工业大数据研究报告

工业互联网是制造业转型升级的必然选择工业互联网是智能制造的基础设施，其发展经历了云平台、大数据、物联网等多个阶段，到目前为止，全球各主要经济体纷纷集中于工业互联网、工业物联网、工业大数据等平台级项目上。工业互联网的内涵是用信息化的手段和方式，帮助工业企业完成智能转型升级，本质是用数据+模型为企业提供服务。工业互联网的发展不能简单复制互联网产业，应当从理解工业出发，利用工业PaaS和工业SaaS支撑高质量、智能化的工业企业转型升级。政策加持，需求驱动，工业互联网是科技新基建的重要一环近年来，智能制造和工业互联网相关政策频出，纲领性文件出台后，工业互联网的发展从最初的论证阶段逐步进入到国家引导阶段，各类创新工程，测试床项目陆续发布。2018年底中央经济会议中将工业互联网和人工智能、5G共同列入新型基础设施建设的领域，随着“科技新基建”的持续升温，工业互联网领域后续政策可期。工业企业对工业互联网的需求一直存在，只是由于过去的工业软件、数据产品等供给能力不足，制约了相关信息化产品在工业企业的推广。现阶段，监控生产、提升效率成为企业主要诉求，也是工业互联网平台最明显的应用成效。自2017年下半年以来，工业互联网领域热度居高不下，工业互联网平台的参与者逐步增加，已经有部分企业的部分产品在经历多次迭代后，开始满足客户需求，解决实际问题。工业互联网进入实质性的落地阶段，空间广阔工业互联网进入实质性落地阶段，网络层和平台层快速发展。网络层，标识解析体系的建设快速推动，已经初步建立五大国家顶级节点。平台层，企业上云推动的区域性工业互联网平台，和工而需求驱动的行业性工业互联网平台均得到快速发展。国家级跨行业、跨领域平台由于存在稀缺性，加大了竞争优势，积累到一定数据量后有望实现平台级发展，市场空间仍然广阔。1.是什么？工业互联网姓“工”不姓“互”1.1.工业互联网是什么工业互联网是智能制造的基础设施。从定义上来看，工业互联网是以互联网为代表的新一代信息技术与工业系统深度融合形成的新领域、新平台和新模式，是发展智能制造的关键基础设施。与传统意义上的互联网不同，工业互联网链接的是人、数据和机器，是工业系统与高级计算、分析、传感技术及互联网的高度融合。工业互联网的发展经历了云平台、大数据、物联网等多个阶段。到目前为止，全球各主要经济体在工业4.0、智能制造等环节的创新和研究纷纷集中于工业互联网、工业物联网、工业大数据等平台级项目上。根据咨询机构IoTAnalytics的统计，全球工业互联网平台数量超过150个，预计2021年工业互联网平台市场规模将达到16.44亿美元。工业互联网的内涵是用信息化的手段和方式，帮助工业企业完成智能转型升级。根据工信部《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，我国将工业互联网的发展概括为三大体系，即：网络、平台和安全。工业互联网三层级中，网络是基础，平台是核心，安全是保障。从工业企业智能转型升级角度来看，首先要做到网络层的互联互通，对内实现统一接口，打通信息孤岛，对外扩大互联网骨干网覆盖范围，为实现产业链各环节的泛在互联与数据畅通提供保障。其后利用平台级服务能力，辅以安全保障，方能实现企业的智能转型升级。工业互联网的本质是用数据+模型为企业提供服务。工业互联网的核心是工业互联网平台，承载了大量基于微服务架构的数字化模型。这个数字化模型是将大量工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、模块化，并封装为可重复使用的组件。我们可以简单的理解为，封装了大量工业技术原理、行业知识、基础模型的知识库，作为连接企业IT和OT的核心，以代码和信息技术的形式将行业理解和一线生产的经验固化下来，成功解决了制造企业内信息化与生产分离的情况，使得工业互联网平台成为整个工厂端或工业生产端的控制大脑。有了边缘侧和网络层收集来的数据，加之以PaaS层的数字化模型，即形成了“数据+模型”的服务。我们认为，工业互联网的重点在于理解工业，落点在提升制造业转型升级水平，核心是用数据+模型做服务，这也是信息技术与制造技术融合创造价值的内在逻辑。1.2.工业互联网从工业出发，以工业立身工业互联网的发展不能简单复制互联网产业。在工业互联网概念提出的初期，是“互联网”+“工业”，还是“工业”+“互联网”的讨论一度非常激烈。自移动互联时代以来，我国的互联网经历了前所未有的大发展，互联网相关产业空前繁荣，“互联网+”也一度掀起改造传统行业的浪潮。然而，互联网思维不是万金油，工业领域与C端消费产业不同，其复杂程度、历史积淀均是消费互联网所涉及的领域所不可比拟的。工业互联网建设过程中，确实存在数字化企业、互联网思维能够改进的部分，但更多涉及工业机理和模型的内容是简单的互联网算法所无法解决的。换言之，凡是涉及信息流的工业领域，特征是数字化和共享，互联网思维适用。但是，工业是实体经济，没有物质产品就不叫工业，所以，凡是涉及物质产品和非共享信息的领域，互联网思维失效。工业互联网从工业出发，以工业立身。国家发展工业互联网，从根本上是为了服务制造业的智能化转型升级，构建制造强国现代工业体系。制造业由大变强的过程中，互联网作用是一种基础设施，是一类工具，是配角，不是主角。构建制造强国现代工业体系，既要有互联网视野，也要有信息技术视野，更要有工业发展视野，将三种视野深度融合，互相配合，才能实现工业由大变强，才能实现工业高质量发展。从这个角度来看，工业互联网不是一个技术、一种模式，是从工业角度出发的结合各种各样现代化技术的综合体系。工业互联网姓“工”不姓“互”。工业互联网的使命是为了实现工业现代化的发展目标，是为了制造业由大变强，是为了中国工业真正走上高质量发展之路。这个过程中，使用互联网和带动互联网发展都是副产品，不是主题。因此我们认为，在工业互联网发展的过程中，无论是互联网巨头，传统软件企业，还是传统工业企业，均处于同一起跑线，不管是从工业向互联网融合，还是互联网向工业渗透，最终必须打造以工业为基础的平台和应用，才能够从概念走向落地。1.3.工业互联网是建立现代工业体系的基础在工业互联网的网络、平台、安全三层级中，平台层是核心。在工信部信软司组织编写的《工业互联网平台白皮书（2017）》中，对工业互联网平台的体系架构给出了三个层级，分别是：数据采集（边缘层）、工业PaaS（平台层）和工业APP（应用层）。工业PaaS是可拓展的工业操作系统。工业互联网平台层（即工业PaaS）的建设主要是构建一个可拓展的工业操作系统，为工业APP的开发提供基础平台。由于一般企业现有各类工业软件格式大多不统一，当前工业互联网平台层的主要任务仍然是整合现有生产端的MES、ERP乃至CPS等实时数据（边缘层采集），统一汇总分析（平台层的可扩展的操作系统），提供实时监控、生产管理、能效监控、物流管理等多种生产运行管理的核心功能（百万工业APP应用），实现整体产业链工业化、信息化融合。工业PaaS和SaaS支撑高质量、智能化的工业企业转型升级。从实践上来看，当把来自于机器设备、业务系统、产品模型、生产过程以及运行环境中大量数据汇聚到工业PaaS平台上，并将技术、知识、经验和方法以数字化模型的形式也沉淀到平台上以后，只需通过调用各种数字化模型与不同数据进行组合、分析、挖掘、展现，就可以快速、高效、灵活的开发出各类工业APP，提供全生命周期管理、协同研发设计、生产设备优化、产品质量检测、企业运营决策、设备预测性维护等多种多样的服务。工业互联网是建立现代工业体系的基础。工业互联网平台向下连接海量设备，自身承载工业经验与知识的模型，向上对接工业优化应用，是工业全要素连接的枢纽，是工业资源配置的核心，驱动着先进制造体系的智能运转。从微观角度，工业互联网的建设有助于提高效率，降低成本，优化产品结构和体系，从而全面提升企业的核心竞争力。从宏观角度，对于全行业乃至全品类工业产业而言，从小散乱弱到数字化、科技化经营的转型，着眼高质量发展，是建立现代工业体系的必备工具。2.为什么？政策加持，需求驱动工业互联网的建设2.1.政策密集落地，市场教育基本完成自《中国制造2025》以来，制造强国成为战略目标。2015年5月19日，国务院正式印发了《中国制造2025》，瞄准创新驱动、智能转型、强化基础、绿色发展等关键环节，推动制造业实现由大变强。《中国制造2025》提出九大战略任务和五项重点工程，着眼于推动基于创新、两化融合、智能化的制造业全面升级，在工业软件、智能装备改造、机器换人等战术上的调整之外，更加注重工业品设计和创造的数字化科学化、产品质量和管理体系、绿色可持续发展。深化“互联网+先进制造业”，发展工业互联网。2017年11月27日，国务院发布《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，这是继2016年12月发布的《智能制造发展规划（2016-2020年）》提出“工业互联网”之后，第一次对于工业互联网的全面论述，是规范和指导我国工业互联网发展的纲领性文件。2018年2月24日，工信部发布《国家制造强国建设领导小组关于设立工业互联网专项工作组的通知》，决定在国家制造强国建设领导小组下设立工业互联网专项工作组，统筹协调我国工业互联网发展的全局性工作。政策和领导班子的齐备标志着我国工业互联网的建设正式起步。政策频出，统一认识，培育市场。2018年2月后，工信部围绕工业互联网平台、网络、安全、工业APP等重点发展方向，陆续推出一系列文件，同时大力开展工业互联网平台、工业APP、智能制造等试点项目。其中《工业互联网发展行动计划（2018-2020年）》（以下简称“行动计划”）和《工业互联网专项工作组2018年工作计划》（以下简称“工作计划”）是未来三年工业互联网发展的纲领性文件，详细规定了到2020年工业互联网的发展目标，以及重点攻关方向，并从政策和资金角度为工业互联网发展提供保障。纲领性文件出台后，工业互联网的发展从最初的论证阶段逐步进入到国家引导阶段，各类创新工程，测试床项目陆续发布。工信部信息通信管理局2018年6月12日发布《2018年工业互联网创新发展工程拟支持项目公示》，评选出《工业和信息化部办公厅财政部办公厅关于发布2018年工业转型升级资金工作指南的通知》（工信厅联规〔2018〕36号）的入围企业。其中任务五为“工业互联网平台试验测试环境建设”，包含跨行业跨领域、流程行业、离散行业、特定区域四个工业互联网平台试验测试，公示名单中，阿里云、东方国信、浪潮、青岛海尔、航天云网、用友网络、徐工、三一入选跨行业跨领域工业互联网平台试验测试；东方国信、宝信软件等6家企业入选流程行业工业互联网流程行业平台试验测试。试点和示范项目进入常态化阶段，政策层面的市场教育基本完成。随着工业互联网各层级发展规划、工作计划、推广指南陆续出台，试点和示范项目的范围逐步扩大到制造业全行业。仅2018年下半年，工信部就发布了5个不同类型的试点示范项目的公示，涵盖近千家企业。在政策引导下，市场对于工业互联网、制造业和互联网深度融合的概念以及发展方向有了较为统一的认识，我们认为经历了一年左右的时间，从政策层面，工业互联网厂商角度的市场教育基本完成。工业互联网成为科技新基建，后续政策可期。“科技新基建”即信息产业领域的新型基础设施建设，2018年底中央经济会议明确提出：加快5G商用步伐，加强人工智能，工业互联网、物联网等新型基础设施建设。各地方政府也纷纷响应加强新型基础设施建设，如北京提出2019年将加快5G、工业互联网等新型基础设施建设；陕西提出抓好600个省级重点项目建设，加强人工智能、工业互联网、物联网、智慧城市等新型基础设施建设。“科技新基建”是对我国信息技术体系的一次大革新，工业互联网与人工智能、5G并列，将成为推动我国制造业体系全面转型升级中至关重要的一环。2.2.需求层出不穷，真需求、真痛点开始得到解决工业企业对工业互联网的需求一直存在。自工业互联网提出以来，市场一直对工业企业需求存在质疑。尤其在近两年宏观经济下行的背景下，企业是否有意愿参与工业互联网或企业上云，一直是市场关注的焦点。我们认为，对于能够提升运营效率，降低成本，整理企业数据资产的信息化项目，企业的需求一直存在，只是由于过去的工业软件、数据产品等供给能力不足，制约了相关信息化产品在工业企业的推广。监控生产、提升效率成为企业主要诉求。常规的工业产业链包含供研产销四个部分，企业经营过程中生产过程的控制和生产物料的管理是提升企业效能、实现精益化生产的常规手段。在近年来的智能工厂、智慧工厂建设中，消费者定制、按需生产等新的生产要求也逐步被提上日程。根据信通院2018年底发布的《2018工业企业数据资产管理现状调查报告》，大数据时代背景下，数据的价值逐步显现，越来越多的企业把数据当作资产来进行运营和管理，以实现更大的价值。工业企业开展数据资产管理工作，60.7%的驱动力均来源于内部的业务需求，现阶段需求最大的技术工具集中在大数据处理（44.59%）、数据管理（44.59%）和报表分析（43.24%），现阶段最大的应用需求为监控生产运营情况（68.92%）和提升资源使用效率（62.16%）。根据国家工业信息安全发展研究中心组织编写的《数据驱动转型致胜――全球工业互联网平台应用案例分析报告》，工业互联网平台应用场景分为设备/产品管理、业务与运营优化、社会化资源协作三大类，分别对应工业生产中生产过程核心控制、物料和精益生产管理、以及协同创新。降本增效是目前工业互联网平台最明显的应用成效。国家工业信息安全发展研究中心2018年12月发布了《2018工业互联网创新发展白皮书》，其中对国内62家工业互联网平台展开调研，搜集、分析了229个平台应用案例，并进一步分析各类应用场景带来的效果。据此次不完全统计，在现有发展状况下，设备资产管理是目前落地最广泛的场景，生产制造优化其次。发展迅速主要原因是应用逻辑相对简单、模式容易复制，行业属性弱，推广难度低。229家案例整体上看，能为工业企业实现降低成本、提高效率、提升产品和服务品质、创造新价值四大成效，其中降本、增效最为直接和显著。解决真痛点的应用开始投入使用。2017年下半年以来，国家层面围绕工业互联网做出了一系列的部署，工业互联网的顶层架构、组织体系、推进机制已基本形成，政策体系不断完善，正在步入快速发展的新阶段。当前工业互联网平台发展的主要矛盾是需求迫切但供给能力不足，具体表现为设备连接能力、工业机理模型、云化软件等七大方面，难以满足制造业智能化转型的需要。但工业互联网平台的参与者逐步增加，已经有部分企业的部分产品在经历多次迭代后，开始满足客户需求，解决实际问题。典型的如在边缘层，工业互联网的大规模推广大幅降低了设备上云成本、让设备规模化上云成为可能。2016年大西洋集团设备接入的软件成本大约是1.5万元/台，而到2018年，上海新朋联众设备接入的软件成本就降低到约1000元/台。此外在运营层，用友精智工业互联网平台帮助大西洋集团通过OT、IT的深度融合，实现集中资源调度，从而人员减少50%、良品率提升3%、综合能耗降低30%。从政策热炒到业务落地，工业互联网在摸索中落地前行。2019年2月21日-22日，由工业和信息化部指导，中国信息通信研究院、工业互联网产业联盟、中国通信学会联合主办的2019工业互联网峰会在京举行。在会上，工业和信息化部部长苗圩表示，我国工业互联网发展加速，已从概念普及进入实践深耕阶段，国内具有一定行业和区域影响力的工业互联网平台总数超过50家，重点平台平均连接的设备数量达到59万台。工业互联网自2017年底提出以来，短短一年时间内发展迅速，在政策、平台企业、需求方共同努力下达成诸多认识论层面的共识，正式进入实践阶段。3.怎么做？工业互联网进入实质性落地阶段3.1.工业互联网网络层以标识解析体系为核心工业互联网体系中，网络是基础，而标识是网络的基础。工业互联网的建设，网络层先行，其中最重要、最核心的就是建立工业互联网标识解析体系。标识解析体系类似互联网领域的域名解析系统（DNS），赋予每一个产品、零部件、机器设备唯一的“身份证”，从而实现资源的区分和管理。标识解析体系主要由三要素组成：1、标识，这就相当于机器、物品的“身份证”；2、标识服务，即利用标识，对机器和物品进行唯一性的定位和信息查询，是实现全球供应链系统和企业生产系统的精准对接、产品的全生命周期管理和智能化服务的前提和基础；3、标识管理，即通过国家工业互联网标识解析体系，实现标识的申请、注册、分配、备案，为机器、物品分配唯一的编码。标识解析体系是下一步网络建设的重点。2019年1月，工信部印发了《工业互联网网络建设及推广指南》，明确提出，将以加快企业外网络和企业内网络建设与改造为主线，着力构建网络标准体系、建设标识解析体系。其目标是，到2020年，形成相对完善的工业互联网网络顶层设计，初步建成工业互联网基础设施和技术产业体系。根据《工业互联网发展行动计划（2018-2020）》，“标识解析体系构建行动”的量化考核目标是2020年建成5个左右标识解析国家顶级节点，形成10个以上公共标识解析体系服务节点，标识注册量超过20亿。标识解析体系从部署角度分为三层架构。标识解析体系主要分为根节点、国家顶级节点和二级节点，每层节点保存不同的信息。根节点是最顶层的信息，主要归属管理层。国家顶级节点是我国工业互联网标识解析体系的关键，既是对外互联的国际关口，也是对内统筹的核心枢纽。二级节点面向行业提供标识注册和解析服务，未来将选择汽车、机械制造、航天、船舶、电子、食品等优势行业，逐步构建一批行业性二级节点。标识解析体系的应用场景多元化。从企业内部工业互联网建设来看，标识解析体系可以打通产品、机器、车间、工厂，实现底层标识数据采集成规模、信息系统间数据共享，进行数据挖掘和分析应用。从生态构建角度，核心企业可以横向连接上下游企业，利用标识解析按需地查询，从而打通设计、制造、物流、使用的全生命周期，实现真正的全生命周期管理；中小型企业也可以横向连接成平台，利用标识解析按需地共享数据，优化经营分析管理。从企业端实践角度，供应链管理、产品质量追溯、库存可视化管理、核心零部件追溯机制等已经开始得到应用。标识解析体系建设快速推动。自2018年下半年起，国家顶级节点(一期)工程启动建设，11月内，位于北京、武汉和广州的工业互联网标识解析国家顶级节点相继启动上线。随后，行业和区域的二级节点建设加速推进中，其中汽车、高铁等行业二级节点，佛山、南通等区域为主的二级节点进展最快，最具代表性。根据2019年2月工业互联网产业峰会上工业和信息化部部长苗圩的讲话，到目前为止，中国已经初步建立五大国家顶级节点，十个行业和区域的二级节点。3.2.工业互联网平台是一个迭代演进的过程工业基础参差不齐，平台应当分层发展。当前工业互联网发展的基本方式就是推动工业和IT产业融合。但是由于不同工业产业的基础不同，有些行业已经基本完成数字化改造，而有些行业仍处于较传统的粗放生产方式中，这就导致不同行业需要推动的融合不尽相同。对于尚未完成数字化改造的企业，首先应当从网络连接出发，对原有的设备做互联互通，积累初期的数字化生产资源，进而推动传统的生产、经营、管理、服务等活动和过程的数字化。工业互联网平台发展历经三个步骤。对于已经完成数字化改造的企业，工业互联网的发展可以分成制造资源云化改造、制造能力开放共享和智能化创新三个步骤。第一步制造资源云改造。推动企业的IT能力平台化，将制造资源向云上迁移，降低信息化的建设成本，促进数据资源的集成共享，达到制造资源的互联互通。第二步制造能力开放共享。推动制造能力平台化，促进制造资源开放合作和协同共享。企业资源云化后，可以研究和推动制造能力的问题，把制造能力的模型研究出来平台化部署，再共享。这也就相当于工业互联网平台层“数据+模型”服务的核心。将技术、知识、经验和方法以数字化模型的形式也沉淀到平台上以后，只需通过调用各种数字化模型与不同数据进行组合、分析、挖掘、展现，就可以快速、高效、灵活的开发出各类工业APP，提供全生命周期管理、协同研发设计、生产设备优化、产品质量检测、企业运营决策、设备预测性维护等多种多样的服务。第三智能化创新。通过软件化、模型化、人工智能化，让创新的门槛极大降低，全民创新，让所有的人都成为创造者。我国工业互联网的应用场景非常丰富，模式创新也十分活跃，企业集成创新的能力较强。进入这一阶段后，智能制造领域的个性化定制、C2F等模式能够得到充分的发展和释放。目前国内大部分工业企业仍处于第一阶段，少部分位于第二阶段。因而从发展路径来看，企业上云和行业工业互联网平台的建设，是当前我国工业互联网建设的主要内容。3.3.区域扩张，先声夺人，企业上云推动企业上云推动工业互联网平台第一阶段建设。工业互联网的发展，网络和企业资源的数字化是基础。从国内实际情况来看，大部分的企业都面临着制造资源云改造、云迁移的需求，也即云计算领域的工业企业上云。促进各类信息系统向云平台迁移，丰富专业云服务内容，推进云计算在制造业细分行业的应用，有助于直接提高行业发展水平和管理水平，是发展工业互联网的首要基础性工作。以区域为基础，快速布局，推进工业云建设。工信部在2017年3月发布《云计算发展三年行动计划（2017-2019年）》，作为与工业互联网互相带动的举措，工业云的发展将成为未来三年的重要应用促进行动之一。该计划明确表示，贯彻落实《关于深化制造业与互联网融合发展的指导意见》，将深入推进工业云应用试点示范工作。以各地政府组织牵头，依靠拥有先进技术实力的云计算企业，构建制造业在内的工业云，从而推动实体经济发展成为最终落脚点。从实践角度，区域性的工业互联网平台前期推广得到了各地方政府的鼎力支持，发展较为迅速。如我国重要的先进制造业基地长三角地区，浙江省早在2017年4月即推出了“十万企业上云行动计划”，江苏省和上海市也分别于2017年12月和2018年12月印发了《加快推进“企业上云”三年行动计划的通知》和《上海市推进企业上云行动计划（2018-2020年）》。在全国范围内，目前已经有21省针对制造业企业上云提出了各类发展计划。从区域工业云到区域工业互联网。从工业云的视角解读，从研发设计类工具上云，到核心业务系统上云，逐步进化到设备和产品上云，以能力交易为导向，实现跨企业的制造资源优化配置，这一步即完成了狭义上的工业互联网平台的建设。随后企业在平台上沉淀应用，开放生态，最终实现工业互联网生态体系的搭建。由此，工业互联网平台可以理解为在传统工业云平台软件工具共享、业务系统集成的基础上，叠加了制造能力开放、知识经验复用和开发者集聚的功能，大幅提升工业知识生产、传播和利用的效率，是一个不断演进的过程。以推进企业上云较早的长三角地区举例，区域工业互联网平台建设正在成为长三角产业合作的核心，成为智能制造的新引擎。生产、管理、设备的全面上云让制造业企业在经营角度发生了重大的变革，许多工人上班第一件事就是用手机登录企业数字化运营管理系统，查明当日的工作任务。从经营管理角度，运营管理系统创建一种开放智慧工厂模式，形成扁平灵活、协同有效的共享智造生态，打通上下游产业链，从供研产销四个环节确保产品的周转和存货的灵活管理，提升了企业的运营效率和产品竞争力。产业聚集和完备的工业体系，也为长三角构建区域协同的工业互联网平台奠定了基础。在上海，依托大国企、大平台集中打造长三角一体化的工业互联网平台，汇聚产业链上下游数据；在浙江，阿里云预计到2025年将连接2亿台工业设备，服务工业企业30万家；在江苏，超过60万台工程机械装备通过徐工集团的汉云平台“登云上网”。2018年，长三角工业互联网平台助力百万企业“上云上平台”服务倡议正式启动，提出力争到2020年实现新增“上云上平台”企业百万家，运营成本降低20%以上，生产效率提高20%以上，促进产业链、供应链高效协同和资源配置优化。长三角是中国工业产能密度最高的区域，也是中国IT与自动化企业聚集地，三省一市拥有多个世界级产业集群和数以百万的中小企业。工业互联网搭建了连接和赋能平台，让制造业的数字化转型需求对接智能化服务商，形成区域内N个面向行业的子平台，逐步形成服务生态，最终促进区域内的产业协同。3.4.行业扩张，厚积薄发，工业需求推动工业需求推动工业互联网行业平台的建设。世界上第一个工业云平台Predix由美国通用电气公司(GE)在2015年正式对外开放，主要基于设备做远程维护；第二个平台MindSphere是德国西门子公司基于工业4.0理念建立，在2016年4月开放，主要用于泛在的人、机、物的链接，从而搭建数字孪生的工厂体系。ABB的Ability更是开始下沉到行业终端。可见最初的工业互联网/物联网平台本身就起源于工业巨头企业对于数字化转型升级的需求。不同行业发展各异，行业需求多样化。与区域工业互联网平台不同，行业的工业互联网平台更加深入工业知识和行业机理，很难采取通用的范式包罗万象。在这种情况下，往往是行业龙头企业基于内部转型升级驱动力来推动数字化改造、企业上云、以及工业互联网的发展。根据我国统计局口径，把我国工业分为41个大类行业，上百个小类。由于各行业所处的产业链位置、生产特征、业务需求和两化融合水平存在差异，现阶段工业互联网平台应用推广在各行业步调不一，应用重点和发展路径呈现出较为明显的行业特征。电子、家电、电力等行业发展最好，流程型行业普遍优于离散行业。电力行业、电子行业均为技术密集型行业，是“中国制造”崛起过程中重要的参与者，历史上两化融合基础好。电力行业是技术密集、装备密集和资本密集行业，是我国现阶段工业互联网普及度最高的行业。除上述三个行业外、石油石化、钢铁、交运设备制造等资本密集，国有企业集中的领域中，工业互联网发展也较好。我们认为主要原因是技术和资本密集型行业在技术更新和资本投入上本身具备主观意愿，且资本密集型行业对精益管理、效率提高具有较强的需求，因而从早年工业1.0、工业2.0时代就比较关注两化融合。此外，流程型行业的工业互联网发展水平普遍高于离散型行业，与上述提及的资本密集、技术密集有一定关系。流程型行业的特点是生产过程高度机械化流水化，本身就需要MES、PLC等信息系统参与过程控制，且故障停机带来的成本较高，工业企业需求明确，因而在工业互联网建设上更有积极性。以钢铁行业为例，钢铁行业具有技术和劳动密集、前端流程、后端离散等特点。传统生产中高耗能、高排放，对环保限产等压力较大；此外钢铁企业生产作业环境较为恶劣，人员流动性较高，工艺原理复杂，对于技术的传承以“老带新”为主，很难将管理方法和行业知识沉淀下来。基于工业互联网平台，能够对炼铁高炉等设备开展实时运行监测、故障诊断、能源调度管理，提升产线运行效率，降低能耗和排放；此外通过将经验和知识模块化、大幅减少停机故障和安全事故。除重点行业外，重点工业设备上云也逐渐被重视。由于工业门类复杂、行业壁垒高，跨行业平台推广存在一定难度，因此行业平台企业提出了利用关键工业设备的方式实现跨行业跨领域发展的办法。工信部2018年7月印发《工业互联网平台建设及推广指南》，提出实施工业设备上云“领跑者”计划，推动工业窑炉、工业锅炉、石油化工设备等高耗能流程行业设备，柴油发动机、大中型电机、大型空压机等通用动力设备，风电、光伏等新能源设备，工程机械、数控机床等智能化设备上云用云，提高设备运行效率和可靠性，降低资源能源消耗和维修成本。这种工业企业较常见的通用型设备，不但弱化了行业准入门槛，对于工业互联网平台企业而言，还能能够通过不同行业积累的数据横向对比，精准运维，提升效益。同时这也是单一行业的工业互联网平台向跨行业跨领域平台发展的重点路径。我们认为，区域聚集和行业深耕都是工业互联网平台发展的重要路径，短期内仍是合作发展阶段。短期内，区域聚集受益于政府政策的推动和相关补贴的促进，发展更为迅速。但当区域聚集的业务流程平台发展到一定阶段后，深耕行业、以工业需求为主的行业性平台将迎来快速发展。此外，国家级跨行业、跨领域平台存在一定数量上的限制（分两期评选10家），在发展前期阶段也不会无限制扩张行业，更多是通过相关领域渗透、通用型设备管控等方式进入新领域，因而与固有行业平台暂时不会形成竞争。换言之，根据2019工业互联网峰会上工业和信息化部副部长陈肇雄引述的观点，2019年我国工业互联网产业规模将达到4800亿元，而大家熟知的工业互联网公司规模仍然不大，大部分公司仍然处于发展初期，尚不会进入存量竞争阶段。海量的工业需求必将推动行业持续发展，当行业成长到一定阶段后，具备稀缺性的双跨平台有望借助前期数据积累的优势，实现平台级发展。4.相关标的推荐根据工信部《深化“互联网+先进制造业”发展工业互联网的指导意见》，工业互联网的发展主要落脚在如下方面：1、网络基础方面。重点推进企业内外网改造升级，构建标识解析和标准体系，建设低时延、高可靠、广覆盖的网络基础设施，为工业全要素互联互通提供有力支撑。2、平台体系方面。重点推动建设若干个面向多行业、多领域应用的国家级平台，支持形成一批具有较强示范引领效应的企业级平台，形成国家、企业两级工业互联网平台体系，促进工业全要素连接和资源优化配置。3、安全保障方面。重点加强工业互联网安全技术手段建设，形成国家、行业、企业协调联动的工业互联网安全工作格局，建设覆盖产业全生命周期的安全保障体系。4、融合应用方面。重点加快新技术、新产品、新模式示范部署，以应用促发展、以发展促应用。5.附录主要平台层公司工业互联网平台进展：A股计算机行业以外，《2018工业互联网平台创新发展白皮书》根据2018年底调查情况汇总了我国主要工业互联网平台能力图谱，仅作为附录参考。

（报告出品方/作者：国信证券，熊莉、于威业、库宏垚、朱松）报告综述工业数字化是制造强国的必由之路在新一轮信息技术与制造业融合的趋势下，新时代的“工业革命”正席 卷全球。在大数据、人工智能、工业互联网等新兴技术快速发展的背景 下，我们认为工业数字化是制造强国的必经之路，随着工业数字化程度 的不断深化，将有助于我国加快建设成工业制造强国，提升我国工业在 全球的竞争力。大数据是工业数字化的入口随着数字化浪潮在工业领域的渗透，数据已经成为工业领域新的“生产 资料”，根据 IDC 的统计，2019 全球数据量达到 42ZB，预计 2022 年达 到 163ZB，复合增速为 57%。工业数据在工业领域的应用场景也不断增 加，根据赛迪统计，2019 年我国工业大数据市场达到 146.9 亿元，预计 未来保持 30%以上的高增长。作为工业数字化的重要入口，虽然工业数 据在采集过程中会遇到数据完整性、数据质量等方面的困难，但诸如工 况分割、数据清洗、数据质量检测、数据样本平衡、数据分割等数据预处理方式的兴起也大大提升了工业数据的可靠性和可用性。人工智能是工业数字化的大脑在数据、算法、算力等基础要素得到充足发展后，人工智能有了实现的 基础。鉴于人工智能在社会各个领域内的巨大潜在应用市场，我国已经 在 2017 年发布的《新一代人工智能发展规划》中将人工智能战略上升为 国家战略，人工智能产业水平不管从企业数量还是全球申请专利情况来 看都位于领先行列。人工智能的发展也为制造业发展带来了良机，有望 从素质维度、体质维度以及本质维度全面提升工业制造水平。目前人工 智能已经在工业领域的多个应用场景得到应用，比如智能生产场景的工业视觉检测以及设备管理领域的预测性维护。工业互联网集大数据和 AI 之大成在人口老龄化，用工成本上升的趋势下，各地政策齐发力，推动制造业 向以智能化为代表的工业 4.0 迈进。其中以 MES 为代表的生产环节， 逐步向工业互联网领域升级，终极智能制造是一个从 IOT、大数据、AI、 工业互联网平台逐步上台阶的过程。IOT 平台对接生产环节海量的 IOT 设备，并获取数据，进行初步分析；大数据平台实现生产环节的数据可 视化，对数据进行模型建立，并进行分析和预测；AI 工业应用智能平台 形成对生产的预测，并自适应调整生产系统。工业互联网安全是智能制造的重要保障工控领域信息安全事件频出，关键信息基础设施被攻击将对国计民生造 成直观的严重影响，因此政策以“工业互联网+安全生产”为抓手进行推 动。工业互联网安全与生产系统紧密结合，基于大数据和 AI 的工业态势 感知成为更完整的安全方案，确保智能化的工业系统安全运营。大数据是工业数字化的入口工业大数据市场规模快速增长数据成为工业领域新的“生产资料”。根据 IDC 数据，2019 全球数据量达到 42ZB， 预计 2022 年达到 163ZB，复合增速为 57%。大数据急速膨胀不断在各个领域 催生新的应用生态，工业领域成为下一个蓝海。随着我国工业自动化、信息化 水平不断提升，数据市场也在快速增长。根据赛迪顾问，2019 年我国工业大数 据市场达到 146.9 亿元，预计未来保持 30%以上的高增长。工业数据涵盖企业 运营、产品生产、工艺流程、市场销售等多个环节的信息，深度挖掘将大幅提 升生产效率、降低生产成本，已经成为当前智能制造新的“生产资料”。制造过程数据的提取挖掘，是当前智能制造迈上新台阶的关键。根据数据来源， 工业大数据可分为企业运营相关的数据、企业外部数据、制造过程的数据。在 经过多年企业信息化发展后，企业管理 ERP、销售 CRM 等内部运营类数据已 经有了一定的积累。互联网的快速发展，也为售后服务、产品跟踪、市场运营、 行业发展提供了广阔的数据支持。而当前最重要的，则是生产制造环节的数据 挖掘。工业制造已经由 3.0 的自动化，逐步迈向 4.0 的智能化。以智能制造设 备、工业机器人、各类传感器、智能仪器仪表为核心，通过构建广泛的物联网 生产系统，汇聚生产过程中的物料、加工、流程等多维度数据，实现生产过程 的全面优化。从客户需求到销售、订单、计划、研发、设计、制造、采购、供 应、库存、售后服务、运维等整个企业和产品全生命周期各个环节，工业大数 据打通后，利用人工智能技术，实现真正智能制造。工业数据的可靠可用是数字化应用的前提工业数据是整体应用框架的第一步，入口价值凸显。根据中国电子技术标准化 研究院的《工业大数据白皮书》，整个工业大数据的应用分析框架分为 5 个部分， 分别为数据提供者、系统协调者、应用提供者、大数据框架提供者以及数据消 费者：1）数据提供者主要就是为后续系统的分析和演绎提供高质量的数据；2） 系统协调者主要职责在于规范和集成各类所需的数据应用活动；3）大数据框架 提供者主要是为数据消费者提供各种处理方式和工具；4）工业大数据应用提供 者，主要将原始数据进行收集、预处理、分析、可视化等操作后给数据消费者； 5）数据消费者主要职责就是将数据高效利用到生产、设计、服务等各个环节。 所以，从整个工业大数据应用框架来看，工业数据作为整个应用框架的入口有 非常重要的作用，提供数据的质量高低、预处理数据的效果好坏都直接影响着 最终工业数据的应用效果。工业数据的质量问题可以通过预处理进一步加强。目前，在工业大数据的应用 中，工业数据还有数据分散、数据质量差以及数据受背景影响较大等问题。具 体来说：1）数据分散是指工业数据零散地分布在各个系统中，比如 PLC、SCADA、 DCS 系统从机器设备实时采集的数据，数据交换接口同步的数据，以及存放在 公司数据库的业务数据等，这些零散的数据采集回来之后需要进一步的归类和 分析；2）数据质量差是指由于工厂复杂的应用环境，通过传感器采集的数据会 包含很多的噪音数据，影响后期进一步的分析和应用；3）数据受到设备参数设 定、工况、环境等背景信息的影响，主要是因为工厂生产实践较为复杂，影响 数据的因素较多。可以通过多种数据预处理方法有效提高数据质量。针对前文所述的工业数据质 量问题，可以通过多种数据预处理方式对数据进行处理，以提高其可靠性、可 用性，目前来说，主要的处理方法有工况分割、数据清洗、数据质量检测、数 据归一化、数据样本平衡、数据分割等。具体来说：1）工况分割，主要是将设 备在不同运行状态下的数据分割出来，做有针对性的信号处理与特征提取，常 用的工况分割变量有速度参数、环境参数、负载信息等；2）数据清洗，将数据 中存在的异常点尽可能的剔除，降低对后续模型训练的干扰；3）数据质量检测， 通常关注数据特性本身、建模有效性、以及领域相关的质量标准，针对不同的 数据进行不同的质量检测；4）数据归一化，将数据转换到同样的分布或者取值 区间，来提升数据建模精度，加速参数优化求解的过程；5）数据样本平衡，主 要针对采集的数据标签不均的问题，比如，设备运行 1 小时的数据中可能只有 1 分钟的数据是异常的，可以通过重采样或者欠采样等不同的采样方法来改善 数据不同类别之间的平衡性；6）数据分割，主要是将数据集分割为多份，用作 不同的目的，一般分为用于训练模型的训练集、对模型进行参数优化的验证集 以及用来得到最终模型的测试集。人工智能是工业数字化的大脑我国人工智能产业发展位居全球前列数据是人工智能的基础，算力是人工智能的动力，算法是人工智能的工具。从 人工智能的发展历史来看，经历了三起三落的发展过程，从达特茅斯会议首次 提出人工智能，到霍普菲尔德神经网络被提出，再到 Hinton 提出深度学习神经 网络，目前的人工智能已经具备了大发展的基础：大数据时代的到来为人工智能提供了源源不断的基础材料；CPU、GPU、FPGA 的性能提升以及异构计算 的发展都为人工智能提供了强大的算力；以机器学习、深度学习等算法的发展 也为人工智能的应用提供了实现的工具。人工智能战略上升为国家战略，国内 AI 产业迎来大发展。鉴于人工智能在社会 各个领域内的巨大潜在应用市场，我国在政策上也为产业营造了较为友好的发 展氛围，2017 年我国发布了《新一代人工智能发展规划》，将人工智能上升为 国家战略，确立了人工智能产业的三步走发展目标。同时，不仅仅是我国，全 球其他国家也都十分重视人工智能的发展，比如日本也提出了人工智能三阶段 发展战略、韩国提出了人工智能五年规划（投资 2.2 万亿韩元）、新加坡 2017 年发布了“AI Singapore”战略、澳大利亚发布了人工智能四年投资计划等。国内 AI 发展水平已处于世界前列。由于我国的人口数来基数大、应用场景多样 化，人工智能技术已经在多个行业落地，根据艾瑞咨询的数据，我国的人工智 能核心产业规模在 2019 年大于 510 亿元，发展到 2022 年有望超过 1 万亿元， 复合增长率约 170%。我国的 AI 发展水平从人工智能企业数量和全球范围内人 工智能申请专利分布情况来看处于领先地位：1）根据六和咨询和清华大学的联 合数据，我国 2018 年人工智能企业数量为 1011 个，相比于美国 2028 个有一 定的差距，但是和全球其他国家相比仍处于领先地位；2）从艾瑞咨询 2018 年 统计的全球人工智能专利申请的分布情况来看，中国地区的专利数量占比达到 37.1%位居第一，美国和日本紧随其后，分别为 24.8%、13.1%，从专利的数 量方面来看，我国的人工智能发展状况良好。人工智能为工业生产带来发展良机人工智能的运用为工业智能制造带来了发展良机。在传统的工业生产中，主要 的品质要素有三个：1）素质维度，主要涉及的是工业生产中的能力、组织文化 和管理能力，这点在传统生产过程中主要是靠人和人之间传承进行的，这方面 做的比较好的是日本；2）体质维度，主要涉及设备、系统和流程，在以往是通 过标准化的工艺流程和优秀的装备设计制造能力实现的，德国在这方面做的比 较好；3）本质维度，主要涉及的是创造价值，这个以往是以授权技术的方式为 基础不断进行协同创新完成的。在人工智能时代，上述的三个维度将发生较大 的不同，也为每个使用人工智能的工业企业或者国家带来了弯道超车的机会。 人工智能对于上述工业三个维度的改变，具体来说：1）在素质维度上，可以通 过数据化的方式将人的工作流程标准化，以达到后续稳定传承的效果；2）在体 质问题上，通过数据将问题进行显性化，将设备的健康状态进行透明化管理， 保证设备的健康状态以及整个工艺流程的稳定性，提升产品质量的稳定性；3）在本质维度上，利用综合数据以及人工智能算法工具，发挥数据的价值，降低 运营成本、提升运营效率，达到协同创新的目的。人工智能在工业领域的运用和在其他行业中的应用有所区别，具体来说体现在 以下几个方面：1）两者定义不同，通用的人工智能可以应用的方向较为广泛， 是一种具有试错调整导向性的认知科学，但是工业领域的人工智能是一种在工 程应用中的系统训练及方法，具有快速性、系统性、可传承性等特征，这点的 区别主要源自工业领域需要系统性的运行方式；2）在功能方面，通用人工智能 主要是发散性的机会导向，比如自动价值、分享经济、人脸识别等，而工业领 域的人工智能则面对的问题是有限的，不需要通用性很强，但是要有针对性的 解决现存的问题，所以功能是收敛性的；3）在应用领域，工业人工智能主要是 帮助工业企业提高生产效率、增强产品品质、降低生产成本和减少非必要库存， 通用人工智能则可以应用在如社交网络、医疗、金融等多个领域；4）在算法工 具上，工业领域的人工智能也和通用人工智能一样需要机器学习、深度学习等 工具，但也对宽度学习、模糊学习等工具有需求。工业人工智能相比通用人工智能有特殊的工业要素。正如上文所述，由于工业 企业的产生过程牵扯的变量较多，一般着眼于具体问题的解决，所以人工智能 在工业系统中落地需要系统性考虑，要考虑的因素相较通用人工智能而言多了领域知识、事实依据以及反馈闭环等特有因素。具体来说，在计算机平台以及 大数据的基础上进行建模分析是通用人工智能都需要的因素，但是在工业应用 中还需要：1）领域知识，需要对工业模型中的设备或者机理理解清楚，一般来 说工业领域知识相比如语音识别、语音合成、图像识别等通用人工智能而言较 为复杂；2）事实依据，在工业控制系统中，需要掌握能够反应目前系统状态的 依据，以方便系统的临时决策；3）反馈闭环，这点很重要，因为工业系统一般 都是为了解决某个收敛性问题而存在的，如果没有反馈闭环则系统无法判断实 际输出的结果和理想结果之间的差异，这点和比如人工智能在人脸识别方面的 应用不同（人脸识别应用不需要对输出结果判断是否正确）。工业人工智能应用众多前景广阔目前， 人工智能正在从消费、互联网等领域逐步向工业领域渗透。人工智能对 制造业的赋能正在全球范围内进行，一方面由于工业制造业在全球 GDP 的占比 中较高，人工智能应用的空间较大，另一方面由于目前全球的制造业确实遇到 了比如生产成本上升、生产线设计缺乏灵活性、产品质量不稳定等问题。根据 德勤的统计调查与预测，人工智能在中国制造业的应用前景广阔，预计 2020 年应用规模在 252.2 亿元左右，到 2025 年将达到 2057.6 亿元，复合增速维持 在 40%以上。人工智能在工业领域应用的场景很多。根据德勤的调查报告，目前工业企业对 于人工智能应有需求的领域主要包括：1）智能生产应用场景，比如工业视觉、 为自动化生产工厂、订单管理和自动化生产排产、产品质量监控和缺陷管理等、 虚拟量测与过程质量控制等；2 产品与服务应用场景，比如缩短产品设计周期、 个性化客户体验、识别新的商业机会、提升营销效率、客户需求洞察等；3）企 业运营管理应用场景，比如在财务、能源、人力资源和投资方面的管理；4）供 应链管理应用场景，比如设备预测性维护、配送管理、需求管理与预测、紧急 时间相应、物流服务、资产与设备管理以及运输与网络设计等。应用 1：人工智能在工业视觉领域的应用 AI 软件及算法是工业视觉的核心环节（略）。应用 2：人工智能在设备预测性维护的应用（略）。工业互联网集大数据 AI 之大成，开启工业 4.0 之路工业数字浪潮掀起，多重政策大力推动AI 和大数据技术驱动，制造业迈入工业 4.0 时代。制造业仍是全球经济发展的 核心支柱，信息技术的发展也在不断为制造业赋能。早期工业 1.0 时期，以蒸汽机为代表，掀起了第一次工业革命；随后电力的发展和应用，推动工业 2.0 的第二次工业革命。从 20 世纪 70 年代至今，电子和 IT 技术融合下的自动化， 成为了当前工业体系的基础，大幅提升生产效率和安全性。随着软件技术，尤其是大数据、AI、物联网等持续发展，智能化生产必将成为制造业下一个高峰。 以工业软件为核心的工业互联网平台将驱动工业 4.0 的新革命。我国制造业升级迫在眉睫，工业互联网成智能制造方向。中国作为“世界工厂”， 全球制造龙头的地位正受到挑战。尤其当今国内人口老龄化严重，年轻劳动力 供给不足；而互联网企业的高薪招人背景下，制造业用工成本逐渐上升，且招 人困难。制造业是我国的经济基石，为了保证制造业在国内稳步发展和转型， 通过工业互联网，打造智能工厂，尽量减少用工需求，成为制造业务发展的必 然方向。自 2015 年“中国制造 2025”提出后，我国在智能制造和工业互联网 领域持续推出新政。在 2015-2020 期间，智能制造的转型，更多的是在以云为 基础设施的建设，以及标准梳理、示范项目为主。积极催化，各地方已开始进入落地环节。在国家政策引导下，各地方也不断推 出具体补贴政策支持工业互联网发展。对于制造业较强的地方政策支持更为积 极，单就 2020 年，就有苏州、佛山、青岛、西安、广州发布具体支持政策。 其中，尤其以制造业大省广东省补贴范围和强度最大。从各地补贴支持共性来 看，对于工业互联网应用、平台给予不同程度的补贴，尤其是跨行业、跨领域 的工业互联网平台，支持力度最大。从 2021 年开始，工业互联网平台有望进 入密集落地环节。MES 为生产环节核心，智能制造价值凸显MES 是制造业信息化的核心。企业生产运营管理流程一般分为计划层、执行层 和控制层：计划层以 ERP 为代表，根据企业资源安排生产计划；执行层以 MES 为代表，根据计划安排控制层的任务；控制层以PCS 为代表，直接对生产进行 操作控制。MES 构筑了上层计划与底层控制之间的桥梁，是生产的核心环节。 具体来看，MES 是一套面向制造企业车间执行层的生产信息化管理系统，包括 制造数据管理、计划排程管理、生产调度管理、库存管理、质量管理等多种功 能模块。在当前智能制造的发展中，MES 作为整个生产环节知识的凝结，在云 和大数据的发展下，成为智能制造的基石。MES 市场增长有望加快，下游应用领域广泛。在我国制造业升级的过程中， MES 是制造企业通往智能制造的必经之路。根据第三方测算，我国 MES 软件 市场规模在 50 亿左右，整体仍然较小。随着政策不断催化，以及产业内部压力 下降本增效的持续需求，MES 市场整体增速有望向上。从下游来看，MES 已经广泛应用于钢铁、机械、汽车、轻工、化工等行业。随着工业互联网在各个 行业逐步落地，MES 的升级和改造也会带动市场的高速成长。智能制造优势已经显现。根据数字化智慧工厂 SaaS+解决方案提供商云栖智造 的案例，其通过核心“数据中台”和“业务中台”双中台技术架构驱动，结合 工业物联网、机器视觉、AI、5G 等新兴技术帮助制造业企业打造数字化智慧工 厂。以年产值 3 千万的 200 人离散型工厂为例，云栖智造的方案可以减少 75% 的管理人士、提高 75%的生产效率、缩短 53%的交货周期、提高 10%的良品 率、减少 73%的物料滞留、提高 16%的设备利用率。智能制造价值显著，工业 4.0 升级已经成为众望所归。工业互联网平台集 AI 和大数据之大成，助力智能制造再升级工业互联网平台汇聚 AI 和大数据能力，是 MES 的新升级。随着 MES 等生产 制造信息化的普及，面向制造业数字化、网络化、智能化的浪潮下，工业互联网平台应运而生。工业互联网构建了基于海量数据采集、汇聚、分析的服务体 系，支撑制造资源泛在连接、弹性供给、高效配置。其主要包括以数据采集为核心的边缘层；以大数据处理、人工智能分析为代表的平台层，也是工业互联网的核心操作系统；以不同行业和场景的工业 SaaS 和 APP 应用未代表的应用层。在传统企业管理和生产系统中，主要由企业层 ERP、车间层 MES、单元层 PCS、设备层构成，其中传统 MES 与工业互联网平台的界限逐步模糊，海量的生产设备成为 IOT 节点，上传数据至工业互联网平台，通过大数据和 AI 分析不断提升生产效率。工业互联网平台由信息化到智能化，共有三个层次：层次一：基于平台的信息化应用，实现“连接+数据可视化”。传统的泛生产制 造和企业管理类软件，如 MES、ERP、CRM 等在上云过程中广泛应用，其中 以 MES 为代表的生产监控分析领域是重点。这类应用实现数据汇聚和可视化， 方便管理者了解企业经营状态。层次二：基于平台大数据能力的深度优化，实现“模型+深度数据分析”。在设 备运维、产品后服务、能耗管理、质量管控、工艺调优等场景获得大量应用， 并取得较为显著的经济效益。如青岛纺织机械厂依托海尔 COSMOPlat 平台， 通过数据分析实现设备远程运维，每年可节省 96 万元，宕机时长从每次的三 天缩短为一天，可降低直接损失 64 万/次。层次三：基于平台协同能力的资源调配和模式创新，实现产业链资源整合和生 产能力交易。如智能云科依托 iSESOL 平台开放共享自身生产力，提高闲置设 备的利用率，目前已对 24000 台机床提供超过 533 万小时的交易共享服务。各层次平台应用的开发复杂性，及优化成效与收益回报，造成了当前工业互联 网应用的主要结构。数据是平台的核心资产，也是价值创造的源泉，大数据的 AI 分析能直观提升生产效率、降低能耗成本等，因此资产管理服务和生产过程 管控占比共达到 60%-70%，是工业场景的热门方向。另一方面，工业机理最 复杂的数字化仿真、工艺设计等，应用案例较少。工业互联网平台应用丰富。凭借海量的数据积累，以及智能分析，工业互联网 平台可以提升生产设备的健康程度、优化生产过程的各个环节等。根据对国内 外 366 个平台应用案例的分析，当前工业互联网平台应用主要集中于设备管理 服务、生产过程管控与企业运营管理三大类场景，占比分别达到 38%、28%和 18%。相比国外平台，其依托大数据开展重点应用已较为普遍，如设备健康管 理、产品远程运维已可达到预测水平。因此我国工业互联网平台的应用仍待进 一步升级，未来空间广阔。综上所述，终极智能制造是一个从 IOT、大数据、AI、工业互联网平台逐步上 台阶的过程，不同阶段均需要相应平台来实现，人工智能即是终极目标，也是 各个环节必要的支撑技术。IOT 平台阶段：对接生产环节海量的 IOT 设备，并获取数据，进行初步分析。 在边缘侧，AI 在语音、机器视觉等多个领域获取数据，提升人机交互效率。同 时，边缘设备进一步向智能升级。例如，航天云网基于 INDICS 工业互联网平 台打造口罩生产边缘智能一体机，实现车间级的生产闭环，口罩日产能达到 10 万只，帮助企业快速组织生产。大数据平台阶段：实现生产环节的数据可视化，对数据进行模型建立，并进行 分析和预测。AI 在数据清洗和训练上展现价值，寻找最优的生产工艺、参数等。 例如 TCL 格创东智针对液晶面板的成膜工序，通过机器学习算法实现了关键指标的预测与品质优化，年收益达到近千万元。AI 工业应用智能平台：形成对生产的预测，并自适应调整生产系统。通过工业 大数据分析，AI 能够预测生产中的问题，并根据外部变化自适应调整生产系统， 真正实现无人化的智能制造。例如， AI 在制造上的灵活性帮助企业构建知识图 谱和专家系统，为企业提供战略方案选择，西门子、IBM、华为等公司通过构 建供应链知识图谱，提高供应链风险管理效率。自适应的 AI 生产是制造业终极 目标，大数据和 AI 仍是当前攻坚阶段。案例一：宝信软件打造钢铁行业“灯塔工厂”（略）。案例二：用友以云化打造智能制造生态（略）。工业信息安全是智能制造下的刚需工控安全事件频出，智能制造转型安全当先工业互联网的应用同样引入安全风险，工业安全事件直接影响国计民生。伴随着工 业制造流程逐步自动化、数字化、网络化、智能化的进步，面向电力、能源、水利、 汽车等各类工业系统的网络攻击也越来越多。相比于传统的办公 IT 网络，工业系 统承载着国计民生的关键电力、生产、运输等多个环节，其被攻击会给全社会带来 极其严重的后果，造成国家风险。2010 年伊朗核设施铀浓缩离心机的西门子控制 系统遭到“震网”病毒攻击，给全球造成了极大的不可控风险；而近年来全球各类 工业系统安全事件频出，也让世界认识到工业信息安全是工业互联网建设的重要保 障。根据东北大学“谛听”团队监测数据，我国暴露在互联网的工控设备数量排名 已由 2018 年的全球第六名跃至 2019 年的第三名，我国工控安全态势仍然很严 峻。因此，我国在强调掌握核心技术的同时，持续强调“工业互联网+安全生产”。政策重点推动“工业互联网+安全生产”，以大数据为核心的工控态势感知为建设目标。2020 年 10 月，工业和信息化部、应急管理部共同印发《“工业互联网+安 全生产”行动计划（2021-2023 年）》，强调增强工业安全生产的感知、监测、预警、 处置和评估能力，加速安全生产从静态分析向动态感知、事后应急向事前预防、单 点防控向全局联防的转变，提升工业生产本质安全水平。随着信息安全领域，大数 据和 AI 技术的逐步普及，也形成了态势感知类的全面安全方案，在工业体系里同 样可以适用。该政策要求到 2023 年底，工业互联网与安全生产协同推进发展格局 基本形成，一批重点行业工业互联网安全生产监管平台建成运行，“工业互联网+ 安全生产”快速感知、实时监测、超前预警、联动处置、系统评估等新型能力体系 基本形成。工控安全体系开始建设，大数据和 AI 助力全面工业态势感知工业互联网安全与生产系统相结合。工厂智能化的提升，让工业控制系统由封闭走 向开放，生产网、办公网与互联网互联互通，均提升了网络的复杂性和风险性。针 对不同的工业系统对象，需要不同的安全防护措施，主要涵盖设备、控制、网络、 应用、数据五大重点。设备层包括传感器、仪器仪表、机器人、生产系统等各类终 端；控制层包括各类交互协议，控制软件等；网络层包括工厂内部和外部的网络； 应用层包括工业互联网平台本身，及各类工业应用的安全；数据层包括各个数据交 互环节的采集、传输、存储、处理等。在政策推动下，安全开始与工业互联网同步 建设，解决方案也开始由单品单点问题解决，逐步向大数据和 AI 的整体安全态势 感知过度。工业安全市场热度渐起，态势感知建设成为重点。工业互联网建设也带动了安全市 场的兴起，根据工信部数据，我国工业互联网安全产业存量规模已经由 2017 年的 13.4 亿元增长至 2019 年的 27.2 亿元，年复合增长率高达 42.3%。技术上，生产 系统全面互联互通后，大量终端设备需要管控、各个网络需要安全监测、生产过程 需要审计和数据采集、各类工控系统资产需要统一管理。整个体系面临的安全威胁 更加复杂，因此单一技术无法解决问题，需要将传统 IT 检测技术和工业 OT 检 测技术有机结合，利用大数据和 AI 技术实现全面态势感知。例如，在厂区内部署 工业安全监测系统（ISD），对工业网络中的 IT 和 OT 流量进行综合实时的监控， 在集团总部部署工业安全监测控制平台（ISDC）。通过将各厂区的监测结果实时上 报集团总部，实现全面的数据汇总、统一监测、集中分析。通过大数据为核心，结 合 AI 和威胁情报分析，可以规避掉单点盲区，实现更精准的威胁发现、主动防御， 达到更智能化的工业系统安全运营。风险提示疫情加剧，影响制造业升级投资。 智能制造方案落地不及预期。（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）精选报告来源：【未来智库官网】。

全文共计612字45图，预计阅读时间8分钟近日，由大数据产业生态联盟联合赛迪顾问共同完成的《2019中国大数据产业发展白皮书》（以下简称《白皮书》）在 2019世界计算机大会——“计算机未来：算力驱动万物互联”主题论坛上重磅发布，并揭晓“2019中国大数据企业50强”“中国大数据企业投资价值百强”。《白皮书》旨在呈现中国大数据产业生态的新格局、新业态、新模式，聚焦数字经济、智慧城市、大数据人才培养等热点领域，从技术创新、标准构建、人才培养、资本流向等方面进行深入剖析。《白皮书》调研工作，自2019年4月正式启动，历时5个月，覆盖2000余家大数据企业，并由知名高校、研究机构、行业用户CIO、知名投资人、大数据企业领袖专家构成的专家委员会，对入围企业进行多次详尽的审议。报告如下

在10月11日举行的“2019第23届中国快餐产业大会”上，辰智科技携手中国烹饪协会联合首发《2019中国快餐产业大数据研究报告》。报告详细解读了快餐产业发展现状，并提出大数据时代下的发展策略。2019餐饮行业发展新趋势中国餐饮作为重要的消费方式对经济的贡献较大，2018年全国餐饮收入超过4.2万亿。截至今年10月份，餐饮收入累计达36932亿元，同比增长9.4%。随着“懒人经济”和“单身经济”的发展，餐饮行业的就餐场景越来越多元化，外卖和“一人食”就餐场景增长迅速。1、外卖催生餐饮零售化快速发展近几年我国外卖业发展迅速，数据显示，2019年预计我国外卖用户规模将超4亿人，市场规模将超2800亿元，但增速在不断放缓。随着外卖市场的逐渐饱和，借助外卖平台的高流量，餐饮零售化快速发展。2、轻食简餐风生水起从报告中可以看出，2015-2019年第二季度，2017年轻餐饮门店增速有所下降，但2018年后又开始回升，2019Q2增速达到17.5%。轻食简餐逐渐回升，发展也是风生水起，说明了人们对健康更加看重，随着消费者对于健康养生的需求不断的升级，轻食简餐将会呈现更加积极的上升态势。推荐阅读：《中国轻食外卖消费报告》发布，“轻食”成餐饮消费新宠快餐产业发展现状1、快餐在餐饮行业占半壁江山随着快餐行业规模的不断扩大，快餐门店占比不断上升。快餐门店数在餐饮行业中的占比由2015年的33.6%增长到2019年的49.2%，几乎占到整个餐饮行业的半壁江山，快餐行业竞争也将随之增强。2、华东仍是最大的快餐区域市场数据显示，超3成快餐门店主要分布在经济发达、人口密集的华东区域；相反，地广人稀的西北区域快餐分布最少。从快餐门店增速来看，东北的快餐门店增速最快，而华中和华东地区的增速也超过50%，华东区域是快餐活跃区域，华南、华北、西南和西北增速相对较低。3、快餐连锁率超50%，中式快餐不及西式快餐快餐产业门店连锁率超过50%，但中式快餐门店连锁率为55.1%，远远不及西式快餐78%的门店连锁率。由于中式快餐和西式快餐行业的不同，西式快餐易标准化，而中式快餐行业目前处于多而杂的现状，不易标准化。快餐如何赢在大数据时代快餐行业要想赢在大数据时代，就要抓住数字化红利，让数字化成为餐饮发展的动能，通过商品数字化、流程数字化、顾客数字化，并形成有效的数据沉淀，依靠数字化进行精细化运营管理，实现品牌价值的数字化。（图表数据来自辰智）

央广网北京12月11日消息（记者吕红桥）由中国工信出版传媒集团主办的2019第六届中国国际大数据大会10日在北京举行。国家工业信息安全发展研究中心在大会上发布《2019中国大数据产业发展报告》（简称“报告”）。报告显示，我国大数据产业规模超过8000亿元，研发投入超过550亿元。《2019中国大数据产业发展报告》通过对全国3000多家大数据相关企业的问卷调查和座谈形成。报告从政策、制度、产业、融合和研发等多个维度，系统阐述了我国大数据产业发展现状。报告披露，2016年以来，我国大数据政策、制度、研发、产业、融合等指数都持续增长，发展相对比较均衡。截至2019年，大数据产业规模超过8000亿元，预计到2020年底将超过万亿。目前，17个省市建立了大数据局，大数据安全维护机制日益完善。283所高校获批数据与大数据技术专业。全国有100多个大数据相关产业联盟成立，对大数据的发展起到推动作用。另外，大数据研发人员2019年超过8万人，研发投入超过550亿人民币。从各地大数据产业发展情况看，目前形成了三大梯队。一是北、上、广、江、浙、贵，这六个地方领跑全中国大数据产业发展。其中，有的地方研发是强项，有的地方擅长数据存储、处理，有的地方则是应用服务方面做得不错。第二个梯队包括山东、福建、重庆等省市，这些地方正依托当地原有产业规模，发力大数据。其余地方则是第三梯队，大数据发展还相对比较落后。从产业来看，互联网、金融、通信、安防等产业目前与大数据融合情况较好，交通、能源、工业等也在快速应用大数据。以工业为例，工业大数据产业规模到2019年有600多亿，到2020年，复合增长将达到50%以上，研发设计、生产、供应链、销售、运维等领域数据量越来越大。而医疗行业大数据在某些点上用得不错，但是要真正替代人，路径还比较长。工业大数据的产业规模到2019年有600多亿产值，到了2020年工业产值，包括可能带动周边的一些东西。复合增长达到50%以上，工业大数据的应用场景有五个场景，从三个角度来看应用的深度，研发设计，生产、供应链、销售、运维，五个特征的数据量越来越大，价值力度相对稀疏。报告同时指出，我国大数据产业发展也面临一些困难和问题。首先就是数据确权方面，数据是谁的？个人数据是归自己还是归平台？谁搜集的归谁还是服务器是谁的就归谁？这些问题在法律上还没有明确答案，有待进一步探索。在技术层面，我国大数据芯片和软件发展突飞猛进，但是相比发达国家差距依然很大。在开源软件、算法软件的开发上缺口更大，相比发达国家和地区我国在这方面能力明显不足，需要加大研发力度。

来源：金融界网站作者：产业中国研习社课题组数据几乎无处不在。 随着信息技术与生产生活深度融合，数据呈现爆发增长、海量聚集的特点。经历了消费互联网对人类生活和互动方式的变革，我们看到，全球经济亦加速产业数字化的转型。云计算、大数据、物联网、人工智能、区块链等新技术和新商业模式，正在推动全社会的万物互联，也推动着产业链内部、产业之间、产业与政府之间的高度互联和跨界融合，经济的去中心化和生态化已经十分明显了。 产业互联网生态下，基于企业、行业、政府数据的深度挖掘和应用成为提供区域与产业咨询、规划与政策供给、招商引资与产业运营服务的必需品，在技术、商业、社会治理等领域，产业大数据带给人们的惊讶才刚刚开始，尤其对于活跃在市场中的不同政府、企业、机构而言，增量信息汹涌而来，带来的是近乎颠覆性的变革。 也正是如此，产业大数据平台应运而生。它服务于城市和产业的发展，帮助人们更便捷地找到新的商业机会以及更快速地获取行业知识，也引领着我国对于新经济增长点的探寻和经济治理模式的革新。 那么，产业大数据在我国究竟发展得如何，谁又是弄潮儿，未来，又将何去何从？ 谁在玩产业大数据从公开资料梳理，目前，我国已经形成了业务有交叉但又各具特色的几大产业大数据平台。 代表性产品包括：华夏幸福产业大数据平台、赛迪产业大脑、中科点击慧数行业大数据平台、今日云商、阿里云区域经济大脑、软通动力产城大数据。各平台的基本情况如下： 华夏幸福产业大数据平台：基于17年产业招商经验、结合人工智能与大数据技术研发的专业化平台，聚焦10大产业，拥有3500余万家企业11.5亿条动态数据，提供产业可视化地图、产业智囊APP、产业在线研究、产业数据服务端四大产品。 赛迪产业大脑：以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等服务。 中科点击慧数行业大数据平台：以政策库、行业库、展会库、人才库为基础，多维度分析各产业链间的关联企业，对目标企业信息自动筛选，形成一个围绕企业的综合数据集群，从而全面掌握行业发展情况、预判产业发展趋势，预测市场风险。 今日云商：为产业招商人员提供涉及27大产业、超500个产业项目和超4500万家企业的有效数据，轻量化的终端使产业招商人员便捷地获取招商信息。 阿里云区域经济大脑：汇集与产业经济发展及企业发展相关的数据，基于算法模型的智能分析以及自上而下整体贯通的产品架构，协助政府推动改革创新。 软通动力产城大数据：以“城市云+产城大数据”的业务模式为定位，为中国重点区域及城市提供政务、产业和民生等城市云运营服务及产城大数据服务。 尽管架构和功能各有异同，但从本质上讲，产业大数据平台的功能包括“产业-区域-企业-服务”四个维度，根据平台业务逻辑不同形成了面向产业、区域、企业、服务的不同系统组织和架构模式，各具特色。 　如果进一步拆分，六大平台功能设置如下:　面向产业的元数据项：在面向产业的功能维度上，华夏幸福产业大数据平台和赛迪产业大脑是覆盖最为完整的。 华夏幸福与赛迪研究院都在产业服务领域深耕多年，面向各自不同的核心业务场景，两者具备不同的功能。 华夏幸福产业大数据平台已上线的产业领域包括生物医药、汽车与零部件、新一代信息技术产业，其产业维度元数据的设置面向细分化的产业招商服务展开，实现了对于招商服务中所必须的产业价值-产业链条-产品与产线-落地项目-招商赛道-招商意向预判-产业动态等所有环节所需信息的全覆盖，并以长期的招商服务经验为基础，对数据进行重组和再加工。 以新型显示产业为例，平台依托专业的产业研究团队，将组件材料、生产设备、面板模组、激光显示四大产业链重点领域细分为72个赛道，进行面向招商的产业全景监控。 在华夏幸福产业大数据平台3.0版本中，“产业大数据”移动版——“产业智囊APP”全新上线，以服务招商为核心，集企业查询、榜单检索、资讯速递、报告阅览于一体，移动端的布局使得业务适用场景更为多样。 而赛迪产业大脑则更具有信息服务属性。现已上线的产业领域包括无人机、大数据、数控机床、人工智能、集成电路、机器人、智能制造、生物医药、虚拟现实、网络安全、节能环保等，其产品逻辑围绕面向区域和行业的产业信息服务展开，以自身行业研究和分析资源为基础，主要功能包括监测产业规模与增长、产业发展重点区域、产业布局情况、TOP企业信息、更新产业实时资讯等以完成全球产业动态观察，通过对产业链各环节规模、发展及发展阶段评价实现产业全景洞察。 面向区域的元数据项：阿里区域经济大脑和软通动力产城大数据平台是面向区域的产业大数据的代表。 其中，阿里区域经济大脑以产业运营和精准化企业服务供给为核心场景，软通动力产城大数据以全方位智慧城市数据中心为核心场景。区域经济大脑连接了政府与企业。在政府端，具备全景洞察、企业画像、招商雷达、风控雷达和企业服务等功能，全面帮助区域政府有效管理企业。在企业端则搭建企业与政府间的信息通道，采用全景档案、成长通道、专享权益、金融扶持、商机扩展等产品模块，让政府有效下达企业扶持政策和服务，企业亦能积极同步提供研产销过程中最新的数据和信息。利用区域经济大脑，政府能够对发展中的敏感点、企业的痛点更清晰地透视，加大市场化手段调节力度，倒逼企业加快转型。 软通动力则通过获取整个城市运行状况的综合信息，据此进行城市顶层设计、科学规划、宏观决策、舆情分析、精准扶贫、应急指挥、劳动就业、行业分析、产业洞察、交通出行、节能环保、文化旅游、医疗养老、智慧社区等服务需求，借助大数据来优化城市的管理和运营，是面向区域来组织的产业大数据平台，具有管理和服务属性。 面向企业的元数据项：企业数据是产业大数据平台分析的基础，但与产业维度和区域维度的功能设置相比，面向企业服务的功能在产业大数据平台中的功能相对薄弱。 阿里云区域经济大脑为企业提供了相对丰富的企业发展服务和金融扶持、权益服务和企业商机服务。华夏幸福产业大数据平台产业智囊APP不仅为招商人员集成了企业信息服务，使企业信息元数据项在基本的工商注册信息，还集成了华夏幸福基于17年产业发展实践形成的必备元数据项目，并提供企业名称、行业分类和专题三种检索和浏览模式，方便招商人员基于不同的业务需求对企业信息进行查询。 面向服务的功能设置：服务是平台的最终产品，赛迪产业大脑和华夏幸福产业大数据平台形成了偏向“产业”的服务内容，其中华夏幸福依靠强大的产业研究经验及专家力量，线上线下服务相结合，提供大量的产业研究、产业招商服务、区域经济形势分析、落地项目评估等服务，而阿里云区域经济大脑和软通产城大数据形成了偏向“区域”的服务内容，以政府为切入点，提供经济发展诊断、政务云平台、企业服务发展和规划决策服务。 产业大数据三大应用场景无场景，不数据。 尽管各个产业大数据平台的服务对象不尽相同，但总体而言，其赋能产业发展有三个关键要素，即数据、行业知识和应用场景。 随着数字经济的快速发展，数据越来越成为重要的生产要素之一，高容量、多样性、存取快的数据是大数据服务体系中的战略资源。 但是，数据本身并不具有价值，只有与行业知识相融合，并被进一步有效利用，才能成为驱动产业发展与经济变革的引擎，而其中的结合点就是应用场景。 就产业发展而言，大数据赋能的核心场景有三个方面： 　一是基于大数据的产业信息服务和战略咨询。信息是决策的基础，传统的产业信息服务和战略咨询以个人经验和抽样样本为决策基础，随着数据采集和分析运算能力的提升，基于全样本的企业信息和行业数据成为可供分析的对象，信息的日益完全成为了经济决策效率提升的关键，具体的应用体现在基于区域多维度、多领域的经济和产业发展报告、监控和分析，以全样本企业数据为基础的产业画像以及针对企业的全景式情报观察。 在这种场景下，能够掌握的数据量的丰富性和独特性成为影响服务能力的关键。 二是基于大数据的产业集群导入和招商引资服务。招商引资是产业发展中最复杂、最多变，也是最重要的环节。传统产业招商模式高度依赖招商队伍，招商人员的工作经验、人脉资源、信息视野、知识结构等直接影响招商工作的效率、质量和水平。随着新兴产业的不断涌现和产业链条的日益复杂，传统的招商模式给招商人员带来极大的学习成本，招商过程中靠个人积累经验也难以实现快速有效的复制和推广，与此同时，易受地域空间限制，有效信息的获取难度很大。招商需要的海量信息已难以进行人工处理，招商信息和投资信息的传递和匹配也需要更高的计算效率，这给了大数据用武之地。 以智慧招商为核心功能的产业大数据平台可以通过对产业的动态监控和产业链深度分析，进而为招商引资服务提供信息支撑和专家指导，由于招商服务的场景多样性和逻辑复杂性，行业知识和招商实践积累是影响服务能力的关键。 三是基于大数据的产业运营和精准化企业服务。随着智慧城市建设的加速，城市的方方面面都产生着可供利用的数据。从企业发展的需求的精准对接、政策供给的精准传导，大数据作为决策依据的属性，能够精准分析供给与需求，减少产业发展服务中的盲目性，进而创新服务模式，实现精准化智能服务。 在以产业运营和智能服务为核心功能的平台中，对以特定区域为核心的应用场景的深度分析和捕捉是服务能力的关键。 　谁将引领产业大数据那么，基于现有代表性的产业大数据平台，谁更具有引领性呢？ ·产业信息服务和战略咨询服务能力比较对于产业信息服务和战略咨询服务能力，我们从数据信息的丰裕度、数据信息独特性、数据信息的颗粒度、数据可复用性、数据的再加工程度、数据信息的应用价值等维度建立评价体系，对六大平台进行对比，其后发现赛迪产业大脑具有更强的信息服务能力。 赛迪产业大脑的信息服务能力来源其面向行业和区域建立的信息资源优势。首先，产业大脑以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结所在，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等创新服务。 其次，以满天星知识分享平台和赛迪研究院资源为核心，整合1000多名行业分析人员资源，面向100多个行业，紧密跟踪行业动态、时事政策和产业发展产业研究成果，并根据用户需求不断推出创新产品，不断追求最大限度高效利用产业数据，使产业大数据绽放其产业价值，凭借资源优势和长期的产业咨询服务经验，赛迪产业大脑成为产业大数据平台中以信息服务为核心竞争力的代表性平台。基于信息服务和战略咨询能力的评价·产业集群导入和招商引资服务能力比较对于产业集群和招商引资服务能力的比较，我们从招商信息丰裕度、招商数据颗粒度、招商逻辑表示度、招商服务落地性、招商服务效果来衡量，华夏幸福产业大数据平台凭借其长期积累的招商经验和产业集群导入服务业务需求成为产业集群导入和招商引资服务能力最强的平台。 基于产业集群导入和招商引资服务能力的比较招商是华夏幸福产业大数据平台选择的核心应用场景，其发展基础来自于三个方面。 首先，基于17年的招商经验，华夏幸福形成了海量有效的产业数据积累。早在业内招商人员靠陌生拜访、参展参会等方式积累企业信息的阶段，华夏幸福已经建立首个产业招商领域的CRM系统。依托庞大的产业发展团队和行业圈层资源，积累了19万条有效企业信息数据，形成了华夏幸福原创的产业发展数据库雏形。 在长期的产业发展实践中，华夏幸福进一步聚焦新一代信息技术、高端装备、汽车等十大重点产业，细分37个二级与109个三级产业领域，深谙不同产业、不同产业领域的数据来源、数据维度、数据结构，可以有针对性地搜集整合全产业链动态数据。 与此同时，在平台建立过程中，整合了上亿的企业和多个场景数据，针对性留存源自企业、媒体平台、会议论坛、行业公众号等渠道的多维、立体化数据。 其次，华夏幸福针对不同行业、不同应用场景，开发了精准算法模型。针对不同行业，通过分析企业生命周期、资本活跃度、产品生命周期、生产线能力等影响因子，前置研判企业的投资选址需求，支持团队实现按图索骥，智慧招商。 例如，在生物医药与器械“智慧招商”产品设计之初，技术开发团队组织了30余场、100多人次的内外部专家访谈，总结出3大类、16种企业投资扩产或搬迁场景，确定决定投资选址的影响因子及权重，建立Xgboost、NLP等算法模型，大数据平台通过算法模型输出包含300多家企业的“长短名单”，经团队走访验证，30％以上的企业有明确的投资选址或搬迁意向，较传统招商模式提升5倍。 此外，平台拥有基于线下反馈的深度学习和优化迭代。华夏幸福凭借4600人的产业发展团队，从事以招商引资服务为核心的产业发展服务，在服务各个区域和不同产业的实践中，持续对大数据产品的成果进行反复验证，形成有效反馈，推动了平台深度学习，同时不断校正优化算法模型。 ·产业运营和精准化企业服务供给比较对于产业运营和精准化企业服务供给能力的评价，我们从业务场景的独特性、服务有效性、产业运营效果、平台普及率等角度对产业运营和精准化服务能力进行评价，比较而言，阿里云区域经济大脑具有更强的服务供给能力。 基于产业运营和精准化企业服务供给能力的比较阿里云区域经济大脑重在对区域经济建设发挥作用，例如在企业评估中，平台能依据企业的排污量、税收、用电量、人力等综合数据分析，对将入驻企业进行评估，为政府招商引资提供判断依据。 区域经济大脑解决了政府管理中的多处困局，包括如何能从宏观到微观对经济和企业发展状况和趋势有深入的认识；如何能全面，综合和公正地对企业进行评估；如何综合分析企业上下游和供应链关系；如何能让政府和企业的信息更透明对称；如何能融合社会力量解决企业在发展中的困难。 政府端与企业端的双向链接与沟通为平台提供了丰富的介于政府和企业互动的应用场景，应用场景是其维持竞争力的根源。 产业大数据的未来中共中央十九届四中全会的公报中，首次明确提出数据可作为生产要素按贡献参与分配，这成为推进十八届五中全会提出的实施国家大数据战略的重要一环。 随着大数据战略上升为国家战略，全面推进大数据发展和应用，加快建设数据强国，释放技术红利、制度红利和创新红利，促进经济转型升级，产业大数据平台发挥的价值将越来越大。未来发展趋势表现在三个层面： 一是“机器+人工”的平台运行流程仍将长期被使用。当前效果较好的产业大数据平台中，人工的辅助是平台搭建和运行的重要保障，由于产业发展业务的复杂性和专业性，产业大数据平台的数据标注等基础性工作也产生了更高的知识密集型人才需求。 在以数据库系统为主流的数据存储形态下，计算机可接受的用于描述产业发展逻辑的数据结构和处理能力受限，未来，基于本体的知识表示和语义推理等人工智能技术的发展将是产业大数据平台进一步智能化的可能路径。 二是行业知识仍将是搭建产业大数据平台效果的关键要素。消费大数据平台的搭建是单点突破模式，在某一点形成商业模式的创新孵化新的产品。 而产业大数据都需要不同程度的集成区域、产业、企业信息，其产品形态必然是基于业务场景的模块化形态，在与产业发展相关的领域，行业知识对产品逻辑和产品架构影响极大，不论是招商还是规划，都需要“数据驱动+模型驱动”的双重赋能，数据与机理的深度融合才能真正解决问题，以行业知识为基础的基于行业内生数据和场景化建模的业务决策辅助是产业大数据平台发展的方向。 三是政府将成为产业大数据生态的关键一环。从数据供给来看，政府数据是产业大数据平台的底层数据之一。当前，各地政府也在积极因地制宜，与时俱进探索运用大数据搭建智慧城市和智慧政务服务。 政府数据开放性和数据资源管理机制是影响政府数据供给的重要因素。同时，从服务应用来看，政府将成为产业大数据的终端客户。 大数据对人类生活的更新率先兴起于消费和社交领域，随着产业大数据平台的兴起和发展，大数据对区域治理、经济发展方面的应用价值将越来越大，基于政府业务场景，依托线上的信息共享和数据分析，立足区域特点，科学运用大数据从事经济发展服务的时代已经到来。 百花争艳才是春天，产业大数据虽在上路伊始，却已初露峥嵘，我们期待着产业大数据的春天的来临。

中商情报网讯：大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据主要应用领域包括教育、交通、能源、大健康、金融等。随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。数据显示，2017年中国大数据产业规模达到4800亿元，同比增长23%；其中，大数据硬件产业的产值为234亿元，同比增长39%。据数据显示，2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，2019年中国大数据市场产值达到8500亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。未来，大数据技术应用将进一步加深，2020年产业规模有望突破10000亿元。数据来源：中商产业研究院大数据产业发展前景随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。2020年，大数据最令人瞩目的应用领域将是健康医疗、城镇化智慧城市、金融、互联网电子商务、制造业工业大数据；取得应用和技术突破的数据类型是城市数据、视频数据、语音数据、互联网公开数据以及企业数据、人体数据、设备调控、图形图像；在数据资源流转上，会自己收集大量数据、会利用数据提供服务、会免费提供数据集、会只下载和获得免费数据集、会买数据集；大数据的最佳拍档概念是数据科学、机器人和人工智能、智能计算或认知计算；我国大数据发展的最主要推动者来自于大型互联网公司、政府机构。来源：中商产业研究院未来，人口红利将转变为网民红利，成为支撑应用驱动创新的最大因素。随着老龄化社会的到来，以往在经济发展中扮演重要角色的“人口红利”逐渐消失，与此同时，我国网民规模不断扩大，网民红利更加凸显，中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。依托庞大的数字资源与用户市场，使得中国企业在应用驱动创新方面更具优势，大量新应用和服务将层出不穷并迅速普及。更多资料请参考中商产业研究院发布的《2020-2025年中国大数据产业发展前景及投资机会研究报告》，同时中商产业研究院还提供产业大数据、产业规划策划、产业园策划规划、产业招商引资等解决方案。

中商情报网讯：大数据产业是对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据主要应用领域包括教育、交通、能源、大健康、金融等。随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，预计2019年中国大数据市场产值将达到7150亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。为了更好的了解我国大数据产业的发展，中商产业研究院特推出《2019年中国大数据产业市场前景研究报告》。《报告》从五个方面分析当前我国大数据产业概况、大数据市场现状、大数据产业应用、大数据产业布局以及大数据产业发展前景。以下是报告详情：PART1：大数据产业概况大数据产业链可以从数据源、大数据产品、大数据服务应用这三大块来讲。目前，我国的数据来源包括政府部门、企业数据采集及供应商、互联网数据采集及供应商、数据流通平台等。而大数据产品包括大数据平台、云储存、数据安全等基础软件产品；加工分析、解决方案等软件产品；大数据采集、接入、存储、传输等硬件设备产品。大数据服务方面，主要为应用服务、分析服务、基础设施服务等供应商。PART2：大数据市场分析随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。数据显示，2017年中国大数据产业规模达到4700亿元，同比增长30%；其中，大数据硬件产业的产值为234亿元，同比增长39%。2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，预计2019年中国大数据市场产值将达到7150亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。PART3：大数据产业应用从应用领域来看，目前大数据最广泛应用于金融领域。未来，随着大数据技术应用的覆盖范围变得更大，其他领域的领域将加强。其中，政府部门大数据技术应用的占比将提高至一位。在大数据时代背景下，政府数字化转型正在加速进行中，大数据技术的应用逐步加深，未来有望超越金融行业，成为大数据产业应用最方面的领域。金融领域位居第二，依然是大数据技术应用广泛的行业之一。PART4：大数据产业布局从大数据产业地图来看，当前大数据产业的地域布局中，东部沿海地区经济相对较发达，大数据产业的上市企业多分布在北京以及东部沿海地区，其中主要以北上广地区分布居多。据产业地图显示，北京市大数据产业上市企业数量最多，达到了37家。其次，广东省为21家；上海则为10家，其余省份的大数据上市企业均在10家以下。PART5：大数据产业发展前景未来，人口红利将转变为网民红利，成为支撑应用驱动创新的最大因素。随着老龄化社会的到来，以往在经济发展中扮演重要角色的“人口红利”逐渐消失，与此同时，我国网民规模不断扩大，网民红利更加凸显，中国已是世界上产生和积累数据体量最大、类型最丰富的国家之一。依托庞大的数字资源与用户市场，使得中国企业在应用驱动创新方面更具优势，大量新应用和服务将层出不穷并迅速普及。

制造业是立国之本、强国之基，从根本上决定着一个国家的综合实力和国际竞争力。2020年《政府工作报告》中提出发展工业互联网，推进智能制造：要加大发展工业互联网，推进智能制造，要继续出台支持政策，全面推进“互联网+”，打造数字经济新优势。这是工业互联网连续第三年被写入《政府工作报告》。从“打造工业互联网平台”到“发展工业互联网”，足以见得国家对于工业互联网建设的推动和支持力度在不断加大。基于疫情的严重冲击，经济亟待恢复提振，新基建的强势崛起的背景下，工业互联网作为新基建的核心要素，被赋予重塑产业体系，实现产业高质量发展的重要使命。工业互联网开启万亿蓝海在此次疫情期间，工业互联网平台充分发挥了其在数据汇聚、资源优化调度、远程操作等方面的优势，助力全国的疫情防控和企业复工复产。在两会期间，提升工业互联网平台能力也是众多代表委员的重点关注方向。搭乘新基建东风，政策红利也为工业互联网注入新动能。2月21日，中共中央政治局召开会议，要求“发挥好有效投资关键作用,加大新投资项目开工力度,推动5G网络、工业互联网等加快发展”。3月20日，工业和信息化部印发《关于推动工业互联网加快发展的通知》，明确提出加快新型基础设施建设、加快拓展融合创新应用、加快工业互联网试点示范推广普及、加快壮大创新发展动能、加快完善产业生态布局和加大政策支持力度等6个方面20项措施。5月13日，工信部发布《关于工业大数据发展指导意见》， 提出促进工业数据汇聚共享、深化数据融合创新、提升数据治理能力、加强数据安全管理，着力打造资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系。工业大数据加速深度应用工信部出台的《关于工业大数据发展的指导意见》开篇第一句就给出工业大数据的定义：“工业大数据是工业领域产品和服务全生命周期数据的总称”。工信部信息技术发展司相关负责人表示，近年来，我国工业大数据应用迈出了从理念研究走向落地实施的关键步伐，在需求分析、流程优化、能源管理等环节，数据驱动的工业新模式新业态不断涌现。响应国家号召，各类工业大数据新模型、新应用随之涌现，不少城市以应用为抓手，与业内出色企业携手，优化升级当地经济体系。江苏省泰州市作为工业强市，联合九次方大数据汇聚激活本地工业企业大数据，逐渐实现工业互联一张网，通过不同的维度进行分析建模，为政府、企业等用户提供工业大数据服务，为产业转型发展添动力，为企业科学经营增保障。在湖北省，一款安全生产大数据智能管控平台，由湖北应急管理厅与九次方的联合打造而成，通过建设基础服务平台、分析模型管理、可视化管理、可视化应用场景展示四大主体内容，实现安全监管部门“防、管、控”业务功能一体化、系统前端到后端全面智能化、事故及隐患分析预警、预测全过程管理化的目标，帮助当地政府科学化监管安全生产工作，落实企业主体责任。作为新一代信息技术与制造业深度融合的产物，我国工业互联网的发展已进入实践深耕阶段，推动工业互联网加快发展，对于抢抓新一轮科技革命和产业变革历史机遇，支撑经济高质量发展，构筑产业竞争新优势意义重大。九次方也将运用大数据激活制造业，夯实工业互联网融合创新基础，为我国加强工业大数据资源共享、技术创新开发、创新应用培育提供有力支撑。