工业研究报告

来源：新浪财经一、现货价格及成交9月16日，国内建筑钢材价格全线下跌，唐山普方坯出厂价降20报3370元/吨。价格持续走弱，市场心态转向悲观，投机性需求较为低迷，钢贸商低价走量、积极出货为主。（wind数据）16日国内建筑钢材价格全线下跌，上海市场螺纹交割品价格报价3720元/吨，较前一日下跌20元/吨。目前市场库存和产能处于高位阻碍了价格反弹，市场看空情绪继续蔓延，市场投机性需求低迷，预计短期国内建筑钢材价格或继续趋弱运行。116日热轧板卷全国主要城市价格大幅下跌，上海市场交割品报价3880元/吨，较前一日下跌60元/吨。近期北材南下华东资源量增加明显，由于近期到货较多，多数商家仍以出货套现为主，短期市场库存仍将进一步累积，预计明日热轧板卷价格或将弱势为主。从原材料来看，16日进口铁矿石市场继续下滑。早间山东贸易商报价较昨日下跌5-10元/吨。市场波动较大，钢厂采购意愿较弱。午后市场继续下行，但港口主流可贸易资源依旧紧缺，低价出货意愿不强。综合看，现阶段钢材“高供给、高库存”的压力将长时间伴随，叠加近期去库存情况不及预期，钢材价格下行压力较大，但钢材进入消费旺季，同时产能下降，也存在着利好因素，因此，价格近期宽幅震荡运行概率较大。矿石前期涨幅较大，可能面临调整风险。二、期货盘面与市场基差数据来源：wind 钢联数据三、精选策略盘面看，近期螺纹热卷板和矿石继续破位下行，价格全线走弱，市场心态恶化较快。但现阶段，由于各地频繁限产，现货钢材供应方面小幅下降，缓解部分供应压力，而钢材已经进入需求旺季，在目前高成本状况下，继续下行的动力较弱，价格跌至低位后，可能出现反弹，注意市场操作节奏。总体来看，焦炭价格继续稳中偏强运行，近期三轮落地可能性较大，而矿石供应端偏紧，价格低位支撑也比较强。根据前期策略，焦炭和矿石基本回调至预期位置，期货盘面上，短期焦炭和矿石宽幅震荡的概率最大，关注中线焦炭和矿石市场企稳时机，震荡思路考虑，选择合适中期位置高抛低吸，波段参与。国金期货

AI软件市场规模保持高速增长，2019年预计达到146.9亿美元，未来5年将保持133%以上的年复合增长率。2019年我国人工智能市场规模可达760亿元，未来将保持高速增长，预计到2022年可达到5，580亿元。工业互联网平台已经渗透到钢铁、机械、航空航天、家电等多个行业，有力促进制造业数字化转型，实现提质降本增效，部分先行先试企业劳动生产效率提高20%以上。AI将为中国制造业额外贡献2.7万亿美元的增加值，相对无AI应用增加近31%。新浪VR知识星球报告库上万份报告，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

工业智能前沿报告首先分析了工业智能在全球范围的发展态势，分析工业智能在各个领域的智能技术发展现状与趋势；其次对我国工业智能发展现状进行解读，以从政策、产业角度分别展示我国工业智能发展状况；然后给出了国际和国内在工业智能发展中相应的可预见技术以及现存在的工程难题，通过研究现有问题，指出工业智能的发展瓶颈和突破方向。最后，本报告给出了工业智能发展的相关政策建议，展望工业智能在发展过程中的重要方向。一、 研究概述随着人工智能技术体系的不断发展完善以及物联网、云计算、数字孪生等新一代信息技术的不断成熟，智能制造和工业互联网正成为学术界与产业界的重点研究课题。工业智能正是智能制造和工业互联网发展的核心。工业智能以工业产业链为主，服务于工业产业链上下游，以工业数据为基础，人工智能算法为核心，其他先进信息技术为辅助，通过对工业产业链中的各个环节、对象进行深度渗透与改造，从而达到重塑工业形态、提升工业能效的目的；同时工业智能亦形成了向工业产业链外相关产业辐射的趋势，通过在工业场景下的工业智能成功案例推广，推动综合智能技术在其它领域的应用，从而达到促进生活、生产模式整体升级的目的，也即以增量带动存量，以创新引领革新。在工业智能的发展和应用过程中，多技术的升级与融合是促成这一演进的重要推动力。以深度学习、迁移学习为代表的新兴人工智能技术打破了传统以知识驱动为核心的专家系统，同时大数据、边缘计算、区块链、数字孪生、知识图谱等先进技术的发展为重塑产业生态提供了可靠支撑。工业智能在复杂的工业场景中，必须要依靠通信技术、信息技术、数据技术以及人工智能技术的深度融合，才能实现针对不同场景的适应度好的应用落地，因此，工业智能不是简单的工业+人工智能，而是一种多技术融合应用到多场景的综合智能技术。前三次工业革命分别把工业推向了机械化、电气化、自动化，但人们日益增长的生活需求促使着工业向更高等级跃迁，而随着传统工业模式的逐渐成熟，节能减排的措施不断落实，旧的工业模式已经无法涌动出更大的产能。因此，如何挖掘现有工业规模的潜力，释放出最大化的能效，是工业领域践行可持续发展和绿色发展方针所需要解决的重要问题。工业智能正是解决这一问题的关键手段，通过智能化、数字化手段改造传统人工作业模式，形成设计、生产、管理自主决策，优化工业各环节的资源配置，综合智能技术打破传统工业应用中的实施壁垒，由此激发整个工业生态的高效稳定产出。尽管如此，工业智能的发展仍然存在着阻碍与挑战，传统算法伸缩性较弱、适应性较差，不利于同步新技术与适应新场景；工业数据安全性较低、保护机制不够成熟，不利于智能生态闭环建设；工业智能模型复杂，部署成本高，消耗能量大，不利于项目落地。在此背景下，国务院、教育部、工信部、科技部等部门发布多项政策，从基础教育、产业布局、资金投入、政策倾斜等多个角度，为工业智能的发展构建了良好的环境。因此，撰写组以工业智能为核心，围绕工业智能与新兴技术、工业产业的结合点，总结了国内外工业智能发展现状，提出了应用过程中出现的工程难题及挑战，编写了此份前沿报告。主要内容包括：工业智能的全球发展态势和我国发展现状、国内外的技术预见及工程难题，最后给出了我们在技术和产业政策方面的建议。二、 全球发展态势工业智能概念是随着人工智能技术不断发展以及其与工业应用不断融合下出现的，以人工智能技术为代表的第四次工业革命正在发生，其所促进的工业升级从传统的机械化、电气化、自动化向网络化、数字化、智能化转变，而工业智能正是新型工业形态的核心要素。各国早早地认识到工业智能为工业发展带来的好处，已经在各个工业生产领域投入大量的研发资源，将大量先进技术投入到工业生产中，探索出一批成熟应用并将其快速推广，以源头推动工业产业链的升级。新的计算基础设施、算法以及工业流程和不断增长的数据注定了工业智能必将从传统的依赖专家知识的算法和计算机系统向借助人工智能技术进行智能化、数字化的实时监测和控制转变[1]。当前，工业领域中运用最多的是如卷积神经网络、循环神经网络等深度学习方法，它们主要被应用于图像分类、目标识别和视频跟踪等计算机视觉应用与语音分析中。除此之外，其它人工智能技术如强化学习、迁移学习、联邦学习等，也在各个工业领域、环节中发挥了巨大的作用。在电力能源领域的研究中，人工智能技术主要通过处理系统或能源基础装置上的传感器数据来实现检测、预测、管理和实时控制。如基于物联网的深度学习方法[2]，从数据中自动提取特征，用于负载预测；采用隐马尔可夫模型与 Q-Learning 结合[3]，用于分层智能电网架构下需求预测的实时决策；基于层次时间序列特征提取的三阶段多视图叠加集成机器学习模型[4]，用于检测盗电和异常停电；加拿大温莎大学采用特征提取、选择和去噪检测风电场涡轮机轴承故障[5]，并采用自适应贝叶斯算法预测风电场设备剩余使用寿命，以提升风电设备维护效率；印度钢铁研发中心采用专家系统[6]，用于给出熔炉参数调整操作的专家建议以提升熔炉效率。在工业制造领域的研究中，异常检测、过程管理、过程优化以及预测性维护是当前研究的热点。如采用增量式时空学习算法[7]，用于视频监控的同时实时检测和定位异常；采用向量符号架构[8],用于分布式故障隔离；采用设备数据驱动的深度信念网络结合蚁群算法[9]，用于硬件的状态评估和预测性维护；采用稀疏自编码器和深度信念网络处理多传感器特征[10]，用于轴承故障检测；美国 Corus 公司采用专家系统诊断结晶器液面自动控制系统故障状态；智利天主教大学采用基于动态增量主成分分析方法与卷积神经网络结合对工业电机故障进行检测与识别[11]，在中试工业电机上的测试表明，方法故障检测率超过 99%，虚警率低于 5%，识别准确率超过 90%；荷兰 Scyfer 公司使用深度学习与半监督学习结合的方法对钢表面进行检测[12]，用于检测钢产品的罕见未知缺陷。在工业数据处理的研究中，研究主要集中于人工智能技术方法与云计算、边缘计算以及智能传感器的应用融合中。如以用户为中心的云边协同数据处理框架[13]，用于为物联网和信息物理系统提供隐私保护的同时实现数据的高效分析；采用自进化式的人工智能方法[14]，实现在物联网、信息物理系统以及视频监控中数据的互操作；提出分层分布式的雾计算体系结构[15]，采用序列学习算法结合传感器数据，用于基础设施和服务集成；开罗美国大学提出了一种基于自动编码器检测虚假数据注入攻击的方法[16]，一方面可清除虚假数据，另一方面也可恢复正常数据，提升了工业物联网平台安全性能；伊朗伊斯兰阿扎德大学利用支持向量机和神经网络对工业制药系统中净水装置的传感器数据进行处理[17]，用以检测制药水源水质异常，保障所生产药品的安全性和质量。在工业过程和实时监控的研究中，基于数据驱动的人工智能方法是当前实现复杂工业过程的监测、控制和管理的研究热点。如基于流数据样本接收的递归缓慢特征分析算法[18]，用于粗加热炉系统自适应过程监控；基于神经自适应分裂和合并径向基函数神经网络[19]，用于控制湿法炼锌厂的动态除铁过程;基于强化学习的混合储能系统[20],用于光伏发电和柴油发电组成的混合交/直流微电网在线最优控制；基于无监督定宽聚类的状态识别[21]，用于监控和数据采集过程中的入侵检测；基于多智能体控制实现生产单元间的协同[22]，用于物流处理；俄罗斯科学院机械工程研究所针对自动化生产线上的产品质量与生产设备的状态进行监控[23]，基于神经网络对过程状态进行识别，提高产品质量及生产效率；澳大利亚 BHP 公司采用热平衡模型和专家知识，用于高炉工长指导系统实现炉热平衡控制。综上所述，工业智能在不同领域上都开展了一些研究工作，已经形成了一些成熟的应用模式，同时伴随着人工智能及其相关技术的发展和突破，工业智能在扩大应用场景的同时也在不断更新技术，以求将先进技术快速转化为生产力。当前工业智能的实践已经证明，工业智能的发展，促使工业产业链上下游、工业产业链内外侧、工业产业链各环节的对象、服务、产品相互联系，以人工智能为核心的智慧信息技术体系，正推动着新一轮产业变革与应用创新，其将在协调各对象的过程中不断提高生产效率和工业生态的稳定。三、 我国发展现状中国高度重视智能产业发展，加快数字产业化、产业数字化，推动数字经济和实体经济深度融合。2020 年 5 月，国务院政府工作报告指出，要推动制造业升级和新兴产业发展，提高科技创新支撑能力。支持制造业高质量发展，发展工业互联网，推进智能制造，培育新兴产业集群。要继续出台支持政策，打造数字经济新优势。2020 年 9 月科学家座谈会议强调经济社会发展和民生改善比以往任何时候都更加需要科学技术解决方案，要坚持面向世界科技前沿、面向经济主战场、面向国家重大需求，不断向科学技术广度与深度进军。工业智能是实现工业高效运转模式的重要方法，它以工业大数据为基础，强调人工智能方法驱动与信息技术的融合，用于对工业场景中的全对象、全流程、全周期进行感知、监测、控制、决策、优化、维护，推动工业模式变革，实现产业生态升级。2015 年以来，党中央和各部委先后在多个领域布局，推进工业智能在不同场景下的快速应用。2015 年 3 月工信部即开展了智能制造试点示范项目；2016 年 4 月工信部召开光伏产业智能制造研讨会，提出要引导光伏制造业加快智能化、网络化、信息化发展，促进高端产能和落后产能的市场分化；2017 年 11 月印发的《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》指出要发展先进制造业，支持传统产业升级，形成智能化发展的新兴业态和应用模式；同年 11 月工信部发布的《高端智能再制造行动计划（2018-2020）》指出，要推进高端智能再制造关键工艺技术装备研发应用与产业化推广，探索高端智能再制造产业发展新模式；2018 年 12 月工信部印发了《车联网（智能网联汽车）产业发展行动计划》，同月协同交通运输部、国防科工局印发了《智能船舶发展行动计划（2019-2021 年）》，分别指导陆地交通与水上交通工业的智能化发展；2019 年 10 月工信部复函山东省人民政府、深圳市人民政府，支持济南-青岛、深圳打造人工智能产业集聚区，促进人工智能技术的核心创新与深度融合应用；2020年 9 月工信部印发的《建材工业智能制造数字化转型行动计划（2021-2023 年）》提出要建立建材智能制造标准体系，创建建材智能制造创新平台，形成智能化、数字化、集成化系统解决方案，促进行业变革。以上政策和行动说明，我国多点布局，正逐步构建以智能制造为核心的工业智能新体系。我国工业发展持续增长。据国家统计局数据，2019 年我国全年国内生产总值 990865 亿元，全工业增加值 317109 亿元，比上年增长5.7%，其中高技术制造业增加值比上年增长 8.8%，占规模以上工业增加值的比重 14.4%。高技术制造业是工业智能的实施前沿，由其增长数据可知，工业智能为我国经济发展提供了强大的动能，而由其占比也可以发现，除高技术制造业以外的传统工业占比数倍于高技术制造业，实施工业智能转型的空间也十分巨大。埃森哲也指出，预计到2035 年，我国制造业因人工智能的应用其增加值增速可以提高 2.0%左右。工业智能推动了技术、产品和应用的发展。从 2020 线上中国国际智能产业博览会来看，其展示了以石墨烯柔性透明键盘、自动调色调、调光透的智能玻璃为代表的工业智能材料产品；清华大学电子工程系教授研发的量子光谱仪，其可采用量子点纳米材料识别物质光谱，其将助推工业智能感知的快速发展；中冶赛迪集团展示的数字基础设施—赛迪云以及钢铁行业工业互联网平台和以此拓展的 Q-TOUCH云端城市管理平台，显示了工业智能的基础应用与其延伸；中国联通展示的“5th Generation Mobile Networks(5G)+Augmented Reality(AR)”技术，模拟汽车远程运维服务场景，相关设备已经由华夏航空部署到机场应用；腾讯公司以大数据、人工智能、5G 网络、云服务等技术为核心，在智博会上搭建的智慧名城展馆，展示了有关政务、教育、医疗、交通等智慧城市要素项目；国网重庆电力公司的“e 重庆”App展示了其通过整合车辆、充电桩等多维度信息实现状态检测、联合分析、安全预警等应用的能力。由此可见，以工业智能为主导的产业变革与科技创新，正不断激发市场活力、孕育产业动能以及重塑生活方式。我国工业智能的主要应用场景集中在以钢铁冶炼为代表的流程工业与汽车航空制造为代表的离散工业。一方面需要为各类制造行业解决通用性的问题，如质量检测、供应链管理、现场监控等，另一方面需要针对制造业的特性提供方案，如流程工业的安全、能耗、污染问题，离散工业的工艺、调度、个性化等问题。针对流程工业，上海宝钢通过数据分析与参数优化，实现能耗控制，通过基于ArtificialIntelligence(AI)的智能钢包，节约成本近70亿元，同时其基于自动识别智能、控制等技术实现智能化仓储；而攀钢通过应用人工智能可优化转炉炼钢复吹、造渣过程及冷轧工艺控制，年效益数千万元；陕钢龙钢公司则成功对450平米烧结机专家系统进行了智能改造，日可增加余热发电量1.5万千瓦时，减少二氧化碳排放1.5吨[12]。针对离散工业，福田汽车利用计算机视觉、机器学习等技术通过将视觉检测系统引入至喷涂机器人，捕捉车身喷涂外观，在喷涂现场边缘节点指导汽车喷涂作业；北京大兴国际机场通过深度学习等实现资源优化调配，通过分析飞机、气象、人流量数据，支撑复杂决策。由上述工业智能发展现状来看，工业智能的切入点主要为面向生产环节以及面向生产配套、增值服务，以此扩展实现面向全流程全要素的服务化智能生产。当前，尽管我国工业智能的发展已经取得了一些成果，但仍然面临着一些挑战，如人工智能模型场景适应性差，反复建模工作量大；工业数据规模大、复杂度高，数据价值利用率低；信息技术发展快，工业智能与新技术衔接存在滞后。针对上述问题，分别从以下角度提出解决方案：通过研究伸缩性强、可迁移复用的人工智能算法，包括模型迁移、模型进化等技术，可以有效提升人工智能的场景适应性问题；通过对数据进行全生命周期管理，挖掘数据潜在价值，可以加速工业数字化与智能化；通过人工智能与5G、多模态计算等新技术的快速融合适应，可以推动工业智能在人工智能技术日新月异的条件下动态进化与部署。四、 技术预见（一）国际技术预见1. 模型迁移推动工业智能多场景复用目前工业领域正在向智能化、数字化方向发展，以文本、图片、视频、音频为代表的海量工业数据成为推动工业应用落地的重要因素。传统机器学习方法能够有效处理工业数据，并已经在许多工业场景中得到良好应用，但仍然面临着数据质量低、训练时间长、模型性能差、需求个性化等问题的严峻考验。迁移学习作为机器学习领域中的新兴技术，能够分别从数据、任务和模型三个角度出发，实现源、目域之间的有效映射和可靠转换，为上述问题提供可行的解决方案，推动工业智能多场景复用。在机械故障诊断研究中，以监督学习为主的传统机器学习方法往往需要大量的标记样本数据，该过程不仅需要耗费大量的人力、物力，同时难以保证训练出可靠、精确的泛化模型。然而，迁移学习在对Convolutional Neural Networks(CNN)、Recurrent Neural Network(RNN)等深度学习方法进行适应性改造后，能够以小样本学习方式训练模型，实现高效、可靠的工业设备故障诊断任务。在剩余寿命预测研究中，现已开发出基于稀疏编码器的深度迁移学习网络，通过将神经网络权重转移至新对象中，从而降低模型重复训练引起的开销，完成对切削工具的剩余寿命预测[24]。迁移学习加强了模型的普适性应用，使不同工业智能应用场景的复用成为可能，这在很大程度上减少了资源的浪费；同时，迁移学习的出现为中小企业的数据欠缺和算力不足问题提供了可行解决方案，并有效提升生产效率。值得一提的是，数字孪生作为连接物理实体与虚拟实体的全生命周期管理技术手段，其在工业场景的映射过程中，同样强调迁移学习应用的重要性，通过人工智能模型的精准开发和复用，以提升产品设计、生产、管理各环节效率[25]。2. 数据挖掘驱动工业智能认知与决策由于传统统计分析方法无法适应当前工业应用中的复杂需求，新一代人工智能技术开始成为推动工业智能化发展的新动力[26]。知识图谱与深度学习作为新一代人工智能技术的典型代表，通过对复杂工业模型与海量工业数据的精准建模与实时分析，可以实现工业应用的智能认知与决策，促进知识驱动与数据驱动的双向融合。在智能制造领域，知识图谱以结构化和扁平化的方式对来自多层级的知识进行表达和存储，加强了产品物理模型、生产流程数据以及企业层级信息的全方面联接，在产品仿真、生产设计、计划调度等具体应用中起到持续、可靠的决策作用。深度学习具有挖掘数据内信息与数据间关系的能力[27]，在诸如生产设备故障诊断、远程运维管理、制造工艺参数优化等复杂场景的应用中发挥重要作用，不仅有效规避了复杂工业模型的建立过程，还大大提高了分析效率与认知能力。在现有研究中，已经有学者提出了采用长短期忆网络、卷积神经网络等方法对涡扇发动机、轴承等工业设备进行预测性维护和剩余寿命预测。除此之外，一些工业产品也应运而生，如 IBM 开发了 WatsonDiscovery 知识图谱框架，思爱普开发了预测性维护软件 PredictiveMaintenance and Service（PMS）。知识驱动与数据驱动融合下的工业应用是当前工业智能化发展的核心路线，以知识图谱和深度学习为代表的新一代人工智能技术正是实施这一路线的重要手段。3. 多协同计算促进工业智能泛在支持云计算已经在诸多领域得到广泛应用，但是随着工业物联网设备的大规模增加以及工业应用对低时延性、高可靠性的强调和需求，现面临着网络资源、存储资源和计算资源带来的巨大压力[28]。边缘计算在网络边缘侧实现通信、计算和存储功能一体化，可与云计算充分融合交互以实现海量工业数据的高效感知与处理。云计算与边缘计算的协同应用是促进工业智能泛在支持的重要手段。从资源的角度看，边缘计算将计算能力与存储能力下沉至边缘节点，以至于工业现场设备能够实现资源的自我配置、自我监测、自我优化等功能；云中心作为云计算的使能节点，集中收集边缘设备信息，统筹资源调度管理[29]。从数据的角度看，工业边缘设备实时采集生产、运营等过程中的海量工业数据，能够按照相关需求对其进行初步的信息分析与挖掘；云中心为接收到的海量工业数据提供更可靠、更高效的存储与处理服务。从模型的角度看，云计算基于业务需求以一定周期训练可靠、精确的模型，并通过裁剪、迁移等方式将其下发给边缘节点，大大保证了工业应用中的服务质量与用户体验。在具体的产业应用中，以微软、亚马逊、谷歌、阿里、华为为代表的企业正着力开发云边相关平台，并促进其在工业领域的应用，例如，微软开发了 Azure IoT Edge 平台，阿里云推出了 Link Edge 边缘计算框架。多协同计算模式促使云、边、端一体化成为可能，也为工业智能服务提供了泛在支持。（二）国内技术预见1. 能耗控制拓宽工业智能布局由于工业物联网设备的大规模连接和工业应用场景的快速部署，高能耗问题在设备级和系统级皆引起了极大关注，如何实现低功耗、高效率的工业智能化发展成为研究热点。从多角度看，轻量化学习算法能够有效降低训练过程的时间延迟；定制化工业芯片能够满足高算力需求，降低由于计算设备自身能力不足造成的能源消耗；无线电能传输借助电磁场将太阳能、风能等自然能源传输给工业物联网设备[30]，这为无源工业设备提供能源支持。对 CNN、You Only Look Once(YOLO)改进的轻量化算法在产品目标检测中已经得到良好应用，该类方法通过裁剪模型，满足弱存储与弱计算环境下的计算任务，这在很大程度上降低了计算开销。传统CPU 在商业应用中收获了良好效益，但是其有限的计算能力难以满足工业应用的巨大计算需求，在运行大规模人工智能算法过程中会造成大量的时间延迟与能源消耗。Field Programmable Gata Array(FPGA)作为一种专用集成电路中的半定制集成电路，能够面向特定工业应用场景，融合实际、可靠的人工智能算法，为开发个性化、定制化的计算芯片提供可能，这在降低计算开发成本与提升任务执行效率两方面提供了一种有效的解决方案。无线电能传输为工业现场的联网设备提供一种无源能量收集方法，工业物联网设备能够在无源方式下，通过自身配置的能源收集装置完成对自然能源的采集。能耗控制成功地降低了工业应用过程中的时间延迟和能源消耗，在一定程度上延长了工业物联网设备的使用寿命，是工业智能化发展的重要趋势。2. 数据安全保障工业智能应用安全是工业智能发展的基础与前提，保障工业智能应用中的数据安全是构建工业安全体系的重要一环。工业数据安全跨越设备、网络、应用等多层级，涵盖设计、生产、采购、管理等多环节。区块链技术与联邦学习算法的兴起，为打破工业数据孤岛，保障工业数据安全提供了可靠支撑[31]。联邦学习有客户端-服务器和对等网络两种常用框架。在客户端-服务器框架下，联邦学习保证异构工业设备在不公开隐私数据的前提下完成局部计算任务，并通过服务器的中心聚合能力实现高效、安全的加密计算。区块链本质上是一个开放式、分布式的数字账本，通过共识算法、数字签名等技术在物流溯源、供应链管理和工业数据安全存储方面提供可靠帮助；区块链通过与边缘计算和人工智能技术的结合，能够有效增强网络鲁棒性，数据传输可靠性，并有效提升边缘智能的信息共享能力。工业数据安全贯穿数据全生命周期，包括工业数据采集、传输、存储、迁移等环节。工业数据的单向流动向双向流动的转变，给工业安全带来了巨大挑战，这也促使区块链技术与联邦学习等成为保障工业安全应用的重要技术。3. 高速通信助力工业智能创新新一代通信技术（5G）具有多天线、同频全双工、高频传输、密集网络和多载波的特点，为工业现场设备提供低时延、高可靠、大带宽的泛在连接。5G 通信技术与工业应用场景紧密结合，促进了工业智能创新发展。与工业物联网技术的融合应用中，5G 通信技术加速工业物联网设备采集数据的上传过程，为万物互联提供了可能；与云边协同技术的融合应用中，5G 通信技术缓解了云中心带宽不足、传输延迟低下、安全可靠性差的问题；与实际工业服务的融合应用中，例如设备故障监测、预测性维护等，5G 通信技术保障了服务响应的实时性，在一定程度上提升了服务质量与用户体验。在实际应用中，宁波舟山港采用 5G 技术实现多吊车并行作业；中国联通发布首个工业互联网端到端网关。5G 通信技术是当前通信领域的重大突破，也是工业智能发展的趋势。五、 工程难题（一）国际工程难题1. 可适应、可进化的智能算法工业场景和基础设施对解决方案的要求很高，因此，现有的一些深度学习方法并不能直接套用到工业生产应用中。首先，由于深度学习算法本身的非解释性可能会加剧工业应用中的不可靠现象发生，Radial Basis Function(RBF)、Long Short TermMemory(LSTM)与 CNN 等主流神经网络的输出层函数均为基于概率分布的函数，其对新数据泛化性较差，在分类或识别中的准确性往往不可能达到 100%。这在一般的应用生活应用场景中往往是可接受的，但考虑到工业领域和核心环节的高精确的需求，如设备运行参数、原料的配比等，若直接使用，将对生产、制造等环节，甚至生命财产安全产生巨大影响。这导致了目前深度学习算法仅应用于如产品缺陷质量检测、设备故障检测或预测性维护等低危、辅助的工业场景中。其次，深度学习技术往往用于解决“大数据”问题，需要大量样本数据进行训练，但随着物联网技术的发展和工业场景的实时性需求升级，越来越多的人工智能与工业场景的融合将面临“小数据”问题。如面临设备故障时，解决最直接的运行问题只需要部分物联网传输的实时数据。利用小数据进行实时建模、快速训练与及时部署将是机器学习算法在工业场景应用的新课题。最后，在硬件方面，开发者和芯片厂商需要确保具体工业场景和和芯片之间良好的适配性，同时对芯片的性能提出更高要求。在一些实时性要求较高的工业场景中，对一些数据的处理、扫描速度的要求在 1/10 秒，甚至微秒级别，许多芯片的计算速度无法满足实际需求，造成空有方案却无法实施的尴尬局面。2. 多特征、广覆盖的数据处理知识图谱、数字孪生等都是对繁杂工业数据的一种处理技术，是提高工业企业数字化的途径，其首要难点就是对原始数据的采集、清洗和加工。与互联网数据不同，开发者在采集工业数据时将会面临许多不同的工业协议，如 ModBus、ControlNet、DeviceNet、Object Linking andEmbedding for Process Control(OPC)、Controller Area Network(CAN)、Process Field Bus(Profibus)等，甚至还有部分工业设备生产商会自行研发各种私有的工业协议，给数据的互联互通和整合带来麻烦。同时，以目前的传感器、物联网技术，仍无法达到对机器的精确全域覆盖，采集到的数据仍然不够详尽，导致数字孪生体的建模会有所缺失，导致预测与判断产生误差。针对不同的工业场景，数据的清洗加工程度很难确定。如果清洗加工程度太高，会无法提取到足够的特征，当清洗加工程度太低时，不仅提高了学习和仿真环境搭建的复杂度，也加大了数据传输与存储的难度。此外，由于传感器准确度不高以及工业特殊情况下网络连接不可靠，收集到的数据可能会与实际数据产生偏差。在数字孪生技术的应用中，模型的建立是关键，但工业环境的复杂性增加了建模的难度。当开发者对一个客体的功能、关系和状态进行建模时，不仅依靠本体的历史设计模型，还需要考虑到客体与周边环境相关的行为和安全保障。建模的难度将随着客体的复杂程度呈指数性增长。以发动机为例，仅一个发动机，其内部的各个单一元件可能超过 1000 个，若是扩展到一个发动机厂商的全生命周期制造产业链，则可能指数级扩张到数十万个，甚至数千万。目前数字孪生技术的领头企业，美国通用公司，也仅达到了对其每个发动机、涡轮等产品的数字孪生体创造，其数量就已经超过 100 万个，若涉及全生命周期的产品生产过程，其建模的工程量将变得更加惊人。3. 快响应、高稳定的云边交互尽管边缘计算通过将计算下沉边缘的模式可以很好节省带宽，可以有效提升工业智能的处理效率和降低工业生产成本。但这并不意味可以完全依赖边缘节点而忽视中心云的作用。从工业业务的角度，随着物联网技术的进步，海量物联网传感器终端将给边缘节点带来更大的流量压力。从工业互联网部署环境的角度，边缘资源的异构性和传感器在地理上的分散性会导致网络边缘存储、计算、带宽资源十分紧缺。当边缘节点资源不足时，需要中心云端资源可以进行及时补充。当边缘节点与中心云的网络连接发生拥塞时，云端需要立即将流量引入空闲链路。因此，提高边缘端和云端的协同性是边缘计算在智能工业制造中落地所面临的最大难题。不仅需要考虑边缘节点间的资源分配和任务调度，同时需要优化边缘节点与中心云间的分配与调度问题。不合适的资源分配和任务部署会极大的增加缩容频次[32]，影响任务的执行效率并对本不充足的计算资源加重负担。此外，在边缘计算的数据寻址、确权和交换时，由于当下通信技术的蓬勃发展，在工业生产中将蓝牙、Near-Field Communication(NFC)等技术支持设备接入工业互联网后，使得网络拓扑结构出现动态变化，大量边缘设备节点的接入带来了移动性和扩展性上的问题，即边缘网络的动态命名机制问题。当前传统的命名机制如 Domain NameSystem(DNS)、Uniform Resource Identifier(URI)等并不能很好的解决边缘计算中的数据传输问题。尽管已经有人提出一些动态命名问题的解决方案，但距离应用到工业场景中仍需进一步实验以解决一些适应性问题。最后，与云计算相比，边缘计算场景更贴近数据生产者，这会对边缘节点的软硬件升级带来一定困难。边缘节点往往远离计算服务的提供者，不仅数量众多且在地理上具有一定的离散性，涉及硬件的维护与升级更是需要亲临现场。若仅依赖服务提供商进行升级维护，将带来大量的成本开销。而工业生产者作为使用方，对边缘节点设备的不熟悉也会加快其维护的频率，降低计算服务质量的稳定性。（二）国内工程难题1. 绿色制造有待优化目前我国的绿色智能制造一般从 2 个方面着手：精益制造和能耗管理。精益制造，即消除浪费、增加效率。通过推行工业智能化的改革，利用智慧管理平台相比过去已经有了重大的改观，但在能耗管理上，仍存在许多难题。工业场景下的能耗管理模型，具有多种能源系统和复杂的运行环境，需要考虑的影响因素很多。由于我国的数字化改革仍未完成，各个工业生产部门间的数据共享机制仍未完成，对于整体工业场景的总体能耗标准、用能现状仍不清楚，无法准确合理地制定统一的节能方向。并且工业生产过程中设备种类众多，涉及的工业场景比较复杂，一方面对建立模型有难度，另一方面，存在运行状态多变，收集数据误差等多个不确定因素，这种不确定因素将随着工业场景的复杂化而增多，给够影响能耗决策的判断。从网络数据传输的角度，工业智能会让原本复杂的混合工业网络架构更加多样化，复杂多变的物联网环境，如边缘设备间频繁的通信和移动会导致网络连接发生中断，设备重连过程将需要寻找其他路径或延续之前的路径，这会导致大量的能源浪费。若将所有服务放在云端，又会导致云端收到的请求过多，引起云中心的负载过重和网络拥塞，同样会加重网络的能耗。2. 安全技术仍待开发联邦学习和区块链作为解决安全问题的重要技术手段，是当前的热点研究方向，但仍然需要解决工业场景中应用的兼容性问题。联邦学习中用户只分享局部参数，而不泄露私人数据，相比与传统的集中式学习显然更加安全。但联邦学习技术仍存在包括隐私在内的许多技术问题。首先，联邦学习的参数接收方，中心的集中管理者仍然容易受到攻击，导致整个学习过程失败。其次，联邦学习过程中参数共享需要频繁地进行数据交互，也会增加用户被攻击的可能性。为了对共享参数进行加密一般采取为用户分配密钥的方式，但目前传统的加密方法，如 Self Modifying Code(SMC)、 Differential Privacy(DP)、Homomorphic Encryption(HE)等并不能很好满足联邦学习的需求[33]。最后，联邦学习的学习速度也是阻碍其大规模应用工业场景的原因之一。相比于传统学习方式的本地训练，联邦学习这种分布式学习的方式会面临大规模的通信和节点的计算开销，对训练过程的优化和加速一直是开发者们研究的课题。目前区块链技术同样要面对安全和性能问题。安全问题上，主要面对 51%攻击问题，即当攻击者掌握全网 51%以上的算力时，就可以拥有篡改和伪造区块链的能力。但由于算力、共识和社群的分裂和稀释，有时 51%已经不是区块链被攻击的底线。此外还有诸如双花攻击、女巫攻击等安全威胁。从性能方面看，目前问题主要在于目前区块链技术自身的共识速度、存储容量等性能指标与智能工业环境下海量终端的低延时应用需求存在差距。当提升数据大量写入、低时延、高并发场景续航能力时，可能就不能完全保证安全防护问题，这需要根据具体项目的特点做出个性化的取舍。3. 5G 技术尚需融合工业的各个细化应用场景需求差异较大，5G 作为新兴的通信技术服务和联通解决方案，目前还并不能完全理解工业场景下的网络需求。当前的大部分 5G 芯片/终端方案在与工业场景需求和工业技术特性对接上存在不足，还不能满足各种工业场景对可靠性、工作温度、终端形态等方面的技术要求。就 5G 自身来看，一方面，高精度网络的建设和维护要求高、难度大，需要新的支撑手段。尤其在工业场景下，大带宽传输一旦出现故障，不仅将会造成经济损失，甚至引发重大安全事故。另一方面，在抗干扰能力上，由于 5G 网络中相邻节点的传输损耗差别不大，导致多个干扰源强度相近，这是现有的方法难以解决的。聚焦国内场景，国内工业企业数字化水平也对 5G 赋能造成了极大制约。根据两化融合服务联盟的统计数据，截止到 2020 年前，参评的 15 万家工业企业在生产设备数字化率、关键工序数控化率均不到 50%，而工业企业智能制造就绪率仅为 7.6%。许多工业行业仍没有应用计算机辅助设计（Computer Aided Design , CAD）、制造执行系统（Manufacturing Execution System , MES）、产品生命周期管理系统（Proct Lifecycle Management , PLM）等配套工业数字化软件[34]。因此，配套服务的提升也是 5G 快速部署的关键。六、 政策建议（略）（报告观点属于原作者，仅供参考。报告来源：中国通信学会）如需完整报告请登录【未来智库官网】。

智东西 编 | 十四2014年德国汉诺威工业博览会提出了第四次工业革命，与工业4.0不谋而合的是“中国制造2025”。中德两国都高度重视新一代信息技术与制造业的深度融合，强调信息物理系统（CPS）作为智能制造基础。本期的智能内参，我们推荐来自工信部工业4.0研究所所长王喜文博士的制造业报告，从工业4.0与中国制造2025的异同出发 ，探讨全球制造业的未来形式。以下为智能内参整理呈现的干货：一、八大动因和六大改变事实上，德国自2011年就在德国科学-产业经济研究联盟（Forschungsunion Wirtschaft-Wissenschaft） 的倡导下，开始了工业4.0的研究。该理念脱胎于2010年的《德国2020高技术战略》，及其重点推出11个“未来项目” 。2012年3月，《德国2020高技术战略》行动计划发布，11个“未来项目”缩减为10个（投资84亿 欧元），“工业4.0”一词 首次出现（投资2亿欧元）。随后，工业4.0发展战略由德国科学-产业经济研究联盟与德国国家科学与工程院（Acatech） 共同制定。2013年4月，工业4.0发展战略发布，由VDMA、 BITKOM、ZVEI组成秘书处，组建工业4.0平台。次年4月，工业4.0平台发布白皮书（实施计划）。▲智能工厂▲工业4.0的关键是信息技术应用工业4.0的本质是基于“信息物理系统”实现“智能工厂”，其核心是动态配置的生产方式，实现关键是信息技术应用，以期解决能源消费等社会问题。德国如此重视制造业的转型，主要又以下8点原因：1、老龄化社会带来的劳动力减少；2、资源匮乏，能效仍需提升；3、产业转移带来的国内制造业空心化；4、发展中国家技术实力不断增强；5、经济全球化中，需要对市场做出快速响应；6、需要根据消费者需求，实现差异化、个性化的生产；7、保持制造业国际领先地位所需的标准化；8、制造业占据全国GDP的25%、出口总额的60%，影响极大。▲工业4.0与工业3.0的不同换言之，先进技术的发展和庞大的制造业需求，以及来自发达国家（如美国互联网巨头对制造业的吞并）和发展中国家的竞争压力，推进了德国对更敏捷、高效的工业形态的追求。相比于依赖中央控制器的工业3.0，工业4.0依靠着信息物理系统，对物料/工具实施信息化调度，以完成降本增效的多个种类，而非单一种类的大规模生产。王喜文所长指出，正在发生的第四次工业革命会带来以下六大改变：▲对企业转型升级的启示1: 工业4.0时代企业要转型升级，改变思维1、制造业思维的改变：当前的工厂是部门制，设计部门、采购部门、生产部门，都是垂直的部门分工管理，这种垂直的部门分工管理的组织架构一直延续到现在。这种组织架构有它的弊端，就是资源没有百分之百的调动起来，生产周期很长，效率很低，各管一摊。随着工业4.0时代到来，未来市场上需要个性化、定制化的产品。未来的企业要通过“互联网+工业”的模式，以用户为中心，根据客户需求制生产。2、对传统生产模式的改变：传统的生产模式早在80年代的时候是OEM的方式，也就是贴牌。比如说大的汽车企业，不可能方向盘、车轱辘、轮胎都自己生产，所以找一些中小企业生产零配件，这样可以化解投资压力，降低管理难度，减少风险。2000年以信息化系统在制造业领域得到了更多的应用，把更多的环节分包出去，进一步化解了投资压力，管理的压力。工业4.0不是OEM的生产模式，而是开放的价值链，所有的环节都是通过网络整合资源。比如苹果公司，无论是生产iPhone、iPad，没有一个零配件是自己生产的，都是找合作企业，但是获得的利润却是最高的。工业4.0时代的生产制造模式，结果是投入人力物力最少获得的利润最多。我们传统的制造业要向工业4.0这种开放制造、开放价值链上贴近。3、创新模式的改变：以前的创新是政府主导各种创新，投入很多资本，现在这种模式要改变，但政府主导有局限性，很多技术有不确定性。创新还是以企业为主体，工业4.0明确提出了新的创新模式，政府的共性技术，搭建行业平台。▲对企业转型升级的启示2:制造业互联网思维，组织架构要调整4、企业构成的改变：以前创新创业的门槛很高，都被大企业垄断了，以前是金字塔型，大企业有话语权，大批量的生产产品，批发给承销商，承销商卖给最终用户。工业4.0到来之后，这种结构也会发生改变，金字塔型会变化沙漏型。未来大的企业要开放平台，开放接口，因为市场是多样化的，有很多个性化的需求，大的企业不可能一一跟消费者打交道，不能灵活的满足所有人的需求，以前是大批量生产，生产一大批产品卖给消费者，未来会诞生服务提供商、定制商。这些企业跟用户打交道，了解用户的个性化需求，搜集完需求之后委托给大企业生产。5、商业模式的改变：以前实体经济制造业是大企业把定单委托给中小企业生产，大企业面向市场做推广。未来的商业模式是中小企业掌握更多的话语权，汇集多需求之后，委托给大企业，让大企业生产。6、产品的改变：第四次工业革命会带来更多智能产品，改变我们的生活，丰富我们的生活。所以智能硬件这个领域也是创新创业的重点。比如说一个智能手机，不仅仅是手机的概念了，可以在里面装很多的APP应用软件，围绕智能手机有很多人做游戏的开发、大数据的分析、商业智能。以前老百姓买汽车看是不是省油，安全性能是不是强，未来更多考虑是不是能装更多的游戏，是不是能实现无人驾驶等等。▲对企业转型升级的启示3:传统制造业专项升级的四个方向二、CPS 工业4.0的基石▲信息物理系统（CPS）是工业4.0的基础▲信息物理系统（CPS）释义智能工业或者工业 4.0，是从嵌入式系统向信息物理融合系统（CPS）发展的技术进化。作为未来第四次工业革命的代表，工业 4.0不断向实现物体、数据以及服务等无缝连接的互联网 （ 物联网、数据网和服务互联网）的方向发展。同时，分散型智能利用代表了生产制造过程的虚拟世界与现实世界之间的交互关系，在构建智能物体网络中发挥重要作用。 工业 4.0体现了生产模式从集中型到分散型的范式转变，正是因为有了让传统生产过程理论发生颠覆的技术进步，这一切才成为可能。未来，工业生产机械不再只是“加工”产品，取而代之的是，产品通过通信向机械传达如何采取正确操作。 工业 4.0通过将嵌入式系统生产技术与智能生产过程相结合，将给工业领域、生产价值链、业务模式带来根本性变革（如智能工厂），从而开创一条通往新技术时代的道路。▲工业4.0智能工厂通道（基于云计算的安全网络）智能工厂（生产智能化、设备智能化、能源管理智能化和供应链管理智能化）是通过在生产系统中配备CPS来实现的。相对于传统生产系统，智能工厂的产品、资源及处理过程因CPS的存在， 将具有非常高水平的实时性，同时在资源、成本节约中也颇具优势。智能工厂的生产相对于传统制造工业有如下优势：由CPS形成最优化的生产过程：1、智能工厂的“单元”决 定其活动范围、设定选项以及生产条件，可与其他单元进行独立的无线通信。2、理想的生产系统，智能编辑产品特性、成本、物流管理、安全、信赖性、时间以及可持续性等要素，为每个顾客进行最优化的产品制造。三、工业4.0的战略意义▲工业4.0能产生的价值（德国电子电气制造商协会的预测,到2020年，工业4.0带动下的全球国内生产总值将达约90万亿美元）美、德两国是制造业大国，在先进制造业方面拥有绝对优势。新工业时代，美国推出“制造业回归”战略（由奥巴马政府于2009年提出），德国推出“工业4.0”战略，可以说，两国都在制造业上发力，以期抢占制造业变革的主导权。所谓的再工业化，是西方学者基于工业在各产业中的地位不断降低、工业品在国际市场上的竞争力相对下降、 大量工业性投资移师海外而国内投资相对不足的状况提出的一种 “回归” 战略，即重回实体经济，使工业投资在国内集中，避免出现产业结构空洞化。发达国家实现“再工业化”的途径主要包括：重新认识制造业的价值，积极解决资源环境的问题，直接扶持战略性新兴产业，加大研发和教育培训投入。▲国际标准化的主导权与此同时，发达国家也在积极争取标准化的主导权，以保证制造业企业市场竞争力，实行贸易保护，形成高技术产业竞争的制高点，持续领跑制造业。在传统的工业时代，标准是组织现代化生产的重要技术基础和互换性保证；信息技术时代，标准化将人力、物料、信息等资源融合，实现整个生产过程的有序化，从而获得更多的经济效益；在市场多样化和个性化的时代，利用标准，进行简化、优化和统一化，才能形成各种标准化模块，为产品的大规模定制奠定基础。这种行业整体层面的合作创新，既保障了标准化，又化解了企业的单打独斗，对我国中国制造2025提出建设国家制造业创新中心有很大的启示：引导行业整体层面上的创新。▲微笑曲线（在国际产业分工体系中，发达国家的企业往往占据着研发、售后服务等产业链高端位置，发展中国家的厂商则被挤压在低利润区的生产与制造环节）相较于传统制造业优势明显的发达国家，我国在产业结构、产品附加价值和能源消耗方面都有劣势。▲中国制造业30年发展历程▲中国机械行业的崛起但是，随着互联网进一步向制造业环节渗透，网络协同制造已经开始出现。制造业的模式将随之发生巨大变化，它会打破传统工业生产的生命周期，从原材料的采购开始，到产品的设计、研发、生产制造、市场营销、售后服务等各个环节构成了闭环，彻底改变制造业以往仅是一个环节的生产模式。中国互联网企业实力雄厚，规模很大，未来互联网和物联网引领时代，中国将起到举足轻重的地位，实现制造强国的梦想。▲工业4.0时代的新价值链▲从资源驱动转向信息驱动为此，2007年十七大提出“发展现代产业体系，大力推进信息化与工业化融合，促进工业由大变强”的战略思想；2010年十七届五中全会提出“推动信息化与工业化深度融合，加快经济社会各领域信息化”的战略思想；2012年十八大提出“坚持走中国特色新型工业化、信息化道路，推动信息化和工业化深度融合，全面推进“四化两型”建设”的战略思想。▲信息化与工业化深度融合基本目标▲中国版工业4.0的十大重点领域智东西认为，“工业4.0”是数据制造、网络制造、智能制造的时代，将推动产业链和价值链的重塑，从资源驱动转向信息驱动，故而将涌入一批来自互联网和物联网的新玩家。庞大的实体经济效益将引导发达国家寻找新的市场和发展空间，但网络协同制造也将对信息、技术不对称等问题进行弱化，结合庞大的消费市场，促使发展中国家进行产业升级，弯道超车。

2020年10月29日，北京讯——近日，亿欧智库、中国工业互联网研究院联合思爱普(SAP)重磅发布《2020 工业互联网产业研究报告》。该报告借助亿欧智库和中国工业互联网研究院对于工业互联网的长期观察与研究成果，结合SAP在工业4.0领域的全球经验与成功实践，全面地揭示了工业互联网的最新发展形势，评估中国工业互联网行业落地情况，为产业发展注入强大的数字化变革动能。该报告指出，中国工业互联网正在面临来自技术、产业及商业模式创新等层面的挑战，比如亟需攻克工业软件研发、设备联网率、设备数据采集与分析、工业系统互通等技术痛点。同时，产业信息化水平不均导致的产业协同难题，应用与商业模式创新模式也急需加强，这都对工业互联网的加快发展与长远发展提出了挑战。针对中国工业互联网发展现状，该报告提出了创新的工业互联网行业落地效果评级模型，对装备制造业、汽车制造业、电子信息制造业等五大行业进行了落地研究。报告表明，实施工业互联网的最终价值在于通过数字化生产与数字化管理达到价值链重塑，助力各行业实现数字化研发、智能化生产与设备管理，提高生产效率，降本增效，并打通上下游信息窗口，实现供应链协同。工业互联网行业应用发展概况亿欧智库研究院院长由天宇表示：“历经半年，亿欧从技术、政策和产业需求等角度展现中国工业互联网的发展现状，围绕技术、产业和商业模式等方面深入剖析了中国工业互联网发展的机遇与挑战。该报告从工业互联网行业落地的角度，提出了工业互联网行业落地效果的评级模型，并通过专家打分的形式，对现阶段中国工业互联网行业落地情况进行评估，希望可以为工业互联网的落地行业研究提供相应支持。”中国工业互联网研究院总工程师张晓彤表示：“工联院致力于开展与中国工业互联网相关的发展战略、规划、标准研究，以及国际交流与合作等工作，旨在打造世界知名的工业互联网智库。借助此次合作，我们期望从全球视角和中国市场特色入手，给企业和市场提供一个更清晰的工业互联网全景图，从政策、技术、产业、商业模式和行业落地等多个方面给与更多的参考。”SAP中国区副总裁兼首席数字官彭俊松表示：“该报告通过分析全球工业互联网发展现状，比较中德工业互联网发展的不同路线与特点，为中国走出独具特色的工业互联网发展道路、解决行业落地难题提供了切实可行的洞察与建议。一直以来，SAP希望利用自身在工业4.0和工业互联网领域的相关经验与解决方案，在后疫情时代帮助中国企业明确实现数字化转型、建设智慧企业的发展方向并提供强大的技术平台支持，持续地为中国工业互联网发展‘出谋划策’！”作为工业互联网的领导企业和新基建积极参与者，SAP 凭借自身在工业 4 0 领域的领先优势和智慧企业战略，为客户提供具备可实现全要素链、全价值链、全产业链全面连接的端到端解决方案，这也是SAP智慧企业战略的有机组成部分。结合SAP 业务技术平台、SAP HANA大数据平台、SAP S/4HANA智慧管理系统等数字化解决方案及标准化平台，帮助更多中国客户在不同细分领域打造成功实践案例，向数字化转型迈出积极的步伐。关于 SAPSAP的策略是帮助每一家公司成就“智慧企业”。作为全球领先的企业应用软件解决方案提供商，SAP致力于帮助各行业领域的、各种规模的企业实现卓越运营：全球77%的交易收入都与SAP 系统有关。通过我们的机器学习、物联网和先进的分析技术，SAP助力客户成为智慧企业。我们为用户和企业提供深入的商业洞见，促进协作，帮助其在竞争中保持领先地位。SAP为企业化繁为简，让客户能用适合企业自身的方式运行软件。利用端到端应用套件和服务，SAP支持全球25个行业的企业和公共机构客户实现运营盈利并持续创新。通过构建包含客户、合作伙伴、员工及意见领袖在内的全球网络，SAP致力于让世界运转更卓越，让人们生活更美好。如需了解更多SAP资讯，请访问：SAP中国新闻中心。（文章来源：砍柴网）

2020年10月29日，北京讯——近日，亿欧智库、中国工业互联网研究院联合思爱普（SAP）重磅发布《2020 工业互联网产业研究报告》。该报告借助亿欧智库和中国工业互联网研究院对于工业互联网的长期观察与研究成果，结合SAP在工业4.0领域的全球经验与成功实践，全面地揭示了工业互联网的最新发展形势，评估中国工业互联网行业落地情况，为产业发展注入强大的数字化变革动能。该报告指出，中国工业互联网正在面临来自技术、产业及商业模式创新等层面的挑战，比如亟需攻克工业软件研发、设备联网率、设备数据采集与分析、工业系统互通等技术痛点。同时，产业信息化水平不均导致的产业协同难题，应用与商业模式创新模式也急需加强，这都对工业互联网的加快发展与长远发展提出了挑战。针对中国工业互联网发展现状，该报告提出了创新的工业互联网行业落地效果评级模型，对装备制造业、汽车制造业、电子信息制造业等五大行业进行了落地研究。报告表明，实施工业互联网的最终价值在于通过数字化生产与数字化管理达到价值链重塑，助力各行业实现数字化研发、智能化生产与设备管理，提高生产效率，降本增效，并打通上下游信息窗口，实现供应链协同。工业互联网行业应用发展概况亿欧智库研究院院长由天宇表示：“历经半年，亿欧从技术、政策和产业需求等角度展现中国工业互联网的发展现状，围绕技术、产业和商业模式等方面深入剖析了中国工业互联网发展的机遇与挑战。该报告从工业互联网行业落地的角度，提出了工业互联网行业落地效果的评级模型，并通过专家打分的形式，对现阶段中国工业互联网行业落地情况进行评估，希望可以为工业互联网的落地行业研究提供相应支持。”中国工业互联网研究院总工程师张晓彤表示：“工联院致力于开展与中国工业互联网相关的发展战略、规划、标准研究，以及国际交流与合作等工作，旨在打造世界知名的工业互联网智库。借助此次合作，我们期望从全球视角和中国市场特色入手，给企业和市场提供一个更清晰的工业互联网全景图，从政策、技术、产业、商业模式和行业落地等多个方面给与更多的参考。”SAP中国区副总裁兼首席数字官彭俊松表示：“该报告通过分析全球工业互联网发展现状，比较中德工业互联网发展的不同路线与特点，为中国走出独具特色的工业互联网发展道路、解决行业落地难题提供了切实可行的洞察与建议。一直以来，SAP希望利用自身在工业4.0和工业互联网领域的相关经验与解决方案，在后疫情时代帮助中国企业明确实现数字化转型、建设智慧企业的发展方向并提供强大的技术平台支持，持续地为中国工业互联网发展‘出谋划策’！”作为工业互联网的领导企业和新基建积极参与者，SAP 凭借自身在工业 4 0 领域的领先优势和智慧企业战略，为客户提供具备可实现全要素链、全价值链、全产业链全面连接的端到端解决方案，这也是SAP智慧企业战略的有机组成部分。结合SAP 业务技术平台、SAP HANA大数据平台、SAP S/4HANA智慧管理系统等数字化解决方案及标准化平台，帮助更多中国客户在不同细分领域打造成功实践案例，向数字化转型迈出积极的步伐。关于 SAPSAP的策略是帮助每一家公司成就“智慧企业”。作为全球领先的企业应用软件解决方案提供商，SAP致力于帮助各行业领域的、各种规模的企业实现卓越运营：全球77%的交易收入都与SAP 系统有关。通过我们的机器学习、物联网和先进的分析技术，SAP助力客户成为智慧企业。我们为用户和企业提供深入的商业洞见，促进协作，帮助其在竞争中保持领先地位。SAP为企业化繁为简，让客户能用适合企业自身的方式运行软件。利用端到端应用套件和服务，SAP支持全球25个行业的企业和公共机构客户实现运营盈利并持续创新。通过构建包含客户、合作伙伴、员工及意见领袖在内的全球网络，SAP致力于让世界运转更卓越，让人们生活更美好。如需了解更多SAP资讯，请访问：SAP中国新闻中心。

获取《工业软件行业深度研究报告：大水养大鱼，工业软件行业腾风起》完整版，请关注绿信公号：vrsina，后台回复“互联网2”，该报告编号为20bg0141。2019年国内市场规模约2000亿元，未来几年增速维持约16%，达全球市场增速的三倍以上。国内工业软件渗透率较低，CAM、MES、CRM等仅为20%左右，PLM等产品渗透率不足20%。MES系统提高生产环节效率，比如某企业利用MES系统推进少人化生产，在不改变现有人员数量及生产面积的基础上产能提升3倍，生产线可靠性达99%，可追溯性达100%。2019年国内工业软件市场规模约为2000亿元，未来几年市场增速维持16%左右，是全球工业软件市场增速的三倍以上，预计2021年将达2600亿元左右。新浪VR知识星球报告库以近五千分，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

获取《虚拟现实革命前夕：第四次工业革命的钥匙之一——VR&AR深度行业研究报告》完整版，请关注绿信公号：vrsina，后台回复“AR报告及白皮书”，该报告编号为20bg0048。　如果 VR 产业着未来对一个虚拟世界的占有资源比例，如果 AR 产业意味着进入科幻世界的钥匙，那国家应该如何应对呢？抓住机会成为变得更强，引导产业和高精技术发展，使国家成为在这个领域，目前中国在相关知识产权和专利领域已经占据了全球相关专利数的 30%。中国靠互联网及移动互联网的快速发展，对原先领先的欧洲、日本、韩国等实现了超越，并且和美国一起成为世界上互联网技术最发达的两个国家。移动互联网的快速发展，成就了阿里巴巴、腾讯这样的估值超过 5000 亿美金的互联网巨头，也出现了京东、美团、滴滴等企业，创造了依附于电商全产业、餐饮及配送、打车等领域的巨量就业机会，极大的刺激了经济增长，人民生活和收入水平的提高，提高了大众消费力。VR 领域投资增量相对平缓稳定，AR 却迎接来爆发。2019 年融资共 204 笔，其中81 笔流入 VR 领域，占比 40%，融资额达 53.2 亿。而 76 笔流入 AR 领域，占比 37%，融资额达到 128.9 亿，远远超过 VR。同时，7%的数目投向了 3D 技术领域，6%流向 XR 应用，2%流入脑机领域，剩下 7%为其他领域。如果说 2016 年是 VR 元年，那 2019 年就是 AR 元年，AR 在工业和制造等领域，逐渐展示出较大的市场发展空间。新浪VR知识星球报告库以近五千分，所有新浪VR报告都将由管理员上传（包含部分未在其他平台发布的非互联网相关报告）VIP用户福利不定时开启，前1000名还能领领优惠券性价比更高！ 新浪VR，早一天看见未来。

一、工业4.0相关概述1、工业4.0的概念2011年德国初步提出工业4.0的概念，2013年在汉诺威工业博览会上正式推出，其目的是通过应用物联网等新技术提高德国制造业水平，建立具有适应性、资源效率及人体工学的智能工厂，在商业流程及价值流程中整合客户及商业伙伴。目前各国正积极推进新型制造业发展计划，工业4.0的脚步渐行渐近。德国工业4.0：网络、计算机技术、信息技术、软件与自动化技术的深度交织产生新的价值模型，在制造领域，这种资源、信息、物品和人相互关联的“虚拟网络-实体物理系统（CPS）”。工业4.0的本质是数据，包括产品数据、运营数据、产业链数据、外部数据等。工业4.0的核心就是工业智能化，相关行业包括：智能机床、工业自动化、工业互联网、高端机器人、RFID、传感器、3D打印。2、工业4.0的主题工业4.0的四大主题是智能工厂、智能生产、智能物流和智能服务。智能工厂重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；智能生产主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。该计划将特别注重吸引中小企业参与，力图使中小企业成为新一代智能化生产技术的使用者和受益者，同时也成为先进工业生产技术的创造者和供应者；智能物流主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方，则能够快速获得服务匹配，得到物流支持；智能服务是应用多方面信息技术，以客户需求为目的跨平台、多元化的集成服务。二、国际工业4.0发展分析1、全球工业4.0发展现状（1）德国2013 年汉诺威工业博览会上，“工业4.0”的理念和计划由德国政府正式发布，描绘了制造业的未来愿景。目前，“工业4.0”计划已经从“德国高技术2020战略行动计划”获得2亿欧元投资，启动了包括“信息物理生产系统”（CPPS）在内的若干项目。此外，德国教育与研究部（BMDF）建立的“信息通信技术（ICT）2020——创新研究”计划以及德国科学研究联盟（FU）经济与社会促进组（原通信促进组）发起的“智能服务——基于网络的商业服务”也都在“德国高技术2020战略”框架下开展，并且与“工业4.0”紧密相关，其中前者属于“数字德国2015”ICT战略，后者则成为 十大“未来计划”之一，2015年3月提出了终版的战略建议报告。（2）美国美国提出的“工业互联网”，旨在将人、数据与智能设备衔接，以交换数据来驱动制造业智能转型。相比德国，美国积极推进的“新工业战略”更加注重“软”的方面，例如大数据、软件、互联网等对于传统工业的再工业化。在美国，工业4.0就是将虚拟网络与实体连接，通过大数据分析等来重塑制造业，形成效率更高生产系统。美国的工业互联网范畴更广阔，它试图将人、数据和机器连接起来，形成开放而全球化的工业网络。目前，美国国内80多家ICT和互联网巨头公司如GE、IBM、思科等企业成立了IIC(工业互联网联盟)，以期打破技术壁垒，为通过大数据来实现制造业的创新。美国凭借其在工业3.0的领先优势以及互联网和ICT先进巨头公司的影响力正推动着全球工业4.0的发展。（3）日本在面对德国率先开启了“智能制造”这一通向未来新工业革命的大门时，安倍政府也开始采取行动，制定和规划了日本“工业4.0”的发展方向。2015年版的《》正是日本力求赢得“全球产业价值链主导权”的关键举措。在政界，日本经济产业省把3D打印机列为优先政策扶持对象，投资45亿日元，实施名为“以3D造型技术为核心的产品制造革命”的大规模研究开发项目；在业界，三菱电机、富士通、日产汽车和松下等日本电子、信息、机械和汽车行业的主要企业等组建名为“产业价值链主导权”的联盟，共同探讨工厂互联的技术标准化，并争取使其成为国际标准。日本制造业白皮书2、全球工业4.0战略规划美国自2008年金融危机起遇到了产业空心化，鉴于在其GDP总量中服务业占比70%而制造业仅占12%的不平衡结构，美国提出“先进制造业伙伴计划”，旨在振兴“美国制造”；日本制造业产值占GDP 比重达20%，日本已从国家层面上开始高度重视科技附加值高的高端制造业；德国以精益制造领先全球，提出“工业4.0”企图再次引领新一轮工业革命，巩固其竞争地位；中国经济增长放缓，经济结构调整站在了制造业转型升级的十字路口。未来制造业将回归各国战略重心，成为全球经济稳定增长的重要引擎。全球主要国家工业4.0战略规划情况资料来源：中商产业研究院三、中国工业4.0发展分析1、中国工业4.0政策环境分析《中国制造2025》是中国政府实施制造强国战略第一个十年的行动纲领，于2015年5月发布，是中国工业未来10年的发展纲领、顶层设计。《中国制造2025》提出通过“三步走”实现制造强国的战略目标：第一步，到2025年迈入制造强国行列；第二步，到2035年我国制造业整体达到世界制造强国阵营中等水平；第三步，到新中国成立一百年时，制造业大国地位更加巩固，综合实力进入世界制造强国前列。围绕实现制造强国的战略目标，《中国制造2025》明确了9项战略任务和重点：一是提高国家制造业创新能力；二是推进信息化与工业化深度融合；三是强化工业基础能力；四是加强质量品牌建设；五是全面推行绿色制造；六是大力推动重点领域突破发展，聚焦新一代信息技术产业、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、农机装备、新材料、生物医药及高性能医疗器械等十大重点领域；七是深入推进制造业结构调整；八是积极发展服务型制造和生产性服务业；九是提高制造业国际化发展水平。中国制造2025与德国工业4.0异曲同工，是布局工业互联网的纲领性文件。不过二者也有适当差别，德国工业4.0是瞄准新一轮科技革命制定的措施，主要聚焦制造业的高端产业和高端环节。中国制造2025不是专门应对新一轮科技革命制定的规划，是对制造业转型升级的整体谋划。2、中国制造的现状及发展分析2016年中国是全球最具竞争力的制造业国家，中国当前的制造业规模非常大，早在2010年就超越美国成为了全球第一。按照联合国统计，500多个产品中，220个产品中国的规模全球第一。从制造业的技术创新来看，中国近几年进步很快。不过，2015年中国经济增长率为6.9%，经济放缓可能会进一步持续。由于需求下降引起工业活动不断下滑，进而导致工厂产能过剩。中国汽车行业目前产能利用率从2009年的100%下降至70%，制造业占GDP的比重也在逐年递减，其中大部分转向了服务业。很显然中国制造业转型升级的任务非常繁重，主要的问题仍然是结构性问题：有效需求不足，使得产能过剩问题凸显；有效供给不能完全适应消费结构升级的需要，应该提高供给侧对消费结构升级的适应性和灵活性。中国要顺应“互联网+”的发展趋势，以信息化与工业化深度融合为主线，重点发展新一代信息技术、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、新材料、生物医药及高性能医疗器械、农业机械装备10大领域。这些领域需要投入大量的创新研发资金，需要军工企业、大型国企、高校科研机构的通力合作。同时，中国的中小企业是中国制造业最有潜力的组成部分，它的数量占到了所有企业的99%，创造了中国60%的GDP。中国中小企业的研发创造远远超过大型企业，中国65%的专利，75%的发明专利及80%的新产品来自于中小企业。中国制造的未来不仅要依靠大型企业，更需要中小企业的创新和活力。3、中国工业4.0的产业链分析从工业4.0产业链的上游看，现代智能工厂所高度依赖的四大基础条件--传感器（数据采集）、大容量存储（数据存储）、大数据计算能力（数据处理）和工业以太网（数据通信），以及执行单元-智能机器人，均是工业4.0实施的关键要素；产业链中游包括软硬结合的行业解决方案提供商、智能工厂解决方案设计方，由于在中国大部分行业并没有成熟的智能工厂解决方案，先进入者往往具有较强的先发优势，在细分行业形成较高进入壁垒；从产业链下游看，接受工业4.0 改造的产业和厂商将大幅节省劳动成本、提高生产效率、提升客户体验，增强制造厂商的竞争优势。4、中国工业4.0发展优势分析中国工业体系具备拓展工业4.0的明显优势，主要体现在以下三个方面：（1）中高端人力资源优势。智能化生产将使人担当更有挑战性的角色，如创新、规划、监督和协调机器的运作。知识型员工需求的大幅上升，将成为工业智能化的可持续性支撑，而中国是此类中高端人力资源的“富矿”。据统计，2015年初我国科技人力资源总量约为8114万人，仍然保持世界科技人力资源第一大国的地位。（2）完整齐全的工业体系。中国工业如今在竞争中的优势已更多的体现在拥有完整的供应链条上。中国是世界上唯一拥有联合国产业分类中全部工业门类的国家，形成了“门类齐全、独立完整”的工业体系，这个庞大完整的工业体系依托众多工业企业的集聚效应而具备了高度灵活性。（3）全球最大的需求市场。中国不仅是重要的产品生产国，还是世界最大的消费市场之一，这种双重角色将使国内市场与工业生产产生更为强劲的互动，促进社会经济发展，并有助抵御世界经济波动的冲击。、中国工业4.0发展进程分析5据2015年底发布的《中国工业4.0进程报告》显示，超过一半的企业已经对工业4.0的整体概念有了一个较为全面的认识：其中31.13%的企业认为工业4.0是引导新一轮技术的变革，22.87%的企业认为它将是面对行业危机的必然转型之趋势。其中，最认同的工业4.0的特点，最多选择的前四个选项分别是智能化（16.78%）、数字化（13.82%）、互联化（12.83%）、物联化（12.41%），显示出中国制造业企业对工业4.0的认知程度已经达到了一个较好的水平。可以说智能化是制造业追求的最高境界，同样也是最难实现和最大投入的。从技术实现的路线图看，数字化、互联化和物联化是第一步，大集成是第二步，之后才是智能化。目前已经有很多企业都认可工业4.0的愿景，并积极地投身实践，调查显示，已经开始投入到工业4.0变革的企业占到43.92%，未来三年内开始投入的企业占到32.43%，没有考虑的只有14.86%。自动化与智能设备是实现工业4.0的基础。工业4.0的升级改造必须建立在自动化的结构上，这点得到了大多数企业的认同。其中17.14%的企业选择更新自己内部的生产设施，加强自动化与智能化，16.43%的企业选择升级MES/ERP软件系统，而在工业4.0最为关键的大数据、数字化、物联网、云制造等方面投入的企业相对较少，分别只有7.04%、6.34%、6.10%和5.87%，显示出中国企业在进军工业4.0领域时渐进而突变的特点。云制造、大数据需要整体行业的配合和沉淀，目前还处在前期探索阶段。6、中国工业4.0发展难点分析工业4.0是由大规模批量生产向大规模定制生产转变，是由集中生产向网络化异地协同生产转变，是由传统制造企业向跨界融合企业转变。但是，实现工业4.0尚存以下4方面的难题：（1）标准化。工厂要对内外各种物品与服务进行联网，那么通信方式、数据格式等许多内容都需要标准化。我国在推进信息技术与工业深度融合的具体实践中，也应高度重视标准化在制造业发展中的引领作用，及时出台“两化融合”或“两化深度融合”的标准化路线图，尽最大可能实现标准的国际化，使中国标准得到国际上的广泛采用。（2）复杂的系统管理。迈向工业4.0的道路上，生产过程与各种业务管理系统协同之后，系统整体会更加复杂化，对其进行管理将更为困难。为此，需要实现“制造系统的横向、纵向集成”和“工程端到端的集成”。横向集成主要解决企业和企业之间复杂系统管理，实现信息无缝的交流；纵向集成主要解决企业内部的复杂系统管理，在企业的研发、设计、制造、验证、物流、交互各环节，所有的信息都无缝隙、高效、顺畅地传递；端到端集成主要解决贯穿整个价值链的工程化信息系统集成的复杂系统管理问题，以保障大规模个性化定制的实施。（3）通信基础设施建设。德国工业4.0的本质就是基于信息物理系统（CPS）实现“智能工厂”，让制造业的各个环节充分地与互联网融合，形成工业互联网。当前的网络基础设施恐怕难以满足“工业4.0”时代的要求。因此，构建容量更大、服务质量更可靠的工业通信基础设施，将成为未来制造业迫切需要解决的一项课题。（4）网络安全保障。随着工业4.0时代的到来，人力、物料、生产设备、各种生产管理系统以及价值链上的众多协同企业都将互联，随之而来的是网络安全问题的隐忧，这就迫切需要建立一套完善的工业互联网信息安全认证体系，此外在认证制度的设计和标准规范的研究与设计方面，还需要大量的经验积累。四、工业4.0相关行业发展分析1、中国汽车行业工业4.0发展分析汽车工业4.0是依托信息物理系统（CPS）和信息通讯技术相结合使汽车车间实现自动化、智能化、互联网化得汽车生产制造过程，包括无线射频技术、工业以太网、在线条码、二维码比对、影像识别、机器人等技术应用。（1）中国汽车业产销规模近年来，我国汽车行业总体上呈现快速发展的态势，据中国汽车工业协会统计，2015年，汽车产销量分别为2107.94万辆和2114.63万辆，比上年分别增长5.8%和7.3%。2016年1-8月汽车产销1684.59万辆和1675.50万辆，同比增长10.82%和11.43%。2012-2016年中国汽车产销情况统计数据来源：中国汽车工业协会、中商产业研究院（2）工业4.0对汽车工业的意义工业4.0的意义在于制造商直接完成整个商品交易流程，尤其是销售这一块，这样的好处是，客人可以根据自己喜欢设置来个性化产品。厂家可以更好的掌握客户的数据，以便未来的规划和生产。与现行的大规模、批量化生产相对应，工业4.0将确保多批次，小产量状态下产业的获利能力，确保工艺流程的灵活性和资源利用率。这种生产模式成功后，能够提供品种更丰富的个性化、功能更齐全的多样性、性能更稳定的高质量、使用更人性化的产品。因此工业4.0给汽车行业带来的变化将是：汽车的换代速度会越来越快，越来越个性化。消费者更容易买到自己喜欢的配置和车型；厂家可以更好的控制生产，减少浪费，提高效率。（3）汽车工业4.0发展大数据驱动大数据驱动汽车零部件标准化、信息化处理，制造业通过在模块化和封装化的基础上进行系统化，拓展新的应用与服务；大数据驱动互联制造技术，工厂将通过互联网，实现内、外服务的网络化，采集和分析生产车间的各种信息，实现车厂与消费者之间的实时互动；大数据驱动汽车个性化生产，随着大规模定制和网络协同的发展，制造业企业还需要实时从网上接受众多消费者的个性化定制数据，并通过网络协同配置各方资源，实现汽车个性化生产；大数据驱动定制汽车批量生产，以定制化为重点的多种类、小批量制造业渐渐成为主流，以3D 打印为代表的数字化和信息技术的普及带来了技术革新。2、中国机器人产业工业4.0发展分析工业机器人是面向工业领域的多关节机械手或多自由度的机器装置，它能自动执行工作，是靠自身动力和控制能力来实现各种功能的一种机器。它可以接受人类指挥，也可以按照预先编排的程序运行，现代的工业机器人还可以根据人工智能技术制定的原则纲领行动。（1）工业机器人产销量分析目前国内除了少数以组装为主的中日合资的机器人公司外，具有自主知识产权的工业机器人尚停留在高校或科研单位组织的零星生产，未能形成气候。因此，我国工业机器人生产能力较国外成熟国家还有很大的差距，不过这种差距随着我国技术的发展正在不断缩小。2015年，中国工业机器人产量为3.3万台，同比增长21.7%；销售量为6.8万台，同比增长18%。2014-2015年中国工业机器人产销量情况据来源：中商产业研究院（2）工业机器人需求领域工业机器人在国内的应用以汽车以及电子工业居多，此外还有橡胶塑料、军工、航空制造、食品工业、医药设备、金属制品等领域。从应用行业看，汽车行业依旧是中国工业机器人市场最大的消费行业，中国市场上36.8%的机器人销往汽车行业；电气机械和器材制造业位居第二位，占比23.3%；金属制造行业位居第三位，占比15.2%。外资机器人应用比较集中，汽车行业销量占总销量的近48%，电气机械和器材制造业、金属制造行业销量分别占总销量的23.6%和7.6%。2015年中国工业机器人应用领域情况数据来源：中商产业研究院（3）智能机器人推动工业4.0传统工业机器人和工人的工作空间通常是隔离的，新一代工业机器人则要具备柔性、安全、易操作等特点，同时达到高速和精确，这在技术上是很大挑战。此外，工业4.0时代，机器人不再是独立的单元，需要具备与其他智能设备的沟通能力、对环境的感知能力，甚至把复杂信息综合起来从而做出决策等诸多能力。工业4.0要求将智能机器人的很多技术融入到更大的生产系统中。基于云计算和大数据的知识建模、物理仿真、多传感器感知预测等技术，既是工业4.0的关键技术，也是工业机器人的关键技术。因此，发展智能机器人推动工业4.0尤为重要，其主要措施包括：（1）加快发展智慧制造。智慧制造作为一种新的制造模式和制造技术，可为复杂零件的高品质制造提供解决方案。（2）加大财政研究投入。通过工业转型升级、中央基建投资等现有资金渠道支持机器人及其关键零部件产业化和推广应用；利用中央财政科技计划（专项、基金等）支持符合条件的机器人及其关键零部件研发工作等。（3）加快制定技术条例。加大支持力度，推进智能机器人核心技术的研发；梳理整合智能机器人研发成果，支持智能机器人成果转化；加快制定智能机器人标准体系和人机交互安全规则。（4）机器人行业工业4.0的发展趋势当今工业机器人的总体趋势是，从狭义的机器人概念向广义的机器人技术概念转移，从工业机器人产业向解决方案业务的机器人技术产业发展。机器人技术的内涵已变为灵活应用机器人技术的、具有实际动作功能的智能化系统。机器人结构越来越灵巧，控制系统愈来愈小，其智能也越来越高，并正朝着一体化方向发展。3、中国智能家居产业发展分析智能家居是以住宅为平台，基于物联网技术，由硬件（智能家电、智能硬件、安防控制设备、家具等）、软件系统、云计算平台构成的一个家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活安全、舒适、节能、高效、便捷。智能家居产品分类表资料来源：中商产业研究院（1）智能家居的发展现状尽管我国的智能家居起步较晚，尚未形成一定的国家标准，但令人欣喜的是国内专业智能家居厂家的数量正在增长。这些厂家中有的是独立开发，有些是引入国外技术在国内生产和集成。比较知名的产品有海尔U-Home，清华同方的e-Home数字家园，其他的还有科龙的“现代家居信息服务集散控制统”，Enjoysmart易居家庭自动化系统，引进新加坡技术的Treasureway宝路家庭智能化系统等。目前国内自主研发的智能家居系统主要市场是智能家居安防系统。2015年中国智能家居市场规模达到431亿元，同比增长41.78%。2012-2015年中国智能家居行业市场规模情况数据来源：中商产业研究院（2）智能家居发展前景分析智能家居是技术和文化发展的必然产物，其在中国的发展和应用将对整个社会产生巨大的影响，它将极大地改变人们的生活方式，并将牵动一大批产业和开拓一个新的大市场。未来，市场上将有不断增多的智能家居硬件产品，以及其在消费市场中的日渐普及，中国智能家居市场规模在2016年将出现明显增长。至2017年，随着主要的智能家居系统平台及大数据服务平台搭建完毕，下游设备厂商完善，智能家居产品被消费级市场接受，市场规模将达到1000亿元人民币。4、其他相关行业发展分析（1）物联网行业中国在物联网发展方面起步较早，技术和标准发展与国际基本同步。物联网已应用在经济、社会生活的各个行业领域，而行业需求的差异性使得企业各自开发了自己的应用平台。我国已有28个省市将物联网作为新兴产业发展重点之一，不少一、二线城市都在建设或筹建物联网产业园，并通过招商引资积极聚拢相关企业。随着百度、阿里等互联网巨头的纷纷涉足，物联网产业与设备制造业、移动互联网、大数据产业相互融合、协同发展。与此同时，各领域的初创型技术公司也积极投入创新，加快了物联网技术的发展。尤其是家电行业借力物联网发展，率先将新兴技术投入到新产品开发中，催生了融合物联网元素的多种智能产品，如可穿戴设备、智能汽车设备、医疗健康设备、智能玩具等等，并依托大数据、云计算技术使产品获得更好的用户体验。总体看来，中国物联网研究没有盲目跟从国外，而是面向国家重大战略和应用需求，开展物联网基础标准体系、关键技术、应用开发、系统集成和测试评估技术等方面的研究，形成了以应用为牵引的特色发展路线，在技术、标准、产业及应用与服务等方面，接近国际水平，使中国在该领域占领价值链高端成为可能。2015年我国整个物联网的市场规模达到7500亿元。2011-2015年中国物联网产业市场容量情况数据来源：中商产业研究院（2）可穿戴设备可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备，是综合运用各类识别、传感、连接和云服务等交互及储存技术，以代替手持设备或其他器械，实现用户交互、生活娱乐、人体监测等功能的新型日常穿戴设备（眼镜、手表、腕带等）。可穿戴设备行业近年处于高速增长势，2015年中国智能可穿戴设备市场规模为125.8亿元，增速高达471.8%。2013-2015年中国智能可穿戴设备市场规模数据来源：中商产业研究院（3）3D打印3D打印（3DP)即快速成型技术的一种，它是一种以数字模型文件为基础，运用粉末状金属或塑料等可粘合材料，通过逐层打印的方式来构造物体的技术。3D打印作为一种新兴、环保型产业，渗透在生活、生产的各个领域。不仅受到各界人士的青睐，同样也深受我国政府的支持和鼓励。目前 3D打印技术在珠宝、鞋类、工业设计、建筑、工程施工、汽车、航空航天、牙科和医疗产业、教育、地理信息系统、土木工程、枪支以及其他领域都有所应用。与传统制造相比，3D打印技术的优势主要体现在产品制造的复杂程度、生产制造的范围、生产制造效率、满足客户个性化需求等方面。随着互联网+时代和“中国制造2025”的计划的进程加快，3D打印技术已经是当下首当其冲的掘金行业，未来将会更多的投资创业者进军该产业。（4）工程机械我国工程机械行业受益于我国经济尤其是固定资产投资的持续高速发展和相关政策支持，行业规模已经跃居世界首位。但在产品结构上依然存在问题，呈现低端产能过剩、中高端产品竞争力不足的情况。目前我国工程机械市场中的低端产品，如推土机、装载机等，基本都处于产能过剩的状态。一方面，由于技术门槛较低，产品附加值不高，这些产品的毛利率普遍较低，而且市场竞争激烈；另一方面，这些产品的市场扩展性有限，有些产品甚至有被取代和淘汰的趋势。同时，我国劳动力成本的不断提升使得低端工程机械产品的出口利润空间不断萎缩，通过技术升级增加产品附加值将成为大势所趋；此外，国家各类节能环保政策和对高新技术产业的支持政策的贯彻落实也将加速企业产品线的调整。五、中国工业4.0发展前景预测工业4.0是将资源要素和生产要素集中在以互联网和信息技术为基础的平台之上，实现资源要素与生产要素的充分整合，是智能制造的结晶，实质上是第三次工业革命的拓展和延伸，是推动第四次工业革命的重要载体。互联网对大众的改变才刚刚开始，跨界与融合将成为科技创新的内涵，“人机一体、智能制造”将是未来制造业新的发展趋势，而推动新工业革命的将是机器人、3D打印、大数据、云计算、物联网、智能材料等众多先进技术的融合。对于我国制造业来说，发展工业4.0的路径应是加紧建立更多新兴技术的研发总部、孵化总部和运营总部、创新总部，对新兴技术要从高起点切入，像硅谷那样，成为全球创新中心。我国工业4.0的发展方向可归于以下六大类：（1）工业自动化作为工业4.0基础的工业自动化，在工业4.0战略中有着不可取代的作用。随着社会的不断进步和发展，工业自动已成为现代先进工业科学的核心技术，不断的研究和探讨我国工业自动化的发展和战略方向，对我国工业化的发展有着极其深远的影响。工业控制自动化技术对于传统产业的改造、企业素质的提高和国家国力的提高是非常有效的途径。随着一系列工业自动化控制技术产业化专项的实施，基于信息化带来工业化的思想，将会使工业自动化技术得到更深入的发展，这对加快推动我国自动化产业结构优化升级有重大意义。（2）工业互联网工业互联网就是工业革命带来的机器、设施和系统网络与互联网革命带来的智能设备、智能网络和智能决策间的融合，其要素是智能设备、智能网络和智能决策，更强调传感器系统、大数据分析能力。以后制造环节互联网的实现将会给现有的生产方式带来颠覆性的变化。据国际权威机构测算，应用工业互联网后，企业的效率会提高大约20%，成本可以下降20%，节能减排可以下降10%左右。虽然目前工业互联网全面实现有困难，但是某些环节的突破是可以实现的，并且工业互联网将进一步带动智能装备、3D打印设备等发展。（3）工业机器人随着工业4.0战略的提出，智能化生产中工业机器人也受到越来越多的关注。从政策落实看，在“十二五”规划中，国家已经把工业机器人作为智能制造装备的重要部分，各地也陆续出台相关政策。机器人产业的发展与国家从“制造业大国”向“制造业强国”的转型相契合。（4）3D打印工业4.0四大主题之一的智能生产主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。3D打印增材制造技术本身对设计-制造-应用环节将发生变革性影响。传统制造业中，过去数十年的技术重心侧重于加工精度与效率，而目前加工技术在精度上已接近极限，继续提高的必要性和性价比开始进入瓶颈，下一步升级重点必然是设计、成型环节，以最终达到工业4.0的智能化生产状态。（5）传感器传感器是工业4.0时代的核心组件，传感器通过将物理信息转换为标准信号，反馈到CPS网络物理系统，是未来工业4.0时代的核心基础技术。工业用传感器能够测量或感知特定物体的状态和变化，并转化为可传输、可处理、可存储的电子信号或其他形式信息。工业用传感器是实现工业自动检测和自动控制的首要环节，在现代工业生产尤其是自动化生产过程中，要用各种传感器来监视和控制生产过程中的各个参数，使设备工作在正常状态或最佳状态，并使产品达到最好的质量。甚至可以说，没有众多质优价廉的工业传感器，就没有现代化工业的生产体系，更别谈工业4.0体系的构建。（6）智能机床机床被称作“工业母机”，其发展程度决定着一个国家装备制造行业的整体水平，尤其在“中国制造”迈向“中国智造”和“中国创造”的当下，国内机床行业能否率先实现重大突破意义更加重大。中商产业研究院是深圳中商情大数据股份有限公司下辖的研究机构，是中国领先的产业研究咨询服务机构。公司每年发布研究报告上千份；研究范围涵盖智能装备制造、新能源、新材料、新金融、新消费、大健康、“互联网+”等新兴领域。中商产业研究院致力于为国内外企业、各级政府部门、科研院所、投融资机构、会计师事务所、律师事务所等提供各类数据服务、行业研究报告，同时为客户提供高价值的咨询服务，如商业计划书、项目可行性研究、产业规划、IPO咨询、民营银行及保险公司筹建咨询等服务。长按二维码识别关注关注中商产业研究院，让你不动声色的涨姿势