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】。
