日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

導讀：當前，全球工業互聯網正處于以人工智能為代表的新一輪數字技術變革周期當中，新興數字技術與傳統工業體系的融合創新較以往更為活躍，越來越多的制造企業開始全力擁抱數字化浪潮、持續加大數字化轉型的投入力度。在技術與市場紅利的雙輪驅動之下，新的產業空間正在被不斷地創生出來，推動工業互聯網技術產業的邊界持續擴展延伸，智能裝備、開放自動化、云原生工業軟件及工業智能等新興產業正在加速崛起，成為工業互聯網發展的新的動力引擎。與此同時，工業互聯網的產業格局也有望迎來調整重塑，多元企業主體將在更為復雜的市場環境與機遇窗口期之下展開角逐，既有老牌工業技術服務商全面轉型傳統產品與業務，利用已經建立的市場基礎加快新產品的商業化，也有跨界數字技術服務商與初創企業充分利用技術優勢，找準利基市場實現業務的擴張與滲透。

1　工業互聯網技術趨勢

1.1　硬件形態正發生根本性改變，功能集成和軟硬解耦是主要趨勢

新型硬件產品正加快整合計算、存儲、網絡等硬件能力，滿足復雜計算和空間集約需求。傳統硬件體系較為碎片，層級架構明顯，管理、布線復雜，近幾年，邊緣計算、云邊協同、智能控制等新服務需求加劇了現場復雜度，多層級的碎片化架構管理問題更加突出，同時隨著集成計算、網絡、存儲等資源技術的IT超融合架構趨于成熟，工廠車間層硬件也開始走向整合集成。國外企業像倍福、西門子、霍尼韋爾等以及國內企業東土科技、寄云等均推出智能邊緣一體機，可充當網關、邊緣計算器、控制器、手提電腦等，有效減少設備數量提升空間利用效率，進一步降低布線和管理的復雜性。

硬件軟硬解耦進程加速，封閉嵌入式硬件體系向“通用硬件+開放軟件”體系演進，提升應用移植復用水平。傳統工業硬件技術體系軟硬高度耦合，硬件設備的功能和性能受到軟件的限制，軟件也必須針對特定硬件設備開發，軟硬件開發、維護和升級難以協調。數控系統過去控制算法和硬件綁定，匯川開放式數控系統已初步開放解耦，用戶可以將自身積累經驗開發成算法并封裝入數控系統，但解耦程度仍較低，開發出的算法仍無法遷移到其他品牌設備中。西門子虛擬PLC已實現控制軟件和控制器解耦，軟件不再局限于西門子的特定設備，而是可在多類品牌廠商、多種類型設備（包括云平臺）上實現控制軟件靈活部署遷移，但應用軟件和工控操作系統仍有耦合，無法跨操作系統遷移。菲尼克斯新一代HMI面板已原生融合HTML 5技術，應用不再局限于任何設備或操作系統，應用可以任意遷移復用，徹底實現軟硬解耦。

1.2　應用開發技術呈現多元化創新，走向深層次平民化和低門檻

低代碼開發需求愈發強烈，IT、OT低代碼開發兩條路徑并舉。近幾年企業數字化轉型進入深水區，低門檻、高敏捷開發需求愈發強烈。在IT領域，低代碼開發技術愈發成熟并向普及推廣邁進，如SAP Build低代碼開發解決方案，集成了上千個業務場景的預構建工作流，通過簡單的拖拽方式快速實現開發。微軟低代碼開發平臺Power Platform加入AI助手Copilot，通過自然語言輔助代碼開發，大幅降低開發門檻。在OT領域，低代碼技術標準化進程加快，模塊類型包（MTP）標準通過快速拖拉拽代碼包構建控制應用成為重要方向，羅克韋爾、西門子、倍福、ABB、施耐德電氣等OT廠商紛紛推出自動化軟件，可創建符合MTP標準靈活復用的標準代碼包。

OT開發加快IT化，通用統一的開發環境大幅提升工控開發效率。傳統OT開發技術與IT開發技術在架構設計、編程方式等方面存在較大差異，OT開發效率較低。隨著邊緣計算、智能控制等需求爆發，OT領域的IT開發需求日益強烈。如羅克韋爾面向控制器設計推出新一代開發平臺FactoryTalk Design Studio，可基于云端實現現代化軟件開發和基于Github的版本管理和控制；西門子在傳統OT開發基礎上，推出以IT開發為核心的新型開發工具SimaticAX，支持面向對象的編程、git版本管理等，與傳統OT開發工具博圖原生打通，OT開發的IT化趨勢越加顯著。

大模型技術推動自然語言開發創新加速，變革開發交互模式。大模型具備的復雜自然語言理解能力、高質量代碼生成能力已經在軟件開發多個環節（如功能設計、代碼開發、測試）中釋放出巨大潛力，新一輪軟件工程變革正在加速。通用IT開發方面，SAP、Salesforce、百度等推出集成專用大語言模型的開發助手，可使用AI聊天助手生成特定代碼；微軟軟件測試專業平臺Hydra Lab也接入大模型，實現高度自動化的測試結果分析、探索性測試和測試用例生成。OT開發方面，頭部自動化廠商如倍福、羅克韋爾自動化、西門子等開發軟件均集成了大語言模型，通過自然語言完成OT代碼開發已經成為現實。

1.3　模型貫通和數據集成演進升級，進一步支撐專用智能深度應用和通用智能技術變革

工業互聯網集成技術向更深層次的模型集成和更廣范圍的數據主線演進，為數據和模型融合決策提供底座支撐。在模型貫通方面，MBSE應用越發廣泛，更深層次的互聯互通互操作成為可能。達索、西門子等頭部企業廣泛應用MBSE理論，通過模型間互聯互通提升貫通和協同效率，進一步提升模型移植復用水平。在數據集成方面，數據集成范圍從工廠內走向工廠外、從單點走向全環節，實現產品全周期數據集成。PTC深化基于數據主線戰略，以14.6億美元收購以現場服務管理云軟件（FSM）領導者ServiceMax，通過集成產品監控和服務數據，將產品數字主線貫通到下游現場售后層級。

傳統工業智能正在經歷由簡單感知識別向深度認知演進，應用范圍從外圍環節向核心環節延伸。傳統工業智能應用模式包括識別類、數據建模優化類、知識推理決策類以及組合類四種，應用認知水平依次遞升，并加速由質檢、巡檢等外圍環節向工藝優化、設備運維等核心制造環節演進。識別類應用成熟度最高，占比47.5%，但其可解問題有限，主要利用機器視覺技術賦能質量檢測、安全巡檢、物體分揀等外圍生產環節，與工業機理相關性較弱。數據建模優化類探索最集中，占比42.9%，通過機器學習算法對研發仿真、設備運行、工藝參數等結構化數據進行建模優化，形成工藝參數優化、能耗優化、排程優化等典型應用。知識推理決策類僅實現點狀探索應用，占比4.7%，主要圍繞設備故障診斷、工藝知識問答等強工業機理環節實現創新應用，提升決策的可解釋性與認知水平。組合類應用價值潛力最大，通過數據與機理雙驅動的模式在設備管理、經營管理等環節實現局部應用，占比4.9%，當前仍處于科研院所為主的理論驗證階段。

工業大模型發展遵循“嫁接基礎大模型-自研領域大模型-多模態多任務大模型”路徑，變革價值潛力巨大。相比傳統工業智能，工業大模型在推理決策能力、泛化能力上具有無可比擬的優勢，將會顯著降低企業應用AI門檻，提升企業分析決策、可持續創新等能力。大模型技術與工業融合目前呈現兩種形態，一是各工業場景直接嫁接消費領域基礎大模型，增加自然語言交互、代碼自動生成等輔助性能。這類應用本質均是調用基礎大模型已有功能，充分發揮基礎大模型在自然語言交互、代碼生成等領域的優勢，快速提升企業辦公效率和工廠操作效率。二是基于細分工業場景數據，自建領域大模型，實現研發、生產等環節的創新應用。以結構設計、藥物研發等為代表的研發設計環節應用潛力較大，有望推動人腦設計走向生成設計。三是面向多類場景和多類任務，構建具備通用能力的多模態融合大模型。這類模型在可靠性、可解釋性要求高的核心生產環節價值潛力巨大，但距離產業化應用仍有一定距離。谷歌PALM-E機器人大模型是典型代表，具備自主通用智能，可執行多種任務，已經在工業生產領域探索應用，但距離真實生產場景仍有較大差距。

1.4　工業應用呈現“落地-升級-躍升”梯次推進，垂直應用加快普及、智能應用逐漸涌現、一體化應用原型凸顯

工業應用在漫長發展過程中迎來新一輪變革周期，遵循著“落地-升級-躍升”的發展路徑。在落地階段，打造垂直應用成為廠商加快產品落地推廣關鍵。在升級階段，智能化成為多數廠商提升應用能力關鍵。在躍升階段，一體化、全貫通工業應用憑借快速部署、流程天然打通等優勢成為頭部廠商競爭焦點。當前，少數廠商已完成落地推廣并布局智能應用，極少數頭部廠商已推出一體化工業應用原型。

多數廠商已開始打造細分解決方案，推動具有強行業特征的垂直類應用走向普及推廣。隨著云化解耦技術愈加成熟，應用的快速靈活重構成為可能，專精類服務商進而能夠以較少投入快速整合推出面向行業細分領域賽道的產品，搶占細分賽道。霍尼韋爾面向醫藥行業，推出MXP制藥MES平臺，覆蓋從臨床試驗到商業化產品開發全環節應用。西門子面向集成電路行業，在過去三年先后收購電子先進企業Supplyframe、電路仿真企業AveryDesignSystems，提升集成電路行業的工業應用能力。

少數已經完成細分行業產品化的企業，開始推動應用智能化升級，超越傳統能力邊界的新型智能應用加速涌現。經營管理智能應用方面，Salesforce推出用于CRM的生成式Al Einstein GPT，能夠針對客戶查詢生成自然語言響應、創建個性化內容，甚至代表銷售人員起草整封電子郵件，極大提升客戶管理效率。研發設計智能應用方面，仿真軟件巨頭Ansys推出基于Al的仿真軟件Ansys SimAl，將Ansys仿真的預測準確度與創成式AI的高速度相結合，實現設計流程加速10-100倍。生產管控智能應用方面，橫河電機推出基于強化學習的新型控制優化應用FKDPP，針對過去只能手動控制場景，實現自主化控制，極大降低人工經驗依賴。

極少數具有多類工業應用以及生態整合能力的服務商，集成打通多類應用，具有“1+1>2”躍升價值的“一體化應用”原型凸顯。達索3D Experience平臺包含設計、仿真模擬、產品數據管理、生產管控、企業運營、大數據分析、協同環境、社區協作等多種應用為一體的綜合平臺，用戶使用3DE便可以完成研發、設計、仿真甚至下游生產制造。西門子推出Xcelerator解決方案，其本質是依托邊緣平臺MindSphere將PLM、EDA、ALM、MOM等多環節工業應用組合，打造一體化集成的超級應用。

2　工業互聯網未來展望

2.1　工業互聯網產業走向平穩發展，新領域是增長引擎

隨著工業互聯網技術產品進一步成熟，產業也將逐步從高速增長周期過渡到平穩發展階段。工業互聯網技術產業規模增速將基本保持穩定或略微放緩，產業成熟度將進一步提升。以我國為例，2023年我國工業互聯網產業總規模超過1.36萬億元，同比增速較以往下降3-4個百分點，預計未來產業規模增速將保持平穩。工業互聯網技術產業的不同細分領域增長速度將呈現出顯著差異，融合創新領域有望撬動產業新“增長極”。工業互聯網網絡、平臺、安全等成熟產業已形成規模，產業高增長動能減弱，而工業智能、工業數字孿生、開放自動化等新興產業將迎來爆發式增長。據估計，工業智能未來五年復合增長率將達到52.5%，工業數字孿生未來五年復合年增長率將達到61.3%，開放自動化市場規模增速將達到傳統自動化市場的6倍，增速超過20%。

2.2　工業互聯網產業加速整合，走向數字孿生閉環

在融合技術創新變革與數據閉環分析需求的雙輪驅動下，工業互聯網將加速細分領域的技術產業整合。

一是新型工業網絡將全面融入開放自動化，推動構建扁平化控制體系。開放自動化通過把各個生產單元解耦為標準模塊，實現自動快速連接，新型工業網絡將在此基礎上把大量運算和存儲功能移動至邊緣端，全方位保障生產線不同模塊間的數據協同。

二是開放自動化與工業互聯網平臺將實現全面協同，徹底打破IT與OT的鴻溝。開放自動化能夠基于統一標準實現工業控制應用的可移植與互操作，工業互聯網平臺將進一步在云原生環境下支持工業控制應用的開發及運行，充分實現IT與OT的原生融合。

三是平臺將成為云原生軟件整合貫通的底座，全生命周期數字孿生將走入現實。工業互聯網平臺將持續沉淀并抽象公共模型、工具和能力，為云原生軟件提供開發、部署及運行環境，圍繞研發、生產及運營等全鏈條軟件工具鏈將走向集成自動化，推動全生命周期數字孿生走深向實。

2.3　AI將深度滲透融入工業互聯網，重塑技術產品形態

隨著人工智能的快速發展和工業互聯網的融合創新，人工智能技術將深度滲透并重塑工業互聯網技術產品的供給模式。

一是AI將與工業軟件深度融合，徹底變革工業軟件開發及交互方式。在開發方面，AI可以通過自動生成代碼、優化算法，甚至進行自我學習和自我優化，從根本上改變傳統軟件的開發模式，當前部分軟件平臺已經具備“免提式”控制界面與無代碼開發能力。在交互方面，AI將通過智能推薦和預測分析，為用戶提供更加個性化智能化的交互反饋，并與數字孿生可視化技術結合，實現用戶與軟件的低門檻無縫交互。

二是AI將與裝備及機器人深度融合，大幅提升具身智能的認知行為能力。具身智能是機器學習、感知技術與機器運動控制深度融合的產物，能夠賦予機器更高級別的判別及行為能力。當前具身智能在工業場景進展較慢，主要面臨感知控制的準確性和穩定性、與人協作的安全性和可控性等方面挑戰，未來有望在技術迭代下加速應用落地。

2.4　平臺經濟變革價值將凸顯，數據要素乘數效應釋放

隨著工業互聯網平臺逐步從工具屬性向經濟屬性延伸，通過全面整合產業數據及生產資源，釋放平臺網絡效應與規模效應。平臺經濟作用范圍將加速由消費端走入向生產端，帶來全新的價值供給與產業組織方式。平臺經濟為生產端帶來的變革將是全方位的，制造企業將依托平臺實現內部生產方式重塑，構建數據驅動的智能化柔性生產模式，創造新的產品及商業價值，也將通過平臺鏈接外部產業鏈上下游及生態圈，在多元利益相關方密切交互的過程中，實現企業形態與產業組織的動態調整。在平臺經濟的背景下，數據要素將成為企業的核心資產，數據要素的乘數效應有望加速釋放。數據是平臺經濟的核心要素，隨著平臺經濟加速壯大，企業數據要素對于各個應用場景的賦能價值將越發顯性化，數據乘數效應將越發凸顯，實現數據驅動的全價值鏈全要素協同、多場景多主體復用、跨行業跨領域流轉的高水平應用。

摘自《工業互聯網技術產業創新報告（2024年）》

摘自《自動化博覽》2024年6月刊