将不足以满足对海量设备数据进行实时处理的需求。在工业现场等要求时延<5ms的场景，以及无网状态中，云边协同将更好满足企业实际需求。
云计算聚焦非实时、长周期数据的行业机理分析，支撑周期性维护以及业务决策。边缘计算聚焦实时、短周期现场数据分析，减少了到中央存储库的回程通信量。支撑本地业务的实时智能化处理与快速执行响应，并在边缘智能节点形成本地闭环，并形成自治域。如图所示。
具备多计算平台的创新架构
工业领域涉及原材料、产品、设备、运营、售后等制造相关复杂的场景，必然带来了数据的多样性（如文本、图片、视频、波形等）。同时，计算的需求，已经远远超出传统办公协同和管理信息系统的场景，尤其是生产环节的多场景，需求更加突出。
计算密集型应用需要计算平台执行逻辑复杂的调度任务，而数据密集型应用则需要高效率地完成海量数据并发处理，单一计算架构难以满足所有业务诉求。
为了能够让丰富地工业场景更经济、高效、简易地使用ICT技术，并对于各类典型地使用场景都能形成经济性适配地技术组合，使得ICT技术能够在工业知识地生产过程中地导入成本进一步下降，形成在设计仿真、生产制造、供应链协同、运维服务等环节适配地知识生产工具。
计算多样性成为必然。
以ARM为代表的RISC通用架构处理器、以及具备特定定制化加速功能的ASIC和FPGA芯片等在场景多样化计算时代具备明显的优势。而随着TPU、NPU等人工智能处理芯片在智能摄像头等领域的广泛部署，通用处理器加上深度学习加速芯片成为典型的工业场景计算架构。
行业知识和应用的智能集成
工业企业在长期的数字化转型建设过程中，形成了大量的烟囱式系统，数据孤岛林立，数据和应用没有打通形成合力。
上下游企业之间存在多种IT系统以及业务系统，这些系统都独立建设，且普遍存在跨地域的情况，这就意味着大量的行业知识分散在各个部门和地域，跨部门和跨地域的协作存在大量需要人工介入的业务流断点，这些零散的业务断点导致了工作效率的低下和知识在传递过程中的失真，因此应用和数据的高效集成式知识共享最基础的需求。
同时，大量的异构数据和蜘蛛网式的集成需求，企业现有的IT能力难以有效应对。
由于知识的使用方不承担对知识的维护责任，因此作为知识主体方就很难放心的将知识开放给其他人使用，通过技术手段来保证知识共享的安全性就是各机构急需解决的问题。
当前部分中国企业已具备一定的数字化能力，但是只完成了数据的采集工作，并未对数据做深入的挖掘和分析，无法有效形成核心的价值知识资产以支撑决策以达到组织与产品优化、业务创新等数字化转型的目的。
因此以多样数据为基础的行业知识与应用智能集成平台将助力企业工业互联网建设，加速企业数字化转型速度，未来将成为工业互联网建设不可或缺的支撑技术。
工业机理与AI深度结合
制造行业流程复杂，以流程制造为例，其作业过程黑箱化，机理不清，面临着环境开放、信息不完全、规则不确定等难题。
生产过程当中难以建立决策仿真模型，同时最终决策需要权衡质量、效率等多重目标。传统基于理论机理建立起来的模型难以适应工况变化，规则式模型也存在时效约束，存在巨大的挑战。
工业应用涉及数据预处理、数据建模、模型部署和管理、模型评估等多方面技术，工业问题的抽象化和复杂化使各类需求不断纳入AI可解范畴。
一是传感、网络、计算技术及数字化的发展使更多的对象与问题能以数据的方式呈现出来，构成了算法应用的基础。
二使工业问题的抽象化，搭建了算法应用的桥梁。AI是制造业实现质量提升和业务优化转型的关键技术手段，工业机理和AI深度结合，强化了制造企业的数据采集和处理能力、信息融合和分析能力、知识提取和洞察能力、决策自主和执行能力、价值创新和实现能力，是企业转型升级的有效手段。通过工业机理和AI的深度融合，使能应用的智能化，使AI 产生价值的乘数效应。
请添加UA客服微信：
UnitedAccelerator
回复“行业报告”即可获取完整版报告
及时掌握最新行业信息与资料
联合汇创新加速器是由煦实信息科技（上海）有限公司打造的创业加速平台，旨在通过联合多家行业头部企业、风险投资机构、地方政府等资源，汇聚各行业的人才力量为初创企业提供包括产品、知识、业务、融资、政策、运营管理等在内的创业加速服务，推进初创企业的快速发展。想要了解更多有关联合汇的详细内容，欢迎关注联合汇公众号。
资料来源：
IDC x HUAWEI 工业互联网白皮书
