工业数字化产业发展趋势分析

以下介绍的是工业“新四化”发展趋势。

1.工业装备数字化

工业装备作为高效执行作业程序的工 具，是工业企业实现提质增效的基础和关 键。工欲善其事，必先利其器。当前工厂中 大量的存量生产装备存在不联网、不支持实 时采集和上传数据、缺少便捷友好的操作系 统、只能执行简单程式化任务、互为烟囱和 孤岛等问题，难以胜任未来更加复杂、高精 度、高速度、智能化和协同的作业要求。

要推动传统装备迈向数字化装备，网络 连接、操作系统、工业芯片这三件套是“装 备数字化底座”。

具体而言：网络连接方面，不仅要让 “哑设备”实现“张口说话”、做到“数据 上得来”，还要让数据从“各说各话”变成 “都说普通话”，才能走向互联互通；操作 系统方面，要通过为传统装备嵌入实时、安 全可靠的工业级操作系统，实现“一碰即 连”、人机互联、机机互联，并能执行高实 时工作任务；工业芯片方面，通过为装备置 入更优性能的工业芯片，使装备有能力胜任 更高精度、速度、稳定性和智能化的作业任 务；边缘智能方面，通过在单机装备的基础 上引入边缘智能，可以赋能单机装备完成过 去凭借自身配置难以胜任的高复杂度任务， 例如基于实时数据的智能化分析与决策、装 备间的协同作业与集中化远程控制。

2.工业网络全连接

工业网络作为数据传输的媒介，广泛连 接着工业现场的人机料法环等要素，支撑工 业企业构建泛在感知的工厂乃至供应链，并 实现高稳定高可靠的数据交互、连续不间断 的生产活动、柔性灵活的生产模式。从当下 看，大部分工厂已实现基础网络覆盖，可满 足办公和基础生产活动需求；但面向数字化 场景的持续拓宽和升级，工业企业正呼唤更 优移动性能、更高确定性、更低时延、更大带宽的工业网络，保障数字化场景的稳健落 地。

面向未来，工业企业打造性能卓越、架 构精简、安全可靠的工业网络，需要牢牢把 握泛在连接、一网到底、智能运维、安全韧 性四个要诀。

具体而言：泛在连接方面，工业企业需 要从基础网络覆盖走向“能连尽连”，以适 配应用场景、适当超前布局为原则，打造 “全连接工厂”；一网到底方面，通过构建 IT与OT融合的“一张网”，工业企业可以实 现数据上得来、算力下得去、上下游贯通； 智能运维方面，工业网络需要从人工运维走 向“自动驾驶”网络，实现自动、自优、 自愈、自治，为工业企业的运维工作“减 负”；安全韧性方面，守好安全底线是业务 活动的生命线，工业企业应建立安全韧性的 工业网络，保障受到威胁攻击时业务依然稳 定运转。

3.工业软件云化

工业软件作为研产供销服各环节的管理 中枢，承载着数据汇聚、分析、决策、反 馈、执行等关键职责。回首过去，传统工业 软件为工业企业在各环节的高效管理提供了 极大的便利，帮助众多工业企业迈出了数字 化转型的矫健步伐；然而面向未来，传统工 业软件架构老化、本地化部署、软件系统异 构、购买授权模式带来软件系统间集成打通 的高昂成本、动态配置的弹性不足等问题， 让工业企业背负起沉重的历史包袱；工业软 件开发企业也面临工业知识沉淀的千沟万 壑，在开发门槛高、开发周期长的困境下， 难以迸发创新活力。

继往开来，站在传统工业软件的“巨人 肩膀”上，工业企业、工业软件开发者及其 他工业界伙伴需要凝聚力量，探索理念创新 与模式变革，循序渐进推动工业软件上云， 真正从“用软件”过渡到“用服务”。

为此，工业企业首先要建立新理念，采 用“基于模型”的基本方法，朝着MBD乃至 MBE的方向演进，打破传统工业软件下的异 构系统，实现业务全流程一体化；其次要探 索新模式，以工业经验、知识、工具等工业 根服务的共建共享为基础，重新定义工业软 件的开发模式和商业模式，并进一步赋能工 业新范式（例如云工厂）的形成，培育全新 的数字工业生态；最后，底层技术支撑也至 关重要，工业界需把握云计算变革的机会窗 口，以云、AI、大数据作为关键技术支撑， 共筑新的工业软件技术体系。

4.工业数据价值化

根据国务院《关于构建更加完善的要素 市场化配置体制机制的意见》，数据成为继土 地、劳动力、技术、资本之后的第五大生产要 素，其对于工业企业的重要价值不言而喻。

然而，工业数据的高效采集、集成打 通、价值挖掘与安全合规利用，是工业界 共同面临的挑战。采集方面，“数据上不 来”，采集源分散、难以实现低成本全量采 集；汇聚方面，“数据没打通”，不同软件 系统间的异构数据形成割裂的数据烟囱；应 用方面，“数据难使用”，导致数据分析、 价值挖掘的深度、广度不足；安全方面， “安全隐患多”，工业企业的数据安全与合 规能力仍处于起步阶段。

破旧立新，工业企业的数据治理和应用 需要在美国NIST提出的三条“数据流”的基 础上深度融合，并且要突破工厂“四壁”， 向空间维、时间维两个维度充分延展，才能 在更大范围内释放价值。

为此，工业企业首先应建立强大的能力 内核。第一步要树立新理念，从过去的面向 产品、面向过程转变为“面向结果”，聚焦 最有业务价值的环节，逐步打造基于物理世 界的Digital Twin；第二步需要开展数据的 高效治理，依托数据资产目录、数据标准、信息模型、数据地图等手段，更好更快构建 Digital Twin；第三步则是开展数据的智能 应用，经治理后的“清洁的数据”还需通过 智能化分析与应用，才能成为“智慧的数 据”，为创新应用赋能。

能力内核还需要进一步外溢和延展。具 体而言：向空间维延展，工业企业的数据从 局限于自身内部转变为企业间数据协同、流 通与共享，这样有利于在上下游和产业间形 成业务协同、在企业间和产业内形成知识经 济和市场；向时间维延展，工业企业不能只 局限于产品研制阶段的数据，还需要追溯已 售产品的运行态数据，加深对产品使用状况 与客户需求的认知，为产品使用者提供增值 服务，并根据产品使用情况反馈推动产品研 制改良升级。

数据安全作为数据价值化的基石，对于 保障消费者隐私、企业数据主权，确保数据 使用合规至关重要。为此工业企业需要构建 事前预防、事中预警、事后追溯的全套数据 安全能力，让数据使用更安全。