當前，世界產業變革逐步興起，制造業價值凸顯，但也面臨著生產運營成本亟需降低、產品質量和價值有待提升等問題。制造業高質量發展離不開智能化變革。隨著數字經濟的蓬勃發展，工業制造與信息技術（IT）融合程度趨于深化，推動傳統產業加速變革 [1,2]。新型網絡強化互聯基礎、云計算加速應用創新、人工智能（AI）促進價值挖掘、開源開放助推生態構建，這些都標志著傳統產業在技術創新的不斷推動下出現了重大變革。
主要工業國家紛紛提出了新型制造業智能化升級發展戰略：以智能制造和工業互聯網為核心，提出綜合性的政策體系來推動發展，搶占新一輪工業變革制高點。美國注重信息技術的創新引領，推出了《先進制造伙伴關系計劃》《先進制造業戰略計劃》《美國先進制造領導力戰略》等規劃。德國重視信息物理系統的創新應用，發布了《新高科技戰略（3.0）》《德國工業戰略 2030》《信息物理系統驅動的交通、醫療、能源與制造創新》等規劃，率先提出工業 4.0 戰略 [3,4]。我國將信息技術與工業制造融合作為發展重點，發布了《智能制造發展規劃（2016—2020 年）》《國務院關于深化“互聯網 + 先進制造業”發展工業互聯網的指導意見》等文件，將智能制造作為國家先進制造產業的重點突破方向，以工業互聯網為網絡化平臺，推動工業制造向數字化、智能化轉型升級 [5,6]。
智能制造以工業互聯網為基礎支撐，應用于設計、生產、制造、管理、服務等諸多環節，具有高效精準決策、實時動態優化、敏捷靈活響應等特征 [7,8]。工業互聯網依托“人 / 機 / 物”的互聯互通，打通產業要素、產業鏈和價值鏈，推動建立工業生產制造與服務新體系，奠定了全新工業生態和新型應用模式的關鍵基礎 [9]。智能制造、工業互聯網的實質均是數據驅動的智能化，二者融合發展相得益彰 [10]。面向未來，可形成以網絡互聯為基礎、以工業互聯網平臺為核心的信息制造體系，打造制造業新生態，這對我國制造業發展將產生深遠的影響 [11]。智能制造和工業互聯網推動傳統產業的重點領域出現新興裂變和升級演進，芯片、基礎軟件（開源）、算法與機理模型等基礎能力有望拓展范圍，逐步建立智能制造和工業互聯網產業體系（見圖 1）。
圖 1 智能制造與工業互聯網產業體系的耦合關系
注：APP 代表應用程序；CPU 代表中央處理器；GPU 代表圖形處理器； FPGA 代表現場可編程邏輯門陣列；DSP 代表數字信號處理。
本文針對智能制造與工業互聯網融合發展問題，分析當前世界各國的發展形勢，而后針對四方面構成內容進行了研究現狀及趨勢的調研研究，點明我國智能制造和工業互聯網融合發展的需求；梳理智能制造產業鏈重點環節的發展機遇，結合我國發展情況指出當前存在的挑戰及關鍵問題；提出我國智能制造和工業互聯網融合發展的建議，以期為國家工業制造轉型升級研究提供理論參考。
二、智能制造和工業互聯網融合發展的需求分析
（一）制造業智能化對平臺工具提出新的需求
1. 工業數據爆發式增長需要新的數據管理工具
伴隨著工業系統空間擴展概念的深化，工業數據采集范圍不斷擴大，與之而來的是數據類型和規模出現了爆炸式增長。降低海量數據的管理成本并提高存儲可靠性，亟需新型數據管理工具。
2. 推進企業智能化決策需要新型應用創新載體
制造企業開展更加精細化和精準化的管理離不開豐富的數據。隨著工業場景層次化和交叉程度的加深，不同行業的數據與知識體現的專業壁壘，使得傳統應用創新模式難以匹配企業 / 行業的差異化需求。新型應用創新載體可以依托實際工業數據、抽象工業知識，結合功能完整的平臺調用方式，破解應用創新壁壘，支持智能化應用迅猛增長的需求。
3．新型制造模式需要新的業務交互工具
隨著產品更新速度加快，制造企業之間需要更為頻繁的資源協同和生產并行。這就要求在企業設計、生產和管理系統等方面，都要更好支持與其他企業的業務交互。新型交互工具應運而生，主要包括高效集成的差異化主體與系統。
（二）信息技術加速滲透引起制造業發展模式變革
制造業數字化升級與新型信息技術存在緊密聯系。為了推進數字化升級，制造企業依托物聯網大量采集來自于設備和產線且類型多樣的數據，基于云計算方式獲得靈活便捷的軟件應用環境、可靠且廉價的數據存儲能力，利用 AI 來加強數據挖掘能力。制造企業利用互聯網平臺，能夠快速響應市場需求、高效整合資源組織生產經營，進而推動產生網絡化協同、特色化定制等新的模式。信息與制造技術的融合發展，促使新經濟模式在工業領域中的滲透革新。
三、智能制造與工業互聯網發展情況
智能制造與工業互聯網產業是支撐未來新型工業制造能力體系的重要方面，又可細分為高端智能裝備、工業自動化、工業軟件與應用、工業互聯網平臺四部分。
（一）高端智能裝備
制造裝備的高端市場拓展與基礎技術研究仍需深耕，智能化是終極演進方向。制造裝備智能化是先進制造技術、信息技術、智能技術的集成和融合，主要判斷標準在于能否實現感知、分析、推理、決策、控制等功能。智能制造裝備是智能制造的重要構成，包括工業機器人、數控機床和增材制造設備等硬件工業基礎設施，智能控制軟件系統和以傳感器為代表的檢測設施。
當前，我國智能裝備產業在低端市場具備一定的基礎，但高端市場占比較低，基礎工藝與算法成為關鍵技術方面的重要短板 [12]；還存在著創新能力薄弱、市場規模小、產業基礎不牢等問題。例如，國產化產品主要集中在中低端（搬運、噴涂機器人，中低檔機床等）。
工業機器人遠程監控與故障診斷技術是該領域的研究熱點。瑞典 abb 公司率先研發了用于遠程監控工業機器人的服務平臺，減少工業機器人故障造成的損失和運營成本 [13]。美國研究團隊 [14] 從故障特征入手，以扭矩和溫度為控制量實現了機械臂的遠程監測。
目前，智能控制系統方面處于被國際大型企業壟斷的狀態：歐美企業占據了全球前 50 強的 74%，而美國企業更是占據前 10 位中的一半；國內 90% 以上的高檔數控機床控制系統市場被國外產品占據。
傳感器等檢測設施、控制設備、核心零部件等重要工業設施的關鍵技術方面存在短板。相關產品的研發較多地追隨國外技術方向，先進性和前瞻性方面的差距較為明顯。此外，專業生產水平不高、忽視個性化服務等問題也成為制約行業發展的因素。
智能化、網聯化的發展趨勢將促進裝備的協同智能演進，智能裝備產業的新核心、新環節、新主體將會不斷涌現 [15]。協同優化離不開單點增強，第五代移動通信（5G）技術推動互聯和智能演進，我國 5G 技術設備供應商成為裝備產業的重要參與者；AI 芯片是智能裝備產品的核心部件，國內企業涉足以自動駕駛為代表的諸多領域，發展速度令人矚目。
（二）工業自動化
工業自動化涵蓋工業控制、工業網絡、工業傳感器等多類產業，主要提供感知、控制、傳輸等類別的產品與解決方案，支持實現運營技術（OT）層面的智能制造能力。我國已部分實現國產化產品替代，但關鍵市場與技術的把控力仍然不強，核心產品與標準仍由國際企業主導。
在工業控制系統方面，德國企業在大中型可編程邏輯控制器（PLC）方面具有優勢，全球市場份額為 31%；國內企業主要在小型 PLC 方面占有部分份額。在技術層面，國外企業依然保持著微控制單元（MCU）、數字信號處理（DSP）、現場可編程邏輯門陣列（FPGA）等核心元器件技術的壟斷地位 [16]。
在工業網絡方面，國外自動化企業掌控了主要市場以及網絡核心標準。我國企業處于產業邊緣環節，格局基本固化，短期難有改變。
在工業傳感器方面，美國、日本、德國獲得的全球產業份額約為 60%；國內企業雖然增長迅速，但僅占全球市場份額的 10%。在技術層面，國外大型企業幾乎壟斷了以敏感芯片為代表的核心元器件關鍵技術，牢牢把握市場主導地位。以高溫高壓傳感器為例，2004 年美國科研機構成功研制了 SiC 壓阻式壓力傳感器，工作溫度達到 400 ℃ [17]； 2015 年馬來西亞高校以 3C-SiC 為主要材料研制高溫壓力傳感器，工作量程為 5 MPa，工作溫度高達 500 ℃ [18]。2017 年中國電子科技集團有限公司第四十九研究所通過技術引進和增量創新，研制的壓力傳感器量程達到 100 MPa [19]。
著眼未來，新型算法將支撐產品形態和功能的變革，自動化與云計算企業將聯合推動工業自動化向邊緣智能發展。在產業層面則順應技術發展趨勢，由自動化企業牽頭投資并整合 AI 研發，通過產品智能化升級來鞏固市場地位。
（三）工業軟件與應用
工業軟件是指在工業場景下進行研發設計、生產管理、運營管理的各類軟件。工業軟件正從復雜系統軟件向便捷平臺轉變，工業 APP 成為工業軟件的新型形態。工業 APP 基于平臺，承載工業知識和經驗，運行在各類工業終端，以處理某類業務問題或面向某類業務場景為主，具有輕量化特征。
當前，我國工業軟件研發設計產品缺失，市場規模小（但增速較高），關鍵技術積累缺乏。根據公開數據整理發現，我國市場上的計算機輔助工程（CAE）軟件，前 10 名幾乎屬于國外廠商。2015 年，我國占全球工業應用軟件市場的份額為 3.5%，但增速（10.2%）遠高于全球整體情況（0.47%）。
在生產控制軟件領域，德國企業依然占據明顯優勢，基于產品生命周期管理（PLM）架構提出了全集成性數字化解決方案，打通了制造工廠的多層次信息交互 [20]。在電力、鋼鐵冶金和石化行業等國家重點領域，國內企業占據一席之地 [21,22]。
在技術方面，國內企業基本不具備 CAE 有限元算法和計算機輔助設計（CAD）核心幾何內核算法，只能通過授權經營的方式使用；相關行業模型積累薄弱，僅能實現基本功能，但專業性、靈活性等存在不足。
著眼未來發展，通過軟件架構的優化來推進工業 APP 成為新形態，軟件全面云化將促進訂閱形式脫穎而出。軟件架構技術將體現出微服務化、容器化、方法與系統（DevOPS）等形式和理念，管理、仿真設計、生產控制等各類工業軟件的全面云化即將來臨。
（四）工業互聯網平臺
工業互聯網平臺作為工業云平臺，旨在推進制造業的數字化、網絡化、智能化，涵蓋集海量數據采集和分析于一體的服務體系，支撐制造業資源彈性供給、廣泛鏈接、高效配置 [23]。構建針對工業大數據相關處理的開發環境，實施相關抽象知識經驗的模型化、數字化、標準化。優化工業生產中設計制造與運營管理等環節的資源使用，形成資源整合、合作共贏的制造業變革新型生態 [24]。
發達國家的諸多行業和企業已經將工業互聯網平臺作為主要戰略方向，開展符合自身特點的平臺布局建設，如打通企業 IT 數據與 OT 數據的通用電氣 Predix，針對工業設備和工業系統需求，具有物聯網操作系統特征的西門子 MindSphere 等 [25]。
我國正在大力推進工業互聯網平臺建設，形成了一定的規模和體系，但核心能力距離國外先進水平還有較大差距。目前，國內較有影響力的工業互聯網平臺已經有 50 余家，平臺連接的平均設備數量達到 5.9×104 臺。工業互聯網產業聯盟（AII）對 168 家企業的評估數據顯示，平臺提供分析工具數量不足 20 個的占比約為 83%，提供工業機理模型數量不足 20 個的占比約為 68%，提供微服務數量不足 20 個的占比約為 54%。國內的互聯網通信行業企業與機械制造企業啟動了戰略性合作，力爭發揮并融合線上與線下不同領域的技術優勢，搭建多層次發展體系 [26,27]。
著眼未來發展，行業領軍企業主要采用 4 種模式來布局規劃工業互聯網平臺：自動化企業依靠工業設備創新服務模式，制造企業推進數字化轉型構建工業互聯網平臺，軟件企業借助工業互聯網平臺實施業務升級能力拓展，信息技術企業推動已有平臺向制造領域延伸。
四、我國智能制造和工業互聯網融合發展機遇分析
（一）產業鏈加速演進，主導權分散于多個重點環節
隨著智能制造產業逐漸成熟、工業互聯網市場競爭趨于加劇，由“專用芯片、專業算法知識封閉，龍頭廠商壟斷”的傳統產業鏈格局，加速向“芯片、開源操作系統、算法與機理模型、基于數據的新型服務這四大重點環節成為未來產業主導權關鍵”的新興產業鏈格局轉變，促進整個產業體系演進升級。
傳統產業鏈圍繞工業軟件、工業網絡、工業控制、工業傳感、裝備產品等細分領域，構建以元器件 / 基礎技術 + 操作系統 + 數據庫 / 嵌入式系統組成的產業鏈上游、整機 / 軟件組成的產業鏈中游、集成 + 服務組成的產業鏈下游的產業格局。
隨著 AI、云計算、大數據、邊緣計算等信息技術的發展應用，新興產業鏈由“工業軟件 + 工業自動化 + 裝備產品”朝著“工業互聯網平臺 + 邊緣計算 + 智能裝備產品”這一新型產業格局轉變（見圖 2）。新興產業鏈聚焦中游整機發展，推動信息技術的延伸布局，如產業上游的芯片、基礎軟件企業，產業下游的服務企業等。AI 芯片、FPGA、CPU 等作為底層硬件基礎，支撐工業領域的算力需求，成為新興產業的關鍵和通用要素。
圖 2 由工業互聯網平臺、邊緣計算和智能裝備產品構成的新興產業鏈格局與架構
（二）基礎軟件受制于人，開源成為破局的關鍵
現階段基礎軟件領域蓬勃發展，開源正在成為構建基礎軟件的重要方式和支撐生態。隨著開源模式的迅速成熟，開源在智能制造、工業互聯網領域得到拓展應用。以容器、微服務、計算框架為代表的 3 類核心開源技術，已經成為變革傳統基礎軟件生態、實施功能解耦再集成的關鍵。
目前，容器引擎與編排工具兩類核心項目由國外公司主導，微服務核心工具與新型架構由國外公司或基金主導，主流計算框架均由國外公司或基金主導。在基礎工業軟件領域，我國對開源技術的自主可控與話語權有待提升，3 類核心開源方向尚無自主項目，國內企業在相關領域發展基本空白。
面向未來，針對 AI 和機器人的工業開源可能顛覆當前的基礎軟件格局。一方面，AI 等信息技術新興領域成為工業開源技術探索熱點，有望為基礎軟件帶來新突破；另一方面，開源機器人 / 機床控制系統可能成為控制的核心，有望打破工業控制系統的傳統格局。
（三）通過與 AI 等新技術的深度融合，算法與機理模型有望構建新產業
算法和機理模型是工業知識與經驗固化的成果。在傳統上，通過工業知識和經驗來驗證工藝仿真流程與設備控制，進而促進工業生產過程優化。當前，算法和工業機理研究集中在仿真軟件和底層設備（見圖 3）：工藝仿真方面的算法和機理模型固化于產品之中，工業裝備方面的運動和控制算法多集成于整機之中。
圖 3 工藝仿真的算法、機理模型與設備產品的關系
通常算法和工業機理集成于整機，難以解耦和抽象。國外公司對高端算法與機理模型擁有自主知識產權，并與旗下產品緊密耦合，形成了事實上的技術壟斷。國內企業難以接觸核心算法與機理模型，較少擁有自主知識產權的關鍵算法，使得我國的仿真、控制等核心算法以及燃氣輪機與航空發動機、復合材料加工等高價值工業機理模型，在研發水平、創新創造、人才培養等方面體現出了明顯的差距。
算法與機理模型進行解耦和沉淀并與新技術進行深度融合，深刻影響了新興產業領域：新型數據科學的興起推動工業機理中的數據分析應用，工業互聯網平臺的建立有利于加快機理模型和數據模型的積淀。AI 成為未來產業焦點，工業互聯網平臺成為重要媒介。在數據、機理、知識沉淀和軟件功能進一步解耦的基礎上，海量的第三方開發者將顯著加快工業 APP 的開發與交付，推動模型的快速迭代和應用創新。
（四）跨界服務、增值服務、生產性服務等新型服務不斷涌現
工業互聯網的持續發展，推動了跨界服務、增值服務、生產性服務等新型服務的迅猛發展。現代服務體系日益豐富，傳統服務形式的不足逐漸由新型服務的優勢所彌補。
傳統服務形式利潤空間小，易受上游環節的把控：傳統自動化集成廠商行業壁壘低，企業數量眾多而利潤偏低；傳統信息化集成產品服務模式單一，極易受到上游牽制。而工業互聯網催生的新型服務形式，以數據分析為驅動，以工業互聯網平臺、大數據軟件為載體，已經成為產業生態中不可或缺的環節：大型裝備企業在設備融資租賃與保險領域跨界布局，工業互聯網平臺成為主要服務媒介；基于客戶個性化需求的增值服務發展迅速，家電、汽車等領域成為主要突破口；生產性服務逐步聚焦供需對接平臺和專業化咨詢服務，助力工業制造企業資源與解決方案的共享。
伴隨著工業互聯網研究的逐步深入，有望衍生出更多的新型服務模式，持續充實和補強新型服務體系；加速工業領域的數字化、智能化轉型升級，促進傳統產業生態的重大變革。
五、對策建議
（一）總體策略
在我國工業互聯網產業體系中，不同領域的發展態勢及其重要性不盡相同，整體來看可采取“大力發展工業互聯網新興領域，布局規劃智能制造的關鍵上游環節，逐漸追趕傳統部分”的分類施策原則。
梳理工業互聯網產業體系的子領域與產品，應重點發展 4 個區域（見圖 4）：①巨頭壟斷區域，多為我國長期薄弱的產品領域，相關的技術和市場在短時間內難以沖破；②替代可控區域，我國具有一定基礎，但在高端市場與國際領先水平還存在差距；③新興機遇區域，我國與國際保持同步，有關技術和市場的競爭格局尚未鎖定，處于產業壯大的機遇期，相關技術也可輻射至其他領域；④核心必爭區域，包含芯片、基礎軟件 / 開源、算法與機理模型以及基于數據的新型服務，這是未來產業發展的關鍵技術，也是其他領域智能化革新的共性基礎。
圖 4 工業互聯網產業發展施策區域
注：IPC 表示工業計算機；ERP 表示企業資源計劃；DCS 表示分布式控制系統；SCADA 表示數據采集與監控系統；CRM 表示客戶關系管理；MES 表示制造企業生產過程執行管理系統；SCM 表示供應鏈管理；CAM 表示計算機輔助制造；CAPP 表示計算機輔助工藝過程設計。
（二）重點方向
1. 突破工業互聯網核心必爭領域
加強多學科、多領域、跨界協同的技術研發與應用創新，持續積累優質代碼、高端算法與機理模型。①聚焦面向工業智能等特定領域的芯片設計，在芯片制造方面穩步縮小差距。②加強開源框架和架構方面的研發力度，通過市場優選出由我國企業主導的底層框架與架構；深化微服務與容器技術的工業應用，及時布局 OT 開源技術。③持續積累有關智能制造的關鍵零部件數字化模型、高端裝備和流程行業工藝機理模型，掌握運動控制與仿真等核心算法。④引導企業深化工業數據的挖掘利用，圍繞產品、資產、生產與供應鏈開展數據增值業務，著力創新供應鏈金融、融資租賃等產融聯合服務。
2. 搶占工業互聯網的戰略新興領域
推動傳統產品與新技術的融合，提出面向特定工業場景的解決方案。①智能裝備產品方面加快 5G、AI 等技術應用，提升裝備的人機協作、智能優化功能。②加強工業互聯網平臺的開源技術自主研發能力，以龍頭企業為主體構建開發者生態，注重工業軟件 APP 開發，探索形成平臺自主造血的商業模式。③開發適應智能化管控與決策要求的通用工業智能算法與模型，提出面向工業實際場景的特定解決方案，匹配工業大數據與工業智能實際應用需求。④開發具有計算模塊的工控機、智能網關等邊緣計算產品，豐富邊緣計算的適用場景和解決方案。
3. 追平替代可控領域
重點行業持續提升裝備、工業自動化、工業軟件的國產化率，改進和優化產品性能參數、穩定性與可靠性。①打造高穩定性、高可靠性的國產工業機器人與數控機床產品，努力提升高端型號的技術參數并拓展場景適用范圍。②進一步提升 DCS/ SCADA 在能源電力、大型石化等高端領域的市場份額。③對于 MES，豐富面向特定行業的解決方案，形成若干具有市場競爭優勢的品牌產品。④鼓勵企業積極布局基于服務的跨平臺解決方案（OPUUA）等新型工業網絡協議，提升領域話語權。⑤提升 ERP、SCM、CRM 等經營管理類軟件產品的數據分析挖掘與商業智能決策能力，提供更高水平的數據增值服務能力。
4. 追趕巨頭壟斷領域
把握新興領域對于傳統產品、解決方案的顛覆與革新趨勢，設立自主產品的應用“試驗田”，通過扎實研究來改良性能并縮小與國外產品的差距。①提升工業傳感器高端產品的性能指標，重視敏感材料研發，能夠做到替代可控。②研究開源、邊緣計算等對于 PLC 產品的影響，及早布局顛覆性技術應用。③研發設計類工業軟件覆蓋 PLM、CAD、CAE、CAM、CAPP 等方向，積累航空、航天、船舶、石化、材料等領域的模型、仿真算法和分析經驗；設立國產工業軟件“試驗田”，開展國內外軟件產品的應用比較分析研究。
（三）兼顧技術突破和商業成功
1. 加強智能制造和工業互聯網融合的技術攻關
著眼于企業技術需求這一出發點，既包括針對特定場景的單點式“小”突破，也涉及重大領域、重大技術方向的集中式“大”突破（見圖 5）。前者借助“產學研”協同的服務機構 / 平臺，建立企業與高等院校、科研院所之間聯合的精干技術團隊；后者應構建龍頭企業牽頭的聯盟 / 創新綜合體，集中開展技術攻關。通行共性服務、“專精特新”企業培訓，是實施技術突破的關鍵支撐，可由政府投資撬動并以企業資源為主體。
圖 5 技術攻關單點式“小”突破和集中式“大”突破示意圖
2. 重視智能制造和工業互聯網融合的商業成功
針對智能制造行業的共性需求，在研發技術解決方案之后，通過“試驗田”、首臺（套）保險等形式的資金對國產產品應用提供支持，注重商業運行的可持續性。對于中小企業的個性化需求，在提出 / 競標項目時提供詳細的技術方案，開展包含商業分析在內的多方位評估，通過商業推廣平臺來為中小企業提供更低成本拓展市場的條件。
（四）加強各類復合型人才的培養培育
高等院校和科研院所重點培養高層次、科技創新型人才，支持培育具有科技戰略視野的企業家，探索設置 AI、工業大數據等前沿學科 / 專業，提出多學科培養計劃并注重校企聯合培養。各類高層次人才引進計劃應向智能制造和工業互聯網領域適當傾斜，可聘請企業家、技術專家作為客座講師。完善成果評價認定機制，合理提高對工業機理模型、算法、工業 APP 等成果的認可度，保障對人才的合理激勵。
企業應注重培養或引進兼顧技術與管理、 IT+OT 的復合型人才，同時加強專業性技能人才的培養力度。探索聯合培養與資質認證，鼓勵信息化部門與自動化部門的人員輪崗，加強技術人才的國際性學習培訓。合理支持高層次人才的“產學研”跨界流動，開辟國際化人才引進的綠色通道；鼓勵有條件的企業在海外成立研究中心，構建引智網絡。針對性提高公眾科技素養、技術工人專業素養，培養產業政策設計、產業管理與公共服務類別的專業人才。結合產業發展特點，建立適應公共服務能力需求的專業性政府機構隊伍，強化智庫建設和研究。
