嘉宾观点：

1、我们现在需要一个数字化能力，叫"全局协同，敏捷响应，动态优化，泛在感知和智能决策"，我们需要数字化时代更为快速敏捷响应市场能力，用户需求能力可以实现全局智能化决策能力。

2、工业互联网体系有三个要素，网络、数据、安全，网络连接是基础，数据是核心，是数字孪生的闭环，是IT和OT融合智能化闭环。

3、工业互联网提供一个数字化、网络化、智能化转型的方法论和路径，工业智能是工业互联网内在的必然的基因或者一个要素，要实现工业互联网所追求的这些价值和目标，必然必须有工业智能在里面去实现。无论是哪个行业，无论是每个行业哪一个环节都是要的。

4、谁可以在这样一个数字浪潮中能够获胜？与以前不同的是，那些具有创新能力的传统企业，可能会在这个数字浪潮起主导地位。

 

余晓晖先生

各位下午好，很荣幸跟大家分享工业互联网的发展态势，以及我们的一些判断。今年是很有意义的一年，现在讲第四次工业革命，但同时也是互联网诞生的50周年。我们再看新的产业革命，这里面有很多技术，当然毫无疑问是数字浪潮中的数字技术，数字经济仍然是主要方向。

我们把中国的数字经济分成两部分，数字产业化和产业数字化。数字产业化占GDP7.1%，这个比重基本上是，如果说20年前，其实这个相对中国新兴产业是7%，并没有很大变化。产业数字化比重是27.6%，大概是数字产业化比重3倍多。

其实往前追溯十多年，我们产业数字化比重和数字产业化比重一样，在过去十几年中，我们可以看到数字技术，信息技术不断发展创新和突破，它是我们产业革命一个先导性和战略性技术，作为数字经济主战场，信息技术要使所有传统产业数字化。

什么是产业数字化？是指在传统经济部门，无论是制造、交通，当我们投资于信息通信技术所获得那部分经济汇报占GDP比重，这就是产业数字化。毫无疑问，数字经济主战场、产业数字化转型主战场应该是国家的传统产业，尤其是工业。

 

这是中国信息通信研究院发布《工业互联网体系架构2.0》的业务视图（详情查看：《工业互联网体系架构2.0》解读PPT版），我们分几个方面，这里面有产业和国家层面观察的，有从CEO维度去看的，也有从CIO视角去看的。其实我们中国讲信息化，好像日本也讲信息化，欧洲和美国都没有这个词。还有很大的不同在于，我们现在处于一个快速变化的非常不确定性的新世界，新产品，新商业模式，新的市场颠覆者不断出现，我们很难想到，这是很大的变化。

无论是国家还是一个企业，或者说一个行业，面临的问题是我们可能在一个高度不确定性的，快速变化的这样一个世界里，我们重新思考需要什么样的能力应对这样的挑战，我们需要更快速响应市场，我们需要对整个全局进行智能化决策，所以从一层一层往下去说，对于国家来说，回答的都是最基本的发展问题。

我们现在需要一个数字化能力，叫全局的协同，敏捷响应，动态优化，泛在感知和智能决策，我们需要数字化时代更为快速敏捷响应市场能力，用户需求能力可以实现全局智能化决策能力。

 

当我们把工厂体系全部连接起来的时候，看看我们能带来什么？右边是参考架构的图，我们把左边连接起来以后就会发现，我们通过连接能获得所有数据，就有可能感知物理世界，物理资产。这里面如果能够感知物理资产，建立数字模型，在数字模型里可以把工业机理和数据科学结合在一起，在上面分析优化，然后回过头来可以优化物理世界，物理资产。

这基本上是信息物理系统CPS基本原理，我觉得也是数字经济基本原理，也是工业互联网基本原理。我们可以优化设备，是一个车间，是一个企业，是一个产业链，也可以是制造业。这是工业互联网很重要的一个基础和判断，我自己觉得这也是当前数字浪潮、数字革命里面基本的原理。

 

工业互联网体系有三个要素，网络、数据、安全，网络连接是基础，数据是核心，是数字孪生的闭环，是IT和OT融合智能化闭环。

今天想讨论工业智能，工业智能如何实施？在工业互联网里面最重要的一个考验，智能来源于我们对数据，对工业对象的建模所形成，所以左边讲数据是核心，右边讲模型，这基本上是一个对数据智能的基本认识。

 

下面这个图提到的平台，我们发现数据智能可以在公有云上部署的平台，也可以是在企业层面部署的平台，同样可以在车间层面，通过系统部署这样一个智能。

 

数据智能部署可以分成3个层面，我可以在边缘实现，也可以在企业侧，也可以在云端，这样就构成平台体系，从边缘到企业到产业，通过这样的方式作为一个载体实现工业互联网数据智能，回到应用我们可以看到，这个图还是蛮有意思的，我们看看国内外实践差别。

我们分析大概国际上跨国企业，这个包括美国、欧洲、日本、德国，这些企业和中国企业实践，不仅仅只是跨国企业，也包括中小企业。大体上这个分布，中国和国际上并没有本质差别，国际上做的我们也做，比例上稍微有点差异。我们看国际上其实做的比例最高的是资产优化，是设备产品或者说是以设备为中心的优化，包括设备和产品的优化，是工业互联网应用场景里面比较多的。

第二个是生产优化，生产优化更多是在生产层面把过去自动化怎么赋能，变的更智能化所形成的方式。资产优化除了产品本身，意味着很多模式，另外就是应用管理，比如生产、产业链、价值链资源配置等等。

中国工业互联网场景应用中，资产优化也是挺高的，但并不是最高的，因为中国没有完成工业3.0或者甚至2.0的很多方面。另外，企业运营管理、产业链价值优化中国很高，意味着有可能：中国的工业产业链价值链资源配置不够优化，包括金融体系对工业支持，所以，工业互联网平台提供新的可能，我们可以开展持续优化。

还有一种是中国消费互联网模式，对工业互联网发展有很大启发意义，这部分是中国特别高的部分。如果从平台角度我们再把它展开，我们把它分为三个层面，中间一层是通过数据智能，也就是现在讲的工业智能，我们通过数据驱动的智能用起来，优化我们生产和经营管理各方面，在往上可以把时间资源配置，优化调配，实现新的商业模式创新，这个方面国际上也好，中国也好，大企业做了很多，中小企业也做了很多。

底下这部分是解决补课问题，对中国企业来说我们很多信息化基本的东西都没有完成，特别是中小企业，比如说可能没有ERP，也没有信息管理系统。很多企业没有能力，没有技术没有资金做这个工作，这是中国面临很大问题，我们如何做到？所以很大程度上可以通过新模式，比如说云化模式去实现，这是可以推动中小企业做的工作。

还有一个是中小企业做的比较多的，就是我帮它通过工业互联网和平台获得发展关键资源，如何帮他拿到订单，怎么帮他获得金融资源，这是目前做的很多案例，创新蛮多的。

其实中国需求是非常多元化，各个区域之间发展也是非常不平衡的，所以我们既有和国际上跨国企业做的一样的事情，我们也有自己一些独特的部分。

 

回到今天的主题，工业人工智能，其实今天来了很多大咖，我们把工业智能分成三阶段，从机械规则，到专家系统，机器统计分析，现在是把深度学习、知识图谱，结合在一起生成一个新模式。

我们把计算复杂度和不确定性如果做两个维度，我们发现专家系统适合于规则很确定情况下，也不需要很强的计算能力，我们用专家系统，如果机理不是很确定的话，可能不需要强计算能力，传统的统计学习，机器学习就可以实现。

有两个比较新的方法，一个是知识图谱，可能是机理上比较简单，但是复杂度很高的场景；还有一个是深度学习，适用于那些机理上不清楚，需要非常算力的场景。如果展开来说，我们每个里面涉及到的技术，这些技术我们会发现有很多其实已经应用很多年的这种分析技术，现在仍然在工业场景依然非常有用。

还有一部分我们以前没有做的，深度学习技术，我们拿过来试图解决我们一些新的问题，是不是这样还需要业界的探索。专家系统是解决低复杂度的问题，这个比较成熟，比如说很多规则，这些模型，如果了解的话，实际上去做是非常管用的方法，不需要那么强的算力，也不需要很复杂的分析。

比如说传统机器学习，在目前工业智能部门超过一半传统机器学习，通过数据分析，但是不需要像深度学习这么多的训练，这么多的神经网络去构建，可以解决不确定性的问题，这个是目前做的比较多的。很多时候会发现，我们去调研工业智能的时候发现很大一部分并不是现在看到的深度学习和神经网络，很多是过去已经在用的东西。

深度学习应用方面，比如说产品检测、生产安全里面，我们已经可以考虑用深度学习解决这个问题。还有知识图谱，尤其像商业智能和供应链风险管理里面做的比较多，中国这方面有蛮多实践。

其实，现在这4种方法并不能解决所有问题，很多场景很难使用低成本可解释的方式去实现，这里面会做一些新发展，比如说要纵向组合，基于机器学习里面，强化学习，各种组合，提供知识化能力。还有横向的，比如说机器学习和供应链知识结合在一起的时候，其实是比较有效的，我们已经知道工业机理再去做数据的训练，效率会更高一点。

这是面板缺陷的检测，这个也是用的机器视觉，加上边缘计算的方式，是用的这种机器学习的训练，也是目前做的挺好的。还有很多新模式不断推出来，这是我们做的工业大数据创新大赛，第一阶段做的是设备健康管理，利用现在数据去训练的时候，已经可以找到很好的办法去解决这个问题。同时，我们还面临很多问题，数据实时性不能满足；可靠性方，我们还有很多挑战没有解决，我觉得工业智能虽然有比较长的历史，但现在仍然是比较初期的阶段。

我认为，工业互联网提供一个数字化、网络化、智能化转型的方法论和路径，工业智能是工业互联网内在的必然的基因或者一个要素，要实现工业互联网所追求的这些价值和目标，必然必须有工业智能在里面去实现。无论是哪个行业，无论是每个行业哪一个环节都是要的，最后来说，谁可以在这样一个数字浪潮中能够获胜，可能与以前不同的是，那些具有创新能力的传统企业，可能会在这个数字浪潮起主导地位。

以上就是我简要分享，谢谢大家。