分类：行业新闻

与有线或以前的无线设施相比，支持5G的工厂将有能力维持更多传感器的连接。

随着5G进入世界，网络运营商和制造商都表示，发挥其潜力只是时间问题。制造商尤其对新兴标准提供的增强的机器对机器功能持乐观态度。

这是今年早些时候Heavy Read与Wind River联合发布的一项针对141家网络运营商和企业的调查结果。企业受访者认为LTE或Wi-Fi无法满足他们当前的工业需求，只有12%的受访者对LTE的性能表示满意，2%的受访者认为Wi-Fi是一种有效的通信协议。显然，人们认为5G更适合工业应用。超过四分之一(28%)的人认为5G的性能优势“将迫使其使用”工业网络需要无线的地方。与此同时，他们对5G技术持观望态度。58%的大多数人表示，5G所声称的理论优势仍“需要在实践中得到证明”。

5G时代才刚刚开始，”Heavy Reading分析师、该研究的作者加布里埃尔·布朗(Gabriel Brown)表示。大多数运营商受访者预计，到2023年，5G将成为主流移动服务。相当多的企业(36%；40%的消费者)认为这将在今年年底实现。布朗指出:“移动网络架构中的这种新连接使运营商能够提供更高性能的服务——特别是低延迟服务——这在4G上是不可能或不切实际的，也无法从大型、集中的数据中心有效地提供。”

与此同时，正如普华永道最近的一份报告所证实的那样，医疗卫生事件危机可能正在加速企业对5G技术的采用。普华永道的作者报告说：“5G在进一步自动化工厂车间并将新服务融入各种产品方面的独特优势将使其成为后医疗卫生事件时代的必备品。”然而，他们表示，完全实现5G环境的好处可能需要时间。 “尽管5G承诺具有高度的可靠性，但对于任何无线系统来说，工厂车间都是一个众所周知的困难和嘈杂的环境。将5G实施为一个完全封闭的系统是可能的，但这可能意味着失去通过在云中维护关键计算过程而获得的速度和灵活性。”

可能会出现成本问题

普华永道警告说，工业5G实施也可能受到网络、传感器和修改基础架构投资所产生的成本的阻碍。

普华永道的作者继续说，这一成本需要通过5G实现的生产力提升来抵消，这可以通过仔细规划来实现。 “当集成到工厂解决方案中时，5G更快的速度、更低的延迟和更大的带宽理论上应该使公司能够增加他们的工厂；通过最大限度地减少维护所需的停机时间并加快对生产线的更改。与供应链的更大整合将减少补充零件干预措施的延误。”

Heavy Reading调查涵盖了企业中的汽车和工业部门，反映了5G推出的乐观计划。在汽车行业的受访者中，领先于互联互通的举措包括车载信息技术、导航和信息娱乐，以及驾驶自动化和大规模电气化的进展。当被问及哪种“车对一切”(vehicle-to-everything，C-V2X)应用将主导部署时，车对网络(vehicle-to-networks，简称C-V2X)应用以56%的比例领先。排在第二位的是车辆到基础设施的比例，为36%。车辆对车辆(V2V)得分几乎同样高，为35%。然而，大多数人(64%)并不认为5G对自动驾驶至关重要。

在各行各业的受访者中，大多数人认为嵌入式监控对基础设施的重要性大于对应用程序本身的重要性，也大于对获取业务洞察力的重要性。嵌入式监控最重要的用途是边缘云基础设施的“安全”，大多数(56%)受访者认为这是“极其重要的”。其次是“性能”(44%)，其次是“业务洞察力”(33%)和“应用分析”(19%)。布朗表示，认为5G在直接业务改进中有价值的比例相对较低，“意味着受访者将在应用程序和业务洞察层拥有另一种专用工具。”“然而，这些仍然很重要，而且响应并不排除边缘基础设施监控可以将数据提供给这些工具，并有助于业务洞察。”

普华永道的研究人员对5G的推出将对工业运营产生重大影响持乐观态度。”通过消除有线连接的需要，5G将以更大的灵活性补充高速制造环境。而5G功能工厂的丰富性，将有能力维护比有线或以前无线设施多得多的传感器连接，提供了连接任何东西的潜力。”

经常和企业打交道，总能听到各种各样的故事。有些在谈笑过后，难免让人心生感慨。今天我们要和大家分享的故事，源自一家大型企业。

任务：降能耗

今年7月，gongkong®️应邀赴某企业交流学习“智能制造”和“精益生产”。在会后的交流环节，公司精益部的陈工无意中谈起了这么一件事……

该企业的厂区是近几年新建的，生产线和设备全部采购自世界500强企业。在进行设备选型时，便充分考虑到了未来一段时间内设备的先进性和稳定性。

企业的能源主要来自于煤炭，是当地的高耗能企业，每年的煤炭支出更是一个以“亿元”计量的天文数字。但是即便采用了清一色的世界名牌产品，煤炭消耗仍然居高不下。

为了进一步降低企业能耗，实现节能管理，陈工所在的精益部便接到了一个重要任务：寻找合适的能源管理供应商，把能耗降下来。

叫停：能源管理难！

作为不差钱的甲方，既然设备和控制系统都是世界大厂产品，能源管理供应商也必须是同一水平。

但是“理想很美好，现实太骨感”。

首先，该企业找到了业内著名的能源管理A公司，考察之后，双方很快就签订合同，项目分两期执行，周期一年。

按计划，如果能源管理一切顺利，那么后续的数字化工厂改造升级也会交给他们。一切都在朝着既定目标稳步前行，但在方案落地时，问题出现了。

不知是事先太乐观了，还是在高耗能行业的knowhow比较少。虽然A公司派了一个小组常驻，但6个月过去了，一期还没有完成，先进的技术也不能完全落地，困难一个接着一个，直到双方对二期项目都没了信心。

有鉴于此，他们及时叫停了二期工程，只让A公司完成一期（数据采集和分析）就好。

今年上半年，他们又与业内另一家头部企业D公司签订了数字化工厂改造协议。D公司一直宣传数字化转型的一个标志就是能耗管理，但是D公司却放弃了该企业的能源管理业务。

听了他们的小故事，我们也感到非常吃惊。这两家公司在业内赫赫有名，软硬件通吃，如果连他们都不敢接，其他公司还有机会吗？这里面到底出了什么问题呢？

不擅长、不了解、不达标

国内制造业整体水平在国际产业分工中还处于中游偏下的位置，国内的节能产业大多还停留在“设备节能”，特别是设备改造节能的水平。

A、D公司都是以硬件见长，软件为辅。可是这家公司的设备已经使用的都是国际领先的了，改造设备之路不可行，只能通过工艺流程和行为管理的挖潜达到节省能源的目的，而这可能并不是A、D公司所擅长的领域。

既然A、D公司干不了，他们就把目光转到专业做能源管理和工业互联网的公司。有的公司在官宣资料上说能够为企业节约30%的能源消耗，但深度接触后，也只能是“一声叹息”。

陈工说，他们的要求并不高，初期只要有1%的节约就可以。但有的公司甚至不谈具体需求，上来先问“有没有政府补贴”。还有的虽然说得天花乱坠，有“多少个成功案例”，但谈到有1%的KPI硬核指标时，便顾左右而言他。

当下，“能源管理”已经成为工业互联网功能中的一部分，甚至有了一个更高大上的名字“全生命周期管理”。所有涉足工业互联网的公司，无一例外都会谈谈能源管理，而且涉足多个行业，可以说是“没有不懂的行业，没有做不成的事”。

如上图所示，这是一个主做工业互联网的公司所涉足的行业。可以看到他所提供的行业解决方案非常广泛。但这家公司是从3C企业孵化出来的，你能相信他们会有“飞机”、“钢铁”、“石化”等领域的知识吗？具备很强行业属性的“工业互联网”如何做？

微信图片_20210906170559.png

再来看这张截图，这是一家从工程机械领域孵化出来的工业互联网公司的广告语，如果你是企业老板，会放心地交给他们去做“工业互联网”吗？

说到这里，不禁想起来前几年的MES热，当时国家在全力推动企业的数字化转型，也投入大量资金支持。人人谈MES，家家都关注，催生了MES的虚火。有的企业甚至没有对内部的需求做好调查，就仓促上马，结果可想而知。项目完成之后也就成了摆设。

例如，一家公司投资2000万上的MES系统，只在有客户谈业务和领导视察时使用，墙上的大屏幕不断闪烁的数字，科技感十足，但对企业的帮助呢？几乎为零。

点评

针对这个真实的案例，我们特别邀请了“学习华为三部曲”作者、华为原中国区规划咨询总监——邓斌先生，谈谈他的看法。

本案例深刻勾勒出一个见怪不怪的现象——一旦某个热门话题兴起，业界瞬间冒出“行业解决方案”玩家，而且这些玩家绝大多数不是该行业的从业人士在担纲，却叫嚣着“所有的生意都值得重做一遍”。

用跨界思维来拯救这个行业？言下之意是这个被拯救的行业原有的从业者智商都太低了？但几年之后，潮退了，收拾残局的却还是原来的那群从业者，让人感慨不已。

华为是一家持续拥抱新事物的企业，但其当家人任正非有一句著名的论断：“大建议，只鼓励；小改进，大奖励”。

任何行业都有knowhow，只有摸着石头过河的人，才会越来越敬畏。我们所面对的不是PPT上的工业互联网，而是车间里的工业互联网，哪怕能耗节约1%，都是要付出极度艰辛的努力，遑论打造20个行业级平台、赋能81个工业细分领域的跨行业跨领域。

to B生意和to C生意截然不同，客户不是向我们买一瓶饮料，每一次变革和改进，客户需要搭上非常多的隐性成本，包括拥抱新技术的信心、把握战略机会的时间窗、因变革而影响原有业务的平滑度等等。客户如此重托，我们唯有战战兢兢，求真求实，敬畏行业，敬畏客户，敬畏专业。

——邓斌

在文章结束时，那家公司依然在寻找能源管理供应商。而那些做工业互联网和能源管理公司的网站上，也用大大的Slogan告诉我们，“只有你想不到，没有我们做不到的”。

近年来，TSN（Time-Sensitive Networking）时间敏感网络技术开始逐渐被越来越多人所认知，一时间也成为业界热议的高频词。工业通信经历了从串口通信，现场总线到工业以太网，到如今的新一代开放式工业网络TSN。

顾名思义，TSN是一种注重“时间”的技术，本质上来说，它为以太网增加了更大的确定性，这也是TSN能够在市场上脱颖而出的主要原因。

TSN技术应运而生

众所周知，市场上有多种工业以太网协议，被普遍采用的实时工业以太网主要有EtherCAT、PROFINET、POWERLINK、CC-Link等，这些协议都是在标准以太网的基础上修改或增加了一些特定的协议以保证实时性和准确性。但是这些都是非标准以太网，在易用性、互操作性、带宽和设备成本上均存在不足。

由此，TSN应运而生。TSN，即在非确定性的以太网中实现确定性的最小时间延时的协议族，是由IEEE 802.1 TSN任务组制定的一系列IEEE 802以太网子标准集。

知乎上对TSN技术有个贴切解释：

“想象在一个广阔的球场上东西两侧各有一个以太网连接的扬声器，扬声器中间可能经过多个交换机设备，当主持人讲话时，我们希望两个扬声器能够同时发声，而不会出现一前一后叠音的情况；进一步的，即使同个网络拓扑中还有其他应用在使用流量，我们也希望两个扬声器的效果是稳定的。”

正因其符合标准的以太网架构，具有精准的流量调度能力，可保证多种业务流量的共网高质量传输等技术及成本优势，TSN技术开始从最初的视频音频数据领域延伸至工业领域、汽车领域，成为下一代网络承载技术的演进方向之一。

图片源自《时间敏感网络（TSN）产业白皮书》

● 视频/音频传输

为最大限度提供实时性，图像、音频通过TSN实现高实时的传输与处理，满足对带宽和实时性的需求。

● 汽车驾驶

在汽车控制系统中，用支持低延时且具有实时传输机制的TSN进行统一管理。可以降低给汽车和专业A/V设备增加网络功能的成本及复杂性。

● 工业物联网

工业物联网是未来TSN应用最广泛的领域之一，所有需求实时监控或实时反馈的工业领域都离不开TSN网络。如机器视觉、AR/VR、深海石油钻井等等。

业界对TSN的持续探索

究其根本，物联网应用需求的激增是近些年TSN火爆的重要原因。国际上有大量组织、自动化厂商参与其中，致力推动TSN技术的落地应用。

● 2016-2017年，TSN应用于工业物联网领域的核心功能逐步完善，随后多家自动化厂商宣布了对OPC UA和TSN的支持，并加入相关国际组织，包括ABB、贝加莱、Bosch Rexroth、GE、NI、KUKA、Phoenix、Schneider等。

● 2018年，CC-Link协会就发布了融入TSN技术的开放式千兆工业网络CC-Link IE TSN，它是为数据化、智能化制造发展量身定制的新一代网络，完美融合了TCP/IP网络，现场总线和实时通讯，它与交换机的组合帮助客户轻松实现构建起整厂级别的管理系统。如三菱电机、软赢、德国赫斯曼等均宣布推出支持CC-Link IE TSN的工业产品。

● 2019-2020年，TSN标准完成并实现商业化。根据预测，TSN市场规模到2024年将超过6亿美元，年均复合增长率53.8%。交换机将成为引领TSN发展的重要单品。工业物联网中越来越多的实时通信需求成为推动TSN市场发展的主要动力。

近年来，国内厂商对TSN技术的关注度持续提高，积极推进TSN的发展落地。2017年起，包括华为、Moxa、新华三在内的多家通信设备厂商已经研发出或正在研发TSN相关网络设备，包括交换机、网关及通信模块。此外，一些自动化厂商开始积极向TSN技术靠拢，推出TSN技术相关的工业产品和设备。

华为：早在2018、2019年的汉诺威展上，华为就展示了OPC-UA TSN测试床，并在其中提供了TSN交换机；

MOXA：2018年德国SPS展，MOXA展示了TSN测试床，同年的IIC联合测试床中展示了TSN交换机；

新华三：2019年4月，新华三在“领航者峰会上发布了TSN交换机产品。

研华：研华发布EKI-8500G交换机，采用TSN专用芯片设计，具备时间同步、优先流量调度、时间感知整形器、高可靠的冗余资料传输四大核心特色。

东土科技：在精密时钟同步、守时、授时、时间管理等自主研发创新技术的支撑下，东土科技推出自主研发的全新系列TSN工业网络产品，涵盖芯片、交换机、终端、交换软件平台、CNC及边缘通用控制器等。

5G+TSN技术成关注焦点

如今，TSN已经不再是一个概念性项目，而是已经成为被行业组织认证的可广泛使用的标准。然而，任何新兴技术从兴起到爆发都要经历一个时间磨合与验证的过程，TSN技术尚且如此。目前，在工业应用领域，从芯片厂商到产品开发商、终端用户，TSN已经开始了测试、验证，离全面落地或许仅一步之遥了。

有人说，5G时代的加速到来会成为推进TSN技术全面落地应用的催化剂。的确，5G系统的灵活部署与TSN的精确时间同步、有界时延等特性，能更有效解决工业现场环境复杂多变的情况。

从国际上来看，已经有行业龙头企业开始布局推动5G、千兆网络、TSN在工业领域的融合应用。如西门子宣布将TSN列为未来重要的通信技术，其“工业网络专家计划”更是将5G+TSN列为打造数字化工业生态的重要手段；三菱电机的具有无线应用能力的工业网络“CC-Link IE TSN”率先将千兆以太网带宽与TSN相结合，实现了IO和OT的实时无缝融合。

可以看出，未来5G+TSN融合发展趋势将为未来工业通信网络打开一扇新的窗口。相较于之前的现场总线等概念的推进速度，TSN已经发展的非常迅速了。短期来看，TSN技术在工业领域全面落地普及尚需时日，市场接受及培育同样也需要一个过程，长期来看，随着关键技术的突破和应用场景需求变化不断演进升级，TSN技术在万物互联时代所创造的价值不可估量。

本文参考：工业互联网产业联盟《时间敏感网络（TSN）产业白皮书》

尽管目前消费领域中连接的物联网设备数量超过工业领域，但工业物联网投资在跨行业解决方案以及满足特定行业需求的设备方面增长强劲。

Reply的最新研究《工业物联网：现实检验》探索了推动工业市场物联网增长的两个关键领域：智能工厂和智能运输与物流。

通过连接机器和工具，工业物联网(IIoT)使制造公司能够实时提高其生产的可见性。工业物联网设备产生的大量数据构成了优化生产、提高交付质量、引入预测性维护、供应链自动化等的燃料。

Reply技术官Filippo Rizzante解释说：

“没有工业物联网，工业4.0就不可能存在。数据是工业世界中所有“智能”用例的燃料；工业物联网是保证基础设施收集数据、将数据发送到云端并管理反馈后分析的关键要素，所有这些都是企业收益良性循环的一部分。”

市场增长

由于使用专有的Trend Sonar平台收集的数据以及Teknowlogy Group提供的支持，这项研究还研究了智能工厂和智能运输与物流的主要市场，分为两个集群：“欧洲五国”（德国、意大利、法国、比利时和荷兰）和“大五国”（美国、中国、印度、巴西和英国）。

尽管2020年的经济环境不佳，但这两个集群在智能工厂以及智能交通和物流领域的投资都出现了小幅增长，预计到2025年将有更大幅度的增长。总体而言，以美国为首的“大五”(Big-5)集群的智能工厂市场预计到2025年将超过860亿欧元，在平台、预测解决方案和远程监控方面有强大的投资。智能运输和物流市场预计将超过150亿欧元。另一方面，在“欧洲五国”集群中，所有国家的智能工厂市场预计将增长近两倍，在上述五个国家的总规模将超过230亿欧元，其中德国领先。平台将经历指数级增长，企业将投资于更好地管理质量和降低成本。德国还将继续在智能交通和物流领域保持领先地位，但集群中的其他国家仍将看到显著增长。预计到2025年，该集群的总价值将达到36亿欧元。

5G和边缘计算的驱动力

在电信公司大规模投资的推动下，低成本传感器和5G网络的采用将进一步促进工业物联网的扩散。例如，自动驾驶汽车/机器人、人工智能和机械之间的通信得到改善，加上计算能力的提高和极低的延迟，预计不仅会提高工厂的效率，还会提高它们的安全性。此外，创建高密度专用网络的能力将有助于工业物联网的更广泛部署，以及大量传感器、机械、车辆和机器人的连接，并通过更多地使用增强现实和虚拟现实来支持“互联工人”。

网络安全是关键因素

连接设备的不断增长及其异构性需要对设备和网络的设置和维护策略进行大胆的安全管理。根据其经验，Reply认为组织需要采用微分段环境（本地或基于云的），这些环境稳定并准备好对传统和新的危险技术和技术做出反应，从而降低发生风险的可能性。新型攻击将获得成功。对物联网架构、工业组件和整个基础设施的分析将帮助公司提前消除现有的差距、漏洞和威胁。但这不仅仅是一个技术问题：针对员工的培训计划以及对所有使用的设备的研究和持续测试也至关重要。

从工厂到消费者

如果近年来采用和使用工业物联网技术，首先是为了提高工厂和物流中心的效率，那么在大流行期间，新投资主要用于提高工人安全。然而，长期趋势预计将直接涉及最终消费者。所谓“互联产品”的成功，实际上是加速对解决方案的投资，在这些解决方案中，使用数据的收集和处理不仅涉及生产机械，还涉及成品的使用。物联网连接产品的设计、生产和分销流程的重新设计能够创造增值服务，并促进远程更新和维护家用电器、汽车、机器人、电子产品和娱乐设备的能力。

两周前,造车的特斯拉突然成为了机器人圈内的热点,马斯克在特斯拉AI Day的结尾以一个彩蛋的形式宣布特斯拉正在开发的人形机器人,立时引起人们的热议。马斯克提到,这款人型机器人最早会在2022年投放市场,而就机器人行业发展现状来看,这无疑又是一个激进的目标。

上周,特斯拉公开招聘与机器人相关的职位,包括机械工程师-执行器集成、机械工程师-制动器齿轮设计、高级人形机电机器人架构师、高级仿人建模机器人架构师。而在9月1日,特斯拉又发布了8个与其人形机器人Tesla Bot的相关的招聘岗位。特斯拉连续几次发布招聘,确实有了实干的气氛。

无论马斯克的人形机器人制造计划能否如期完成,马斯克作为科技创新界的顶流,都再一次把智能机器人推到了大众面前,引起更大范围的讨论。机器人的发展现状究竟如何?走向未来的机器人又还需要克服怎样的关卡?

从想像到现实

机器人,作为人工智能的技术代表,也是当前所有先进技术中最特殊的技术。

事实上,“机器人”一词,从诞生开始就超越了科学技术的范畴,进入社会心理的视野,成为百年来大众文化消费中的主要题材之一。在数千年前的神话故事、文学想象中的机器人形象身上,人们可以寻找到人类对机器人的情感变化历程。这也是人机关系形成的线索之一。

在古希腊罗马时期,原始机器人以活雕像和各种“神奇”的机器的形态存在:只要往石雕的狮身鹰头张开的大嘴里扔进八枚硬币,“圣水”便会自动从石兽的眼睛里流出来。祭司在庙宇前点燃圣火,庙宇的大门便会按照现代工程师的说法“自动”开启。亚历山大城的赫龙和希腊时代的其他机械师们制作的雕塑,常常成为迷信祭祀的偶像。

关于机器人的“可靠”的记载,最初出现在著名的荷马史诗《伊利亚特》里。其中,荷马描绘了一个黄金做成的女人帮助炼铁神赫淮斯托斯的故事。显然,对于现代工业机器人祖先们的故事,常常带有浓厚的神话传奇色彩。这与其说是在记载事实,不如说是人类的一种美妙幻想。

在技术不断追逐人类想象的历史进程下,1939 年纽约世博会上首次展出了由西屋电气公司制造的家用机器人Elektro,但它只是掌握了简单的语言,能行走、抽烟,并不能代替人类做家务。

20世纪40-50年代,美国许多国家实验室进行了机器人方面的初步探索。1954年,美国的 George Charles Devol设计并制作了世界上第一台机器人实验装置,发表了《适用于重复作业的通用性工业机器人》一文,并获得了专利。机器人终于从想像过渡到现实,并开始了发展。

进入80年代后,随着计算机、传感器技术的发展,机器人技术已经具备了初步的感知、反馈能力,在工业生产中开始逐步应用。工业机器人首先在汽车制造业的流水线生产中开始大规模应用。随后,诸如日本、德国、美国这样的制造业发达国家开始在其他工业生产中也大量采用机器人作业。

近年来,机器人产业取得了前所未有的“大跃进”,朝着越来越智能的方向发展,多种传感器得到的信息在机器人中进行融合,使得机器人越来越能够有效的适应变化的环境,具有很强的自适应能力、学习能力和自治功能。

随着劳动力成本的不断提高、技术的不断进步,各国陆续进行制造业的转型与升级,出现了机器人替人的热潮。同时,机器人技术发展日新月异,服务机器人也开始走进普通家庭的生活。世界上许多机器人科技公司都在大力发展机器人技术,机器人的特质与有机生命已经越来越接近。

工业机器人正领航发展

机器人是综合了机械、电子、计算机、传感器、控制技术、仿生学等多种学科的复杂智能机械。根据不同的应用领域,又可大致分为工业机器人、服务机器人和特种机器人三类。其中,工业机器人占比最大,是智能制造行业发展的重要推动力。

考察过近代工业制造的发展历程,就足以理解机器对加工制造业的意义之重。1784年,蒸汽机的诞生成为第一次工业革命的里程碑,蒸汽机被可靠地使用,产生了新一代的蒸汽动力引擎,带动了第一次工业革命。

结合了工、技、贸,的“科技化+工业化”,奠定了工业时代成功的基础。同样的,在今天,科技化与工业化的结合也会促进新一时期工业时代的发展。在以信息化、数字化为特征的新兴技术里,工业机器人的力量也不可小觑。

工业机器人已经成为智能制造的关键一环。究其原因,对于工业机器人来说,能够协助解决制造过程中的问题是首先要考虑的。或者说,正如过去的任何一次工业革命中,机器对生产率的提高一样,工业机器人最大的贡献是在于对制造业生产力的改善而不是机器人自身的获利。

工业机器人的智能部分可以以“代理”的方式来看——任务分配至控制系统的底层进行处理,加上传感器、视觉影像、逻辑控制与通信共同协作而达成底层级(或称为核心层)的精简有效的控制系统。系统里众多的“代理”相互沟通进而产生了一个群体智能。

这个群体智能可以应用在各种各样的生产活动中,可以是在不同的单品生产线中,也可以在不同的生产规模中,包括使用在一些柔性生产线上。将工业机器人应用到工业生产线上,不仅可以提高生产效率,还可以改善工作环境,保证工人的生命安全,同时减少原材料的损耗,从源头降低了工业成本。

对于中国来说,当前,工业机器人发展似乎风头正劲。工业和信息化部发布的《2020年1-12月机器人行业运行情况》显示,2020年累计生产工业机器人23．7万套,同比增长19．1%,创下中国工业机器人单年产量最高纪录。

根据国家统计局发布的消息,2021年1-2月份,全国规模以上的工业机器人产量4．54万套,同比增长117．6%,创下历年同期新高。中国制造向“中国智造”升级中,机器人正在扮演着越来越重要的角色。

工业机器人得以发展,根本上是由于技术进步规模效应带动工业机器人价格下降。工业机器人发展的初期阶段,高昂的价格一度是阻碍众多中小企业购置设备、建设智能化生产线的主要因素。随着国产工业机器人带来的市场冲击,制造技术的进步和制造成本的快速下降,工业机器人近几年价格呈现明显的下降趋势。

此外,制造业方面,人力成本正在不断提高,对劳动密集型产业造成明显冲击,企业为压缩成本转向更经济的生产模式,机器换人成为大势所趋。同时,适龄劳动人口下降,人口红利消失倒逼产业发展。这意味着,未来中国适龄劳动人口占比仍将处于较低水平,对产业自动化发展产生迫切需求。

在多方面影响下,工业机器人自然也就呈现高速发展的态势。

在机器人赋能百业之前

机器人替代人工生产是制造业重要的发展趋势,是实现智能制造的基础,也是未来实现工业自动化、数字化、智能化的保障。尽管当前中国工业机器人在制造和工业设施领域的应用变革势头迅猛,但无论是从制造业方面还是应用方面来看,中国工业机器人与发达国家之间依然存在较大差距。

从制造方面来看,工业机器人是沿着把自动化作为底层技术,再走向数字化、网络化、智能化发展的脉络,越往上走,越需要芯片、软件和算法的助力。而即便自2010年起中国的制造业产值就已超过美国,规模发展水平较高,但质量效益并不高,仍然有很大的提升空间。

时下,发达国家的工业机器人制造已经进入到了智能阶段,而中国还处于入门阶段。据《第一财经》报道,国产工业机器人凭借性价比、渠道等优势,已经占据了国内很多细分领域的大部分市场,但在关键技术、材料、零部件等方面还是与国际的先进水平有一定差距。

新安装的机器人中,有71%的零部件皆来源于国外,国产化率不足30%。其中,在上游最重要的三大零部件——减速器、伺服电机和控制器中,国产化率分别约为30%、22%、35%,相对较低,在产品精度、稳定性等方面依旧存在很大成长空间。

同时,中国工业机器人同质化十分严重。现阶段,很多工业机器人品牌的产品在性能、外观、技术甚至是营销手段上都呈现出相互模仿的现象,就连各个厂商研发产品的核心技术和生产目的都是一样的。因此,纵观现在的工业机器人市场,几乎没有什么表现突出、具有一定竞争力的机器人产品。

在应用方面,发达国家的工业机器人已经有一套完整的设备应用在工业生产线上,并且在运用工业机器人方面已经十分熟练,甚至于不需要配备专门的工业机器人操作人员,就可以使工业机器人完成其运行,而中国的工业机器人应用还需要配备专门的工业机器人技术操作人员,来辅助完成操作。

日本在十九世纪二十年代工业机器人就已经普及,但目前为止,中国工业机器人的发展仍处于初级阶段,正面临着向高端转变,承接国际先进制造以及国际分工等重大挑战。

工业机器人的不断发展创新对从业人员提出了更高的要求,而该领域的人才供需失衡的矛盾正日益凸显。在制造方面,伺服电机、控制器、减速器成为制约中国工业机器人产业的主要瓶颈,而中国这方面的技术人才极为匮乏。在应用方面,相应操作维护、系统安装调试、系统集成等工业机器人应用人才缺口很大。

种种迹象表明,机器人大规模走进生产和生活已经不再是科幻片中的假象场景,正在和必然成为现实。以工业机器人为首,在克服诸多障碍和关卡的未来,机器人还将赋能百业,面目全新。

环顾四周，你可能就会意识到人工智能已经变得很重要。无论是面部识别摄像头还是语音助手，人工智能已经实现了这一切。这为人们对AI芯片究竟是什么以及它与其他芯片的不同之处的充满了好奇。此外，人工智能芯片市场被高度重视的事实更成为人们为什么应该了解人工智能芯片的一个重要因素。

首先，人工智能芯片是专门的硅芯片，它结合了人工智能技术，用于机器学习。企业组织严重依赖人工智能芯片的主要原因之一是，越来越需要更高效的系统来解决数学和计算问题。此外，庞大的数据量也需要一种有效的方法来计算问题。因此，专注于开发AI芯片和应用程序的主要关键参与者也就不足为奇了。

除此之外，量子计算的出现以及人工智能芯片在机器人领域的应用增加，带动了全球人工智能芯片市场的密集增长。

AI芯片是专门为基于人工神经网络(ANN)的应用设计的加速器。人工神经网络是人工智能领域，包括人工神经元层，这些人工神经元是受人类神经元工作方式启发的数学函数。谈到AI芯片的硬件基础设施，它包括计算、存储和网络三个部分。说到AI芯片相对于其他通用硬件的优势，就不能不提AI芯片的计算速度。除此之外，专用 AI 硬件具有高带宽内存这一事实也不容忽视。

人工智能芯片市场背后影响最大的一些因素是——智慧城市的发展、智能家居需求的增加、量子计算的出现、对人工智能相关初创企业的投资大幅增加以及缺乏熟练的劳动力。这些因素共同推动了人工智能芯片市场的发展。

现在，让我们谈谈感兴趣的主要话题——是什么让AI芯片在今天如此重要？很明显，深度神经网络驱动的解决方案构成了大多数商业AI应用。不仅如此——这些应用的重要性和数量多年来都呈指数级增长，未来也可能会继续保持同样的趋势。所有这些最终都为未来几天整个市场收入的大幅增长铺平了道路。

下一个要解决的问题是——评估AI硬件时应遵循的标准是什么？为此，始终可以选择依赖云提供商，但这并不总是有利的，因为所有这些过程都与巨额成本相关。就初步测试而言，绝对可以依靠云。

归根到底，一切都归结为——人工智能正在迅速发展，并迅速成为我们生活中的重要组成部分，无论是在家庭还是在工作中。在这一切之中，人工智能芯片领域的发展将迅速适应我们对技术的巨大依赖。

物联网一直是数字时代十分受关注的趋势之一。今年，随着疫情大流行的出现改变了我们的生活和工作方式，从而使得物联网具有了新的突出地位。

当我们迎来2021年并准备告别动荡的一年时，让我们展望未来以及将推动未来业务和技术变革的IoT趋势。

在2021年，企业将开始意识到IoT不仅是一种炒作或另一个流行语，而且是一种具有真正改变行业潜力的技术。利用来自多个行业媒体的洞察力和我们自己的内部业务专业知识，我们确定了以下预计在2021年看到的与IoT相关的主要趋势。

首先，仍然是关于“边缘”

如果你涉足物联网世界，你可能会想，“过去几年中这不是趋势吗？”嗯，是的，并且有充分的理由。

使用边缘计算，无需在网络上将数据发送到集中式数据中心，而是在网络边缘进行处理和分析，从而减少了传输时间和延迟。这样就可以近乎实时地访问和分析数据，这是许多需要快速响应的组织的诱人驱动力。边缘计算还减少了带宽成本，因为在源头执行了信息处理，从而减少了到集中式数据中心的数据流量。

尽管不是什么新事物，但由于5G的兴起，全球连接设备的增加以及生成数据的增长，边缘数据处理的重要性可能会继续增长。

第二、远程操作用例的增加

为了应对COVID-19大流行，许多制造商、分销商、公用事业和制药公司不得不调整其策略并快速跟踪其数字化转型工作，以适应需要远程工作的新法规。

以前未连接的资产已连接起来，以实现远程操作和继续服务客户。预计到2021年，我们将继续看到IoT等技术用于与设备和资产远程监控相关的用例的采用率的增长。

第三、预测性（非反应式）维护

根据Vanson Bourne研究报告，过去三年中有82%的公司经历了计划外的停机时间，停机时间造成的损失可能很高，估计相当于每小时损失25万美元。

从历史上看，维护是针对故障做出的反应性维护，尽管最初是十分便宜的解决方案，但这可能是最不利于财务的方法。此后，许多组织采用了预防性维护程序，该程序依赖于设备的定期计划维护。

预测性维护是利用从控制系统和连接的传感器收集的数据的新方法。有了正确的数据，企业可以跟踪设备和机械磨损的关键指标，以预测和预防计划外的停机时间以及昂贵的维护费用。

在2021年，我们将看到战略向预测性维护的更大转变，以改善运营并优化成本。

第四、物联网助力数字孪生

数字孪生理论于2002年首次被概念化。数字孪生是过程、对象或系统的虚拟表示，其功能与现实生活中的对象相同。我们期望随着互联资产的增长，数字孪生也将获得牵引力，以数字孪生格式可视化来自互联传感器的所有数据点，从而可以更全面地了解物理对象的性能并提供对潜在问题的见解。

第五、更高级的数据分析

物联网的真正好处不会仅来自数据，而在于可以产生有用见解并帮助企业做出明智决策的明智分析。

随着生成的数据量的增加，分析将变得更加重要，由人工智能和机器学习驱动的高级解决方案将改善对大量和各种数据结构的处理。

随着数字化转型的深入发展，工业制造业转型升级需求日渐升级。新一代信息技术创新发展正加速向实体经济渗透融合，工业互联网作为驱动数字化转型、支撑制造业高质量发展的重要抓手。

2021年初，工信部印发《工业互联网创新发展行动计划（2021-2023年）》，进一步确定未来三年工业互联网发展目标。自2012年，美国通用电气公司（GE）发布《工业互联网：突破智慧与机器的界限》白皮书中，首次提出工业互联网这一概念以来，逐渐在全球掀起探索应用之风。

数字化浪潮下，国内外工业互联网发展现状如何？工业互联网安全问题如何破解？

全球工业互联网发展现状

在国际经济开放融合的背景下，随着5G网络、人工智能、大数据等新兴技术的发展，全球工业互联网平台保持高速增长态势。据咨询机构IoT Analytics的统计,2019年全球工业互联网平台（包括物联网平台）公司数量达到620个，各类企业围绕工业互联网平台的参与热情和布局力度持续高涨。

制造巨头凭借已有工业积淀拓展平台市场

制造巨头凭借主机厂优势,打开工业互联网平台市场。西门子MindSphere平台和通用电器Predix平台从关键通用设备入手，借助在底层工业装置的数据采集、工业知识的封装和复用、信息资产建模等方面的优势，基于自有系统，实现工业现场设备、工业数据、企业运营数据、人员及其他资产的相互连接；

库卡KUKA Connect平台、安川电机MMcloud平台、霍尼韦尔Sentience平台等通过机器人、机床等设备优势，开展工业设备数据的深层次采集，为各家企业提供状态监控、设备维护提醒、实时故障发现等产品增值性服务。

工业互联网平台对不同工业场景形成适配

IT优势企业以数据算法、通信连接等为切入点,探索工业应用场景。在数据算法方面，以微软、亚马逊为代表的互联网巨头为平台提供各类大数据、人工智能通用算法框架和工具，与工业企业客户联合进行研发，形成可视化管理、质量分析优化、预测性维护等工业解决方案；

在底层连接方面，思科等通信巨头也开始将平台连接和服务能力向工厂内渗透，从各种工业以太网和现场总线中获取实时生产数据,支撑形成工业智能应用。制造企业以行业领域深耕为基础，打造行业领域竞争力；

在电气领域，ABB、菲尼克斯电气、施耐德电气以电力电气、自动化行业为主，提供端到端的工业数字化解决方案；

在工程机械领域，卡特比勒、小松、日立等平台面向工程机械领域资源调配、设备运维、供应链协同方面的需求，提供设备预测性维护、备品备件管理、智慧施工、互联网金融等能力。

数据驱动的工业互联网平台应用更加活跃

数据连接方面，Sieraa Wiless、Telit、Device Insight等M2M通信领域公司充分发挥在数据连接方面的技术优势，结合工业互联网平台，帮助工业企业实现资产的远程连接和在线管理；

数据分析方面，Uptake、 C3IoT、Mnubo、Particle等国际工业互联网、物联网公司将工业大数据、人工智能技术与工业互联网平台进行深度结合,满足工业领域日益深入的数据分析需求；

数据应用方面，日立Lumada、东芝SPINEX、富士机械NEXIM平台基于数据改善生产制造过程，优化自身价值链和降低运营成本。

此外，制造企业与软件企业的战略合作促进了数据的深度应用，PTC与罗克韦尔合作推出ThingWorx，提供面向生产过程可视化的数据汇聚和高级生产分析功能，帮助管理者直观地了解工厂运行状态。

国内工业互联网发展现状

2020年，我国工业互联网平台初步展现多元化发展态势，覆盖原材料、装备、机械、消费品、电子、交通等多种行业及场景。工业互联网平台应用与创新走深走实，在行业和区域中赋能工业数字化转型效果逐渐凸显，充满活力的产业生态体系加速形成。

工业互联网平台应用由政策驱动转向市场主导

随着工业互联网平台、网络、安全等配套政策趋于完善，工业互联网平台的发展与应用已经成为工业企业构建网络化协同、规模化定制、服务型制造等新模式、新业态、新动能。

海尔COSMOPlat平台打造了包括大数据、供应链、协同制造、智能维保等170多个专业解决方案，覆盖房车、建陶、纺织、模具、机床、农业等15个行业生态。

阿里云通过SupET “1+N”工业互联网平台，为100余家中小信息化服务商、大数据创新企业和信息工程服务企业提供服务，实现云端工业APP 一站式开发、托管、集成、运维和交易。

航天云网INDICS平台以云制造为核心，立足航空航天领域，面向电子信息、工程机械、汽车制造等行业提供应用服务。

树根互联“根云”平台提供快速物联、设备预测性维护、配件预测管理、大数据AI等能力，与行业巨头联合打造“机床云”、“纺织云”、“3D打印共享云”、“空压机云”、“电机云”、“注塑云”、“筑工云”等数十个垂直行业云平台。

新一代信息技术为工业互联网应用落地提供新场景

大数据、人工智能、5G、区块链等新一代信息技术日趋成熟，涌现出更多“平台+新技术”的创新解决方案。

东方国信Cloudiip平台、富士康“工业富联”平台、紫光云引擎“芯云”平台等通过“平台+5G”融合应用，实现高可靠、低时延、高通量的数据集成，催生数字化工业灵活组网、智能终端远 程控制、全场景运营优化等模式；

中国电信工业互联网开放平台、杭州汽轮工业互联网服务平台等开展“平台+4K/8K高清视频”融合探索，实现高精度、异构图像视频数据分析，催生智能产品检测、设备远程运维等模式；

华为FusionPlant平台、中兴ThingxCloud兴云平台等通过“平台+VR/AR”融合应用，实现三维动态视景快速生成与分析，催生人机协同工 作、产品自动化分拣、产品设计可视化等模式。

面向特定行业领域的系统解决方案成为应用聚焦点

工业互联网平台在各行业领域中应用的深度和广度不断拓展，平台产业链图谱更加完善。行业龙头围绕行业痛点挖掘深度应用；

在石化行业，石化盈科面向生产过程复杂、生产工序间耦合度高的流程行业，开发基于ProMACE工业互联网平台的生产计划、调度、操作全过程管控方案；

在工程机械行业，徐工集团、三一重工、中联重科等国内企业和Uptake等国外企业以远程运维为切入点，日本小松以智慧施工为切入点，加速推动工程机械行业向设备维护智能化、综合解决方案“交钥匙化”方向加速转型；

在汽车行业，北汽新能源打造了“北汽云”京津冀地区产业协同工业互联网平台,形成汽车个性化定制、质量大数据分析、车联网等解决方案。部分企业发挥协同优势整合产业链上下游资源。

在国内外工业互联网企业中，有传统的制造业类型企业、有互联网企业、IT软件类企业等，对于互联网平台这一新兴事物，各类“派系”的企业都在争相驶入这一热门赛道，并企图从中攫利，入局者各有各的优势，也各有各的短板，未来，工业互联网平台的发展依然是多元化态势，在各类企业创新应用与探索中不断推进工业互联网加速落地融合。

工业互联网安全仍是重中之重

工业互联网由网络、平台、安全三大功能体系构成，其在赋能和服务制造业转型升级的同时，又是业务交互的桥梁和数据汇聚分析的中心，联结全生产链各个环节实现协同制造，平台高复杂性、开放性和异构性的特点加剧了其所面临的安全风险，加强其网络平台的安全保障迫在眉睫。

CNCERT发布的《2019年我国互联网网络安全态势综述》指出，我国根云、航天云网、OneNET、COSMOPlat、奥普云、机智云等大型工业互联网平台，持续遭受来自境外的网络攻击,平均攻击次数达90次/日，较上一年（2018年）提升了43%, 攻击类型涉及远程代码执行、拒绝服务、Web漏洞利用等。

《工业互联网平台 安全白皮书（2021）》（以下简称“白皮书）通过对我国典型工业互联网平台现有安全能力（工业数据、工业应用层、工业云平台服务层、工业云基础设施层、边缘计算层五个层面）进行调研，结果如图：典型工业互联网平台安全能力侧重点与薄弱点

对此，白皮书针对边缘计算层、工业云基础设施层、工业云平台服务层、工业应用层和平台数据五大防护对象，提出工业互联网平台的安全防护思路。

工业互联网平台安全防护对象

● 通信安全：采用密码技术保证通信过程中敏感数据的完整性和保密性；对登录工业互联网平台的用户进行身份鉴别，实现用户身份的真实性、合法性和唯一性校验；对接入工业互联网平台的设备进行认证，形成可信接入机制；在工业互联网平台内部不同网络区域之间，及平台与外部网络之间部署防火墙、软件定义边界（SDP）等边界防护产品等。

● 系统安全：对工业互联网平台不同虚拟域、服务和应用都采用严格的隔离措施安全隔离；应用可信计算技术，基于安全芯片，对工业互联网平台设备及软件进行可信加固；要定期检测漏洞，发现漏洞及补丁未及时更新的情况，并采取补救措施；在工业云平台部署DDoS防御系统，保证平台服务的可用性和可靠性；对工业互联网平台设备固件及操作系统施加防护，提高其抗攻击能力等。

● 应用安全：工业应用在投入正式使用前，应进行安全性测试，尽早找到安全问题并予以修复；提供API全生命周期管理，包括创建、维护、发布、运行、下线等，对平台微服务组件接口进行安全测试和安全加固；确保工业云平台服务层应用开发框架、工具和第三方组件的安全；对工业软件、服务的行为进行安全监控，通过行为规则匹配或者机器学习的方法，识别异常，进行告警或阻止高危行为等。

● 数据安全：对工业互联网平台敏感数据、用户及设备的鉴别凭证数据（例如密钥等）、资源及应用访问控制策略等的存储和传输利用密码技术实施保护；对工业互联网平台关键数据、资源及应用制 定访问控制策略；备份恢复等技术手段。

当然，健全工业互联网平台的安全体系建设，不光是企业层面需要多做努力，还需要政府方的规范引导与统筹协调。

● 一是完善工业互联网平台安全政策要求，指引发展。充分汇集产学研各界工业互联网平台的安全诉求，制定发布工业互联网平台安全防 护相关政策文件，进一步明确平台安全主体责任、安全管理、安全防护、安全评估与安全测试等要求，指导、敦促企业做 好平台安全保障工作。

● 二是制定工业互联网平台安全技术框架、评价指标体系等基础共性标准。组织推进平台边缘计算安全、设备接入安全、工业微服务与接口安全、平台数据管控、应用和数据迁移等关键技术标准制定。健全工业互联网平台安全标准体系，规范发展。

● 三是加快培养工业互联网平台安全复合型人才 。加大力度培养边缘计算、云计算、工业微服务组件、工业应用、大数据等方向的安全专项人才，加大对技术研发和成果转化的支持力度，鼓励高校、科研院所、安全企业、平台企业和工业企业联合开展工业互联网平台安全复合型人才培育。

经过大量的实践与理论探索，工业互联网已经逐渐从概念走向落地推广阶段。工业互联网仍有无限的潜力与价值等待释放，需要产业界、政府等共同推动，把握数字化转型与第四次工业革命的历史机遇。

资料来源：国家工业信息安全发展研究中心、工业信息安全产业发展联盟工业互联网安全系列研究报告——《工业互联网平台 安全白皮书（2020）》

5年过去,曾经击败了人类的AI,在走入商业世界的过程中却并不那么顺利。

当人工智能走出实验室,走进生产车间等实际场景的过程中,依然面临着巨大挑战。

AI泡沫本质上是价值支撑不足

与巨头创始人或投资人对AI的种种畅想形成鲜明对比的是,智能场景往往只存在企业的PPT里。

之所以要一边烧别人的钱,一边拿别人的钱去烧,本质是AI公司的实际业务撑不起估值。

落地慢、场景窄、商业化需要时间,拿了大额融资的AI公司要撑起估值,回应资本的期待,只能靠投资别的企业来完成。

从当前资本市场的情况来看,人工智能的大风依然强劲,但相比此前在舆论场的一呼百应,AI概念的严肃性已经在很大程度上被消解,AI泡沫的论调频频出现。

AI泡沫论的出现,很大程度和厂商的浮夸营销有关。当各种产品的宣传物料上写的全是[AI],却没几个让人真正感受到技术的作用,很难不让人觉得这是个伪风口。

国内企业AI落地现状

根据埃森哲《中国企业人工智能应用之道》面对全球企业高管的调研显示:高达79%的中国企业高管认为,他们必须借助人工智能来实现业务增长目标。

但其中,有52%的中国企业高管人员坦言,人工智能试点容易,但当设法将人工智能推广至全企业时,难度较大。

高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈,应用场景难融合也意味着AI企业落地难。

①我国人力资源充裕,很多传统行业的数字化意愿并不强烈。到了AI时代,企业的数据基础不扎实,也就难以承载起上层的智能化转型。

②如今算力需求呈现指数级增长,而无论是算力设备的购置费用还是技术人员对算法优化的时间、人员和金钱的巨大投入。

④数据是制约AI成功落地的一大因素。如果缺少统一、标准化、高质量的数据,AI应用可能就是无米之炊、无源之水。

AI让企业开始习惯于大量依赖机器帮忙做决策。在这个过程中会带来隐私保护、AI可信度、伦理和社会的问题等,这些都是AI在落地过程中需要解决的。

大多数企业的AI创新都是点状的、实验性质的、局部的创新,缺少规模化、商业化、运行态的布局。

因此,人工智能在互联网领域的攻城掠地有多顺利,在实体经济中的落地就有多困难。

AI落地的行业场景化应用

各行业当下面临的痛点有所不同,如金融行业面临成本压力、产品服务单一、交易欺诈等;医疗与教育行业资源分配不均的问题突出;

也就是说,人工智能需求广阔,其商业模式是渗透到各行各业,提高行业效率。这一进程需要时间和持续投入,但也是生产力迭代趋势。

未来还是要结合场景和用户体验去重新设计,用 AI 本身的方式思考,才会产生真正的 AI 应用。

未来,可以肯定的是人工智能将能够在特定领域实现快速突破,而企业需要从自身所处的商业、工业和生存环境中选择恰当的角度,去定义特定场景,从而让人工智能可以针对性突破并解决问题。

目前AI技术正处于普及爆发的前夜

2018年,AI领域投资事件共410起,投资总额1078亿元。人工智能逐渐挤满了几乎中国所有的主流投资机构和产业资本。

资本华丽登台的另一面是,AI落地的过程不太优美。数据显示,2017年,90%以上AI企业处于亏损阶段,商业化落地成为众多人工智能企业发展的痛点。

AI将成为未来企业发展的一个必选项和企业的关键竞争力,这是毋庸置疑的。

对于各个公司、行业和国家来说,人工智能将是未来几十年里最大的商业机会。

预计从现在到2030年,人工智能的发展将使全球GDP增长14%,相当于对世界经济额外贡献了15．7万亿美元,其中AI将带动中国GDP增加7万亿美元。

商业落地呼唤标准配套

只有把应用做起来,底层AI芯片、软件技术才能够在应用过程中更扎实。

人工智能端到端完成一个项目落地至少需要3—6个月的时间,整个过程存在一定的复杂性,需要有一系列选型方案的指南。

以前产业界更侧重于算法,近几年算法开始和工程开源齐头并进,业内越来越重视软硬件协同发展,人工智能与大数据、云计算等新型信息技术融合越来越深入。

今年7月发布的《人工智能标准化白皮书(2021版)》中指出,深度学习框架依赖的生态建设、测试体系不够全面是我国人工智能产业发展目前遇到的两大问题。

我国深度学习框架起步较晚,在算法、芯片、终端和场景应用方面尚未摆脱对国外深度学习框架的依赖。

然而,国内人工智能测试体系尚未形成,现有测试基准的测试内容和模型高度重复,还未形成成熟的功能、性能测试基准,这将制约人工智能产品打开市场、获得市场信任度。

国内AI标准化进程加速

规范标准也是国内人工智能现阶段发展的关键词之一。赛迪顾问统计数据显示,2019年,中国人工智能产业规模达到1291．4亿元,同比增速为30．8%。

预计到2022年,中国人工智能产业规模达到2621．5亿元。

国内人工智能产业高速发展,场景应用逐渐丰富化,随着产业复杂度的提高,相关标准也亟待解决配套问题。

在2020年7月印发了《国家新一代人工智能标准体系建设指南》;同年12月,智用研究院、百度、浪潮联合发布面向产业应用的人工智能开源评测基准AI-Rank。

人工智能技术落地的关键环节

①技术的突破:一家成功的人工智能公司必须有一定的技术积累和壁垒。

②场景的探索:找到一个商业上可行、可拓展性良好,并且技术上可实现的场景是非常困难的,很多优秀的技术公司都在这个环节投入了大量的精力。

③团队的建设和成长:起步阶段顶尖的技术和商业团队的搭建需要大量工作,快速成长的过程中人员不断扩充也会带来各种问题,如何增效降本、保持创新风气很关键。

④标准制定:对具体行业具体场景下的人工智能技术应用进行规范化、标准化,保证整个行业的生态健康发展。

从保护基于软件的网络到对边缘和物联网的影响，解决方案提供商应在2021年密切关注五种5G趋势。

5G兴起

近年来，第五代移动网络技术(5G)一直是电信行业的头等大事，随着企业寻求通过新的连接选项来管理变更的方法，炒作声几乎席卷了其他所有市场。

与当今的4G和LTE速度相比，5G保证的数据速率快10到100倍。这意味着蜂窝技术不仅将有助于改善当今用例的性能，而且还将为全新的和新兴的应用提供支持。

全世界的5G网络正在建设中，尽管早期的讨论主要集中在该技术如何帮助消费者的问题上，但企业开始看到如何利用5G来促进和增强其应用。但首先，必须更加广泛地使用5G，这是各国许多大型电信公司誓言要在2021年实现的承诺。事实上，据美国媒体报道，来自电信巨头爱立信的数据，到2025年，预计5G用户将达到3.2亿。

随着新的蜂窝技术成为可行的连接选项，解决方案提供商今年应注意一些最重要的5G趋势。

下一代网络的建设仍在继续

下一代蜂窝技术可以提供比当前4G网络快10到100倍的数据速率，尽管全球疫情大流行影响了许多企业，但全球大的无线运营商还是在2020年增加了5G覆盖范围并建立了各自的网络。

在美国，位于达拉斯的AT&T网络目前覆盖了美国巴斯金里奇约16%的总部位于新泽西州的Verizon的5G超宽带网络目前已在31个州启用。总部位于华盛顿州贝尔维尤的T-Mobile于去年完成收购后接管了Sprint的5G足迹。该公司表示，截至2020年底，它在所有50个州的部分地区都已启用5G。消费者和企业用户很可能不得不更换设备，但是，由于许多现有设备并非针对新协议而设计的，因此需要购买新的移动设备。

5G对物联网的影响

5G可以提供更高的延迟和带宽，因此将进一步帮助物联网。物联网机会尤其将从移动和蜂窝连接中受益，包括运输、制造业、农业和智慧城市用例。5G甚至可能首次使新出现的用例和应用成为现实，例如联网汽车，它们需要闪电般的快速，低延迟的技术。

除了前沿的用例之外，许多行业现在还需要高度可靠的低延迟无线链路，这些链路可以为现有的物联网用例尽快为应用供电。

互联社区

近年来，随着全球都会区在室内和室外区域配备传感器来收集数据并获取见解以更好地管理其资产、资源和服务、智慧城市已成为主要的物联网趋势。

5G是智慧城市和互联社区用例一直在寻找的技术。现有的4G网络在支持同时连接、高功耗和高每位价格方面受到限制。另一方面，5G有望通过解决这些问题来推动智慧城市应用，并反过来利用新捕获的数据来改善城市运营。

5G与安全

随着5G实施数量的增加，对良好安全性的需求将变得更加关键。诸如AT&T、Verizon和T-Mobile之类的运营商一直在通过在网络边缘增加加密和附加防御来增强其下一代网络。

但是5G与以前的蜂窝技术迭代不同，它将由一个主要基于软件的网络组成，因此保护5G是另一种努力。物联网和智慧城市应用等将在5G网络之上运行的应用也将需要额外的安全层，以锁定将要加入网络的新设备和连接。

5G在边缘

5G与边缘计算之间的联系全都与延迟有关。5G有望通过支持全新的用例来推动边缘创新，实现比以往任何时候都更多的数据收集和更快的处理，同时为企业和组织提供另一种连接选项。

通过将5G与边缘计算相结合，组织将能够配备智能相机和传感器等设备来收集更多数据，这将在边缘推动更多计算用例。渠道合作伙伴告诉CRN，这将为解决方案提供商扩大在边缘收集数据的机会。

根据研究公司IDC的数据，到2024年，全球边缘计算市场预计将达到约2500亿美元，未来四年的复合年增长率为12.5%。预计5G技术将成为该市场增长的催化剂。