5月25日,工信部对外公布《2022年跨行业跨领域工业互联网平台名单》,包括此前新增14家跨行业跨领域工业互联网平台,共计28家。其中,百度智能云开物平台在新增的14家中位居榜首。双跨代表着国内工业互联网平台的发展水平。拥有领先人工智能技术的百度智能云开物入选,也契合了 AI 技术将成为工业互联网核心驱动的行业发展趋势。
那么,AI+工业互联网的内涵及特征是什么?企业需要关注什么?赛迪顾问业务总监高丹撰写分析文章,认为 AI+工业互联网是工业互联网发展第二阶段,需求用户方思维需要转变,厂商能力也需要同步提升。
以下为赛迪顾问业务总监高丹撰写的《“AI+工业互联网”正当时》全文:
“AI+工业互联网”提出意义
01 从战略端,践行国家“两个强国”发展战略
“十四五”时期是我国构建现代化产业体系、实现经济高质量发展的重要阶段,工业企业在转型升级的过程中,亟需通过数字化方式提高管理效率、控制管理成本。随着越来越多制造企业通过数字化转型提升企业创新能力,降低企业运营成本,工业数字化转型作为串联制造强国和网络强国两大战略的重要领域,将引领数字经济和产业经济的融合发展。
根据工信部发布的《“十四五”信息化和工业化深度融合发展规划》,“我国工业互联网发展水平与发达国家基本同步,网络基础设施持续升级,标识解析体系基本建成,注册总量突破94亿,平台资源配置能力显著增强,设备连接数量超过7000万,行业赋能效果日益凸显,数字化管理、个性化定制、网络化协同、服务化延伸等融合发展新模式新业态蓬勃发展”。在构建以国内大循环为主体、国内国际双循环相互促进的新发展格局背景下,工业互联网供给侧将持续发力,推进产业快速发展。
当前,国内多层次系统化的工业互联网平台体系已经形成,综合型、特色型、专业型平台体系加速构建,工信部遴选的双跨平台名单作为工业互联网平台的“国家队”,代表着国内工业互联网平台的发展水平。最新一期的双跨名单在5月初公布,在人工智能领域拥有领先优势的百度智能云开物在新增企业中位居首位。
02 从技术端,顺应智能化的技术演进趋势
工业数字化转型过程中应用的 ICT 技术与十年前已大不相同,人工智能、云计算、物联网、5G、区块链、VR/AR 等技术共同构成了新的技术体系。
其中,人工智能作为新一轮科技革命和产业变革的重要驱动力量,具有溢出带动性很强的“头雁”效应,正在引发诸多领域的颠覆性变革。当今的人工智能技术以机器学习、特别是深度学习为核心,在视觉、语音、自然语言处理等应用领域迅速发展。
在云端,云原生概念的快速发展使容器和微服务成为工业互联网平台的主流技术。容器技术对 CPU、存储的额外开销非常小,且可以实现秒级开关。随着以 Docker 为主的容器技术和 Kubernetes 为主的容器编排工具的逐渐成熟,越来越多的工具通过容器封装、分发和运行。微服务通过模块化组合方式实现“松耦合”应用开发,将多个不同功能、相互隔离的微服务按需组合在一起并通过 API 集实现相互通信,从而构成一个功能完整的大型应用系统。
在边缘侧,MEC 作为5G 技术与业务融合的桥梁,是5G 大带宽、低时延、本地化垂直行业应用场景落地的关键。MEC 可以实现对业务数据的本地分流卸载、对业务的近端处理,在满足企业数据不出园区的安全隐私性需求的同时,也进一步降低了业务时延,提升了诸如远程控制、远程协作等业务的体验。通过 MEC 打造工业边缘云平台,能够更好地利用平台的 PaaS 能力为企业提供更多边缘应用,同时平台通用工业能力共享可以降低企业的信息化改造成本。
03 从应用端,解决应用落地端最紧迫的需求
从2018年到现在,伴随着工业互联网创新工程不断推进,我国的工业互联网基础设施实现了从无到有的进步,国家工业互联网大数据中心“1+N”体系基本建成,工业互联网应用端的需求将不断展现。
从应用端来看,工业互联网的未来将从单点应用向全流程延展,工信部的跨行业跨领域工业互联网平台的申报也印证了此趋势。在面向全环节、全流程综合集成应用和多领域系统应用拓展的过程中,工业互联网实施过程中对制造全流程风险诊断和研判能力、对工业数字资产的管理能力、对市场的预测和供应链的优化能力、对工业安全的感知和预警处置能力等要求越来越高,而实现这些应用的关键就是要通过智能化的技术牵引,更好地实现数据价值和效能提升。
行业数字化水平越高、AI+工业互联网渗透率越大。根据统计,在电子信息制造、石油化工和以汽车制造为核心的装备制造行业,AI+工业互联网平台的行业渗透率分别达到10.5%、8.5%和8.6%。而目前,国内各大行业正在提升 AI+工业互联网的渗透率,同时将不同的 AI 技术应用于不同行业。比如在工业视觉智能方向,百度智能云及其他厂商重点针对能源电力和制造行业提供智能巡检和智能质检等解决方案;而在工业数据智能方向,百度智能云突显特色优势,如百度智能云的智能电网调度算法,以及各厂商针对工艺优化的数据分析平台等解决方案。
“AI+工业互联网”的内涵及特征解析
01 AI+工业互联网的提出是工业互联网发展第二阶段
中国的工业互联网发展到目前分为两个阶段:
第一阶段,处于工业互联网发展探索阶段。重点通过从上到下的政策及相关平台建设,以及制造业企业的信息化水平评估,探索了中国工业互联网的发展路径,通过工业互联网的发展明确制造业企业实现智能化的前期积累,摸清制造业企业的信息化水平及家底。该阶段重点企业主要的几项工作是企业开发完善工业互联网专业和综合平台,通过工业互联网对制造业企业开展信息化评估、明确工业互联网的发展模式,打通企业内外网络等相关工作。
第二阶段,伴随着5G、人工智能、大数据技术的不断成熟和落地,进入了通过技术实现智能化的发展阶段。在这些技术的支撑下,实现从生产设计到产品终端的全产业链覆盖,“AI+工业互联网”被提出。这个时期,工业互联网在企业中更多实现的是智能工业质检、智能安全巡检、工艺参数优化、设备资产管理、设备与质量异常预警、市场预测与供应链优化等功能。
“AI+工业互联网”的到来可以从四方面解读:
打通基础网络,为实现全产业链智能化做好通道。工业互联网网络体系包括网络互联、数据互通和标识解析三部分。目前我国正在加快建设标识解析工作,标识解析体系贯穿工业生产和销售的全流程,通过标识解析,各工业企业将能够实现产品与设备的全生命周期管理:标识解析体系的建设可以使得不同企业之间异构的标识之间得以互通,数据沟通也变得通畅,进而可以消除供需两方之间的信息不对称,降低工业领域乃至全社会的交易成本。
工业互联网平台的建设及专项和双跨平台的累积,为智能化提供前提条件。工业互联网平台体系包相当于工业互联网的“操作系统”,具有数据汇聚、建模分析、知识复用、应用创新等作用。只有平台内的数据达到一定程度,模型和算法更加合适才可能真正实现智能化。
工业互联网数据体系专业化、规模化,使得智能化成为可能。数据是实现数字化、网络化、智能化的基础,制造业本身由于行业复杂,数据千差万别,需要长期积累和专业化才能积累一批有效数据,经过多年工业互联网的前期工作,目前我国已经在该工作上取得一定成效。
工业互联网安全不断完善,为智能化提供安全保证。工业互联网打破了原来的内网安全体系,加大了制造业的网络信息安全风险,因此需要相应的工业互联网安全的产品及解决方案的诞生以及服务的提供,同时也对安全产品的预警功能要求更好,因此态势感知产品的诞生满足了这个要求。同时中国制造业企业,特别是在制造业中小企业对安全产品的认知正在加快提升的道路上,由于企业在网络信息安全产品的预算有限,平台型的服务产品成为制造业企业防范安全的主流产品后有利于推动工业互联网的发展。
02 “AI+工业互联网”的内涵及特征
“AI+工业互联网”是指在工业互联网的架构基础上融合人工智能技术,面向工业场景提供智能解决方案,帮助工业企业更好地实现数据价值和效能提升。AI+工业互联网平台是在工业云平台的基础上,融合人工智能技术或算法,从而实现数据驱动业务转型和创新主体。
“AI+工业互联网”特征包括两点:
特征一:机器学习及深度学习成为核心。以大量数据采集为算料基础,既包括物联网终端设备采集到的生产数据,也包括企业运行中的经营管理数据;以机器学习或深度学习算法为核心,通过建立人工智能模型解决特定的诊断、预测等问题。
特征二:用户需求导向性更强,实现全产业链覆盖。随着人工智能技术在工业各领域、环节、产品中的深度融合,AI+工业互联网的应用场景开始从企业内部的单点式应用走向产业链各环节之间的数据价值发现。与传统的智能化中台更加关注生产系统的控制相比,未来 AI+工业互联网平台将围绕更大尺度范围内的产业链数据,为企业提供供应链优化、物流调度优化、市场销售预测等方面的决策辅助支撑。同时实现纵向集成与横向集成的工业智能将增强工业生产中人与人、人与物、物与物的联系,加快形成知识沉淀,更好地发挥智能化的支撑作用。
“AI+工业互联网”时代的发展建议
工业互联网发展进入以技术驱动的时代,既需要需求用户方思维的转变,也需要厂商能力的提升。
对用户端来看,重点需要关注三个方面:
一是关注路径,探索数据驱动的智能化转型路径。企业的生产方式、业务流程需要快速适应因客户需求多样化而带来的复杂性和不确定性,并在海量的用户数据挖掘中发现更多的价值增值部分。有别于传统工业化发展时期的竞争模式,数字经济时代企业核心竞争从过去传统的“生产能力”竞争变成了“服务能力+数字化能力+生产能力”竞争。传统企业只有找到自身业务环节中的核心数据并将其价值发挥出来,才有可能在数字经济时代实现创新和转型。
二是关注自身,结合自身需求选择开发和部署方式。在选择系统开发方式时,企业应该结合自身需求,综合开发周期、维护成本、系统性能、可迁移等多重因素,选择能够提供更适合自身需求和特点的系统开发环境的供应商,提升平台系统与企业业务的适应性。在选择是否将系统和数据部署在公有云时,企业应综合考虑自身的成本预算、安全等级等因素。选择与自身信息化系统相适应的部署方式,能够更好地发挥 AI+工业互联网平台的功能,减少系统后期的维护成本。
三是关注服务,重视厂商可持续服务能力。目前,市场上的新技术概念层出不穷,云原生、低代码、边缘计算等技术概念为企业的数字化转型实践提供了更多的选择。在 AI+工业互联网平台建设的过程中,企业首先要考察厂商是否有类似的案例,案例越多,则说明该厂商的开发及服务能力越被市场认可;同时案例越多,也意味着系统进行迭代完善的机会就多,成熟度也越高。其次,要考察分析厂商的主营业务规模以判断其是否能够保证长期投入,确保双方长期合作,这是由于 AI+工业互联网解决方案的实施一般需要较长的周期。最后,厂商对于用户所在行业的积累也比较重要,厂商涉足该行业时间越长,则说明沉淀越多,不仅是软件成熟,相关的专业人才团队也更具经验。
从厂商端来看,要关注两方面:
一是要关注融合,关注交叉领域技术融合应用。随着5G、区块链、物联网、云计算、大数据等技术发展日益成熟,企业数字化转型将不再局限于传统业务领域,从顶层的决策层可以直达底层的分式硬件,靠的是数据的无障碍流通以及实时数据分析系统。工业互联网平台厂商应该在构建人工智能技术服务能力的基础上,尝试融合多重技术,开发适合客户运营的系统架构方案,进而帮助客户实现从传统企业向数字化企业转型的过程。
二是关注生态,打造数字化生态合作体系。联合产业生态上下游抱团取暖已经成为工业互联网平台厂商提供服务的新模式,AI+工业互联网平台厂商一般都围绕 PaaS 层构建自身的人工智能算法能力,部分公有云厂商会利用自身的平台优势实现对底层 IoT 设备以及应用层生态资源的汇聚。然而缺乏行业 Know-how 令公有云厂商和传统信息化厂商产生了资源互补的需求,只有通过平台构建更强大的生态体系才能形成市场竞争力。不同厂商的软硬件产品在工业互联网云平台上以资源池的形式进行融合,能够给用户带来极大的便利,节省大量的重复部署成本。因此在数据开放的前提下,如何选择合适的生态合作伙伴,已经成为工业互联网平台厂商的重要课题之一。
后台回复关键词“AI+工业互联网”即可下载《AI+工业互联网白皮书》了解详细信息。