趨勢一：邊緣計算

云邊端協(xié)同管理和調(diào)度能力加速數(shù)字應(yīng)用落地生產(chǎn)環(huán)境

2023年，云架構(gòu)變得更復(fù)雜，分布式云、云邊協(xié)同、邊緣自治、邊邊協(xié)同，等創(chuàng)新持續(xù)迭代。云邊端協(xié)同管理和調(diào)度能力的突破將助力工業(yè)企業(yè)有效駕馭云架構(gòu)的復(fù)雜性，進而充分利用起云架構(gòu)的先進性，推動邊緣側(cè)應(yīng)用范圍和效果快速放大，主要呈現(xiàn)如下方面趨勢：

一是企業(yè)對激增的邊緣側(cè)資源的有效管理。邊緣側(cè)的設(shè)備、算力、數(shù)據(jù)等資源配比將快速攀升。以數(shù)據(jù)為例，出于安全性和效率考慮，未來數(shù)字工業(yè)超過50%以上數(shù)據(jù)會在邊緣側(cè)產(chǎn)生，同時會出現(xiàn)大量部署在邊緣的應(yīng)用服務(wù)，這要求企業(yè)管理和利用好這些資源。二是賦能企業(yè)實現(xiàn)云邊端資源協(xié)同調(diào)度。伴隨著云邊端一體化操作系統(tǒng)走向成熟，企業(yè)會趨向把云邊端的資源通過統(tǒng)一平臺系統(tǒng)進行的管理和調(diào)度，在工業(yè)場景下的，工業(yè)操作系統(tǒng)、工業(yè)大腦將成為協(xié)同調(diào)度的統(tǒng)一平臺，邊緣計算一體機也將成為數(shù)字應(yīng)用部署的新型載體。

趨勢二：計算機視覺

工業(yè)級場景需求升級，帶動計算機視覺技術(shù)趨向高精度和標準化

計算機視覺是人工智能在工業(yè)領(lǐng)域應(yīng)用最成熟的技術(shù)方向。2023年隨著應(yīng)用場景覆蓋廣度和深度的提升，更多潛在的價值場景機會會被發(fā)掘出來。驅(qū)動計算機視覺技術(shù)能力向高精度、標準化方向繼續(xù)精進發(fā)展。

一是高精度計算機視覺技術(shù)向縱深發(fā)展。高光譜機器視覺感知技術(shù)得到普及、視覺算法、算力部署的優(yōu)化以及與知識圖譜等技術(shù)的結(jié)合運用，推動計算機視覺趨向于高精度方向發(fā)展。2023年在智慧醫(yī)療、航空航天、高精密產(chǎn)品質(zhì)檢等方面將產(chǎn)生許多新的場景落地機會。

二是計算機視覺技術(shù)的標準化封裝。頭部廠商以開放API、封裝SDK等易于使用和集成的方式提供給中小企業(yè)，降低技術(shù)規(guī)模化開發(fā)和使用的門檻，并孕育出新的技術(shù)商業(yè)化模式。在這個過程中，標準化是為了建立一個良好的循環(huán)迭進生態(tài)，促進算法和樣本共享，讓算法有可研究試驗的數(shù)據(jù)，同時疑難樣本可以推給更專業(yè)的算法團隊攻克。

趨勢三：拓展現(xiàn)實交互

拓展現(xiàn)實交互技術(shù)入口價值凸顯，打開工業(yè)數(shù)字化多元化場景

拓展現(xiàn)實交互技術(shù)（XR）是虛擬現(xiàn)實、增強現(xiàn)實和混合現(xiàn)實等技術(shù)的組合，通過計算機技術(shù)和可穿戴設(shè)備產(chǎn)生真實與虛擬結(jié)合、可人機交互的環(huán)境，提供更加直觀、沉浸式的體驗。拓展現(xiàn)實交互技術(shù)可為工業(yè)企業(yè)在產(chǎn)品設(shè)計、生產(chǎn)制造、質(zhì)量檢測、設(shè)備維護、遠程協(xié)作等方面以多種組合方式融匯虛擬和現(xiàn)實世界，為工業(yè)制造的運行模式提供更立體的解決方案。

2023年，雖然拓展現(xiàn)實交互技術(shù)的深度應(yīng)用仍然處于早期，但其對于工業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型和技術(shù)應(yīng)用的場景入口價值將得到進一步凸顯。一是工業(yè)生產(chǎn)場景入口，實現(xiàn)對工業(yè)生產(chǎn)過程的全方位可視化、模擬和優(yōu)化，提高設(shè)計、制造、檢測、維修等環(huán)節(jié)效率和質(zhì)量。二是工業(yè)培訓(xùn)教育入口，基于逼真的模擬場景為員工和合作伙伴提供高質(zhì)量的培訓(xùn)教育體驗。三是產(chǎn)品服務(wù)的使用入口，客戶可在虛擬環(huán)境中預(yù)覽和定制產(chǎn)品，驅(qū)動產(chǎn)品銷售。

趨勢四：工業(yè)知識圖譜

工業(yè)知識圖譜技術(shù)驅(qū)動產(chǎn)品全生命周期知識融合應(yīng)用

知識圖譜是一種基于語義網(wǎng)技術(shù)的知識表示方法，它將實體、屬性和關(guān)系等元素進行抽象和建模，形成一個具有語義表達能力的圖結(jié)構(gòu)。在工業(yè)領(lǐng)域，知識圖譜可以將工業(yè)領(lǐng)域的知識進行建模，形成一個具有語義表達能力的圖結(jié)構(gòu)，從而實現(xiàn)對工業(yè)領(lǐng)域知識的存儲、管理、推理和應(yīng)用。工業(yè)知識圖譜驅(qū)動全生命周期知識融合應(yīng)用，多環(huán)節(jié)、AI驅(qū)動、安全成為三大趨勢性關(guān)鍵詞。

一是工業(yè)知識圖譜技術(shù)向工業(yè)生產(chǎn)鏈條的多環(huán)節(jié)快速滲透。幫助企業(yè)整合和利用各種生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、質(zhì)量數(shù)據(jù)等方面的專業(yè)知識，為企業(yè)提供生產(chǎn)優(yōu)化和質(zhì)量控制的決策支持；二是人工智能加速工業(yè)知識圖譜落地。知識圖譜可以為AI提供認知和理解能力，而AI也正在加速企業(yè)的知識圖譜構(gòu)建，包括獲取各種文獻、專利信息、技術(shù)標準等方面的專業(yè)知識，同時自動化處理各種設(shè)備信息、工藝參數(shù)、質(zhì)量數(shù)據(jù)等方面專業(yè)知識；三是工業(yè)知識圖譜技術(shù)應(yīng)用將更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全。隨著國內(nèi)在數(shù)據(jù)安全方面的監(jiān)管和政策優(yōu)化，工業(yè)企業(yè)會更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全問題，并提出更加有效的解決方案。

趨勢五：工業(yè)機理模型

工業(yè)領(lǐng)域知識注入通用大模型，孕育工業(yè)大模型落地

工業(yè)機理模型      技術(shù)是指利用人工智能技術(shù)、特別是通用大模型技術(shù)來構(gòu)建具有海量參數(shù)、強大泛化能力、跨領(lǐng)域適應(yīng)性的工業(yè)機理模型的技術(shù)。工業(yè)機理模型技術(shù)的主要目標是以知識注入的方式，將工業(yè)領(lǐng)域的專業(yè)知識和經(jīng)驗融合到通用大模型，孕育出具有工業(yè)領(lǐng)域特色工業(yè)機理大模型。

2023年是人工智能通用大模型進入“現(xiàn)象級”增長和規(guī)模化應(yīng)用的元年，對于工業(yè)企業(yè)來說，利用知識注入方式將工業(yè)機理與通用大模型進行融合將成為未來1~2年關(guān)鍵趨勢。通過知識注入，具備工業(yè)機理的工業(yè)大模型將獲得強大的垂直行業(yè)落地能力，幫助工業(yè)企業(yè)獲得更豐厚的業(yè)務(wù)收益。

一是處理更多類型的工業(yè)數(shù)據(jù)。例如文本、圖像、視頻、聲音、傳感器數(shù)據(jù)等多模態(tài)數(shù)據(jù)；二是處理跨工業(yè)領(lǐng)域和專業(yè)的數(shù)據(jù)。例如機械、電氣、化工、材料等；三是執(zhí)行多種工業(yè)場景和任務(wù)。例如故障診斷、質(zhì)量檢測、過程優(yōu)化、排產(chǎn)排程、產(chǎn)品設(shè)計等；四是提供魯棒性和可解釋的結(jié)果。對于工業(yè)認知和決策結(jié)論給出推理過程、證據(jù)支持、置信度評估等。

趨勢六：綠色制造

碳足跡和減碳技術(shù)成為推動綠色制造落地的關(guān)鍵突破口

綠色制造是綜合考慮環(huán)境影響和資源消耗的現(xiàn)代化制造模式，目標是使產(chǎn)品從設(shè)計到回收外理的整個產(chǎn)品生產(chǎn)周期中對環(huán)境負面影響極小，資源利用率極高，使企業(yè)經(jīng)濟效益、社會效益和生產(chǎn)效益協(xié)調(diào)優(yōu)化。碳足跡和減碳技術(shù)是實現(xiàn)綠色制造的關(guān)鍵技術(shù)組合，碳足跡指組織、產(chǎn)品或服務(wù)在其生命周期內(nèi)直接或間接產(chǎn)生的溫室氣體排放量；減碳技術(shù)是能夠降低碳排放或增加碳匯的技術(shù)，如工業(yè)碳捕集和封存、大氣碳負排放等。

綠色低碳是制造業(yè)轉(zhuǎn)型發(fā)展的全新維度。2023年，雙碳技術(shù)棧將支撐綠色制造模式在發(fā)電、鋼鐵、化工、建材等行業(yè)逐步落地，其中碳足跡和減碳處于核心技術(shù)位置，帶來諸多趨勢性變化：一是碳排放量化技術(shù)，通過工藝機理和高質(zhì)量數(shù)據(jù)建構(gòu)工業(yè)生產(chǎn)和碳排放的內(nèi)在邏輯關(guān)系，結(jié)合碳排放核算能力的不斷提高，企業(yè)將找到衡量碳資產(chǎn)的有效方式。二是碳排放的時空視角，面向產(chǎn)品全生命周期碳排放核算（時域特性）和制造業(yè)全供應(yīng)鏈碳中和（空域特性）是發(fā)展方向。三是工業(yè)能源的綠色轉(zhuǎn)型，基于對碳資產(chǎn)的有效衡量和定價，以及碳市場的逐步落地，工業(yè)能源的綠色轉(zhuǎn)型將真正與企業(yè)的經(jīng)營指標相關(guān)，從而推動企業(yè)主動推進能源綠色化進程。四是能源互聯(lián)網(wǎng)，企業(yè)利用虛擬電廠、綜合能源系統(tǒng)來管理調(diào)度多種清潔能源和能源網(wǎng)、實現(xiàn)全局ROI最優(yōu)成為可能，技術(shù)落地從樓宇級走向園區(qū)級。

趨勢七：工業(yè)大數(shù)據(jù)

人工智能的價值釋放，進一步加速工業(yè)企業(yè)的數(shù)據(jù)基建進程

大數(shù)據(jù)技術(shù)是數(shù)據(jù)采集、存儲、管理、分析挖掘、可視化等技術(shù)的總和，其幫助企業(yè)沉淀海量多維、高增長、多形態(tài)的信息資產(chǎn)。進而有能力利用智能技術(shù)獲得洞察、自優(yōu)化、預(yù)測、決策能力。工業(yè)大數(shù)據(jù)技術(shù)是在工業(yè)物聯(lián)、產(chǎn)業(yè)互聯(lián)產(chǎn)生的海量、復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)新的知識規(guī)律，挖掘有價值洞察的技術(shù)手段，推動制造型企業(yè)以數(shù)據(jù)驅(qū)動的產(chǎn)品服務(wù)創(chuàng)新、經(jīng)營水平提升、和生產(chǎn)運營提效，商業(yè)模式拓展。

2023年，人工智能的突破性進展讓業(yè)界開始關(guān)注大模型的行業(yè)化應(yīng)用，而工業(yè)大數(shù)據(jù)成為工業(yè)企業(yè)構(gòu)建AI可用的數(shù)據(jù)體系、打造工業(yè)大模型的關(guān)鍵支撐。對于數(shù)智化轉(zhuǎn)型處于領(lǐng)先地位的企業(yè)來說，工業(yè)大數(shù)據(jù)潛在的巨大價值將吸引他們未來數(shù)年持續(xù)加大IT投入，帶來一些趨勢性變化：

一是數(shù)據(jù)全生命周期管理加快被實踐，工業(yè)大數(shù)據(jù)的高度復(fù)雜性是傳統(tǒng)數(shù)據(jù)技術(shù)應(yīng)用于工業(yè)的難點，而AI技術(shù)非常擅長處理復(fù)雜但具備結(jié)構(gòu)性的數(shù)據(jù)，所以企業(yè)全生命周期數(shù)據(jù)管理的理念將被更多企業(yè)付諸實踐。二是大數(shù)據(jù)技術(shù)的進階應(yīng)用加速落地，數(shù)據(jù)技術(shù)高階應(yīng)用加快，比如數(shù)據(jù)處理環(huán)節(jié)的湖倉一體、批流一體，數(shù)據(jù)分析等技術(shù)應(yīng)用，數(shù)據(jù)分析環(huán)節(jié)的算法模型、智能標簽、知識圖譜、可視化等高級分析技術(shù)等。

趨勢八：新一代人工智能

群體智能成為AI在工業(yè)領(lǐng)域應(yīng)用的下一個突破性方向

群體智能技術(shù)是模擬自然界生物群體行為的人工智能技術(shù)，具有去中心化、智能度高、靈活性強的特點，可以在沒有中心控制且對全局環(huán)境認知不足的情況下完成很多復(fù)雜任務(wù)。工業(yè)領(lǐng)域群體智能是指在工業(yè)生產(chǎn)、管理等環(huán)節(jié)中，利用多個智能設(shè)備或系統(tǒng)（如機器人、傳感器等）通過分布式、去中心化、自組織的方式協(xié)同完成復(fù)雜任務(wù)或解決復(fù)雜問題的技術(shù)。

2023年，群體智能技術(shù)將更多被業(yè)界討論，并開始融入制造業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)攻堅進程。在大語言模型、邊緣計算、物聯(lián)網(wǎng)、知識圖譜等多種技術(shù)棧的支撐下，群體智能技術(shù)發(fā)展的基礎(chǔ)已經(jīng)趨于成熟，技術(shù)將逐漸走出實驗室。在技術(shù)突破點方面，群體智能技術(shù)探索重點會在多個智能設(shè)備或系統(tǒng)在邊緣節(jié)點的分布式協(xié)同計算。具體來說利用邊緣側(cè)的算力集群，提高分布式群體智能的實時性、靈活性和魯棒性，降低對中心節(jié)點和云端的依賴，如：工業(yè)機器人集群利用邊緣計算開展實時協(xié)作控制、故障檢測、自修復(fù)任務(wù)；設(shè)備傳感器集群可以利用邊緣計算實時開展數(shù)據(jù)融合、壓縮、分析等任務(wù)。這些都是群體智能落地的場景趨勢。

趨勢九：工業(yè)數(shù)字孿生

工業(yè)數(shù)字孿生技術(shù)推動數(shù)字技術(shù)在制造業(yè)的規(guī)模化應(yīng)用

數(shù)字孿生技術(shù)的要義是在數(shù)字信息平臺上創(chuàng)建一個與實體對象或系統(tǒng)相對應(yīng)的虛擬模型-“數(shù)字孿生體”，它可以實時或準實時地接收實體對象或系統(tǒng)上的傳感器采集的數(shù)據(jù)、并將其進行動態(tài)仿真和分析，輸出決策數(shù)據(jù)。工業(yè)數(shù)字孿生技術(shù)是工業(yè)互聯(lián)網(wǎng)的核心技術(shù)之一，通過在數(shù)字空間構(gòu)建物理對象的精準模型，并利用實時數(shù)據(jù)驅(qū)動模型運轉(zhuǎn)，實現(xiàn)數(shù)字空間與物理世界的雙向映射和交互，從而為工業(yè)企業(yè)提供綜合決策所需的環(huán)境和能力。

基于工業(yè)數(shù)字孿生底座，企業(yè)得以有效構(gòu)建起的工業(yè)仿真系統(tǒng)，進而在系統(tǒng)中規(guī)模化試驗諸多數(shù)字技術(shù)，推動技術(shù)規(guī)模化應(yīng)用。預(yù)計2023年，工業(yè)數(shù)字孿生技術(shù)將繼續(xù)深入發(fā)展，顯著提升工業(yè)數(shù)字孿生系統(tǒng)面的復(fù)雜經(jīng)營環(huán)境的可用性，從而規(guī)模化支撐數(shù)字技術(shù)落地。一是數(shù)字孿生體構(gòu)建技術(shù)，在工業(yè)大數(shù)據(jù)支撐下，數(shù)字孿生技術(shù)從模擬特定場景向模擬復(fù)雜系統(tǒng)擴展，實現(xiàn)對整個生產(chǎn)過程、供應(yīng)鏈網(wǎng)絡(luò)、產(chǎn)品全生命周期等復(fù)雜系統(tǒng)的數(shù)字化建模。二是數(shù)字孿生交互技術(shù)，工業(yè)企業(yè)更加強調(diào)將數(shù)字空間的優(yōu)化結(jié)果及時反饋到物理世界，并獲得期待的經(jīng)濟效益。推動技術(shù)產(chǎn)品在數(shù)字空間與物理世界的雙向映射更加實時，物理對象的智能化協(xié)同水平顯著提高。三是數(shù)字李孿生支持業(yè)務(wù)創(chuàng)新。改進監(jiān)控改善工廠運營成本結(jié)構(gòu)，基于工業(yè)仿真環(huán)境預(yù)測分析和調(diào)度管理，產(chǎn)品對抗性研發(fā)、差異化設(shè)計等。

趨勢十：工業(yè)操作系統(tǒng)

數(shù)字工業(yè)操作系統(tǒng)為制造業(yè)數(shù)字化進程帶來自主性和開放性

數(shù)字工業(yè)操作系統(tǒng)是基于物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能等新一代信息技術(shù)的數(shù)字工業(yè)智能化基礎(chǔ)設(shè)施，可實現(xiàn)對工業(yè)設(shè)備、工藝流程、生產(chǎn)數(shù)據(jù)、運營管理等各個環(huán)節(jié)的全面感知、分析、優(yōu)化和控制。作為工業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)底座，數(shù)字工業(yè)操作系統(tǒng)是工業(yè)生產(chǎn)管理平臺，還是連接工業(yè)要素實現(xiàn)全局最優(yōu)調(diào)度的資源平臺、沉淀工業(yè)數(shù)據(jù)與大模型實現(xiàn)數(shù)據(jù)高價值轉(zhuǎn)化的智能平臺、承載工業(yè)應(yīng)用與服務(wù)的行業(yè)標準化開放平臺

當(dāng)前，數(shù)字化轉(zhuǎn)型的企業(yè)面臨著自主可控和生態(tài)開放的雙重挑戰(zhàn)，而數(shù)字工業(yè)操作系統(tǒng)將給制造業(yè)數(shù)字化進程帶來自主性和開放性。在自主性方面，工業(yè)企業(yè)將更多通過私有化部署或訂閱方式獲得自主可控的數(shù)字工業(yè)操作系統(tǒng)，并根據(jù)企業(yè)的特點和需求進行定制化開發(fā)和應(yīng)用。領(lǐng)先企業(yè)會嘗試利用模型構(gòu)造能力打造產(chǎn)業(yè)大模型（Industry GPT）。在開放性方面，企業(yè)趨向于基于工業(yè)操作系統(tǒng)的開放式架構(gòu)實現(xiàn)不同工業(yè)設(shè)備、傳感器、控制器的對接和集成，并實現(xiàn)跨行業(yè)、區(qū)域、企業(yè)的數(shù)據(jù)互聯(lián)互通。