《工业 4.0 大潮,中国工业互联网很香,助力中国制造弯道超车》

  • 来源专题:装备制造监测服务
  • 编译者: zhangmin
  • 发布时间:2020-11-06
  • 这次疫情,众多制造业企业利用工业互联网平台,迅速调整供应链,及早转产、复产。越来越多的制造业企业意识到工业互联网是发展进程中不可或缺的必由之路。

    中国工业互联网蓬勃发展,制造业大进化

    工业4.0概念最早由德国提出。而近几年中国在数字工业领域开足马力,物联网、大数据、云计算等技术正在快速兴起,并掀起了一轮信息化革命浪潮。中国信通院发布的报告显示,2019年,我国工业互联网产业规模已达到2.13万亿元,同比增长47.3%。预计2025年,这一数字将突破5万亿元。

    随着中国5G的快速发展,工业互联网亦将发展提速。中国企业在工业网络、安全、系统集成、平台自动化、软件大数据、工业云等工业互联网涉及的各领域都呈现较好的发展势头。已经不少中国工业互联网企业具备了创新技术、平台和强大的实战能力,为企业降本提效、技术升级和全面实行数字化的能力。

    工业和信息化部与应急管理部联合印发《“工业互联网+安全生产”行动计划(2021-2023年)》,为落实中央关于推进工业互联网创新发展的重要指示,基于粤港澳大湾区的工业基础雄厚,工业互联网应用场景丰富,11月24-27日在深圳国际会展中心举办的 DMP大湾区工业博览会旗下的“大湾区工业互联网主题展”, 联合两大工业互联网产业联盟,汇聚全球技术资源、产业资源、合作资源,为工业企业提供集展示、体验、服务、交流对接四位一体的展会平台,这将是中国“工业互联网”领域内规模最大、级别最高、含金量最高和影响力最大的工业互联网展会。

    群英荟萃,工业互联网生态体系

    作为全国规模大、辐射广、影响力强的工业互联网展,本届DMP大湾区工业互联网展(hlw.dmpsz.com),经过6个多月时间综合遴选出了100多家国内最具创新性和成长性的工业互联网领域企业,大部分为龙头企业,并承建国家级、省部级工程实验室及技术中心,荣获优秀大数据案例及科技进步等多个奖项。包括中国移动、中国联通、华为、腾讯、格力、富士康、华工、华龙讯达、云镝、中和互联、黑湖智造、蘑菇互联、迈艾木、东土、嘉泰智能、美云、模德宝、滴普科技、珞安、斯凯普斯、创新奇智、数设、益普、轻网科技、鼎捷、携客云、玛斯特、江门云科、宝安区、产业集群数字化转型试点等参展企业。

    聚焦应用,特色专项活动

    作为工业化与信息化深度融合的产物,工业互联网能让生产端到终端的整个链条中每个环节的资源和服务高度聚合,以市场为导向,提高整体效率,从而避免了各自为战、重复浪费的情况发生。因此,工业互联网的产生与发展为工业的转型升级开辟了新路径。

    展会期间,汇聚国内外优秀专家、企业和创新资源共同助力打造多场“智库级”工业互联网高端论坛活动,大会包含主旨报告、多场专题会议,专家考察、专题对话、创新成果对接交流等系列活动,包括产业集群数字化企业现身说法对话、广东省产业集群数字化转型工作总结、广东省工业互联网应用示范标杆授牌、国家与广东省工业互联网政策深入解读、工业互联网转型升级供需对接会等,建立政府、企业、产业联盟等多层次沟通对话机制,直面工业互联网专家,分享工业互联网智慧,并以“线上+线下”的形式,从工业互联网网络、安全、5G+工业互联网、数字孪生、人工智能等方面展现应用场景方面展示前沿成果,推动资源对接和项目落地。

    未来可期,多项成果落地案例展示

    展会期间,将在来自工业互联网相关行业企业代表、技术专家等共同见证下,将发布多项应用成果案例,包含“5G+工业互联网”行业应用综合解决方案,5G+工业互联网应用示范案例展示等,全面提升数据作为核心生产要素参与价值创造和分配的能力,加速流程再造、降低运营成本、提升生产效率,能够极大地激发生产力乘数效应,形成新的生产关系,培育新的工业互联网产业生态。

    目前,国内众多工业互联网企业在帮助制造业实现智能化转型方面已经有了很多成功实践,工业互联网与生产设备、质量管理、协同管理、能耗管理、运营管理等进行融合,把过去沉淀下来的产业基础数字化、智能化,实现协同共享。譬如通过互联网,软件、生产控制计划、自动排产,未来企业不再只是简单的自动化生产,可以随时随地通过移动设备便能清楚了解生产进度、加工质量的智能制造;实现设备全生命周期运营管理,并以此延伸到运营企业的生产经营活动管理,包括生产单元(车间、产线、设备)实时监控;在生产现场,利用机器人和A I技术提高生产效率,快速继承熟练工人技能,满足企业小批量生产的需求。基于大数据的产线智能检测解决方案,实现了运行数据的实时抽取和建模,并将操作异常检出率提升26%及关键点位异常检出率提升33%;设备远程运维,产线数字仿真,厂区能源管理,智能生产看板,企业经营看板……

    在全球经济风雨飘摇、仍处深度衰退之际,中国经济能够率先企稳、反弹,也是我国制造业转型升级、经济高质量发展的有效助力。加快发展工业互联网,是一个推动工业体系变革、带动产业转型提升、支撑社会经济发展的新型基础设施。是顺应技术、产业变革趋势,加快制造强国、网络强国建设的客观要求。更是构建国内大循环为主体、国内国际双循环相互促进新发展格局的有力支撑。本次大湾区工业互联网展的举办,将为实施工业互联网创新发展战略,推动工业化和信息化深度融合发展发挥重要作用。

    最后提醒大家,展会免费对外开放,有兴趣的朋友,现在可以上展会官网(hlw.dmpsz.com)可免费预约参观了哟!

相关报告
  • 《弯道超车迈向制造强国,智能制造锻造“中国力量”》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:姜山
    • 发布时间:2017-12-08
    • 7日在南京举行的世界智能制造大会主论坛上,中国工程院发布《中国智能制造发展战略研究》报告认为,先进制造技术与新一代信息技术深度融合,已成为新一轮科技革命的核心技术,引领真正意义上的工业4.0,实现第四次工业革命。中国作为后发国家,可以并联融合三代智能制造,实现弯道超车,从制造大国迈向制造强国。   从数字到智能实现迭代更新   发布这一研究报告的主讲人是中国工程院院长周济。“如果说数字化、网络化制造是新一轮工业革命的开始,那么新一代智能制造的突破和广泛应用,将形成这一次工业革命的高潮。”周济说,智能制造贯穿于产品、制造、服务全生命周期各个环节,未来20年产品和装备都将从数字一代发展为智能一代,成为推动经济社会发展的巨大引擎。   周济介绍,智能制造按照历史演进过程,可分为三种基本方式:数字化制造、数字化网络制造、数字化网络化智能制造。数字化制造是以数字控制为代表,计算机集成系统为标志;数字化网络制造通过互联网将人、数据和事物连接起来,经由企业内、企业间的协同,共享和集成社会资源,重塑制造业价值链;数字化网络化融合智能化制造,是新一代智能制造,起因是近年来人工智能加速发展,实现战略性突破,使得制造系统具备学习能力,通过深度学习、增强学习,应用到制造领域,知识的获取运用和传承效率发生革命性变化。   “如果说第一代、第二代智能制造是‘授之以鱼’,第三代智能制造则是‘授之以渔’。”周济说,在数字化制造和数字化网络制造阶段,人把自己的部分感知分析决策功能向信息系统复制前移;而在数字化网络化智能化制造阶段,机器设备不仅具有强大的感知计算分析和控制能力,更具备学习提升和产生知识能力,“今后,第三代智能制造将从弱人工智能向强人工智能转变,将把人类从更多的体力劳动和大量脑力劳动中解放出来,从事更有意义的创造性工作,人类的思维进一步向互联网思维、大数据思维和人工智能思维转变。”   从串联到并联推动融合发展   从数字化、网络化到智能化,智能制造迭代升级,串联西方发达国家几十年发展历程。在我国,从20世纪80年代以来,企业推动数字化制造取得巨大进步,但大多数企业和广大中小企业还没完成数字化转型。出席论坛的专家认为,当前我国处于从制造大国迈向制造强国的关键时期,必须发挥后发优势,并行推进、融合发展三代智能制造,锻造中国“制造新力量”。   事实上,进入新世纪,随着移动互联超级计算、大数据、云计算、物联网等新一代信息技术日新月异,我国已在移动互联、人工智能等诸多领域比肩世界发达国家,形成群体性跨越。“个人电脑时代是美国的时代,高科技产品出口全球;但在物联网时代,我们这一优势大大削弱了。”世界“物联网之父”、美国麻省理工学院自动识别中心创始人凯文·艾什顿说,从2004年开始,中国已超过美国成为世界上最主要的高科技产品出口国,如今在物联网时代,美国出口产品比PC时代下降75%。麻省理工学院斯隆管理学院数字经济首席科学家也对移动互联的创新产品和应用首先在中国出现,再推广到世界羡慕不已。   “未来20年是我国智能制造弯道超车关键期。”周济说,我国将分两个阶段推广智能制造。第一个阶段从现在到2025年,这8年当中要分成两步走,第一步到2020年,数字化网络化制造在全国得到大规模推广,完成“数字化转型”这一课,发达地区像长三角、珠三角,应实现全面应用,同时新一代智能制造在部分领域获得探索性成功。第二步到2025年,数字化网络化制造在全国普及,得到深度运用,新一代智能制造在重点领域试点示范取得显著成果,在部分企业推广应用。第二个阶段从2025年到2035年,新一代智能制造在制造业实现大规模推广运用,实现中国制造业智能升级。   从制造到服务展现“国家力量”   数字化网络智能制造推动新工业革命,是因为应用范围无所不在,从智能产品、智能生产到智能服务,深刻而广泛影响人们生活。智能手机已成为人们“标配”。专家预测,未来智能汽车、服务机器人也将进入人们生活。家电、玩具、医疗设备等产品,因为智能制造更加柔性化、个性化,顾客可以根据自己需求给厂家下单、参与生产。而在重点领域、关键装备,智能制造将展现“国家力量”。我国在航天、轨道交通、船舶和海洋装备等十大重点领域,将通过智能制造打造“工业大脑”,打造“大国重器”。   智能制造带来的生产定制化,将推动企业从制造型向制造型、服务型并轨发展。美国通用电气通过定制生产,远程实时分析控制发动机运营,按小时收取设备运营维护费用。受此启发,中车集团“复兴号”动车上2500多个传感器,不仅全过程全生命周期地掌控列车运营,还通过视频监控及时反馈司机驾驶情况,发现异常立即报警,确保列车安全运行。周济介绍,今后3到5年,我国将在风力发电、直升机、水表电表等领域推进新一代人工智能远程服务。   工厂、车间、生产线是智能制造升级改造的“主战场”。格力集团董事长董明珠出场演讲前,“随行”的格力机器人乐队演奏了一曲激情澎湃的《歌唱祖国》。董明珠介绍,在格力“产品系”中,不但智能空调安装到了潜水艇上,还扩容了机器人、智能装备、数控机床等“新成员”。中车集团董事长刘化龙介绍,“复兴号”254项重要标准中“中国标准”占84%,是拥有完全知识产权的中国标准动车组。如今他们根据“中国制造2025”计划,制定“中车版2025”,投资30亿元规划15个智能制造专项,开发无轨列车、无人驾驶公交,开拓智能交通、智慧城市新领域。
  • 《中国AI芯片有可能弯道超车》

    • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
    • 编译者:姜山
    • 发布时间:2018-06-29
    • 宽松的数据管理制度会让中国在人工智能芯片产业上占据非常有利的位置,从而达成“弯道超车”的目标 1 经过近40年的高速发展,中国已经初步具备了一定规模的微电子人才储备和巨大的市场,正符合发展人工智能芯片的两项基本条件。图/中新 文|陈怡然 陈逸中 过去数年之间,信息技术产业曾经接连兴起过几大热门领域,包括大数据(Bigdata)、物联网(IoT)、工业4.0以及增强和虚拟现实(AR/VR)等。但直到以深度学习神经网络模型为基础的人工智能技术出现后,这几大热门领域才第一次被整合进人工智能这一更大的发展框架内。 当前,人工智能技术仍旧需要海量数据来训练神经网络模型,从而使得计算机能够代替人类从事各种数据处理与判断。飞速发展的物联网技术首先提供了大量的数据来源,经过设计和训练好的人工智能系统则提供了工业4.0最需要的智能控制系统,也为增强和虚拟现实场景的落地提供了数据处理的技术手段。 芯片是人工智能系统最关键的技术,中国发展人工智能芯片产业的突破口到底在哪?这是人们普遍关心的问题。 芯片产业是一门具有高集成性和高成本特性的科技产业,进入门槛非常之高。随着芯片制造技术进入“x纳米”(个位数纳米制程)时代,每个晶圆代工厂的造价动辄百亿美元起,运营与折旧成本惊人。 单个芯片的设计所需要的工程师数目从几十到数百不等,开发成本少则数千万美元,多则上亿美元,周期长达1年-2年。 但是,一个成功的芯片项目所带来的不仅仅是销售芯片本身的利润,还有伴随芯片设计、制造以及销售整套流程中产生的支撑产业与生态系统,从而带动软硬件发展、行业标准制定、知识产权销售、甚至相关的机械制造和化工等产业发展。 现代芯片设计,尤其是以“片上系统”(System-on-Chip,SoC)为主体的高端芯片,已经可以影响乃至引领某一产业走向及其战略发展,甚至遏制该产业的正常运行。 由于人工智能应用的场景千变万化,而所应用的算法更是有相当的差异,可以预期未来各项应用将有不同的定制化芯片,出现人工智能芯片百家争鸣的盛况。 人工智能芯片的另一大特点在于它所面对的是一个全新的、还未被大公司充分定义的新的业务场景。 即使是NVIDIA,也只是在云计算这一领域有一定的垄断地位。因此,人工智能芯片发展有着巨大的不确定性和机会。 人工智能芯片发展很像中国另一新兴芯片产业——比特币矿机上的发展历程:比特币矿机2010年初主要用的还是以CPU为主的芯片,但是从2012年起就逐渐过渡到以图形处理器(GPU)为主,利用其强大的向量计算能力来采矿。两年以后的 2014年,大家开始通过算法优化并导入现场可编程逻辑阵列(FPGA)提升效能功耗比来达到更高挖矿效益。 时至今日,绝大多数的高采矿效益的矿机均是以定制化芯片为主,如比特大陆的蚂蚁矿机。 依照这一类似的发展趋势,我们可以期待2018年将是应用导向人工智能芯片开始跃进的一年。 中国可能弯道超车 GPU和CPU芯片设计注重通用性,但其高功耗、相对较低的单位效能以及高昂的价格并不适合于类似物联网或工业4.0这样的普及化应用。 应用导向的人工智能芯片是将抽象的神经网络算法以硬件方式加以固化来达到加速运算的效果。这样的设计有助于提升单位芯片面积上算力的密度,降低功耗和成本,从而有助于将人工智能系统更普遍地运用到各个场景。 但芯片的开发一般需要高质量的人才基础并有强大市场的需求来摊薄芯片开发的高昂成本:通常一款芯片的生命周期大约为三年,而真正产生利润的时间仅为12个-18个月。芯片企业要在这短短的时间内完成利润积累,进行下一代产品的成功开发与研制,进入新一轮的迭代周期。 经过近40年的高速发展,中国已经初步具备了一定规模的微电子人才储备和巨大的市场,正符合发展人工智能芯片的两项基本条件。 除此之外,中国还有一样更为突出的优势:大量使用数字化设备及人口数带来的庞大数据。在以应用为主体的开发概念下,每一个应用都需有各自对应的数据集来训练神经网络,有效数据的采集速度会是影响开发周期长短的最关键的因素之一。海量高质量的训练数据集可以帮助工程人员快速有效地训练神经网络,加速模型的定型,缩短人工智能芯片的设计周期。 在各国数据采集管理法规日趋收紧,尤其是欧盟最近出台通用数据保护规范(GDPR)的大环境下,宽松的数据管理制度会让中国在人工智能芯片产业上占据非常有利的位置,从而达成“弯道超车”的目标。 面临多重挑战 人工智能系统可以粗分为云端和终端两大应用。其硬件系统按照功能则可相应分为训练机和推理机两种。在过去较长一段时间,人工智能应用主要在云端,包括训练与推理两部分。云端系统的人工智能芯片能依算法与数据形态的不同来处理各式应用。 考虑到海量数据的处理需求,数据中心高昂的建设和运营成本,以及应用的多样性,云端人工智能芯片通常要求具有高集成性、高效能,以及高密度算力等特点,而且需要有一定的通用性。芯片对应各种应用场景所需的软件支持也是一项设计重点。 云端通用型人工智能芯片主要的开发难点在于如何针对业务所需的神经网络模型做相应的计算体系结构改良并同时考量通用性与应用导向设计之间的取舍。 这属于芯片开发中门槛较高的项目,而且所设计的人工智能芯片的规模通常较大,技术难度也较高。除了对应用场景有深刻理解之外,设计者也需要有长期芯片设计与流片经验的累积才能够保证拿出成熟的产品。 国内公司在经验上与国外其他领跑企业如英特尔、高通、NVIDIA等应该说还有一段差距。但国内头部企业的迭代速度非常快,加上与代工厂(比如TSMC)和后端设计服务公司的紧密合作,对于先进工艺流片经验掌握的速度非常之快。国内寒武纪和比特大陆两家公司在未来的表现非常值得期待。预计再经过一两代的开发即能迎头赶上世界最前沿产品,并可望大量使用于数据中心。 1 以目前发展趋势来看,终端应用将会在未来2年-3年伴随着5G网络的大量普及有爆炸性成长。终端产品的应用范围非常广,许多从云端延伸至终端的应用将会是首先被导入的产品。 终端人工智能芯片并不如云端芯片般对通用性有较高需求,而是综合考虑功耗、计算能力、面积(PPA)在终端场景下的平衡。也因为如此,终端人工智能芯片并非一定需要采用最先进的制造工艺,成熟且低成本的工艺可能更适合普及化的应用。 终端应用中人工智能推理机芯片的应用可以粗略分成影像、声音和判断三大方向。由于应用与算法的碎片化与多样性,人工智能芯片在未来一段时间将会是一个以细分市场为主的产业结构。这一特点将会在商业模式上给传统芯片设计公司带来新的挑战和机会。 大量的应用需要更多种类,满足不同具体需求的知识产权,或是将知识产权定制化以应付各类不同需求。其中一种可能是走类似ARM的道路,通过提供基本知识产权给客户做针对具体应用场景的二次定制化开发。 人工智能的广泛应用也带来了庞大产业升级芯片需求,有可能扶植许多新创公司来提供各类应用专属的知识产权。 终端应用中训练机的需求也日渐增长,其主因是许多应用由于现场特殊性,需要本地训练或是云端训练不能反映时间的要求。无人驾驶系统、先进辅助驾驶系统和智能工厂等都有大量此类需求。 在终端系统中,训练机既有可能和推理机使用同一组人工智能芯片,有能以单独的芯片形式来达到更高效的训练效率。 由于终端的训练机将会对功耗和成本有更高的要求,因此终端训练机在通用性和应用导向设计之间的取舍将会更为困难。除了传统的芯片架构分析和设计技巧外,通过神经网络算法的改良与简化来降低设计复杂度也是近些年来研究的重点。 如前所述,芯片的生态系统是面对开发者最重要的一环,并直接影响工程人员对于芯片的接受度和所应用技术的普及度。 在软件设计上,编程语言和主流编程框架的支持能提高开发者意愿并能与其他平台接轨。同时,人工智能芯片的开发也是要与软件或算法的进步而同步更新,提供诸如更高效更灵活的知识产权。 在硬件设计上,未来人工智能芯片将逐步整合其他系统,注重如感测器、通讯和协同处理器等其他相关硬件的系统整合。 对于终端应用而言,整合后的平台将有可能达到系统各部分的高度协同,提高计算效率,增加产品的通用性。 此外,建立和维护使用者社群,提供类似于开源社区那样的开放式开发平台会使得整体开发速度提升,加快系统设计的迭代速度。最近有许多新创公司聚焦于降低硬件设计的门槛,以编程语言来取代硬件语言实现芯片设计,或是以软硬件协同设计来降低芯片设计的门槛,也有助于这一目的。 最后则是知识产权 (IP)的重复使用,尤其是功能和需求验证通过后的知识产权,将会是人工智能芯片在各种应用中快速布局的助力之一。 站在巨人和独角兽的肩膀上 人工智能应用对于算力的高要求使得我们在具体实践中必须将算法、数据与计算平台紧密结合,从而设计出针对具体需求的高度优化的计算平台。 因此,许多拥有数据和算法的传统软件及互联网公司如微软、谷歌、亚马逊等最近都纷纷跨界到芯片设计。 芯片行业的沙场老将们如英特尔、高通等也都看准了商机,以自身已有的生态系统和知识产权为基础快速布局于各种人工智能芯片应用中。 雨后春笋般出现的人工智能芯片独角兽更是遍布于各个开发层级,利用创新的科研成果与传统行业相竞争,形成了百家争鸣的局面。 我们粗略统计整理了国内外著名的人工智能芯片公司的主要技术方案和其所针对的应用场景,绝大多数公司尤其是初创公司纷纷看好在终端应用(尤其是终端推理)上的发展机会,以期待人工智能技术引入传统行业之后所带来的巨大商机。 在未来数年,人工智能技术的应用场景将会更加明确。赛道上的主流公司及其所代表的各种技术也会随之通过公司收购、兼并等手段逐渐融合至少数高度集成的技术平台。初创公司的重点也将转移至类似终端训练这样的新型应用场景。 在技术发展上,未来人工智能芯片则可能采用更为先进的制造工艺,甚至是诸如忆阻器或者神经形态计算这样全新的纳米器件和计算架构。这将成为AI芯片下一阶段竞争的风向标。 (作者陈怡然为美国杜克大学电子计算机工程系教授、陈逸中为美国纽约州立大学教授,编辑:谢丽容) 本文首刊于2018年6月25日出版的《财经》杂志