【DPS专题】工业篇：从“低谷”走向“巅峰”，DPS如何成为工业智能制胜法宝？...

《中智观察》第1659篇推送

作者：孙兆琳

编审：杨小天

头图来源：羊城晚报

本文是《中智观察》“企业数字服务供需市场”行业洞察之“DPS工业篇”。当前，工业智能化浪潮正席卷全球，而工业智能的落地需要大量高质量的工业数据作为支撑。如何充分释放数据要素价值，高效推进数智化转型，是工业企业迫切需要解决的问题。本文深入剖析原因，破解发展难题，为工业企业和工业解决方案提供商提供了新的发展思路。

——海比研究院

2022年5月13日

工业数据是工业智能化的关键要素

众所周知，科技的发展推动了“工业1.0”到“工业4.0”的四次工业革命。随着第四次工业革命的到来，提升“工业智能化”水平成为全球共识与趋势。美、日、德等发达国家高度重视工业智能化发展，美国提出智能制造，日本提出“互联工业”,德国提出“工业4.0”。在中国，工业智能也受到了国家的高度重视，政府相继出台了“互联网+”和《中国制造2025》等计划。

“工业智能”的本质是通用人工智能技术与工业场景、机理、知识结合，实现设计模式创新、生产智能决策、资源优化配置等创新应用（来自2020年4月工业互联网产业联盟发布的《工业智能白皮书》）。工业智能实现了从数据到信息、知识、决策的转化，挖掘数据潜藏的意义，摆脱传统认知和知识边界的限制，为决策支持和协同优化提供可量化依据，最大化发挥利用工业数据隐含价值。

工业在智能化的过程之中，产生了大量的工业数据。条形码、二维码、工业传感器、无线射频识别、工业自动控制系统、企业资源计划、计算机辅助设计、工业物联网等技术在工业企业中的广泛应用，使工业企业拥有日益庞大且丰富的工业数据。随着工业智能程度的加深，工业企业所拥有的数据量急剧增长。根据IDC的预测，2025年全球数据量将达到175ZB。中国数据总量正在以年均30%的速度增长，预计到 2025 年将占全球 27%，达到48.6ZB，成为全球第一。