从工业互联网到工业智联网：全球发展趋势与中国对策

    

摘要：工业智联网具有推动国民经济结构性变革和社会工程系统转型的巨大潜力。在回顾从工业互联网到工业智联网的纵向概念衍化历程基础上，提炼工业智联网的多层内涵，并在横向框架下分析其赋能建设现代化产业体系的重要作用。当前，全球工业智联网正处于技术加速孵化、应用场景拓展、规模化扩张的关键时期。美中日德四国具有一定先发优势；技术创新主要面向核心赋能能力与工程化应用两大方向；新环节、新流程、新主体不断涌现；技术标准与发展安全更加受到重视。我国在工业智联网实践方面取得显著成果，顶层设计不断完善、产业规模不断扩大、区域协同不断深化、应用场景不断拓展，但同时还存在着关键技术供给能力不足、部分产业赋能陷入瓶颈、人才培养体系尚未形成、多维安全保障体系亟待健全等问题。为促进工业智联网高质量发展并充分发挥工业智联网对建设现代化产业体系的助推构建与赋能提升作用，应当健全科技攻关新型举国体制，打破协同创新壁垒；发挥应用体量数据场景优势，释放产业发展潜力；构建完善专业人才供需系统，加强人才队伍建设；高标准建设产业链安全体系，确保产业全面安全。     关键词：工业智联网；工业互联网；工业网联技术；产业体系现代化     基金：中国社会科学院国家治理领域重大创新项目（2023YZD011）；中国社会科学院大学“研究生科研创新支持计划”科学研究项目（2023-KY-71）。

    党的二十大报告指出，“建设现代化产业体系”，要“坚持把发展经济的着力点放在实体经济上，推进新型工业化”同时，要“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。^①作为新一代信息技术与工业经济深度融合的产物，工业网联技术通过赋能工业企业向数字化、网格化、智能化转型，改变传统工业生产底层架构，孕育新的生产要素与生产流程并不断优化资源配置，成为促进工业高质量发展的关键力量。随着产业与技术革命的深入发展，工业智联网概念与技术正逐渐兴起，成为提升产业国际竞争力、重塑全球产业发展格局的战略创新方向。
    建设完善工业智联网产业生态体系，推动已有工业互联网、工业物联网产业链条与技术系统向“智联”化方向跃迁升级，对我国加快建设现代化产业体系，推进制造强国、质量强国、网络强国建设，巩固提升我国在全球工业产业链、价值链、创新链地位具有重大现实意义。本文在回顾概念衍化历程的基础上，依托工业智联网内涵框架，分析其促进现代化产业体系建设的作用机理。在实践层面，分析研判当前全球工业智联网发展现状和趋势，并结合我国当前阶段的实践成果与主要问题，针对性提出对策建议。
    一、工业智联网：纵向概念衍化与横向赋能框架
    （一）纵向上：从“互联”到“智联”的概念衍化
    工业技术和信息技术融合发展的进程最早在20世纪中期就已经开始。20世纪七八十年代，全球信息技术革命使得信息产业在国民经济体系中的地位迅速提高，同时也对传统产业制造进行了重新塑造。21世纪以来，以5G、人工智能、大数据等为代表的新一代信息技术和数字技术接续取得突破，传统产业进入数字化发展快车道，而工业网联技术成为工业领域数字化转型的重要着力方向。总体上，工业网联技术发展经历了从工业互联网到工业物联网、再到工业智联网三个演化阶段。
    2012年，通用电气在《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（the Industrial Internet）概念，认为工业互联网是数据、硬件、软件与智能的流动和交互，通过传感网络、大数据分析、软件来建立的自适应智能工业网络。[1]工业互联网概念一经提出便受到全球主要国家的重点关注，认为其拥有赋能现有产业，实现泛在互联，并引致国民经济结构性变革，推动国民经济实现高质量发展的潜力。
    随着产业技术革命深入发展，物联网（Industrial Internet of things）概念和技术得到迅速普及。在物联网技术加持下，工业互联网概念逐步演变成工业物联网概念。2017年底，IEEE计算机学会将工业物联网列为2018年的十大技术发展趋势之一。相比于工业互联网，工业物联网更加突出网联系统与物料元素、设备终端的联结关系，工业装备、云计算、边缘计算等资源被纳入网联系统，通过感知接入层与控制操作层实现细化到末端边缘装置的广泛深度互联。
    当前，新一轮信息技术革命的代表性技术展现出融合创新发展趋势，面向人工智能、大数据、区块链等技术的高性能异构数据计算平台与工业网联技术耦合，在系统信息互联（工业互联网）与终端感知控制（工业物联网）基础上，催生出以解决系统资源使用效率、自适应性、自主性、自组织性和安全性问题，实现工业过程的知识自动化解析与自动化服务为目标的工业智联网（Industrial Internet of Minds）概念与技术。[2]工业智联网在更高的智能层次上，有效融合了智能系统工程技术，为新一代的工业智能产业提供技术支撑。
    
    图1 工业互联网到工业智联网的概念衍化过程
    伴随着技术概念的拓展（见图1），世界各国结合国情现实、发展优势与阶段特征，陆续推出一系列工业网联产业发展框架，如美国智能制造生态系统（2011）、德国工业4.0（2012）、我国的智能制造（2015）、日本工业价值链（2016）等。
    （二）横向上：多层次工业智联网内涵框架赋能产业体系现代化
    习近平总书记强调，要“以科技创新为引领，加快传统产业高端化、智能化、绿色化升级改造，培育壮大战略性新兴产业，加快构建具有智能化、绿色化、融合化特征和符合完整性、先进性、安全性要求的现代化产业体系”[3]。纵向上，工业智联网概念经历了工业互联网、工业物联网等演化阶段。横向上，工业智联网概念可以通过多层内涵框架进行定义（见图2），分别是前沿技术、基础设施与工具、新产业模式与工业形态、智能经济生态与社会工程系统。随着概念内涵的扩展，工业智联网对于工业产业体系的支撑、调整、优化作用也随之深化，并在不同维度上促进现代化产业体系建设，提高产业体系现代化水平与发展质量，增强产业链创新链国际竞争力。
    
    图2 工业智联网的多层内涵框架与产业体系现代化水平提升路径
    1.前沿技术创新为现代化产业体系建设提供根本驱动
    本质上，工业智联网是一种具有动态性与时变性的前沿技术，通过经验知识的获取积累，实时改变系统内容、形态、方法和结构，直接面向复杂工业系统与运行环境，目的是提供自动化知识解析与知识服务，并与真实世界进行实时的知识交互与行为互动。工业智联网本身要求良好的创新环境与制度，并且进一步加快设备、人才、技术等创新要素的流动效率，拓展创新渠道、改善创新环境、提升创新效率，转换产业发展动力从投资驱动为创新驱动，为建设现代化产业体系提供了根本动力。
    2.作为未来基础设施与资源配置工具提供基础支撑
    基于技术应用，工业智联网成为面向未来工业的关键基础设施以及资源整合配置工具。我国《“十四五”数字经济发展规划》指出，要“建设可靠、灵活、安全的工业互联网基础设施，支撑制造资源的泛在连接、弹性供给和高效配置”。工业互联网基于通信、传感、基站、网络、监测系统、工业APP等软、硬件设施，实现人、机、物等要素在工业流程中的广泛连接，为网联企业提供完整高效、响应迅速、安全可靠的生产控制实时网络。
    工业智联网在上述基础上，更精确提供了由多层次一体化计算系统支撑、社会工程系统联合感知与驱动的智能技术应用与知识服务，使海量工业实体完成社会化知识协同，彻底改造工业生产形态，极大地解放和提升社会生产力。工业智联网作为新型基础设施最前沿的应用领域，推动动力转换、质量变革、结构升级、效率提升、环境优化，赋能实体经济高质量发展[4]，为推进新型工业化、建设现代化产业体系提供了基础支撑。
    3.塑造新产业模式与工业形态提升产业现代化水平
    通过对传统工业产业进行广泛赋能，工业智联网逐渐塑造了一种新兴工业形态与产业模式。工业物联网在传统工业生产模式基础上，实现企业之间跨设备、跨系统、跨厂区、跨地区的全面互联互通，实现各类资源高效、精准配置。工业智联网更进一步，对各种产业进行建模、分析、管控，使其极高效率自主运转和发展，自动分析所有产业的宏观和微观数据，构建起覆盖全产业链、全价值链的制造和服务应用体系，形成真正数据化、知识化、智能化的智能产业模式。
    传统工业系统与虚拟工业系统进行交互，建立起智能化、虚实交互、虚实纠缠的新工业系统，支持生产决策与资产管理，并由点带链、由链带面推动工业系统全尺度、全要素和全价值链的融合与协同，完成对实际工业系统的管理与控制、分析与优化[5]，大幅提升工业经济的发展质量和效益。一方面，工业智联网的发展培育壮大了人工智能、大数据、区块链、智能装备等战略性新兴产业，另一方面，工业智联网加快对传统产业高端化、智能化、绿色化升级改造，提升产业体系现代化水平与建设质量。
    4.推动经济社会系统转型提高现代化产业体系发展质量
    在最广泛意义上，工业智联网将赋能经济社会全域，塑造智能经济生态并推动智能社会工程系统转型。工业智联网推动单点环节智能化向全面集成智能演进，加速创新机制、组织形态、商业范式的深刻变革，建立一种全新的、直接覆盖全经济主体的协同数信、感控、知识自动化系统。
    社会系统学科认为，“物理空间”物理工程系统、“赛博空间”人工工程系统与“社会空间”社会工程系统共同构成了完整的社会系统。工业智联网架构发展背景下，农业智联网、交通智联网、能源智联网、企业智联网应运而生，人工工程系统得以实现对物理工程系统的实时控制，并完成对社会工程系统的引导。[6]社会系统也对物理系统、人工系统实时反馈，最终实现物理空间、赛博空间、社会空间的互联互通，构建起完整的智能社会工程系统。工业智联网将现代化产业体系建设拓展到社会层面，更加符合完整性、先进性、安全性要求，并实时接受经济生态与社会工程系统的反馈，及时进行调整修正，提高产业体系建设质量，真正打造满足社会需求、适应社会特征、契合社会形态的现代化产业体系。
    二、全球工业智联网发展现状与趋势
    当前，全球工业智联网正处在技术加速孵化、应用场景拓展、规模化扩张的关键时期，产业格局尚未完全确定，具有很大的发展潜力。产业现状方面，美中日德四国依托原有的工业互联网产业基础，在工业智联网方面具有一定先发优势；技术趋势方面，创新主要集中在核心赋能能力与工程化应用两个方向；产业生态上，新环节、新流程、新主体不断涌现；整体生态上，多元主体正加强合作，技术标准与发展安全更加受到重视。
    （一）美中日德基础产业规模占优，中等偏上收入国家紧抓机遇
    工业智联网至今仍是一个新兴技术概念，世界主要国家或组织对其产业与技术标准尚未形成共识，也缺乏一致的统计口径。鉴于工业智联网以工业互联网为前期发展形态，此部分以工业互联网产业增加值规模描述工业智联网产业基础情况，后文技术方面的趋势则更聚焦工业智联网。基于经合组织（OECD）及世界银行数据，中国工业互联网研究院测算了全球59个代表性国家工业互联网产业规模（见表1）。2020年，59国工业互联网增加值总额为3.74万亿美元。前四位分别为美国8858.40亿美元、中国5664.56亿、日本3055.66亿、德国2475.94亿，美、中、日、德四国规模之和超过全球规模的50%。
    根据地区分类，东亚及太平洋、欧洲及中亚、北美地区的工业互联网规模比重加总超过90%。其中，东亚及太平洋地区为1.32万亿美元，占35.29%，增速为5.21%；欧洲及中亚为1.13万亿美元，占比30.14%，增速为2.37%；北美地区为0.95万亿美元，占比25.41%，增速为1.51%。此外，南亚、拉丁美洲及加勒比等地区的工业互联网增加值合计全球占比为9%左右。根据收入水平，高收入国家总计规模达到2.55万亿美元，占比68.12%，增速为1.41%；中等偏上收入国家为0.94万亿美元，占比25.21%，增速达到7.34%；中等偏下收入国家为0.25万亿美元，占比6.67%，增速为1.59%。可以看出，高收入国家依托自身已有的发达工业产业体系，在产业基础方面具有先发优势，但中国、俄罗斯、巴西等中等偏上收入国家正努力抓住新一轮技术革命与产业革命发展机遇，在国民经济体系中加强工业智联网应用，力争实现工业智联网发展的“弯道超车”。
    表1 2020年全球工业互联网增加值前十国家及地区、收入分类情况
    
    数据来源：根据《中国工业互联网产业经济发展白皮书（2021年）》整理。
    （二）技术创新主要面向核心赋能能力增长与工程化应用
    当前工业智联网技术创新主要针对两个方向，一是向上面向更复杂知识处理、更高性能需求的核心赋能能力增长技术创新，二是向下面向工业部署落地的工程化突破应用创新[7]。
    在核心赋能能力方面，第一，数据科学围绕更复杂更多样的工业问题，以深度学习为核心开展创新。深度强化学习（DRL）通过在工业实践中不断迭代试错，优化动态环境与复杂场景中的多元决策执行，在产品设计与开发、调度控制和加工路径、运维管理和策略等方面展现出强大的优化能力。生成对抗网络（GAN），通过两个神经网络不断博弈，增加有效工业样本数量，改善工业数据质量，为工业模型训练提供数据基础。第二，基于深度学习，应用创新重点提升面向生产与客户的关键问题识别能力与知识服务能力。工业视觉技术更加聚焦高精度小目标识别场景，以及低质量数据情况下的处理能力。自然语言处理（NLP）围绕用户服务环节，提升用户交互识别能力，通过分析知识图谱，深度挖掘客户需求，提升服务效率质量。第三，知识工程走向图谱化、自动化构建更新与定量复杂决策。工业知识的数据获取、知识加工、知识应用核心环节已经明确，工业知识图谱的自动化构建与更新架构逐渐成型，语义处理环节由人工处理向自动化抽取和融合转变，图谱更新环节实现动态组织自更新，部分机构已建立起知识“开放众包”机制进行图谱管理。工业知识图谱应用逐步由语义信息检索和定性决策走向定量复杂决策，在核心领域决策执行环节，通过集成机器学习模型增强图谱推理能力。第四，工业机器人交互和学习方式正在向人机、类脑、脑机技术方向转变，双向脑机接口、类脑+脑机接口等技术突破将深刻改变人机协作模式，并将从机器学习中获取可解释性强的经验，但目前这一领域还处于理论研究与实验阶段。
    在工程化应用方面，技术创新重点在模型效率、流程可解释、数据质量、工业融合与规模化落地几个方面。第一，芯片与模型软硬件共同发力解决模型效率问题。当前以冯·诺依曼结构为主的芯片架构正面临“内存墙”挑战，Hailo、鲲云科技等国内外AI企业与芯片制造商推出加速模块、边缘计算盒子等硬件，聚焦架构设计、场景优化方向开展多样化探索。目前，知识图结构蒸馏、知识精馏、参数剪枝量化等模型效率提升技术广受关注，但其专用性与学术性较强，限制了工业落地推广。第二，在设备管理、流程优化等领域提升流程可解释性。一方面，在质量检测、设备异常识别等场景中，基于特征可视化方法挖掘因果/相关关系，并进行可视化输出；另一方面，在故障根源分析、生产缺陷预测等场景中，利用决策树、决策规则、工业知识图谱等可解释模型的局部/全局近似来提升可解释性。第三，聚焦小样本困境与行业领域数据集构建问题提升数据可用性。小样本困境在于当前工业数据零碎化、边缘化、相关性弱导致难以提炼知识，目前主要存在数据扩充、先验知识引入、优化模型结构几类解决路径。在行业层面，基于数据集开发智能算法模型，提升解决行业共性问题的能力，在领域层面，挖掘共性需求，提升解决场景化问题的能力。这类解决方案目前还存在数据资产/商业机密泄露、隐私计算技术不成熟、法律法规尚未健全等制约因素。第四，AI框架逐步成为加速工业融合与规模化落地的核心领域。TensorFlow、PyTorch和百度飞桨成为国内工业领域应用普及度较高的AI框架，上承差异化工业应用、下接多样化工业硬件，一方面提供统一、可扩展的基础架构层，提升模型训练性能，一方面针对目标硬件做定向适配、特属优化，保证端侧模型部署与推理速度，最终目标是提升AI框架的适配与易用性，推进工业融合与规模化落地。
    （三）整体工业生态建设催生出新环节流程、新竞争主体
    随着工业网联技术深入发展，发达国家愈发重视网联技术对重塑整体工业生态与提升国家产业竞争力的重要作用，发展目标从早期的重振本土制造业转向充分发挥工业智联网渗透、赋能、改造效应，提升整体工业产业发展质量。美国进一步加大政府对人工智能、5G、先进制造等产业的扶持力度，持续追加研发投入。德国接续发布《数字化战略2025》《德国工业战略2030》等系列战略政策，推动形成多层次工业网联产业集群。西门子、SAP等大型高新技术跨国企业进行优势整合，加速全球工业转型与布局。欧盟及其成员国持续推动新兴产业发展与再造已有产业的高附加值环节。日本启动“工业价值链计划”，建立本地化互联工业支援体系。[8]
    在整体工业生态建设目标下，当前涌现出行业数据标注等新环节、新流程，以AI为核心的服务型企业成为新市场主体的典型代表。数据标注等数据服务产业集中在仓储物流与安全场景，包括近年诞生的马达智数、冰山数据和觉醒向量等，大规模、高质量的标注数据集逐渐成为产业发展的刚需。工业场景碎片化特征要求工业智能模型需要不断迭代优化，当前在高价值设备健康管理等领域诞生了一批以AI技术为核心的工业服务型企业，将AI能力注入工业生产管理过程，为用户提供设备监管、运维、预测性维护等智能化服务。除AI服务型企业外，大型咨询公司也加入智能服务市场竞争，以定制化智能解决方案优势扩大市场份额。埃森哲、德勤等咨询公司有着丰富的工业咨询经验，同时拥有广泛的智能技术生态伙伴，如埃森哲拥有超50年的全球咨询服务经验，具有覆盖40多个行业的9000多名技术顾问，同时与微软、谷歌、亚马逊具有密切合作。这些企业通过成立研究机构构建技术优势，依托平台为客户提供工厂设计、运营咨询、解决方案开发及部署等工业AI服务。工业企业围绕AI核心赋能的合作模式逐步成型，一种是产品绑定型合作，从工业企业获取数据，并赋能工业产品与设备；另一种是知识绑定型合作，借助工业企业专业知识，发挥通用AI技术优势，打造智能化产品方案。[9]
    （四）多元利益主体协同合作，重视技术标准与产业发展安全
    工业网联技术产业大致存在两类发展模式，以美国为代表的企业主导模式“自下而上”通过产业联盟的方式，打破行业、区域等技术壁垒，促进物理系统与数字网络融合；以德国为代表的政府主导模式“自上而下”开展政府与相关者之间的合作，集聚各级企业推进标准、研发、试验等研发工作。无论是“自下而上”还是“自上而下”，政府、研究机构、服务提供商、工厂运营商、机械制造商、平台运营商等多元主体间的协同合作成为主流趋势。美国工业互联网联盟（IIC）至今已汇聚了38个国家和地区的270家企业，在政府、产业界和学术界之间进行协调，推动工业网联技术全球部署与应用，成员包括思爱普、博世、西门子等巨头企业。德国工业4.0战略在政府、学术界和私营部门等相关者间建立伙伴关系，包括教育研究部、经济技术部等政府部门，学术界以弗朗霍夫学会、国家科学和工程院以及德国人工智能研究中心为代表，私营部门包括IT行业协会、机械行业协会和电子行业协会等。日本成立有工业价值链促进会（IVI），以企业联合为主打造开放安全的制造业生态体系，并发布《日本互联工业价值链的战略实施框架》，构建日本工业智联网发展的顶层框架。
    随着工业网联技术标准建设的重要性以及安全问题的特殊性愈发凸显，世界各国逐步加大标准建设及安全问题政策权重，形成“技术—标准—安全”三位一体产业发展重心。根据欧盟物联网创新联盟的统计，目前全球共有100多个工业网联技术标准化组织，其中德、美两国处于领先地位。2016年成立德国全球工业4.0研究院，旨在制定数字制造标准，并参与国内外标准协调。美国AllSeen联盟和开放式互联基金会（OCF）积极参与制定行业标准，其诸多战略和解决办法都得到了大力推广。欧盟的创建数字单一市场（DSM）战略重点包括数据自由流动、责任分配、所有权、互操作性、可用性和访问等，以实现互操作性和标准化。在安全问题方面，各国纷纷加强政府在产业安全体系的主导地位，重点强化网络安全、数据安全等内容，监管安全标准趋于统一。美国2018年成立网络安全和基础设施安全局（CISA），负责网络和基础设施的安全。2019年出台《物联网设备安全法案》《保障能源基础设施法》《利用网络安全技术保护电网资源法案》《供应链网络安全风险管理指南》，全面保障物联网、能源、医疗等关键基础设施的信息安全。[10]欧盟网络与信息安全局（ENISA）发布《工业4.0网络安全挑战和建议》指导工业信息安全建设。其后发布《保护信息时代社会安全战略》《欧盟网络安全战略》《关键基础设施保护计划》《通用数据保护条例》等战略文件。[11]德国以网络物理系统平台为核心建设分层次安全管理体系，出台《工业4.0安全指南》《工业4.0中的IT安全》《跨企业安全通信》《安全身份标识》等多份文件。日本2019年发布《网络/物理安全对策框架》，确保新型供应链整体安全。韩国2019年颁布《国家网络安全基本规划》，指导改善信息通信网络和信息基础设施的安全环境，提升关键基础设施的安全性。
    三、我国工业智联网实践成果与问题
    我国工业智联网技术与产业经过起步期的发展，产业应用逐渐走向纵深。总体来说在顶层设计、产业规模、区域协同、应用生态等方面取得显著成果。与此同时，我国工业智联网实践暴露出一系列问题，包括技术供给与创新协同较弱、产业赋能受困、人才培养体系与安全保障体系不健全等。
    （一）我国工业智联网实践成果
    1.顶层设计不断完善，产业规模不断扩大
    在党中央国务院决策部署下，我国工业智联网顶层设计持续完善，各领域支持政策不断出台。[12]总体上，我国已形成较完善的工业网联产业发展支撑体系，在“技术—标准—安全”三方面逐渐形成合力。
    技术方面，国家高标准制定底层技术创新发展规划，加强基础设施建设，在网络体系、标识解析体系、多层次平台体系、工业APP等方面取得进展。高质量企业外网建成覆盖全国300多个地市，连接18万家工业企业，企业内网加速改造升级，IPv6规模部署不断推进，新型网联交换中心支撑数字化流通体系进一步发展[13]；武汉、广州、北京、上海、重庆五大国家顶级节点建成并稳定运行，日均解析量超过1亿次，二级节点达197个，覆盖29个省区市，接入企业达12.7万家；[14]具备一定行业、区域影响力的平台数量超过100个，连接工业设备达7686万台（套），工业机理模型数量达到58.8万个、服务企业160万家；中联重科“ZValleyOS”、中国电子“中电云网”、北汽福田“北汽云”等优秀企业私有云平台建设案例不断涌现，工业APP数量超过25万个。[15]
    标准方面，企业、政府、研究机构等主体推动标准体系建设稳步发展，基础共性标准、网络联接标准、标识解析标准、数据计算标准、应用标准、安全标准等体系框架逐渐成熟，一批成果达到国际领先水平。2021年3月，我国制定的全球首例工业网联国际标准——ITU-TY.2623《工业互联网网络技术要求与架构（基于分组数据网演进）》于国际电信联盟标准化局会议通过，其首次定义了网络组网框架，规范了网络互联、数据互通的主要功能部件和相互关系；[16]2022年5月，我国牵头制定的全球首个工业网联系统功能架构国际标准IECPAS63441通过IEC/TC65（工业测控和自动化）投票。[17]我国正通过标准引领驱动全球产业生态建设，不断完善全球工业网联技术标准体系，为全球工业转型贡献“中国方案”。
    安全方面，我国工业智联网安全政策和安全保障管理体系日益完善，工业企业安全意识全面增强，工业信息安全保障技术水平显著提升，推动了工业网联安全产业的全面发展。目前，全国31个省份累计出台近50项属地工业网联技术相关政策部署安全保障工作，跨部门协同、政府指导、企业主体、第三方支撑的工业网络安全管理格局基本形成。已推出的《工业互联网安全标准体系（2021年）》涵盖3大类别、16个细分领域、76个具体方向的安全标准建设指引。[18]
    据测算，2017—2021年中国工业互联网增加值规模由2.36万亿增长至4.13万亿，规模增长1.77万亿，年增速达到15.02%，占GDP比重从2.83%上升到3.67%，成为促进我国GDP增长的重要因素。其中，直接产业规模从0.67万亿增长至1.09万亿，年增速12.94%，渗透产业规模从1.69万亿增长至3.04万亿，年增速15.81%。[19]渗透产业与直接产业增加值之比上升到2.79，表明工业互联网正加速同各行业深度融合。工业互联网对三次产业的带动作用明显，第一产业相关规模增长至668.42亿，年增速17.43%；第二产业相关规模从12697.11亿增长至20713.9亿，年增速13.02%，产业占比从3.81%上升至4.58%；第三产业相关规模从10490亿增长至19880亿，年增速达到17.33%，产业占比从2.42%上升至3.29%（见表2）。整体上，工业互联网对第一产业赋能效应正逐渐显现，增速加快；对第二产业的带动作用有所回落；对第三产业渗透效果规模与速度兼具，有望超过第二产业。
    表2 近五年中国工业互联网增加值规模及结构
    
    数据来源：中国工业互联网研究院《中国工业互联网产业经济发展白皮书（2021年）》，2021年为估计数据。比重根据《中国统计年鉴2021》数据计算。
    2.区域协同不断深化，应用场景不断拓展
    当前，全国已有30余个省市明确“工业智（互）联网”支持政策，初步形成系统推进、梯次发展、优势互补的产业区域协同发展格局。长三角地区加速推动“工业智联网一体化发展示范区”建设，2020年沪苏浙皖签署了《共同推进长三角工业互联网一体化发展示范区建设战略合作协议》，2021年四地联合成立“长三角工业互联网标识一体化建设专班”，旨在推进长三角工业智联网一体化建设。粤港澳大湾区兼具制造业基础和信息通信技术产业优势，重点发力“5G+工业互联网”。广东先后推出政策，以“网络先行、标杆引领、分类措施、以用促建”思路开辟发展新空间。京津冀三方签订《关于打造京津冀工业互联网协同发展示范区框架合作协议》，共同推进工业智联网协同发展示范区建设。北京印发《北京市加快新型基础设施建设行动方案（2020—2022年）》，精准优化工业智联网创新发展环境，天津着力培育工业智联网标杆示范，河北注重打造工业智联网应用场景。成渝两地充分发挥政策、产业、资源等优势，签署《成渝工业互联网一体化发展示范区战略合作协议》，支撑成渝地区合作推进产业建设。
    工信部依托“512”工程等政策，引导带动总投资近700亿元，形成一批示范带动项目、产业基地、大数据中心。上海、北京、武汉、深圳4个基地已成为引领工业智联网产业集聚的重要抓手，上海市松江区国家新型工业化产业示范基地2020年工业总产值达到4476.9亿元，基地企业数量超5000家；“工业互联网·湖北武汉”国家新型工业化产业示范基地2020年实现工业总产值3512亿元，覆盖“光芯屏端网云智”完整产业链，是国家数字化设计与制造创新中心、信息光电子创新中心、先进存储产业创新中心，也是我国最大的光通信研发、光纤光缆生产、光电器件生产基地。国家工业互联网大数据中心按照“1+N”体系，布局覆盖长三角、粤港澳、京津冀、成渝圈约29亿条工业数据，覆盖约703万家企业，全国一盘棋的工业数据中心体系基本建成。工业互联网产业联盟已有超过2000家成员单位。
    工业智联网在不同领域的融合应用潜力逐步释放，应用广度和深度不断拓展，应用模式创新活跃，新模式新业态接连涌现，覆盖到钢铁、机械、电力、交通、能源等国民经济重点行业，形成一系列新模式新业态。一是平台化设计与智能化制造。为传统研发设计提供数字化功能组件、技术手段、软件工具，大大降低研发成本，同时推动云设计领域专业型平台发展，支撑起跨企业、跨部门、跨区域、跨学科的多主体协同设计平台，涌现出华为平台化设计、上海外高桥“供应链协同云”等优秀案例。基于企业现场数据集成整合的生产制造智能化应用不断涌现，海尔沈阳冰箱互联工厂、中国商飞等都通过应用智能化制造大大缩短研发周期、提高产能、降低运营成本。二是网络化协同与个性化定制。通过数据互通和业务互联，推动供应链上企业共享客户、订单、设计、生产、经营等各类信息资源，促进资源共享、能力交易以及业务优化。设计与生产柔性、制造敏捷性不断提高，“平台接单、按工序分解、多工厂协同”的共享制造模式整合，不断降低企业生产和交易成本。依托平台开发客户服务、物流跟踪等工业APP，企业及时响应用户需求，提供个性化服务，目前在服装业市场应用广泛。三是服务化延伸与数字化管理。企业从制造业务向价值链两端高附加值环节延伸，以“制造+服务”“产品+服务”实现融合发展。企业从内部打通数据链并挖掘数据价值，优化战略决策、经营管理、研发制造、市场服务等业务，构建数据驱动运营新模式。优秀案例包括三一集团根云平台、美的云平台、鞍钢集团“精钢”平台等，通过开展供应链管理，提升供应商、经销商资源配置能力，大大缩减生产周期与库存成本。
    （二）当前我国工业智联网发展存在的主要问题
    1.关键技术本土供给能力不足，研发创新主体缺乏协同
    在看到成果的同时，也应该看到，我国在工业生态基础、管理标准化水平、信息技术水平、跨行业能力、数据质量与建模能力等诸多方面与发达国家尚存在差距。从2000年至2018年10月，全球工业互联网专利申请近5万件，其中美国占比达到48%，为全球第一，中国以25%排名第二。在全球TOP10专利申请人排名中，仅华为一家中国企业排名第八，IBM以近7000件专利排在全球第一，数量接近其余九家企业的总和。在网络互联技术方面，中国整体技术创新全球领先，现场总线、工业以太网、OPC统一架构三项技术全球专利数分别为9500、5776、763个，来自中国的比例分别达到62%、58%、57%，但德国西门子在这三项技术都排名第一。国家电网、中科院沈阳自动化研究所、东北大学等虽进入全球前十，但都排名靠后。时间敏感网络TSN技术专利全球共536个，美国以33%排在全球第一，中国以19%排在第二，华为在申请人中排名第五，其余全部为外企。网络标识解析技术中，中国在对象标识符OID与物联网统一物品编码Ecode两项技术上表现尚可，而在对象名解析服务ONS、Handle系统等技术上缺乏竞争力，专利全球占比仅为14%、5%。工业云技术专利方面，边缘计算/雾计算技术美国占比33%，中国为31%；平台即服务PaaS、多租户技术中国专利占比分别为11%、15%，远少于美国的63%、66%。[20]
    高端工业软件和工业控制系统领域几乎全部被国外企业垄断，网络、标识解析、云计算、平台等关键技术本土供给能力不足，领先企业、上下游企业、硬件、通信设备、运营、互联网公司、政府、科研院所和高校等多种主体协同共享创新的格局还未建成，供应链创新链竞争力不强。同时，目前我国不同创新主体研发重心存在偏差，产业端与研发端之间存在刚性界限，市场激励研发与研发赋能产业的双向路径不通畅，技术、人才、制度、数据等要素难以自由流动，产品服务与信息数据流动渠道受阻。
    2.部分产业赋能发展陷入瓶颈，行业平台发展面临困境
    根据中国工业互联网研究院测算，我国工业智（互）联网产业2021年将达到4.13万亿的规模，但在部分行业，相关性产业规模比例出现下降，制造业赋能比重从2020年的5.59%下降至5.35%，批发和零售业由2.71%降至2.61%，交通运输、仓储和邮政业由3.34%降至3.12%，产业赋能发展陷入瓶颈。
    以汽车制造业为例，工业平台大多是由行业数量占比不足1%的整车厂主导构建，无法有效满足汽车行业复杂细分领域的众多差异化需求，占绝大多数的零部件企业与经销商等主体又大多处于“低、散、弱”阶段，零部件专业化平台发展相对滞后。[21]开放、全覆盖、共创共享是工业智联网创造价值的基本要求，而封闭、差异化、自我保护却是工业领域的固有属性，对于发展成熟、细分领域众多、经验可复制的产业，这个矛盾尤为严重。厂商为了确保自身在行业细分领域的可持续竞争优势，对核心技术、知识、经验的保护是合乎理性且客观存在的，尤其在知识产权保护、商业合作模式尚未明确的环境下，平台推广面临很大的困境。不同领域、规模的不同企业对平台应用的个性化需求强烈，但项目实施的成本与项目落地的效益不明晰，也导致工业智联网平台发展陷入停滞。
    3.产业相关岗位规范化程度低，人才培养体系尚未形成
    工业智联网的发展既需要OT、IT、CT复合型人才，也需要企业管理人才、行业领军人才、专业技术人才、产业工人等多维度、多层次人才，既需要具有拔尖创新能力的学术型人才，也需要实践能力强、在工作中能够解决问题的应用型人才。目前我国工业智联网人才需求与供给两端都存在问题，在需求侧，企业对人才需求较大，但是岗位命名、业务、能力的规范程度较低，不同企业对岗位能力描述差异较大，不利于高校相关专业制定培养方案。同时在供给侧，人才培养体系尚未健全完善，人才培养面临诸多困难。部分高校积极探索工业智联网人才培养，但由于缺乏课程、教材、师资及专门的实训环境，教学过程面临很大困难。人才培养产教融合不足，产业和教育深度合作的人才培养方式尚未形成。相关专科专业占比较低，专业调整灵活度高，但基础能力不足。继续教育对工业智联网产业人才培训进行积极探索，但系统性尚且不足。整体上，高质量人才缺乏，人才供需两端匹配度不高。
    4.多维安全保障体系亟待健全，产业安全风险形势严峻
    由于工业智联网渗透到国民经济各产业赋能发展的特殊性，其产业安全保障问题极其重要。目前我国涵盖工业智联网设备、主机、数控设备、机器人、物联网设备、互联网网络、标识解析系统、5G网络、工业APP、工业数据等多层次的安全保障体系还未健全。工业主机保有量大、操作系统相对陈旧，安全防护相对不足；高端工控系统以国外品牌为主，存在远程维护后门风险，同时难以及时升级换代，2020年工控系统漏洞数量创新高；工业智联网平台内生安全不足，大部分平台尚未按照标准形成体系化的安全防护机制，仅仅只是叠加一些安全防护设备；工业数据种类繁多，从采集、存储、通信、权限控制等方面都存在安全隐患。
    随着全球工业智联网产业的发展，网络攻击手段逐渐多变，包括污染软件开发、测试、部署、维护环境或工具，在设备上预装恶意软件，感染合法应用，盗用合法证书签名恶意软件等手段。我国安全厂商在工业信息安全、工业智联网安全等领域的产品积累和服务经验不足，仍处于攻关阶段。多数企业存在应对网络攻击意识不强、安全管理制度不完善、安全检测评估机制不健全、对工业企业网络安全的引导不够等问题。
    四、对策建议
    针对我国当前工业智联网发展在技术供给、协同创新、产业赋能、人才供需系统、安全保障体系等方面的问题，为充分发挥工业智联网对建设现代化产业体系的助推构建与赋能提升作用，提出以下对策建议。
    （一）健全科技攻关新型举国体制，打破协同创新壁垒
    健全关键技术攻关新型举国体制，发挥有效市场活力，强化企业的技术创新主体地位，高效配置科技力量和创新资源，强化跨领域跨学科协同攻关。支持工业行业组织、产业联盟和专业机构编制发布领域知识产权布局指南，引导龙头企业贯彻实施知识产权管理标准，提升创新主体知识产权战略意识和能力。发挥政策引导作用，促进产学研用相结合，建立健全政府、企业、行业组织和产业联盟、智库等的协同推进机制，进一步加强工业企业与数字企业在技术攻关、标准制定等方面的协调配合。坚持研发攻关、产品应用和产业培育“同频共振”，营造良好的工业智联网创新生态，打通不同创新主体之间的创新资源流通渠道，推动工业智联网创新链高质量发展。
    （二）发挥应用体量数据场景优势，释放产业发展潜力
    基于我国超大规模、多层次、多元化的内需市场，发挥我国工业门类齐、产业体量大、应用场景多、数据种类全的优势，扫除工业网联产业瘀点和堵点，促进国内各个环节、各个产业、各个区域之间的畅通。进一步推进工业企业内网改造升级，推进IP化、扁平化、柔性化技术改造和建设部署，打通信息孤岛、数据烟囱，为更广泛的互联互通打下良好基础。加快工业企业外网建设，加快推进宽带网络基础设施与改造，扩大网络覆盖范围，优化升级国家骨干网络，为实现产业链各环节的泛在互联与数据顺畅流通提供保障。降低中小企业的信息网络服务成本，支持大中小企业融通发展。加快探索、运用5G、MEC、TSN等新型网络技术，推出更多紧密贴合制造企业转型升级需求的网络解决方案。同时，高标准推进国内国际相互促进的新发展格局建设，带动高价值、高水平、系统性的供需循环，构建完整、安全、可靠的工业智联网供应链体系。
    （三）构建完善专业人才供需系统，加强人才队伍建设
    建立知识产权专家咨询制度，设立知识产权专家委员会和专家库，遴选培养一批制造业知识产权领军人才。鼓励支持相关高校加强制造业知识产权应用型人才培养，推动建设制造业知识产权在职人才培养基地。面向行业龙头企业开展知识产权战略与技能培训。建设国家级工业智联网人才数据平台，汇聚各区域工业智联网基建投入、岗位招聘、相关专业毕业生等数据，支撑产业人才供需系统建设。制定职业和岗位调研制度，定期开展面向工业智联网领域各类企业的调研。开展工业智联网人才认证工作，针对典型岗位建立认证体系，包括认证课程、认证考试、认证授权点等。协同研究院所、企业、高校、社会团体、供应商等，共建全国性工业智联网人才培养生态，各方优势互补、分工协作，共同构建完善工业智联网人才供需系统，提高人才培养质量与效率。
    （四）高标准建设产业链安全体系，确保产业全面安全
    重点针对基础较好的行业和安全需求迫切的领域，开展安全技术、产品和解决方案的试点示范和推广应用。构建工业智联网设备、网络和平台的安全评估认证体系，依托第三方机构开展安全防护能力核验测试。建立工业智联网全产业链数据安全管理体系，明确相关主题的数据安全保护责任和具体要求，加强数据收集、存储、处理、转移、删除等环节的安全防护能力。建立工业数据分级分类管理制度，形成工业智联网数据流动管理机制，明确数据留存、数据泄露通报要求，加强工业智联网相关企业落实网络安全主体责任，引导企业加大安全投入，加强安全防护和监测处置技术手段建设，开展工业智联网安全试点示范，提升安全防护能力。充分发挥国家研究机构和社会力量作用，增强国家级工业智联网安全技术支撑能力，着力提升隐患排查、攻击发现、应急处置和攻击溯源能力。
    注释
    ①习近平：《高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》,北京：人民出版社，2022年，第30页。
    [1]杨帅:《工业4.0与工业互联网:比较、启示与应对策略》,《当代财经》2015年第8期。
    [2]王飞跃、张军、张俊、王晓:《工业智联网:基本概念、关键技术与核心应用》,《自动化学报》2018年第9期。
    [3]新华社:《习近平听取陕西省委和省政府工作汇报》,https://www.gov.cn/yaowen/liebiao/202305/content_6874465.htm.
    [4]郭朝先、方澳:《新基建赋能实体经济高质量发展的生成逻辑与优先策略》,《新疆师范大学学报(哲学社会科学版)》2023年第6期。
    [5]Li Li,Lin Yilun,Zheng Nanning&Wang Fei-Yue,“Parallel Learning:A Perspective and a Framework”,IEEE/CAA Journal of Automatica Sinica,4(2017):389—395.
    [6]Wang Fei-Yue,Zhang Jun Jason&Wang Xiao,“Parallel Intelligence:Toward Lifelong and Eternal Developmental AI and Learning in Cyber-Physical-Social Spaces”,Frontiers of Computer Science,12(2018).
    [7]中国信息通信研究院、工业互联网产业联盟:《工业智能白皮书(2022)》,2022年。
    [8]李小妹:《主要发达国家工业互联网政策的演变与启示》,《区域经济评论》2022年第4期。
    [9]中国信息通信研究院、工业互联网产业联盟:《工业智能白皮书(2022)》,2022年。
    [10]工业互联网产业联盟:《中国工业互联网安全态势报告(2019)》,2020年。
    [11]张尼、刘廉如、田志宏等:《工业互联网安全进展与趋势》,《广州大学学报(自然科学版)》2019年第3期。
    [12]总体层面,有《关于深化“互联网+先进制造业”发展工业互联网的指导意见》《工业互联网发展行动计划(2018—2020年)》《工业互联网创新发展行动计划(2021—2023年)》等。技术方面,有《工业互联网网络建设及推广指南》《关于印发“5G+工业互联网”512工程推进方案的通知》《工业互联网标识管理办法》《工业互联网平台建设及推广指南》《工业互联网APP培育工程实施方案(2018—2020年)》等。标准方面,有《工业互联网综合标准化体系建设指南》等。安全方面,有《加强工业互联网安全工作的指导意见》《“工业互联网+安全生产”行动计划(2021—2023年)》等。
    [13]中国工业互联网研究院:《工业互联网创新发展成效报告(2018—2021)》,2021年。
    [14]新浪财经:《国家顶级节点标识解析量超1381亿,工业互联网如何进阶?》,https://baijiahao.baidu.com/s?id=1735201585531634439&wfr=spider&for=pc.
    [15]中国工业技术软件化产业联盟、工业互联网产业联盟:《工业APP白皮书(2020)》,2020年。
    [16]《中国信通院主导完成首个工业互联网网络领域国际标准》,《智能制造》2021年第2期。
    [17]《全球首个工业互联网系统功能架构国际标准通过投票》,《模具工业》2022年第6期。
    [18]李阳春、王海龙、李欲晓、陈磊、李幼平:《国外工业互联网安全产业布局及启示研究》,《中国工程科学》2021年第2期。
    [19]中国工业互联网研究院将工业互联网产业划分为直接产业与渗透产业两类,其中,直接产业涵盖网络、平台、安全三个部分,渗透产业则是指工业互联网从多维度推动形成的全新产业生态和行业应用创造的增长总和。
    [20]工业互联网产业联盟:《工业互联网关键技术专利态势分析》,2019年。
    [21]邵明堃、雷晓斌、马冬妍、全胡洋:《工业互联网平台在中国汽车行业的应用现状、制约因素及对策建议》,《科技和产业》2021年第10期。
    方澳，中国社会科学院大学应用经济学院博士研究生。
    郭朝先,方澳.从工业互联网到工业智联网:全球发展趋势与中国对策[J].山西师大学报(社会科学版),2023,50(05):76-87.