大數(shù)據(jù)和AI賦能工業(yè)互聯(lián)網(wǎng)發(fā)展報(bào)告-D

1、大數(shù)據(jù)和AI賦能工業(yè)互聯(lián)網(wǎng)發(fā)展報(bào)告數(shù)字浪潮之工業(yè)智能化大數(shù)據(jù)和 AI 賦能,工業(yè)互聯(lián)鋪強(qiáng)國(guó)之路工業(yè)數(shù)字化是制造強(qiáng)國(guó)的必由之路在新一輪信息技術(shù)與制造業(yè)融合的趨勢(shì)下，新時(shí)代的“工業(yè)革命”正席卷全球。在大數(shù)據(jù)、人工智能、工業(yè)互聯(lián)網(wǎng)等新興技術(shù)快速發(fā)展的背景下，我們認(rèn)為工業(yè)數(shù)字化是制造強(qiáng)國(guó)的必經(jīng)之路，隨著工業(yè)數(shù)字化程度的不斷深化，將有助于我國(guó)加快建設(shè)成工業(yè)制造強(qiáng)國(guó)，提升我國(guó)工業(yè)在全球的競(jìng)爭(zhēng)力。大數(shù)據(jù)是工業(yè)數(shù)字化的入口隨著數(shù)字化浪潮在工業(yè)領(lǐng)域的滲透，數(shù)據(jù)已經(jīng)成為工業(yè)領(lǐng)域新的“生產(chǎn)資料”，根據(jù) IDC 的統(tǒng)計(jì)，2019 全球數(shù)據(jù)量達(dá)到 42ZB，預(yù)計(jì) 2022 年達(dá)到 163ZB，復(fù)合增速為 57%。工業(yè)數(shù)

2、據(jù)在工業(yè)領(lǐng)域的應(yīng)用場(chǎng)景也不斷增加，根據(jù)賽迪統(tǒng)計(jì)，2019 年我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)達(dá)到 146.9 億元，預(yù)計(jì)未來(lái)保持 30%以上的高增長(zhǎng)。作為工業(yè)數(shù)字化的重要入口，雖然工業(yè)數(shù)據(jù)在采集過(guò)程中會(huì)遇到數(shù)據(jù)完整性、數(shù)據(jù)質(zhì)量等方面的困難，但諸如工況分割、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量檢測(cè)、數(shù)據(jù)樣本平衡、數(shù)據(jù)分割等數(shù)據(jù)預(yù)處理方式的興起也大大提升了工業(yè)數(shù)據(jù)的可靠性和可用性。人工智能是工業(yè)數(shù)字化的大腦在數(shù)據(jù)、算法、算力等基礎(chǔ)要素得到充足發(fā)展后，人工智能有了實(shí)現(xiàn)的基礎(chǔ)。鑒于人工智能在社會(huì)各個(gè)領(lǐng)域內(nèi)的巨大潛在應(yīng)用市場(chǎng)，我國(guó)已經(jīng)在 2017 年發(fā)布的新一代人工智能發(fā)展規(guī)劃中將人工智能戰(zhàn)略上升為國(guó)家戰(zhàn)略，人工智能產(chǎn)業(yè)水平不管從企業(yè)

3、數(shù)量還是全球申請(qǐng)專利情況來(lái)看都位于領(lǐng)先行列。人工智能的發(fā)展也為制造業(yè)發(fā)展帶來(lái)了良機(jī)，有望從素質(zhì)維度、體質(zhì)維度以及本質(zhì)維度全面提升工業(yè)制造水平。目前人工智能已經(jīng)在工業(yè)領(lǐng)域的多個(gè)應(yīng)用場(chǎng)景得到應(yīng)用，比如智能生產(chǎn)場(chǎng)景的工業(yè)視覺(jué)檢測(cè)以及設(shè)備管理領(lǐng)域的預(yù)測(cè)性維護(hù)。工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù)和 AI 之大成在人口老齡化，用工成本上升的趨勢(shì)下，各地政策齊發(fā)力，推動(dòng)制造業(yè)向以智能化為代表的工業(yè) 4.0 邁進(jìn)。其中以 MES 為代表的生產(chǎn)環(huán)節(jié)， 逐步向工業(yè)互聯(lián)網(wǎng)領(lǐng)域升級(jí)，終極智能制造是一個(gè)從 IOT、大數(shù)據(jù)、AI、工業(yè)互聯(lián)網(wǎng)平臺(tái)逐步上臺(tái)階的過(guò)程。IOT 平臺(tái)對(duì)接生產(chǎn)環(huán)節(jié)海量的 IOT 設(shè)備，并獲取數(shù)據(jù)，進(jìn)行初步分析；大數(shù)

4、據(jù)平臺(tái)實(shí)現(xiàn)生產(chǎn)環(huán)節(jié)的數(shù)據(jù)可視化，對(duì)數(shù)據(jù)進(jìn)行模型建立，并進(jìn)行分析和預(yù)測(cè)；AI 工業(yè)應(yīng)用智能平臺(tái)形成對(duì)生產(chǎn)的預(yù)測(cè)，并自適應(yīng)調(diào)整生產(chǎn)系統(tǒng)。工業(yè)互聯(lián)網(wǎng)安全是智能制造的重要保障工控領(lǐng)域信息安全事件頻出，關(guān)鍵信息基礎(chǔ)設(shè)施被攻擊將對(duì)國(guó)計(jì)民生造成直觀的嚴(yán)重影響，因此政策以“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”為抓手進(jìn)行推動(dòng)。工業(yè)互聯(lián)網(wǎng)安全與生產(chǎn)系統(tǒng)緊密結(jié)合，基于大數(shù)據(jù)和 AI 的工業(yè)態(tài)勢(shì)感知成為更完整的安全方案，確保智能化的工業(yè)系統(tǒng)安全運(yùn)營(yíng)。風(fēng)險(xiǎn)提示疫情影響工業(yè)智能化升級(jí)投資；智能制造方案落地不及預(yù)期。Page PAGE 24請(qǐng)務(wù)必閱讀正文之后的免責(zé)條款部分全球視野 本土智慧內(nèi)容目錄 HYPERLINK l _TOC_25

5、0015 大數(shù)據(jù)是工業(yè)數(shù)字化的入口4 HYPERLINK l _TOC_250014 工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)?？焖僭鲩L(zhǎng)4 HYPERLINK l _TOC_250013 工業(yè)數(shù)據(jù)的可靠可用是數(shù)字化應(yīng)用的前提5 HYPERLINK l _TOC_250012 人工智能是工業(yè)數(shù)字化的大腦6 HYPERLINK l _TOC_250011 我國(guó)人工智能產(chǎn)業(yè)發(fā)展位居全球前列6 HYPERLINK l _TOC_250010 人工智能為工業(yè)生產(chǎn)帶來(lái)發(fā)展良機(jī)8 HYPERLINK l _TOC_250009 工業(yè)人工智能應(yīng)用眾多前景廣闊10 HYPERLINK l _TOC_250008 工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù) A

6、I 之大成，開(kāi)啟工業(yè) 4.0 之路14 HYPERLINK l _TOC_250007 工業(yè)數(shù)字浪潮掀起，多重政策大力推動(dòng)14 HYPERLINK l _TOC_250006 MES 為生產(chǎn)環(huán)節(jié)核心，智能制造價(jià)值凸顯16 HYPERLINK l _TOC_250005 工業(yè)互聯(lián)網(wǎng)平臺(tái)集 AI 和大數(shù)據(jù)之大成，助力智能制造再升級(jí)17 HYPERLINK l _TOC_250004 案例一：寶信軟件打造鋼鐵行業(yè)“燈塔工廠”20 HYPERLINK l _TOC_250003 案例二：用友以云化打造智能制造生態(tài)22 HYPERLINK l _TOC_250002 工業(yè)信息安全是智能制造下的剛需22

7、HYPERLINK l _TOC_250001 工控安全事件頻出，智能制造轉(zhuǎn)型安全當(dāng)先22 HYPERLINK l _TOC_250000 工控安全體系開(kāi)始建設(shè)，大數(shù)據(jù)和 AI 助力全面工業(yè)態(tài)勢(shì)感知23風(fēng)險(xiǎn)提示25國(guó)信證券投資評(píng)級(jí)26分析師承諾26風(fēng)險(xiǎn)提示26證券投資咨詢業(yè)務(wù)的說(shuō)明26圖表目錄圖 1：全球大數(shù)據(jù)量快速增長(zhǎng)（單位：ZB）4圖 2：我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)模及增速（單位：億元）4圖 3：工業(yè)大數(shù)據(jù)分類三種類型5圖 4：工業(yè)大數(shù)據(jù)應(yīng)用參考框架5圖 5：工業(yè)數(shù)據(jù)的預(yù)處理流程6圖 6：數(shù)據(jù)、算力和算法是人工智能發(fā)展的基礎(chǔ)7圖 7：人工智能核心產(chǎn)業(yè)規(guī)模8圖 8：中美人工智能企業(yè)數(shù)量對(duì)比8圖 9

8、：全球人工智能專利申請(qǐng)地分布8圖 10：人工智能給工業(yè)制造帶來(lái)的機(jī)會(huì)9圖 11：工業(yè)人工智能相比通用人工智能典型要素10圖 12：人工智能在中國(guó)制造業(yè)應(yīng)用規(guī)模及增速（單位：百萬(wàn)美元）10圖 13：人工智能在工業(yè)領(lǐng)域的應(yīng)用很多11圖 14：AI 軟件在工業(yè)視覺(jué)解決方案中占據(jù)重要地位12圖 15：工業(yè)視覺(jué)在下游多個(gè)行業(yè)應(yīng)用12圖 16：人工智能在工業(yè)設(shè)備預(yù)測(cè)性維護(hù)中所起的作用13圖 17：刀具壽命監(jiān)控及預(yù)測(cè)技術(shù)結(jié)構(gòu)圖14圖 18：工業(yè)發(fā)展階段15圖 19：制造業(yè)企業(yè)典型數(shù)字化架構(gòu)16圖 20：中國(guó) MES 市場(chǎng)規(guī)模（億元）17圖 21：MES 在制造業(yè)中應(yīng)用分布17圖 22：云棲制造與傳統(tǒng)工廠生產(chǎn)

9、效率比較17圖 23：工業(yè)互聯(lián)網(wǎng)平臺(tái)功能架構(gòu)18圖 24：工業(yè)互聯(lián)網(wǎng)平臺(tái)在生產(chǎn)系統(tǒng)中的位置18圖 25：工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用三大發(fā)展層次19圖 26：工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用優(yōu)化價(jià)值19圖 27：工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)用分部統(tǒng)計(jì)19圖 28：終極智能制造的平臺(tái)階梯20圖 29：ePlat 平臺(tái)九大功能模塊21圖 30：iPlat 平臺(tái)產(chǎn)品體系21圖 31：寶鋼股份入選世界經(jīng)濟(jì)論壇“燈塔工廠”21圖 32：用友工業(yè)互聯(lián)網(wǎng)平臺(tái)架構(gòu)22圖 33：工業(yè)體系防護(hù)視角24圖 34：工業(yè)安全監(jiān)測(cè)系統(tǒng)部署24表 1：人工智能鼓勵(lì)政策匯總7表 2：通用人工智能和工業(yè)人工智能的區(qū)別9表 3：玻璃蓋板檢測(cè)每年行業(yè)從業(yè)人員成本費(fèi)用

10、13表 4：智能制造及工業(yè)互聯(lián)網(wǎng)領(lǐng)域相關(guān)政策15表 5：各地方對(duì)工業(yè)互聯(lián)網(wǎng)政策補(bǔ)貼16表 6：2020 雙跨工業(yè)互聯(lián)網(wǎng)平臺(tái)新增 5 家20表 7：近年來(lái)重要工控安全事件23表 8：“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”重點(diǎn)任務(wù) 23大數(shù)據(jù)是工業(yè)數(shù)字化的入口工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)?？焖僭鲩L(zhǎng)數(shù)據(jù)成為工業(yè)領(lǐng)域新的“生產(chǎn)資料”。根據(jù) IDC 數(shù)據(jù)，2019 全球數(shù)據(jù)量達(dá)到 42ZB，預(yù)計(jì) 2022 年達(dá)到 163ZB，復(fù)合增速為 57%。大數(shù)據(jù)急速膨脹不斷在各個(gè)領(lǐng)域催生新的應(yīng)用生態(tài)，工業(yè)領(lǐng)域成為下一個(gè)藍(lán)海。隨著我國(guó)工業(yè)自動(dòng)化、信息化水平不斷提升，數(shù)據(jù)市場(chǎng)也在快速增長(zhǎng)。根據(jù)賽迪顧問(wèn)，2019 年我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)達(dá)到 14

11、6.9 億元，預(yù)計(jì)未來(lái)保持 30%以上的高增長(zhǎng)。工業(yè)數(shù)據(jù)涵蓋企業(yè)運(yùn)營(yíng)、產(chǎn)品生產(chǎn)、工藝流程、市場(chǎng)銷售等多個(gè)環(huán)節(jié)的信息，深度挖掘?qū)⒋蠓嵘a(chǎn)效率、降低生產(chǎn)成本，已經(jīng)成為當(dāng)前智能制造新的“生產(chǎn)資料”。 圖 1：全球大數(shù)據(jù)量快速增長(zhǎng)（單位：ZB） 圖 2：我國(guó)工業(yè)大數(shù)據(jù)市場(chǎng)規(guī)模及增速（單位：億元）163.042.033.021.616.11801601401201008060402002016201720182019202210009008007006005004003002001000192.6256.032.9%346.135.2%473.636.8%650.637.4%903.840%38.9

12、% 39%38%37%36%35%34%33%32%31%30%29%202020212022202320242025資料來(lái)源：IDC，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：賽迪顧問(wèn)，國(guó)信證券經(jīng)濟(jì)研究所整理制造過(guò)程數(shù)據(jù)的提取挖掘，是當(dāng)前智能制造邁上新臺(tái)階的關(guān)鍵。根據(jù)數(shù)據(jù)來(lái)源， 工業(yè)大數(shù)據(jù)可分為企業(yè)運(yùn)營(yíng)相關(guān)的數(shù)據(jù)、企業(yè)外部數(shù)據(jù)、制造過(guò)程的數(shù)據(jù)。在經(jīng)過(guò)多年企業(yè)信息化發(fā)展后，企業(yè)管理 ERP、銷售 CRM 等內(nèi)部運(yùn)營(yíng)類數(shù)據(jù)已經(jīng)有了一定的積累?；ヂ?lián)網(wǎng)的快速發(fā)展，也為售后服務(wù)、產(chǎn)品跟蹤、市場(chǎng)運(yùn)營(yíng)、行業(yè)發(fā)展提供了廣闊的數(shù)據(jù)支持。而當(dāng)前最重要的，則是生產(chǎn)制造環(huán)節(jié)的數(shù)據(jù)挖掘。工業(yè)制造已經(jīng)由 3.0 的自動(dòng)化，逐步邁

13、向 4.0 的智能化。以智能制造設(shè)備、工業(yè)機(jī)器人、各類傳感器、智能儀器儀表為核心，通過(guò)構(gòu)建廣泛的物聯(lián)網(wǎng)生產(chǎn)系統(tǒng)，匯聚生產(chǎn)過(guò)程中的物料、加工、流程等多維度數(shù)據(jù)，實(shí)現(xiàn)生產(chǎn)過(guò)程的全面優(yōu)化。從客戶需求到銷售、訂單、計(jì)劃、研發(fā)、設(shè)計(jì)、制造、采購(gòu)、供應(yīng)、庫(kù)存、售后服務(wù)、運(yùn)維等整個(gè)企業(yè)和產(chǎn)品全生命周期各個(gè)環(huán)節(jié)，工業(yè)大數(shù)據(jù)打通后，利用人工智能技術(shù)，實(shí)現(xiàn)真正智能制造。圖 3：工業(yè)大數(shù)據(jù)分類三種類型企業(yè)運(yùn)營(yíng)相關(guān)的業(yè)務(wù)數(shù)據(jù) 這類數(shù)據(jù)來(lái)自企業(yè)信息化范疇，包括企業(yè)資源計(jì)劃（ERP）、產(chǎn)品生命周期管理（PLM）、供應(yīng)鏈管理（SCM）、客戶關(guān)系管理（CRM）和能耗管理系統(tǒng)(EMS） 等，此類數(shù)據(jù)是工業(yè)企業(yè)傳統(tǒng)意義上的數(shù)據(jù)資

14、產(chǎn)。制造過(guò)程數(shù)據(jù)這類數(shù)據(jù)主要是指工業(yè)生產(chǎn)過(guò)程中，裝備、物料及產(chǎn)品 加工過(guò)程的工況狀態(tài)數(shù)據(jù)、環(huán)境參數(shù)等生產(chǎn)情況數(shù)據(jù)， 通過(guò)MES系統(tǒng)實(shí)時(shí)傳遞，目前在智能裝備大量應(yīng)用的情況下，增長(zhǎng)很快。企業(yè)外部數(shù)據(jù)此類數(shù)據(jù)，包括工業(yè)企業(yè)產(chǎn)品售出之后的使用、運(yùn)營(yíng)情況的數(shù)據(jù)，同時(shí)還包括大量客戶名單、供應(yīng)商名單、外部的互聯(lián)網(wǎng)數(shù)據(jù)。資料來(lái)源：中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)數(shù)據(jù)的可靠可用是數(shù)字化應(yīng)用的前提工業(yè)數(shù)據(jù)是整體應(yīng)用框架的第一步，入口價(jià)值凸顯。根據(jù)中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院的工業(yè)大數(shù)據(jù)白皮書，整個(gè)工業(yè)大數(shù)據(jù)的應(yīng)用分析框架分為 5 個(gè)部分，分別為數(shù)據(jù)提供者、系統(tǒng)協(xié)調(diào)者、應(yīng)用提供者、大數(shù)據(jù)框架提供者以

15、及數(shù)據(jù)消費(fèi)者：1）數(shù)據(jù)提供者主要就是為后續(xù)系統(tǒng)的分析和演繹提供高質(zhì)量的數(shù)據(jù)；2） 系統(tǒng)協(xié)調(diào)者主要職責(zé)在于規(guī)范和集成各類所需的數(shù)據(jù)應(yīng)用活動(dòng)；3）大數(shù)據(jù)框架提供者主要是為數(shù)據(jù)消費(fèi)者提供各種處理方式和工具；4）工業(yè)大數(shù)據(jù)應(yīng)用提供者，主要將原始數(shù)據(jù)進(jìn)行收集、預(yù)處理、分析、可視化等操作后給數(shù)據(jù)消費(fèi)者； 5）數(shù)據(jù)消費(fèi)者主要職責(zé)就是將數(shù)據(jù)高效利用到生產(chǎn)、設(shè)計(jì)、服務(wù)等各個(gè)環(huán)節(jié)。所以，從整個(gè)工業(yè)大數(shù)據(jù)應(yīng)用框架來(lái)看，工業(yè)數(shù)據(jù)作為整個(gè)應(yīng)用框架的入口有非常重要的作用，提供數(shù)據(jù)的質(zhì)量高低、預(yù)處理數(shù)據(jù)的效果好壞都直接影響著最終工業(yè)數(shù)據(jù)的應(yīng)用效果。圖 4：工業(yè)大數(shù)據(jù)應(yīng)用參考框架CADCAMCAECAPPPLMMESSCAD

16、ADNCERP數(shù)據(jù)提供者系統(tǒng)：主要功能是數(shù)據(jù)收集、分析和分類，有此類功能的系統(tǒng)有：系統(tǒng)協(xié)調(diào)者經(jīng)各類可支持應(yīng)用的數(shù)據(jù)工業(yè)大數(shù)據(jù)應(yīng)用提供者收集預(yù)處理分析可視化訪問(wèn)過(guò)集成的數(shù)據(jù)數(shù)據(jù)消費(fèi)者數(shù)據(jù)消費(fèi)者有很多種，例如智能化設(shè)計(jì)、智能生產(chǎn)、智能化服務(wù)、個(gè)性化定制等。智能化設(shè)計(jì)大數(shù)據(jù)框架提供者智能化生產(chǎn)數(shù)據(jù)源：主要功能是提供原始數(shù)據(jù)，能夠提供原始數(shù)據(jù)的源頭有很多：信息交互通信框架平臺(tái)：提供數(shù)據(jù)組織與分布索引存儲(chǔ)文件系統(tǒng) 工業(yè)互聯(lián)設(shè)備 資源管理智能化服務(wù)基礎(chǔ)設(shè)施：提供網(wǎng)絡(luò)、計(jì)算、存儲(chǔ)虛擬資源物理資源個(gè)性化定制價(jià)值驅(qū)動(dòng)閉環(huán)流程優(yōu)化過(guò)程協(xié)同遠(yuǎn)程運(yùn)維效率綜合優(yōu)化故障預(yù)測(cè)流處理交互批處理數(shù)字化仿真優(yōu)化自動(dòng)化設(shè)計(jì)生產(chǎn)經(jīng)營(yíng)

17、及外部互聯(lián)網(wǎng)產(chǎn)品資料來(lái)源：中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)數(shù)據(jù)的質(zhì)量問(wèn)題可以通過(guò)預(yù)處理進(jìn)一步加強(qiáng)。目前，在工業(yè)大數(shù)據(jù)的應(yīng)用中，工業(yè)數(shù)據(jù)還有數(shù)據(jù)分散、數(shù)據(jù)質(zhì)量差以及數(shù)據(jù)受背景影響較大等問(wèn)題。具體來(lái)說(shuō)：1）數(shù)據(jù)分散是指工業(yè)數(shù)據(jù)零散地分布在各個(gè)系統(tǒng)中，比如 PLC、SCADA、 DCS 系統(tǒng)從機(jī)器設(shè)備實(shí)時(shí)采集的數(shù)據(jù)，數(shù)據(jù)交換接口同步的數(shù)據(jù)，以及存放在公司數(shù)據(jù)庫(kù)的業(yè)務(wù)數(shù)據(jù)等，這些零散的數(shù)據(jù)采集回來(lái)之后需要進(jìn)一步的歸類和 分析；2）數(shù)據(jù)質(zhì)量差是指由于工廠復(fù)雜的應(yīng)用環(huán)境，通過(guò)傳感器采集的數(shù)據(jù)會(huì) 包含很多的噪音數(shù)據(jù)，影響后期進(jìn)一步的分析和應(yīng)用；3）數(shù)據(jù)受到設(shè)備參數(shù)設(shè) 定、工況、環(huán)境等背景

18、信息的影響，主要是因?yàn)楣S生產(chǎn)實(shí)踐較為復(fù)雜，影響 數(shù)據(jù)的因素較多。可以通過(guò)多種數(shù)據(jù)預(yù)處理方法有效提高數(shù)據(jù)質(zhì)量。針對(duì)前文所述的工業(yè)數(shù)據(jù)質(zhì)量問(wèn)題，可以通過(guò)多種數(shù)據(jù)預(yù)處理方式對(duì)數(shù)據(jù)進(jìn)行處理，以提高其可靠性、可用性，目前來(lái)說(shuō)，主要的處理方法有工況分割、數(shù)據(jù)清洗、數(shù)據(jù)質(zhì)量檢測(cè)、數(shù)據(jù)歸一化、數(shù)據(jù)樣本平衡、數(shù)據(jù)分割等。具體來(lái)說(shuō)：1）工況分割，主要是將設(shè)備在不同運(yùn)行狀態(tài)下的數(shù)據(jù)分割出來(lái)，做有針對(duì)性的信號(hào)處理與特征提取，常用的工況分割變量有速度參數(shù)、環(huán)境參數(shù)、負(fù)載信息等；2）數(shù)據(jù)清洗，將數(shù)據(jù)中存在的異常點(diǎn)盡可能的剔除，降低對(duì)后續(xù)模型訓(xùn)練的干擾；3）數(shù)據(jù)質(zhì)量檢測(cè)，通常關(guān)注數(shù)據(jù)特性本身、建模有效性、以及領(lǐng)域相關(guān)的質(zhì)

19、量標(biāo)準(zhǔn)，針對(duì)不同的數(shù)據(jù)進(jìn)行不同的質(zhì)量檢測(cè)；4）數(shù)據(jù)歸一化，將數(shù)據(jù)轉(zhuǎn)換到同樣的分布或者取值區(qū)間，來(lái)提升數(shù)據(jù)建模精度，加速參數(shù)優(yōu)化求解的過(guò)程；5）數(shù)據(jù)樣本平衡，主要針對(duì)采集的數(shù)據(jù)標(biāo)簽不均的問(wèn)題，比如，設(shè)備運(yùn)行 1 小時(shí)的數(shù)據(jù)中可能只有1 分鐘的數(shù)據(jù)是異常的，可以通過(guò)重采樣或者欠采樣等不同的采樣方法來(lái)改善數(shù)據(jù)不同類別之間的平衡性；6）數(shù)據(jù)分割，主要是將數(shù)據(jù)集分割為多份，用作不同的目的，一般分為用于訓(xùn)練模型的訓(xùn)練集、對(duì)模型進(jìn)行參數(shù)優(yōu)化的驗(yàn)證集以及用來(lái)得到最終模型的測(cè)試集。圖 5：工業(yè)數(shù)據(jù)的預(yù)處理流程海量數(shù)據(jù)數(shù)據(jù)碎片化數(shù)據(jù)質(zhì)量差數(shù)據(jù)受背景信息影響數(shù)據(jù)預(yù)處理 PLC工況分割；數(shù)據(jù)清洗；數(shù)據(jù)質(zhì)量檢測(cè)；數(shù)據(jù)歸

20、一化；數(shù)據(jù)樣本平衡；數(shù)據(jù)分割； SCADA DCS物聯(lián)網(wǎng)數(shù)據(jù)業(yè)務(wù)系統(tǒng)數(shù)據(jù)資料來(lái)源：CSDN，國(guó)信證券經(jīng)濟(jì)研究所整理人工智能是工業(yè)數(shù)字化的大腦我國(guó)人工智能產(chǎn)業(yè)發(fā)展位居全球前列數(shù)據(jù)是人工智能的基礎(chǔ)，算力是人工智能的動(dòng)力，算法是人工智能的工具。從人工智能的發(fā)展歷史來(lái)看，經(jīng)歷了三起三落的發(fā)展過(guò)程，從達(dá)特茅斯會(huì)議首次提出人工智能，到霍普菲爾德神經(jīng)網(wǎng)絡(luò)被提出，再到 Hinton 提出深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，目前的人工智能已經(jīng)具備了大發(fā)展的基礎(chǔ)：大數(shù)據(jù)時(shí)代的到來(lái)為人工智能提供了源源不斷的基礎(chǔ)材料；CPU、GPU、FPGA 的性能提升以及異構(gòu)計(jì)算的發(fā)展都為人工智能提供了強(qiáng)大的算力；以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法的發(fā)展也

21、為人工智能的應(yīng)用提供了實(shí)現(xiàn)的工具。圖 6：數(shù)據(jù)、算力和算法是人工智能發(fā)展的基礎(chǔ)數(shù)據(jù)大數(shù)據(jù)時(shí)代的到來(lái)為人工智能的發(fā)展提供了充足的基礎(chǔ)數(shù)據(jù)來(lái)源。摩爾定律推動(dòng)處理器性能提升，以及異構(gòu)計(jì) 算的不斷發(fā)展，為復(fù)雜的人工智能計(jì)算提供了算力基礎(chǔ)。算力人工智能產(chǎn)業(yè)加速算法諸如回歸算法、分類算法、聚類算法、模式識(shí)別算法等機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)算法的發(fā)展，為人工智能的發(fā)展提供了實(shí)現(xiàn)路徑。資料來(lái)源：艾瑞咨詢，國(guó)信證券經(jīng)濟(jì)研究所整理人工智能戰(zhàn)略上升為國(guó)家戰(zhàn)略，國(guó)內(nèi) AI 產(chǎn)業(yè)迎來(lái)大發(fā)展。鑒于人工智能在社會(huì)各個(gè)領(lǐng)域內(nèi)的巨大潛在應(yīng)用市場(chǎng)，我國(guó)在政策上也為產(chǎn)業(yè)營(yíng)造了較為友好的發(fā)展氛圍，2017 年我國(guó)發(fā)布了新一代人工智能發(fā)展規(guī)

22、劃，將人工智能上升為國(guó)家戰(zhàn)略，確立了人工智能產(chǎn)業(yè)的三步走發(fā)展目標(biāo)。同時(shí)，不僅僅是我國(guó)，全球其他國(guó)家也都十分重視人工智能的發(fā)展，比如日本也提出了人工智能三階段發(fā)展戰(zhàn)略、韓國(guó)提出了人工智能五年規(guī)劃（投資 2.2 萬(wàn)億韓元）、新加坡 2017 年發(fā)布了“AI Singapore”戰(zhàn)略、澳大利亞發(fā)布了人工智能四年投資計(jì)劃等。表 1：人工智能鼓勵(lì)政策匯總時(shí)間政策文件及主要內(nèi)容2015 年關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)：首次將人工智能納入重點(diǎn)任務(wù)之一。2017 年新一代人工智能發(fā)展規(guī)劃：戰(zhàn)略確立了新一代人工智能發(fā)展三步走戰(zhàn)略目標(biāo)，將人工智能上升到國(guó)家戰(zhàn)略層面。2017 年十九大報(bào)告：人工智能寫入十

23、九大報(bào)告，將推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實(shí)體經(jīng)濟(jì)深度融合。2017 年促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃：詳細(xì)規(guī)劃了人工智能在未來(lái)三年的重點(diǎn)發(fā)展方向和目標(biāo)。2018 年2018 年政府工作報(bào)告：人工智能在此被列入政府工作報(bào)告：加強(qiáng)新一代人工智能研發(fā)應(yīng)用。2019 年2019 年政府工作報(bào)告：將人工智能升級(jí)為智能+。2019 年新一代人工智能治理原則發(fā)展負(fù)責(zé)任的人工智能：突出了發(fā)展負(fù)責(zé)任的人工智能這一主題。資料來(lái)源:前瞻產(chǎn)業(yè)研究院、國(guó)信證券經(jīng)濟(jì)研究所整理國(guó)內(nèi) AI 發(fā)展水平已處于世界前列。由于我國(guó)的人口數(shù)來(lái)基數(shù)大、應(yīng)用場(chǎng)景多樣化，人工智能技術(shù)已經(jīng)在多個(gè)行業(yè)落地，根據(jù)艾瑞咨詢的數(shù)據(jù)，我國(guó)的人

24、工智能核心產(chǎn)業(yè)規(guī)模在 2019 年大于 510 億元，發(fā)展到 2022 年有望超過(guò) 1 萬(wàn)億元， 復(fù)合增長(zhǎng)率約 170%。我國(guó)的 AI 發(fā)展水平從人工智能企業(yè)數(shù)量和全球范圍內(nèi)人工智能申請(qǐng)專利分布情況來(lái)看處于領(lǐng)先地位：1）根據(jù)六和咨詢和清華大學(xué)的聯(lián)合數(shù)據(jù)，我國(guó) 2018 年人工智能企業(yè)數(shù)量為 1011 個(gè)，相比于美國(guó) 2028 個(gè)有一定的差距，但是和全球其他國(guó)家相比仍處于領(lǐng)先地位；2）從艾瑞咨詢 2018 年統(tǒng)計(jì)的全球人工智能專利申請(qǐng)的分布情況來(lái)看，中國(guó)地區(qū)的專利數(shù)量占比達(dá)到37.1%位居第一，美國(guó)和日本緊隨其后，分別為 24.8%、13.1%，從專利的數(shù)量方面來(lái)看，我國(guó)的人工智能發(fā)展?fàn)顩r良好。

25、圖 7：人工智能核心產(chǎn)業(yè)規(guī)模資料來(lái)源：艾瑞咨詢，國(guó)信證券經(jīng)濟(jì)研究所整理 圖 8：中美人工智能企業(yè)數(shù)量對(duì)比 圖 9：全球人工智能專利申請(qǐng)地分布250020001500加拿大, 1.0%其他, 8.7%荷蘭, 1.1%法國(guó), 1.3%英國(guó), 1.3%德國(guó), 2.7%1000500日本, 13.1%韓國(guó), 8.9%中國(guó), 37.1%202810110中國(guó)美國(guó)美國(guó), 24.8%資料來(lái)源：清華大學(xué)、六和咨詢，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：艾瑞咨詢，國(guó)信證券經(jīng)濟(jì)研究所整理人工智能為工業(yè)生產(chǎn)帶來(lái)發(fā)展良機(jī)人工智能的運(yùn)用為工業(yè)智能制造帶來(lái)了發(fā)展良機(jī)。在傳統(tǒng)的工業(yè)生產(chǎn)中，主要的品質(zhì)要素有三個(gè)：1）素質(zhì)維度，主要

26、涉及的是工業(yè)生產(chǎn)中的能力、組織文化和管理能力，這點(diǎn)在傳統(tǒng)生產(chǎn)過(guò)程中主要是靠人和人之間傳承進(jìn)行的，這方面做的比較好的是日本；2）體質(zhì)維度，主要涉及設(shè)備、系統(tǒng)和流程，在以往是通過(guò)標(biāo)準(zhǔn)化的工藝流程和優(yōu)秀的裝備設(shè)計(jì)制造能力實(shí)現(xiàn)的，德國(guó)在這方面做的比較好；3）本質(zhì)維度，主要涉及的是創(chuàng)造價(jià)值，這個(gè)以往是以授權(quán)技術(shù)的方式為基礎(chǔ)不斷進(jìn)行協(xié)同創(chuàng)新完成的。在人工智能時(shí)代，上述的三個(gè)維度將發(fā)生較大的不同，也為每個(gè)使用人工智能的工業(yè)企業(yè)或者國(guó)家?guī)?lái)了彎道超車的機(jī)會(huì)。人工智能對(duì)于上述工業(yè)三個(gè)維度的改變，具體來(lái)說(shuō)：1）在素質(zhì)維度上，可以通過(guò)數(shù)據(jù)化的方式將人的工作流程標(biāo)準(zhǔn)化，以達(dá)到后續(xù)穩(wěn)定傳承的效果；2）在體質(zhì)問(wèn)題上，通過(guò)

27、數(shù)據(jù)將問(wèn)題進(jìn)行顯性化，將設(shè)備的健康狀態(tài)進(jìn)行透明化管理， 保證設(shè)備的健康狀態(tài)以及整個(gè)工藝流程的穩(wěn)定性，提升產(chǎn)品質(zhì)量的穩(wěn)定性；3）在本質(zhì)維度上，利用綜合數(shù)據(jù)以及人工智能算法工具，發(fā)揮數(shù)據(jù)的價(jià)值，降低運(yùn)營(yíng)成本、提升運(yùn)營(yíng)效率，達(dá)到協(xié)同創(chuàng)新的目的。圖 10：人工智能給工業(yè)制造帶來(lái)的機(jī)會(huì)素質(zhì)提高工業(yè)素質(zhì)通過(guò)數(shù)據(jù)化的方式將人的工作流程標(biāo)準(zhǔn)化，用數(shù)據(jù)建立更好的參考性和關(guān)系性。工業(yè)人工智能體質(zhì)增強(qiáng)工業(yè)體質(zhì)利用數(shù)據(jù)將問(wèn)題顯性化，使得設(shè)備健康狀況透明化管理，提高產(chǎn)品質(zhì)量的穩(wěn)定性。工業(yè)人工智能本質(zhì)創(chuàng)新工業(yè)本質(zhì)挖掘綜合數(shù)據(jù)的價(jià)值，優(yōu)化用戶使用成本，提升運(yùn)營(yíng)效率，在產(chǎn)品的全生命周期中協(xié)同創(chuàng)新。工業(yè)人工智能資料來(lái)源：工業(yè)人

28、工智能，國(guó)信證券經(jīng)濟(jì)研究所整理人工智能在工業(yè)領(lǐng)域的運(yùn)用和在其他行業(yè)中的應(yīng)用有所區(qū)別，具體來(lái)說(shuō)體現(xiàn)在以下幾個(gè)方面：1）兩者定義不同，通用的人工智能可以應(yīng)用的方向較為廣泛，是一種具有試錯(cuò)調(diào)整導(dǎo)向性的認(rèn)知科學(xué)，但是工業(yè)領(lǐng)域的人工智能是一種在工程應(yīng)用中的系統(tǒng)訓(xùn)練及方法，具有快速性、系統(tǒng)性、可傳承性等特征，這點(diǎn)的區(qū)別主要源自工業(yè)領(lǐng)域需要系統(tǒng)性的運(yùn)行方式；2）在功能方面，通用人工智能主要是發(fā)散性的機(jī)會(huì)導(dǎo)向，比如自動(dòng)價(jià)值、分享經(jīng)濟(jì)、人臉識(shí)別等，而工業(yè)領(lǐng)域的人工智能則面對(duì)的問(wèn)題是有限的，不需要通用性很強(qiáng)，但是要有針對(duì)性的解決現(xiàn)存的問(wèn)題，所以功能是收斂性的；3）在應(yīng)用領(lǐng)域，工業(yè)人工智能主要是幫助工業(yè)企業(yè)提高生產(chǎn)

29、效率、增強(qiáng)產(chǎn)品品質(zhì)、降低生產(chǎn)成本和減少非必要庫(kù)存， 通用人工智能則可以應(yīng)用在如社交網(wǎng)絡(luò)、醫(yī)療、金融等多個(gè)領(lǐng)域；4）在算法工具上，工業(yè)領(lǐng)域的人工智能也和通用人工智能一樣需要機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等工具，但也對(duì)寬度學(xué)習(xí)、模糊學(xué)習(xí)等工具有需求。表 2：通用人工智能和工業(yè)人工智能的區(qū)別對(duì)比指標(biāo)通用人工智能工業(yè)人工智能一種具有試錯(cuò)調(diào)整導(dǎo)向性的認(rèn)知科學(xué)，例如自然語(yǔ)言成立、圖像一種實(shí)現(xiàn)人工智能在工程應(yīng)用的系統(tǒng)訓(xùn)練及方法，具有快速性、系定義處理、自動(dòng)推理、機(jī)器人學(xué)等?？蓱?yīng)用方向相當(dāng)廣泛，適用于醫(yī)統(tǒng)性以及可傳承性等特性，例如：療、商業(yè)等眾多領(lǐng)域，但在工程領(lǐng)域尚缺乏實(shí)際的成功案例。功能發(fā)散性的機(jī)會(huì)導(dǎo)向，如：無(wú)人駕駛、

30、分享經(jīng)濟(jì)、人臉識(shí)別等等應(yīng)用領(lǐng)域各個(gè)領(lǐng)域，如社交網(wǎng)絡(luò)、金融領(lǐng)域、醫(yī)療行業(yè)等不同人使用同樣的工具可得到相同或相近的結(jié)果；可邁向人工智能標(biāo)準(zhǔn)化的方向。收斂性的功能或效率導(dǎo)向在原本的基礎(chǔ)上具有差異化提升，如：提高生產(chǎn)的效率；改善質(zhì)量穩(wěn)定性；降低能耗成本；提升設(shè)備的穩(wěn)定性；汽車的安全性等等。工業(yè)設(shè)備和制造業(yè)，如：交通運(yùn)輸（高鐵、航空、船舶等）；能源（電網(wǎng)、風(fēng)電、發(fā)電設(shè)備等）；生產(chǎn)裝備及自動(dòng)化（機(jī)器人、數(shù)控機(jī)床等）。算法工具機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等寬度學(xué)習(xí)、深度學(xué)習(xí)、模糊學(xué)習(xí)、借力學(xué)習(xí)等。資料來(lái)源:工業(yè)人工智能、國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)人工智能相比通用人工智能有特殊的工業(yè)要素。正如上文所述，由于工業(yè)企業(yè)的產(chǎn)

31、生過(guò)程牽扯的變量較多，一般著眼于具體問(wèn)題的解決，所以人工智能在工業(yè)系統(tǒng)中落地需要系統(tǒng)性考慮，要考慮的因素相較通用人工智能而言多了領(lǐng)域知識(shí)、事實(shí)依據(jù)以及反饋閉環(huán)等特有因素。具體來(lái)說(shuō)，在計(jì)算機(jī)平臺(tái)以及大數(shù)據(jù)的基礎(chǔ)上進(jìn)行建模分析是通用人工智能都需要的因素，但是在工業(yè)應(yīng)用中還需要：1）領(lǐng)域知識(shí)，需要對(duì)工業(yè)模型中的設(shè)備或者機(jī)理理解清楚，一般來(lái)說(shuō)工業(yè)領(lǐng)域知識(shí)相比如語(yǔ)音識(shí)別、語(yǔ)音合成、圖像識(shí)別等通用人工智能而言較為復(fù)雜；2）事實(shí)依據(jù)，在工業(yè)控制系統(tǒng)中，需要掌握能夠反應(yīng)目前系統(tǒng)狀態(tài)的依據(jù)，以方便系統(tǒng)的臨時(shí)決策；3）反饋閉環(huán)，這點(diǎn)很重要，因?yàn)楣I(yè)系統(tǒng)一般都是為了解決某個(gè)收斂性問(wèn)題而存在的，如果沒(méi)有反饋閉環(huán)則系統(tǒng)

32、無(wú)法判斷實(shí)際輸出的結(jié)果和理想結(jié)果之間的差異，這點(diǎn)和比如人工智能在人臉識(shí)別方面的應(yīng)用不同（人臉識(shí)別應(yīng)用不需要對(duì)輸出結(jié)果判斷是否正確）。圖 11：工業(yè)人工智能相比通用人工智能典型要素通用AI技術(shù)要素 工業(yè)人工智能特殊要素反饋閉環(huán)事實(shí)依據(jù)領(lǐng)域知識(shí)計(jì)算機(jī)平臺(tái)大數(shù)據(jù)建模分析工業(yè)人工智能資料來(lái)源：工業(yè)人工智能，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)人工智能應(yīng)用眾多前景廣闊目前， 人工智能正在從消費(fèi)、互聯(lián)網(wǎng)等領(lǐng)域逐步向工業(yè)領(lǐng)域滲透。人工智能對(duì)制造業(yè)的賦能正在全球范圍內(nèi)進(jìn)行，一方面由于工業(yè)制造業(yè)在全球 GDP 的占比中較高，人工智能應(yīng)用的空間較大，另一方面由于目前全球的制造業(yè)確實(shí)遇到了比如生產(chǎn)成本上升、生產(chǎn)線設(shè)計(jì)缺乏靈活

33、性、產(chǎn)品質(zhì)量不穩(wěn)定等問(wèn)題。根據(jù)德勤的統(tǒng)計(jì)調(diào)查與預(yù)測(cè)，人工智能在中國(guó)制造業(yè)的應(yīng)用前景廣闊，預(yù)計(jì) 2020年應(yīng)用規(guī)模在 252.2 億元左右，到 2025 年將達(dá)到 2057.6 億元，復(fù)合增速維持在 40%以上。圖 12：人工智能在中國(guó)制造業(yè)應(yīng)用規(guī)模及增速（單位：百萬(wàn)美元）250070%60%2,057.662.8%200050.8%43.3% 44.8% 47.3%55.8%50%1500100050023.8%30.7% 32.0%42.3%811.2537.9365.21,263.940%30%20%57.971.793.70123.7 176.0 252.210%0%2015 2016

34、2017 2018 2019 2020 2021 2022 2023 2024 2025資料來(lái)源：德勤，國(guó)信證券經(jīng)濟(jì)研究所整理人工智能在工業(yè)領(lǐng)域應(yīng)用的場(chǎng)景很多。根據(jù)德勤的調(diào)查報(bào)告，目前工業(yè)企業(yè)對(duì)于人工智能應(yīng)有需求的領(lǐng)域主要包括：1）智能生產(chǎn)應(yīng)用場(chǎng)景，比如工業(yè)視覺(jué)、工業(yè)視覺(jué)為自動(dòng)化生產(chǎn)工廠、訂單管理和自動(dòng)化生產(chǎn)排產(chǎn)、產(chǎn)品質(zhì)量監(jiān)控和缺陷管理等、虛擬量測(cè)與過(guò)程質(zhì)量控制等；2 產(chǎn)品與服務(wù)應(yīng)用場(chǎng)景，比如縮短產(chǎn)品設(shè)計(jì)周期、個(gè)性化客戶體驗(yàn)、識(shí)別新的商業(yè)機(jī)會(huì)、提升營(yíng)銷效率、客戶需求洞察等；3）企業(yè)運(yùn)營(yíng)管理應(yīng)用場(chǎng)景，比如在財(cái)務(wù)、能源、人力資源和投資方面的管理；4）供應(yīng)鏈管理應(yīng)用場(chǎng)景，比如設(shè)備預(yù)測(cè)性維護(hù)、配送管理

35、、需求管理與預(yù)測(cè)、緊急時(shí)間相應(yīng)、物流服務(wù)、資產(chǎn)與設(shè)備管理以及運(yùn)輸與網(wǎng)絡(luò)設(shè)計(jì)等。圖 13：人工智能在工業(yè)領(lǐng)域的應(yīng)用很多設(shè)備預(yù)測(cè)性維護(hù)虛擬量測(cè)與過(guò)程質(zhì)量控制能源管理與能效優(yōu)化生產(chǎn)計(jì)劃智能排產(chǎn)供應(yīng)鏈與物流優(yōu)化調(diào)度財(cái)務(wù)管理運(yùn)輸官網(wǎng)設(shè)計(jì)緊急市場(chǎng)響應(yīng)個(gè)性化客戶體驗(yàn)提升營(yíng)銷效率資料來(lái)源：德勤，國(guó)信證券經(jīng)濟(jì)研究所整理應(yīng)用 1：人工智能在工業(yè)視覺(jué)領(lǐng)域的應(yīng)用AI 軟件及算法是工業(yè)視覺(jué)的核心環(huán)節(jié)。在整個(gè)人工智能和工業(yè)應(yīng)用結(jié)合的眾多領(lǐng)域里，工業(yè)視覺(jué)是結(jié)合的較為緊密的一種。在工業(yè)視覺(jué)的整體解決方案中，主要分為核心零部件、AI 軟件及算法以及整體解決方案等幾個(gè)環(huán)節(jié)：1）核心零部件，主要是指光、工業(yè)鏡頭、工業(yè)相機(jī)、圖像采集

36、卡等上游的零部件，這些部件將拍攝出來(lái)的圖像交給 AI 軟件及算法去判別產(chǎn)品是否達(dá)標(biāo)，之所以有很多的不同部件，是由于不同的場(chǎng)景對(duì)于采集圖像部件的要求不同，比如檢測(cè)物體在快速移動(dòng)那對(duì)部件的動(dòng)態(tài)捕捉能力較高，比如檢測(cè)產(chǎn)品的精度很高，那對(duì)部件的高清捕獲能力要求較高；2）AI 軟件及算法是整個(gè)工業(yè)視覺(jué)解決方案里的核心，在沒(méi)有成熟的解決方案之前，一般都是通過(guò)人工或者其他設(shè)備間接檢測(cè)為主，AI 的算法需要通過(guò)學(xué)習(xí)符合要求的圖像后提取出判別的關(guān)鍵點(diǎn)，將以前依靠人經(jīng)驗(yàn)判斷的方式通過(guò)數(shù)字化的方式保存下來(lái)；3）工業(yè)視覺(jué)解決方案， 需要將核心零部件以及 AI 算法整合到一起，為工業(yè)制造客戶輸出完整的解決方案。圖 14

37、：AI 軟件在工業(yè)視覺(jué)解決方案中占據(jù)重要地位核心零部件AI軟件平臺(tái)及算法工業(yè)視覺(jué)解決方案光源；工業(yè)鏡頭；工業(yè)相機(jī)；圖像采集卡； 開(kāi)發(fā)工具； 軟件平臺(tái)； AI算法； 電子行業(yè)； 汽車行業(yè)； 包裝行業(yè)； 半導(dǎo)體行業(yè)； 醫(yī)療設(shè)備； 防治行業(yè)；.資料來(lái)源：賽迪顧問(wèn)，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)視覺(jué)已在下游多個(gè)制造業(yè)領(lǐng)域使用。工業(yè)視覺(jué)目前已經(jīng)在電子行業(yè)、汽車行業(yè)、半導(dǎo)體及平板顯示行業(yè)、物流包裝行業(yè)進(jìn)行了大規(guī)模應(yīng)用，具體來(lái)說(shuō)：1）汽車行業(yè)在電子行業(yè)，比如電子產(chǎn)品表面的缺陷檢測(cè)，由于目前 3C 行業(yè)的產(chǎn)品缺陷種類多且復(fù)雜，產(chǎn)品表面構(gòu)成復(fù)雜，所以對(duì)于工業(yè)視覺(jué)的需求較高，目前行業(yè)內(nèi)已經(jīng)有針對(duì) MIM 工藝的表面缺

38、陷在線檢測(cè)設(shè)備，能夠進(jìn)行 360外觀檢測(cè)，同時(shí) 18 余種缺陷識(shí)別模型，能夠在 500ms 內(nèi)實(shí)現(xiàn)對(duì)模型并發(fā)處理。2）在汽車行業(yè)，比如涂裝線標(biāo)簽檢查，業(yè)內(nèi)通過(guò) OCR 技術(shù)對(duì)相機(jī)采集滑撬號(hào)圖像，對(duì)滑撬上鏤空字符進(jìn)行讀取并處理，通過(guò) PLC 上傳給車間生產(chǎn)過(guò)程監(jiān)控系統(tǒng)輸出滑撬號(hào)信息，以達(dá)到檢查的目的；3）在半導(dǎo)體級(jí)平板顯示行業(yè)，業(yè)內(nèi)可以利用機(jī)器視覺(jué)實(shí)現(xiàn)制造工藝外觀缺陷 3D、2D 檢測(cè)，同時(shí)還可以通過(guò)工業(yè)視覺(jué)實(shí)現(xiàn)封裝工藝、晶片不良、膠水不良、焊線不良、焊球不良等方面的檢測(cè)；4）在物流、包裝行業(yè)，業(yè)內(nèi)可以通過(guò)工業(yè)視覺(jué)在高速生產(chǎn)線中對(duì)包裝安全條進(jìn)行快速有無(wú)的判斷，以確保安全包裝條無(wú)缺失。圖 15：工

39、業(yè)視覺(jué)在下游多個(gè)行業(yè)應(yīng)用電子行業(yè) CIS高精密點(diǎn)膠與自動(dòng)檢測(cè)電子產(chǎn)品表面缺陷檢測(cè)手機(jī)蓋板玻璃檢測(cè)電子零件、設(shè)備檢測(cè)冷凝器外觀檢測(cè)汽車電磁閥濾芯檢測(cè)涂裝線標(biāo)簽檢查汽車曲軸連桿檢測(cè)數(shù)字投影式曝光解決方案薄玻璃基板缺陷檢測(cè)硅片檢測(cè)分選半導(dǎo)體工藝檢測(cè)洗衣機(jī)配重塊上料產(chǎn)品包裝檢測(cè)自動(dòng)化料盤裝運(yùn)機(jī)視覺(jué)引導(dǎo)飲料灌裝行業(yè)應(yīng)用物流、包裝行業(yè)半導(dǎo)體及平板顯示行業(yè)資料來(lái)源：賽迪顧問(wèn)，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)視覺(jué)可以大幅降低生產(chǎn)成本。在工業(yè)生產(chǎn)中，3C 電子產(chǎn)品產(chǎn)業(yè)的外觀檢測(cè)人員的用工成本較高，國(guó)內(nèi)企業(yè)僅在玻璃蓋板、觸摸屏以及顯示屏這個(gè)三個(gè)行業(yè)的外觀檢查員可能就達(dá)到數(shù)十萬(wàn)之多。以手機(jī)蓋板玻璃檢測(cè)為例，長(zhǎng)期以來(lái)都是依

40、靠人眼，效率低且誤檢漏檢率較高，隨著工業(yè)視覺(jué)解決方案的成熟，自動(dòng)化檢測(cè)成為發(fā)展的方向。目前，業(yè)內(nèi)已經(jīng)采用靈活、可擴(kuò)展、低延時(shí)的解決方案，搭配超高分辨率光學(xué)系統(tǒng)形成了統(tǒng)一的管理平臺(tái)，能夠?qū)崿F(xiàn)至少 30 種缺陷的一站式全檢，可替代 30 名質(zhì)檢人員。從玻璃蓋板的檢測(cè)可以看出，工業(yè)視覺(jué)解決方案將為工業(yè)客戶帶來(lái)成本的大幅降低，假設(shè)玻璃蓋板檢測(cè)行業(yè)從業(yè)人數(shù)在 20-40 萬(wàn)，每個(gè)員工的月薪在 4500-6000 元/月不等，那么整個(gè)行業(yè)在檢測(cè)領(lǐng)域的總成本為 108-288 億元，這也給工業(yè)視覺(jué)的發(fā)展帶來(lái)了長(zhǎng)足的空間。表 3：玻璃蓋板檢測(cè)每年行業(yè)從業(yè)人員成本費(fèi)用2025303540450010813516

41、2189216每個(gè)員工月薪5000120150180210240（元/人/月）55001321651982312646000144180216252288每年行業(yè)人員成本（億元）從業(yè)人數(shù)（萬(wàn)人）資料來(lái)源:CSDN、國(guó)信證券經(jīng)濟(jì)研究所整理應(yīng)用 2：人工智能在設(shè)備預(yù)測(cè)性維護(hù)的應(yīng)用設(shè)備預(yù)測(cè)性維護(hù)是人工智能在工業(yè)領(lǐng)域的又一大應(yīng)用。在以往的應(yīng)用場(chǎng)景中， 一臺(tái)機(jī)器或者設(shè)備的磨損情況是否達(dá)到報(bào)廢的條件，一般都是依賴人的經(jīng)驗(yàn)去判斷，對(duì)于工業(yè)企業(yè)來(lái)說(shuō)，是決定設(shè)備進(jìn)入更新流程還是繼續(xù)使用是一個(gè)較難的決策。企業(yè)如果決定設(shè)備進(jìn)行更新，那么面臨的是更換成本，如果決定繼續(xù)使用，則可能影響后續(xù)產(chǎn)品的質(zhì)量，導(dǎo)致?lián)p失成本。對(duì)于

42、企業(yè)來(lái)說(shuō)，如何將設(shè)備價(jià)值最大化、如何將機(jī)會(huì)成本降到最低，是一個(gè)急需解決的問(wèn)題。人工智能的應(yīng)用使得這個(gè)問(wèn)題有了客觀的數(shù)據(jù)衡量標(biāo)準(zhǔn)，為企業(yè)決策帶來(lái)依據(jù)。圖 16：人工智能在工業(yè)設(shè)備預(yù)測(cè)性維護(hù)中所起的作用設(shè)備狀態(tài)如何， 是否需要更新？不更換更換更換設(shè)備保證后續(xù)穩(wěn)定生產(chǎn)。假設(shè)更換成本為C2。有可能生產(chǎn)過(guò)程中設(shè)備突然損壞，影響后續(xù)生產(chǎn)。假設(shè)損失成本為C1假設(shè)設(shè)備損 壞的概率為：PC1*PC1*P=人工智能選取模型，計(jì)算出P以及比較C1*P和C2*P的成本大小，并決定是否立刻更換設(shè)備。資料來(lái)源：賽迪顧問(wèn)，國(guó)信證券經(jīng)濟(jì)研究所整理以機(jī)床刀具的預(yù)測(cè)性維護(hù)為例。機(jī)床刀具是機(jī)械加工的核心部件，刀具的損壞程度直接影響

43、著加工工件的質(zhì)量。由于刀具隨著切削工件的數(shù)量增加會(huì)使得自身的磨損加大，繼續(xù)加工會(huì)導(dǎo)致后續(xù)的產(chǎn)品質(zhì)量下降，所以及時(shí)了解刀具的狀態(tài)并進(jìn)行及時(shí)更換很重要。傳統(tǒng)的方式中，刀具的健康狀態(tài)是通過(guò)人員針對(duì)切屑的顏色、加工時(shí)長(zhǎng)以及加工中所產(chǎn)生的噪聲與線下測(cè)量等方式判斷的，費(fèi)時(shí)費(fèi)力且準(zhǔn)確度不高。人工智能可以利用建模分析的方式，一方面抽取出準(zhǔn)確的判斷模型，另一方面可以避免龐雜數(shù)據(jù)的繁雜計(jì)算，為刀具的健康狀況提供便捷的判斷。首先，將通過(guò)傳感器和控制器采集的高頻數(shù)據(jù)以及通過(guò)PLC 采集的低頻數(shù)據(jù)（包含振動(dòng)信號(hào)、電流信號(hào)、加工單節(jié)、加工時(shí)間等）進(jìn)行數(shù)據(jù)處理，通過(guò)信號(hào)處理和特征提取后，提取能夠表征刀具衰退狀態(tài)的數(shù)十甚至數(shù)

44、百個(gè)關(guān)鍵特征。其次，基于提取出來(lái)的關(guān)鍵特征，建立刀具的磨損量評(píng)估模型，并基于刀具磨損量的評(píng)價(jià)結(jié)果建立刀具剩余壽命預(yù)測(cè)模型。最后，將該模型部署到服務(wù)平臺(tái)上， 及時(shí)為刀具的維護(hù)、管理人員提供實(shí)時(shí)信息。DTAT/PTOT傳感器刀具研發(fā)設(shè)計(jì)APP服務(wù)器維護(hù)維修傳感器邊緣端采集端邊緣服務(wù)器生產(chǎn)管理傳感器云計(jì)算平臺(tái)圖 17：刀具壽命監(jiān)控及預(yù)測(cè)技術(shù)結(jié)構(gòu)圖資料來(lái)源：工業(yè)人工智能，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)互聯(lián)網(wǎng)集大數(shù)據(jù) AI 之大成，開(kāi)啟工業(yè) 4.0 之路工業(yè)數(shù)字浪潮掀起，多重政策大力推動(dòng)AI 和大數(shù)據(jù)技術(shù)驅(qū)動(dòng)，制造業(yè)邁入工業(yè) 4.0 時(shí)代。制造業(yè)仍是全球經(jīng)濟(jì)發(fā)展的核心支柱，信息技術(shù)的發(fā)展也在不斷為制造業(yè)賦能

45、。早期工業(yè) 1.0 時(shí)期，以蒸汽機(jī)為代表，掀起了第一次工業(yè)革命；隨后電力的發(fā)展和應(yīng)用，推動(dòng)工業(yè) 2.0 的第二次工業(yè)革命。從 20 世紀(jì) 70 年代至今，電子和 IT 技術(shù)融合下的自動(dòng)化， 成為了當(dāng)前工業(yè)體系的基礎(chǔ)，大幅提升生產(chǎn)效率和安全性。隨著軟件技術(shù)，尤其是大數(shù)據(jù)、AI、物聯(lián)網(wǎng)等持續(xù)發(fā)展，智能化生產(chǎn)必將成為制造業(yè)下一個(gè)高峰。以工業(yè)軟件為核心的工業(yè)互聯(lián)網(wǎng)平臺(tái)將驅(qū)動(dòng)工業(yè) 4.0 的新革命。圖 18：工業(yè)發(fā)展階段資料來(lái)源：國(guó)信證券經(jīng)濟(jì)研究所整理我國(guó)制造業(yè)升級(jí)迫在眉睫，工業(yè)互聯(lián)網(wǎng)成智能制造方向。中國(guó)作為“世界工廠”，全球制造龍頭的地位正受到挑戰(zhàn)。尤其當(dāng)今國(guó)內(nèi)人口老齡化嚴(yán)重，年輕勞動(dòng)力供給不足；而互

46、聯(lián)網(wǎng)企業(yè)的高薪招人背景下，制造業(yè)用工成本逐漸上升，且招人困難。制造業(yè)是我國(guó)的經(jīng)濟(jì)基石，為了保證制造業(yè)在國(guó)內(nèi)穩(wěn)步發(fā)展和轉(zhuǎn)型， 通過(guò)工業(yè)互聯(lián)網(wǎng)，打造智能工廠，盡量減少用工需求，成為制造業(yè)務(wù)發(fā)展的必然方向。自 2015 年“中國(guó)制造 2025”提出后，我國(guó)在智能制造和工業(yè)互聯(lián)網(wǎng)領(lǐng)域持續(xù)推出新政。在 2015-2020 期間，智能制造的轉(zhuǎn)型，更多的是在以云為基礎(chǔ)設(shè)施的建設(shè)，以及標(biāo)準(zhǔn)梳理、示范項(xiàng)目為主。表 4：智能制造及工業(yè)互聯(lián)網(wǎng)領(lǐng)域相關(guān)政策政策時(shí)間具體內(nèi)容到 2023 年底，一批重點(diǎn)行業(yè)工業(yè)互聯(lián)網(wǎng)安全生產(chǎn)監(jiān)管平臺(tái)建成運(yùn)行，“工業(yè)互聯(lián)工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃（2021-2023 年） 2021 年 1

47、 月網(wǎng)+安全生產(chǎn)”快速感知、實(shí)時(shí)監(jiān)測(cè)、超前預(yù)警、聯(lián)動(dòng)處置、系統(tǒng)評(píng)估等新型能力體系基本形成。重點(diǎn)建設(shè)“工業(yè)互聯(lián)網(wǎng)+安全生產(chǎn)”新型基礎(chǔ)設(shè)施， 以及應(yīng)用能力。工業(yè)互聯(lián)網(wǎng)+專項(xiàng)工作組 2020 年工作計(jì)劃2020 年 7 月明確了十大類別的重點(diǎn)工作，包括提升基礎(chǔ)設(shè)施能力、建設(shè)工業(yè)互聯(lián)網(wǎng)平臺(tái)、突破核心技術(shù)標(biāo)準(zhǔn)、培育新模式新業(yè)態(tài)，促進(jìn)產(chǎn)業(yè)生態(tài)融通發(fā)展，增強(qiáng)安全保障水平等關(guān)于推動(dòng)工業(yè)互聯(lián)網(wǎng)加快發(fā)展的通知2020 年 3 月加快新型基礎(chǔ)設(shè)施建設(shè)，拓展融合創(chuàng)新應(yīng)用，健全安全保障體系，壯大創(chuàng)新發(fā)展動(dòng)能，完善產(chǎn)業(yè)生態(tài)布局，加大政策支持力度加快垂直領(lǐng)域“5G+工業(yè)互聯(lián)網(wǎng)”的先導(dǎo)應(yīng)用，2022 年形成至少 2 0 大典

48、型工業(yè)應(yīng)“5G+工業(yè)互聯(lián)網(wǎng)”512 工程推進(jìn)方案2019 年 11 月用場(chǎng)景。培育形成 5 G 與工業(yè)互聯(lián)網(wǎng)融合疊加、互促共進(jìn)的創(chuàng)新態(tài)勢(shì)，促進(jìn)制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化升級(jí)。國(guó)家智能制造標(biāo)準(zhǔn)體系建設(shè)指南(2018 年版)2018 年 10 月截至 2019 年，累計(jì)修訂 300 項(xiàng)以上智能制造標(biāo)準(zhǔn)，全面覆蓋基礎(chǔ)共性標(biāo)準(zhǔn)和關(guān)鍵技術(shù)標(biāo)準(zhǔn)，逐步建立較為完善的智能制造標(biāo)準(zhǔn)體系。高端智能再制造行動(dòng)計(jì)劃(2018-2020 年)2017 年 10 月截至 2020 年，推動(dòng)建立 100 家高端智能再制造示范企業(yè)、技術(shù)研發(fā)中心、服務(wù)企業(yè)、信息服務(wù)平臺(tái)、產(chǎn)業(yè)集聚區(qū)等，帶動(dòng)我國(guó)再制造產(chǎn)業(yè)規(guī)模達(dá)到 2000 億

49、元。到 2020 年，智能制造發(fā)展基礎(chǔ)和支撐能力明顯增強(qiáng)，傳統(tǒng)制造業(yè)重點(diǎn)領(lǐng)域基本實(shí)智能制造發(fā)展規(guī)劃(2016-2020 年)2016 年 9 月裝備制造業(yè)標(biāo)準(zhǔn)化和質(zhì)量提升規(guī)劃2016 年 8 月現(xiàn)數(shù)字化制造，有條件、有基礎(chǔ)的重點(diǎn)產(chǎn)業(yè)智能轉(zhuǎn)型取得明顯進(jìn)展；到 2025 年， 智能制造支撐體系基本建立，重點(diǎn)產(chǎn)業(yè)初步實(shí)現(xiàn)智能轉(zhuǎn)型。截至 2020 年，工業(yè)基礎(chǔ)、智能制造、綠色制造等重點(diǎn)領(lǐng)域標(biāo)準(zhǔn)體系基本完善，質(zhì)量安全標(biāo)準(zhǔn)與國(guó)際標(biāo)準(zhǔn)加快接軌，重點(diǎn)領(lǐng)域國(guó)際化標(biāo)準(zhǔn)轉(zhuǎn)化率力爭(zhēng)達(dá)到 90%以上， 裝備制造業(yè)標(biāo)準(zhǔn)整體水平大幅提升，質(zhì)量品牌建設(shè)機(jī)制基本形成。關(guān)于深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的指導(dǎo)意見(jiàn)2016 年 5 月

50、制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展到 2025 年邁上新臺(tái)階，融合“雙創(chuàng)”體系基本完備，融合發(fā)展新模式廣泛普及，新型制造體系基本完成，制造業(yè)綜合競(jìng)爭(zhēng)實(shí)力大幅提升。以智能工廠為發(fā)展方向，開(kāi)展智能制造試點(diǎn)示范，加快推動(dòng)云計(jì)算、物聯(lián)網(wǎng)、智能關(guān)于積極推“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)2015 年 7 月資料來(lái)源: 工信部，網(wǎng)信辦，國(guó)務(wù)院，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)機(jī)器人、增材制造等技術(shù)在生產(chǎn)過(guò)程中的應(yīng)用，推進(jìn)生產(chǎn)裝備智能化升級(jí)、工藝流程改造和基礎(chǔ)數(shù)據(jù)共享。積極催化，各地方已開(kāi)始進(jìn)入落地環(huán)節(jié)。在國(guó)家政策引導(dǎo)下，各地方也不斷推出具體補(bǔ)貼政策支持工業(yè)互聯(lián)網(wǎng)發(fā)展。對(duì)于制造業(yè)較強(qiáng)的地方政策支持更為積極，單就 2020 年，就有蘇

51、州、佛山、青島、西安、廣州發(fā)布具體支持政策。其中，尤其以制造業(yè)大省廣東省補(bǔ)貼范圍和強(qiáng)度最大。從各地補(bǔ)貼支持共性來(lái)看，對(duì)于工業(yè)互聯(lián)網(wǎng)應(yīng)用、平臺(tái)給予不同程度的補(bǔ)貼，尤其是跨行業(yè)、跨領(lǐng)域的工業(yè)互聯(lián)網(wǎng)平臺(tái)，支持力度最大。從 2021 年開(kāi)始，工業(yè)互聯(lián)網(wǎng)平臺(tái)有望進(jìn)入密集落地環(huán)節(jié)。表 5：各地方對(duì)工業(yè)互聯(lián)網(wǎng)政策補(bǔ)貼地方政策具體補(bǔ)助深圳市人民政府辦公廳關(guān)于印發(fā)深深圳圳市工業(yè)互聯(lián)網(wǎng)發(fā)展行動(dòng)計(jì)劃(20182020 年)及配套政策措施的通知蘇州蘇州工業(yè)園區(qū)關(guān)于支持“5G+工業(yè)互聯(lián)網(wǎng)”融合發(fā)展的若干措施對(duì)于工業(yè)互聯(lián)網(wǎng)應(yīng)用項(xiàng)目，對(duì)項(xiàng)目投入的 30%給予資助，最高資助不超過(guò) 300 萬(wàn)元；對(duì)跨行業(yè)跨領(lǐng)域工業(yè)互聯(lián)網(wǎng)平臺(tái)，

52、對(duì)項(xiàng)目投入的 30%給予資助，最高資助不超過(guò) 1000 萬(wàn)元。支持制造業(yè)企業(yè)開(kāi)展“5G+ 工業(yè)互聯(lián)網(wǎng)”技術(shù)改造，對(duì)經(jīng)認(rèn)定項(xiàng)目給予不超過(guò)總投入 12%的獎(jiǎng)勵(lì)，最高 500 萬(wàn)元對(duì)國(guó)家級(jí)跨行業(yè)跨領(lǐng)域平臺(tái)、垂直行業(yè)平臺(tái)，按不超過(guò)其建設(shè)總投入的 30%予以獎(jiǎng)勵(lì)，最高支持 3000 萬(wàn)元和 1000 萬(wàn)元。對(duì)“5G+工業(yè)互聯(lián)網(wǎng)”領(lǐng)域的新設(shè)立企業(yè)，給予不超過(guò)已實(shí)繳注冊(cè)資本 2%的一次性補(bǔ)貼，最高 500 萬(wàn)元佛山佛山市深化“互聯(lián)網(wǎng)+先進(jìn)制造”發(fā)展工業(yè)互聯(lián)網(wǎng)的若干政策措施青島關(guān)于加快工業(yè)互聯(lián)網(wǎng)高質(zhì)量發(fā)展若干措施的通知西安西安市工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展行動(dòng)計(jì)劃（20202022 年）每年認(rèn)定不超過(guò) 30 個(gè)（含）市

53、級(jí)工業(yè)互聯(lián)網(wǎng)標(biāo)桿示范項(xiàng)目，按不超過(guò)項(xiàng)目已投入金額的 30%（含）進(jìn)行獎(jiǎng)補(bǔ)，單個(gè)項(xiàng)目獎(jiǎng)補(bǔ)最高不超過(guò) 300 萬(wàn)元（含）對(duì)市級(jí)新認(rèn)定的工業(yè)互聯(lián)網(wǎng)平臺(tái)、智能（互聯(lián)）工廠、數(shù)字化車間或自動(dòng)化生產(chǎn)線，按照市政府促進(jìn)先進(jìn)制造業(yè)加快發(fā)展的政策，分別給予 300 萬(wàn)元、100 萬(wàn)元、50 萬(wàn)元獎(jiǎng)勵(lì)對(duì)符合條件的工業(yè)互聯(lián)網(wǎng)企業(yè)最高補(bǔ)貼 100 萬(wàn)元；對(duì)確定為兩化融合管理體系貫標(biāo)試點(diǎn)的企業(yè)，通過(guò)國(guó)家貫標(biāo)評(píng)定后，給予一次性獎(jiǎng)勵(lì) 10 萬(wàn)元；對(duì)工業(yè)企業(yè)主導(dǎo)建設(shè)的工業(yè)互聯(lián)網(wǎng)平臺(tái)，在平臺(tái)投入使用后， 擇優(yōu)按照平臺(tái)建設(shè)總投資的 20%給予最高不超過(guò) 100 萬(wàn)元的補(bǔ)貼。合肥支持?jǐn)?shù)字經(jīng)濟(jì)發(fā)展若干政策對(duì)工業(yè)互聯(lián)網(wǎng)試點(diǎn)示范企業(yè)（項(xiàng)

54、目）給予一次性獎(jiǎng)補(bǔ)最高 100 萬(wàn)元。廣州廣州市深化工業(yè)互聯(lián)網(wǎng)賦能改造提升五大傳統(tǒng)特色產(chǎn)業(yè)集群的若干措施關(guān)于鄭州市建設(shè)中國(guó)制造強(qiáng)市若干對(duì)符合條件的供應(yīng)商聯(lián)合體建設(shè)項(xiàng)目，給予聯(lián)合體項(xiàng)目最高不超過(guò) 1500 萬(wàn)元補(bǔ)助。對(duì)規(guī)模以上工業(yè)企業(yè)上云產(chǎn)生的服務(wù)費(fèi)，按照不超過(guò)合同金額的 70%給予補(bǔ)貼，單個(gè)企業(yè)最高不超過(guò)鄭州政策的補(bǔ)充意見(jiàn)100 萬(wàn)元。對(duì)于中小企業(yè)上云產(chǎn)生的服務(wù)費(fèi)，也按照不超過(guò)合同金額的 70%給予補(bǔ)貼，單個(gè)企業(yè)最高不超過(guò) 10 萬(wàn)元沈陽(yáng)沈陽(yáng)市引導(dǎo)企業(yè)上云實(shí)施方案將按照年度上云服務(wù)合同實(shí)際支付額的 50%給予補(bǔ)貼，單個(gè)企業(yè)最高限額達(dá)到 200 萬(wàn)元。資料來(lái)源: 各政府官網(wǎng)，國(guó)信證券經(jīng)濟(jì)研究所整

55、理MES 為生產(chǎn)環(huán)節(jié)核心，智能制造價(jià)值凸顯MES 是制造業(yè)信息化的核心。企業(yè)生產(chǎn)運(yùn)營(yíng)管理流程一般分為計(jì)劃層、執(zhí)行層和控制層：計(jì)劃層以 ERP 為代表，根據(jù)企業(yè)資源安排生產(chǎn)計(jì)劃；執(zhí)行層以 MES為代表，根據(jù)計(jì)劃安排控制層的任務(wù)；控制層以 PCS 為代表，直接對(duì)生產(chǎn)進(jìn)行操作控制。MES 構(gòu)筑了上層計(jì)劃與底層控制之間的橋梁，是生產(chǎn)的核心環(huán)節(jié)。具體來(lái)看，MES 是一套面向制造企業(yè)車間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng)，包括制造數(shù)據(jù)管理、計(jì)劃排程管理、生產(chǎn)調(diào)度管理、庫(kù)存管理、質(zhì)量管理等多種功能模塊。在當(dāng)前智能制造的發(fā)展中，MES 作為整個(gè)生產(chǎn)環(huán)節(jié)知識(shí)的凝結(jié)，在云和大數(shù)據(jù)的發(fā)展下，成為智能制造的基石。圖 19：制

56、造業(yè)企業(yè)典型數(shù)字化架構(gòu)資料來(lái)源：甲子智庫(kù)，國(guó)信證券經(jīng)濟(jì)研究所整理MES 市場(chǎng)增長(zhǎng)有望加快，下游應(yīng)用領(lǐng)域廣泛。在我國(guó)制造業(yè)升級(jí)的過(guò)程中，MES 是制造企業(yè)通往智能制造的必經(jīng)之路。根據(jù)第三方測(cè)算，我國(guó) MES 軟件市場(chǎng)規(guī)模在 50 億左右，整體仍然較小。隨著政策不斷催化，以及產(chǎn)業(yè)內(nèi)部壓力下降本增效的持續(xù)需求，MES 市場(chǎng)整體增速有望向上。從下游來(lái)看，MES 已經(jīng)廣泛應(yīng)用于鋼鐵、機(jī)械、汽車、輕工、化工等行業(yè)。隨著工業(yè)互聯(lián)網(wǎng)在各個(gè)行業(yè)逐步落地，MES 的升級(jí)和改造也會(huì)帶動(dòng)市場(chǎng)的高速成長(zhǎng)。圖 20：中國(guó) MES 市場(chǎng)規(guī)模（億元）圖 21：MES 在制造業(yè)中應(yīng)用分布60504030201002016201

57、7201820192020EMES市場(chǎng)規(guī)模yoy30%25%20%15%10%5%0%2%鋼鐵/冶金4%6%16%8%8%15%9%13%9%10%機(jī)械汽車/零配件輕工電子與通信化工煙草石油/煉油電器/電氣食品/制藥其他資料來(lái)源：e-works，甲子智庫(kù)，國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：e-works，甲子智庫(kù)，國(guó)信證券經(jīng)濟(jì)研究所整理智能制造優(yōu)勢(shì)已經(jīng)顯現(xiàn)。根據(jù)數(shù)字化智慧工廠 SaaS+解決方案提供商云棲智造的案例，其通過(guò)核心“數(shù)據(jù)中臺(tái)”和“業(yè)務(wù)中臺(tái)”雙中臺(tái)技術(shù)架構(gòu)驅(qū)動(dòng)，結(jié)合工業(yè)物聯(lián)網(wǎng)、機(jī)器視覺(jué)、AI、5G 等新興技術(shù)幫助制造業(yè)企業(yè)打造數(shù)字化智慧工廠。以年產(chǎn)值 3 千萬(wàn)的 200 人離散型工廠為

58、例，云棲智造的方案可以減少 75% 的管理人士、提高 75%的生產(chǎn)效率、縮短 53%的交貨周期、提高 10%的良品率、減少 73%的物料滯留、提高 16%的設(shè)備利用率。智能制造價(jià)值顯著，工業(yè)4.0 升級(jí)已經(jīng)成為眾望所歸。圖 22：云棲制造與傳統(tǒng)工廠生產(chǎn)效率比較資料來(lái)源：云棲智造官網(wǎng)，國(guó)信證券經(jīng)濟(jì)研究所整理工業(yè)互聯(lián)網(wǎng)平臺(tái)集 AI 和大數(shù)據(jù)之大成，助力智能制造再升級(jí)工業(yè)互聯(lián)網(wǎng)平臺(tái)匯聚 AI 和大數(shù)據(jù)能力，是 MES 的新升級(jí)。隨著 MES 等生產(chǎn)制造信息化的普及，面向制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化的浪潮下，工業(yè)互聯(lián)網(wǎng)平臺(tái)應(yīng)運(yùn)而生。工業(yè)互聯(lián)網(wǎng)構(gòu)建了基于海量數(shù)據(jù)采集、匯聚、分析的服務(wù)體系，支撐制造資源泛

59、在連接、彈性供給、高效配置。其主要包括以數(shù)據(jù)采集為核心的邊緣層；以大數(shù)據(jù)處理、人工智能分析為代表的平臺(tái)層，也是工業(yè)互聯(lián)網(wǎng)的核心操作系統(tǒng)；以不同行業(yè)和場(chǎng)景的工業(yè) SaaS 和 APP 應(yīng)用未代表的應(yīng)用層。在傳統(tǒng)企業(yè)管理和生產(chǎn)系統(tǒng)中，主要由企業(yè)層 ERP、車間層 MES、單元層 PCS、設(shè)備層構(gòu)成，其中傳統(tǒng) MES 與工業(yè)互聯(lián)網(wǎng)平臺(tái)的界限逐步模糊，海量的生產(chǎn)設(shè)備成為 IOT 節(jié)點(diǎn)，上傳數(shù)據(jù)至工業(yè)互聯(lián)網(wǎng)平臺(tái)，通過(guò)大數(shù)據(jù)和 AI分析不斷提升生產(chǎn)效率。圖 23：工業(yè)互聯(lián)網(wǎng)平臺(tái)功能架構(gòu)圖 24：工業(yè)互聯(lián)網(wǎng)平臺(tái)在生產(chǎn)系統(tǒng)中的位置資料來(lái)源：工業(yè)互聯(lián)網(wǎng)平臺(tái)白皮書（2019），國(guó)信證券經(jīng)濟(jì)研究所整理資料來(lái)源：國(guó)信

60、證券經(jīng)濟(jì)研究所整理工業(yè)互聯(lián)網(wǎng)平臺(tái)由信息化到智能化，共有三個(gè)層次：層次一：基于平臺(tái)的信息化應(yīng)用，實(shí)現(xiàn)“連接+數(shù)據(jù)可視化”。傳統(tǒng)的泛生產(chǎn)制造和企業(yè)管理類軟件，如 MES、ERP、CRM 等在上云過(guò)程中廣泛應(yīng)用，其中以 MES 為代表的生產(chǎn)監(jiān)控分析領(lǐng)域是重點(diǎn)。這類應(yīng)用實(shí)現(xiàn)數(shù)據(jù)匯聚和可視化， 方便管理者了解企業(yè)經(jīng)營(yíng)狀態(tài)。層次二：基于平臺(tái)大數(shù)據(jù)能力的深度優(yōu)化，實(shí)現(xiàn)“模型+深度數(shù)據(jù)分析”。在設(shè)備運(yùn)維、產(chǎn)品后服務(wù)、能耗管理、質(zhì)量管控、工藝調(diào)優(yōu)等場(chǎng)景獲得大量應(yīng)用， 并取得較為顯著的經(jīng)濟(jì)效益。如青島紡織機(jī)械廠依托海爾 COSMOPlat 平臺(tái)， 通過(guò)數(shù)據(jù)分析實(shí)現(xiàn)設(shè)備遠(yuǎn)程運(yùn)維，每年可節(jié)省 96 萬(wàn)元，宕機(jī)時(shí)長(zhǎng)從每