本文來(lái)自社科院工業(yè)經(jīng)濟(jì)研究所。
當(dāng)前，全球工業(yè)智聯(lián)網(wǎng)正處在技術(shù)加速孵化、應(yīng)用場(chǎng)景拓展、規(guī)?；瘮U(kuò)張的關(guān)鍵時(shí)期，產(chǎn)業(yè)格局尚未完全確定，具有很大的發(fā)展?jié)摿Α?/p>
產(chǎn)業(yè)現(xiàn)狀方面，美中日德四國(guó)依托原有的工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)基礎(chǔ)，在工業(yè)智聯(lián)網(wǎng)方面具有一定先發(fā)優(yōu)勢(shì)；技術(shù)趨勢(shì)方面，創(chuàng)新主要集中在核心賦能能力與工程化應(yīng)用兩個(gè)方向；產(chǎn)業(yè)生態(tài)上，新環(huán)節(jié)、新流程、新主體不斷涌現(xiàn)；整體生態(tài)上，多元主體正加強(qiáng)合作，技術(shù)標(biāo)準(zhǔn)與發(fā)展安全更加受到重視。
美中日德基礎(chǔ)產(chǎn)業(yè)規(guī)模占優(yōu)
中等偏上收入國(guó)家緊抓機(jī)遇
基于經(jīng)合組織（OECD）及世界銀行數(shù)據(jù)，中國(guó)工業(yè)互聯(lián)網(wǎng)研究院測(cè)算了全球59個(gè)代表性國(guó)家工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模。2020年，59國(guó)工業(yè)互聯(lián)網(wǎng)增加值總額為3.74萬(wàn)億美元。前四位分別為美國(guó)8858.40億美元、中國(guó)5664.56億、日本3055.66億、德國(guó)2475.94億，美中日德四國(guó)規(guī)模之和超過(guò)全球規(guī)模的50%。
根據(jù)收入水平，高收入國(guó)家總計(jì)規(guī)模達(dá)到2.55萬(wàn)億美元，占比68.12%，增速為1.41%；中等偏上收入國(guó)家為0.94萬(wàn)億美元，占比25.21%，增速達(dá)到7.34%；中等偏下收入國(guó)家為0.25萬(wàn)億美元，占比6.67%，增速為1.59%。
可以看出，高收入國(guó)家依托自身已有的發(fā)達(dá)工業(yè)產(chǎn)業(yè)體系，在產(chǎn)業(yè)基礎(chǔ)方面具有先發(fā)優(yōu)勢(shì)，但中國(guó)、俄羅斯、巴西等中等偏上收入國(guó)家正努力抓住新一輪技術(shù)革命與產(chǎn)業(yè)革命發(fā)展機(jī)遇，在國(guó)民經(jīng)濟(jì)體系中加強(qiáng)工業(yè)智聯(lián)網(wǎng)應(yīng)用，力爭(zhēng)實(shí)現(xiàn)工業(yè)智聯(lián)網(wǎng)發(fā)展的“彎道超車(chē)”。
技術(shù)創(chuàng)新主要面向
核心賦能能力增長(zhǎng)與工程化應(yīng)用
當(dāng)前工業(yè)智聯(lián)網(wǎng)技術(shù)創(chuàng)新主要針對(duì)兩個(gè)方向，一是向上面向更復(fù)雜知識(shí)處理、更高性能需求的核心賦能能力增長(zhǎng)技術(shù)創(chuàng)新，二是向下面向工業(yè)部署落地的工程化突破應(yīng)用創(chuàng)新。
在核心賦能能力方面，第一，數(shù)據(jù)科學(xué)圍繞更復(fù)雜更多樣的工業(yè)問(wèn)題，以深度學(xué)習(xí)為核心開(kāi)展創(chuàng)新。深度強(qiáng)化學(xué)習(xí)（DRL）通過(guò)在工業(yè)實(shí)踐中不斷迭代試錯(cuò)，優(yōu)化動(dòng)態(tài)環(huán)境與復(fù)雜場(chǎng)景中的多元決策執(zhí)行，在產(chǎn)品設(shè)計(jì)與開(kāi)發(fā)、調(diào)度控制和加工路徑、運(yùn)維管理和策略等方面展現(xiàn)出強(qiáng)大的優(yōu)化能力。生成對(duì)抗網(wǎng)絡(luò)（GAN），通過(guò)兩個(gè)神經(jīng)網(wǎng)絡(luò)不斷博弈，增加有效工業(yè)樣本數(shù)量，改善工業(yè)數(shù)據(jù)質(zhì)量，為工業(yè)模型訓(xùn)練提供數(shù)據(jù)基礎(chǔ)。
第二，基于深度學(xué)習(xí)，應(yīng)用創(chuàng)新重點(diǎn)提升面向生產(chǎn)與客戶的關(guān)鍵問(wèn)題識(shí)別能力與知識(shí)服務(wù)能力。工業(yè)視覺(jué)技術(shù)更加聚焦高精度小目標(biāo)識(shí)別場(chǎng)景，以及低質(zhì)量數(shù)據(jù)情況下的處理能力。自然語(yǔ)言處理（NLP）圍繞用戶服務(wù)環(huán)節(jié)，提升用戶交互識(shí)別能力，通過(guò)分析知識(shí)圖譜，深度挖掘客戶需求，提升服務(wù)效率質(zhì)量。
第三，知識(shí)工程走向圖譜化、自動(dòng)化構(gòu)建更新與定量復(fù)雜決策。工業(yè)知識(shí)的數(shù)據(jù)獲取、知識(shí)加工、知識(shí)應(yīng)用核心環(huán)節(jié)已經(jīng)明確，工業(yè)知識(shí)圖譜的自動(dòng)化構(gòu)建與更新架構(gòu)逐漸成型，語(yǔ)義處理環(huán)節(jié)由人工處理向自動(dòng)化抽取和融合轉(zhuǎn)變，圖譜更新環(huán)節(jié)實(shí)現(xiàn)動(dòng)態(tài)組織自更新，部分機(jī)構(gòu)已建立起知識(shí)“開(kāi)放眾包”機(jī)制進(jìn)行圖譜管理。
第四，工業(yè)機(jī)器人交互和學(xué)習(xí)方式正在向人機(jī)、類(lèi)腦、腦機(jī)技術(shù)方向轉(zhuǎn)變。雙向腦機(jī)接口、類(lèi)腦+腦機(jī)接口等技術(shù)突破將深刻改變?nèi)藱C(jī)協(xié)作模式，并將從機(jī)器學(xué)習(xí)中獲取可解釋性強(qiáng)的經(jīng)驗(yàn)，但目前這一領(lǐng)域還處于理論研究與實(shí)驗(yàn)階段。
在工程化應(yīng)用方面，第一，芯片與模型軟硬件共同發(fā)力解決模型效率問(wèn)題。當(dāng)前以馮·諾依曼結(jié)構(gòu)為主的芯片架構(gòu)正面臨“內(nèi)存墻”挑戰(zhàn)，國(guó)內(nèi)外AI企業(yè)與芯片制造商推出加速模塊、邊緣計(jì)算盒子等硬件，聚焦架構(gòu)設(shè)計(jì)、場(chǎng)景優(yōu)化方向開(kāi)展多樣化探索。目前，知識(shí)圖結(jié)構(gòu)蒸餾、知識(shí)精餾、參數(shù)剪枝量化等模型效率提升技術(shù)廣受關(guān)注，但其專用性與學(xué)術(shù)性較強(qiáng)，限制了工業(yè)落地推廣。
第二，在設(shè)備管理、流程優(yōu)化等領(lǐng)域提升流程可解釋性。一方面，在質(zhì)量檢測(cè)、設(shè)備異常識(shí)別等場(chǎng)景中，基于特征可視化方法挖掘因果/相關(guān)關(guān)系，并進(jìn)行可視化輸出；另一方面，在故障根源分析、生產(chǎn)缺陷預(yù)測(cè)等場(chǎng)景中，利用決策樹(shù)、決策規(guī)則、工業(yè)知識(shí)圖譜等可解釋模型的局部/全局近似來(lái)提升可解釋性。
第三，聚焦小樣本困境與行業(yè)領(lǐng)域數(shù)據(jù)集構(gòu)建問(wèn)題提升數(shù)據(jù)可用性。小樣本困境在于當(dāng)前工業(yè)數(shù)據(jù)零碎化、邊緣化、相關(guān)性弱導(dǎo)致難以提煉知識(shí)，目前主要存在數(shù)據(jù)擴(kuò)充、先驗(yàn)知識(shí)引入、優(yōu)化模型結(jié)構(gòu)幾類(lèi)解決路徑。
第四，AI框架逐步成為加速工業(yè)融合與規(guī)?；涞氐暮诵念I(lǐng)域。一方面提供統(tǒng)一、可擴(kuò)展的基礎(chǔ)架構(gòu)層，提升模型訓(xùn)練性能，一方面針對(duì)目標(biāo)硬件做定向適配、特屬優(yōu)化，保證端側(cè)模型部署與推理速度，最終目標(biāo)是提升AI框架的適配與易用性，推進(jìn)工業(yè)融合與規(guī)?；涞?。
整體工業(yè)生態(tài)建設(shè)催生出
新環(huán)節(jié)流程、新競(jìng)爭(zhēng)主體
隨著工業(yè)網(wǎng)聯(lián)技術(shù)深入發(fā)展，發(fā)達(dá)國(guó)家愈發(fā)重視網(wǎng)聯(lián)技術(shù)對(duì)重塑整體工業(yè)生態(tài)與提升國(guó)家產(chǎn)業(yè)競(jìng)爭(zhēng)力的重要作用，發(fā)展目標(biāo)從早期的重振本土制造業(yè)轉(zhuǎn)向充分發(fā)揮工業(yè)智聯(lián)網(wǎng)滲透、賦能、改造效應(yīng)，提升整體工業(yè)產(chǎn)業(yè)發(fā)展質(zhì)量。
美國(guó)進(jìn)一步加大政府對(duì)人工智能、5G、先進(jìn)制造等產(chǎn)業(yè)的扶持力度，持續(xù)追加研發(fā)投入。德國(guó)接續(xù)發(fā)布《數(shù)字化戰(zhàn)略2025》《德國(guó)工業(yè)戰(zhàn)略2030》等系列戰(zhàn)略政策，推動(dòng)形成多層次工業(yè)網(wǎng)聯(lián)產(chǎn)業(yè)集群。歐盟及其成員國(guó)持續(xù)推動(dòng)新興產(chǎn)業(yè)發(fā)展與再造已有產(chǎn)業(yè)的高附加值環(huán)節(jié)。日本啟動(dòng)“工業(yè)價(jià)值鏈計(jì)劃”，建立本地化互聯(lián)工業(yè)支援體系。
在整體工業(yè)生態(tài)建設(shè)目標(biāo)下，當(dāng)前涌現(xiàn)出行業(yè)數(shù)據(jù)標(biāo)注等新環(huán)節(jié)、新流程，以AI為核心的服務(wù)型企業(yè)成為新市場(chǎng)主體的典型代表。數(shù)據(jù)標(biāo)注等數(shù)據(jù)服務(wù)產(chǎn)業(yè)集中在倉(cāng)儲(chǔ)物流與安全場(chǎng)景，大規(guī)模、高質(zhì)量的標(biāo)注數(shù)據(jù)集逐漸成為產(chǎn)業(yè)發(fā)展的剛需。
工業(yè)場(chǎng)景碎片化特征要求工業(yè)智能模型需要不斷迭代優(yōu)化，當(dāng)前在高價(jià)值設(shè)備健康管理等領(lǐng)域誕生了一批以AI技術(shù)為核心的工業(yè)服務(wù)型企業(yè)，將AI能力注入工業(yè)生產(chǎn)管理過(guò)程，為用戶提供設(shè)備監(jiān)管、運(yùn)維、預(yù)測(cè)性維護(hù)等智能化服務(wù)。除AI服務(wù)型企業(yè)外，大型咨詢公司也加入智能服務(wù)市場(chǎng)競(jìng)爭(zhēng)，以定制化智能解決方案優(yōu)勢(shì)擴(kuò)大市場(chǎng)份額。
多元利益主體協(xié)同合作
重視技術(shù)標(biāo)準(zhǔn)與產(chǎn)業(yè)發(fā)展安全
工業(yè)網(wǎng)聯(lián)技術(shù)產(chǎn)業(yè)大致存在兩類(lèi)發(fā)展模式，以美國(guó)為代表的企業(yè)主導(dǎo)模式“自下而上”通過(guò)產(chǎn)業(yè)聯(lián)盟的方式，打破行業(yè)、區(qū)域等技術(shù)壁壘，促進(jìn)物理系統(tǒng)與數(shù)字網(wǎng)絡(luò)融合；以德國(guó)為代表的政府主導(dǎo)模式“自上而下”開(kāi)展政府與相關(guān)者之間的合作，集聚各級(jí)企業(yè)推進(jìn)標(biāo)準(zhǔn)、研發(fā)、試驗(yàn)等研發(fā)工作。
無(wú)論是“自下而上”還是“自上而下”，政府、研究機(jī)構(gòu)、服務(wù)提供商、工廠運(yùn)營(yíng)商、機(jī)械制造商、平臺(tái)運(yùn)營(yíng)商等多元主體間的協(xié)同合作成為主流趨勢(shì)。
隨著工業(yè)網(wǎng)聯(lián)技術(shù)標(biāo)準(zhǔn)建設(shè)的重要性以及安全問(wèn)題的特殊性愈發(fā)凸顯，世界各國(guó)逐步加大標(biāo)準(zhǔn)建設(shè)及安全問(wèn)題政策權(quán)重，形成“技術(shù)—標(biāo)準(zhǔn)—安全”三位一體產(chǎn)業(yè)發(fā)展重心。根據(jù)歐盟物聯(lián)網(wǎng)創(chuàng)新聯(lián)盟的統(tǒng)計(jì)，目前全球共有100多個(gè)工業(yè)網(wǎng)聯(lián)技術(shù)標(biāo)準(zhǔn)化組織，其中德、美兩國(guó)處于領(lǐng)先地位。
