智能制造与工业互联网-工业互联网及其驱动的数字化转型

无畏先疯

智能制造与工业互联网-工业互联网及其驱动的数字化转型

讲师简介

李铮

中国信息通信研究院两化融合研究所数字化转型与智能制造研究部主任

简介

智能制造与工业互联网 第一期 智能制造转型

讲义

欢迎大家进入智能制造与工业互联网系列公益联播直播间，我是本次课程的主持人王娟，智能制造与工业互联网系列公益联播是由腾讯同济大学中国产业互联网发展联盟，深圳市工业互联网行业协会联合发起，邀请全国的相关领域专家为工业企业带来智能制造实践经验分享，助力企业数字化转型，此次联播每周会覆盖不同的主题，包括智能制造转型，垂直产业链平台，腾讯互联，工业互联网平台，工业智能工业软件等多个专题。我们此次的直播是从19号开始的第一期智能制造转型，今天是短期的最后一堂分享，今天我们邀请到的嘉宾是中国信息通信研究院两化融合研究所数字化转型与智能制造研究部主任李铮女士，今天分享的题目是工业互联网及其驱动的数字化转型。下面请李主任李主任开始今天的分享。

  很高兴有这个机会在腾讯的公益讲堂跟大家分享关于数字化转型以及工业互联网的相关的学习的体会我今天的这个内容主要分成了三个部分，相信在这一周经过前面一周的时间，腾讯这个公益讲堂里有很多专家来进行了相关的包括企业实践，包括这个发展的政策等分享，那我今天的话也是首先从一个全球的发展的一个态势，然后来跟大家看一下这个目前我们全球通全球技术和产业发展，还有包括应用实践来看，它目前的一个发展形势和一个未来的变革趋势。

1.全球数字化转型发展形势和变革趋势

  首先我们可以看到一个未来的我们对未来的这个市场的一个总体的一个判断。

  在过去几年我们放眼过去，几年来看整个的话，首先全球经济呈现一个总体放缓的态势，包括投资和贸易都缺乏一些新的增涨锋利，全球的整体的投资上也在一个具备较低的水平，一个徘徊，预计到了2035年的全球的GDP增长率将下降到3%以下，它已经能够体现全球的经济总体上是一个放缓，同时从去年开始，我们可以看到贸易全球的一个贸易保护主义再抬头，他当前的全球贸易环境跟十年前是完全不一样，跟三年前也不一样，当时我们看到在全球经济体上更多地是强调区域的一个贸易平衡，包括这种发达国家如何向发展中国家进行更多的落地投资等。 现在各个国家在这个经济大环境下都产生了一些就是怎么样保全自己维持自身产业优势的一种想法，都在整体的经济蛋糕不能做大的情况下，再势必会挤压到其他的国家，比较典型的是我们去年可以看到美国一系列的这种贸易保护的政策，对我们国家像这种产业链向高端的转型来进行挤压，同时我们也能看到包括美国欧盟的制造业，虽然未来发展有一定的不确定性，但他们的制造业也是在缓慢的复苏，同时像越南，印度等等的发展中国家，他们的工业增加值一直保持一个比较高速的增长，另外我们国家从对外的形式上来看是面临双方的一个抵押这种态势还是非常明显的。

  另外一方面，我们也看到，中国本身的经济增长还是保持一个非常好的一个势头。尽管说我们今年面临疫情的一个突发性事件，那目前来看，各大国外全球各大经济的预测机构对我们国家的未来发展还是看好。总体来说我们看预测未来尽管说全球的格局和产业分工体系都在发生深刻变革。但我们还是认为在中国还是一个巨大的国内市场是将为制造业发展带来这种强性的一个拉动，整个的话我们面临的挑战和机遇也是一个并存的状态。在这样一个大的背景下，我们看到了第四次工业革命和数字浪潮的兴起。新一代信息技术每年都在以惊人的速度攀升，可以看到每年的发展的关键词在不断地新加，包括人工智能，包括区块链等。这些信息技术的发展也在改变的这个世界，从产业的模式和运营模式到整个的消费结构到思维方式，那这个动力不仅仅来源于新一代信息技术本身的一个突破，更重要的来看是各个技术如何去有效地组合应用，它在这个领域我们可以意识到信息技术它本身可能做一些原材料本身的创新，它是有一个关键的一个赋能作用。我们把信息技术认为是一个非常具有变革意义的赋能技术，从传统的包括从新材料制造，新能源等，传统的一些基础性的技术，也是借助一种数据的高效传输计算、建模等的分析优势，对传统的时间测试和制造环节可以进行一个有益的一个补充，比如说在新材料这块，我们举一个简单的例子，美国的西北大学也是这种人工智能的算法，所以从这个设计出这种新的包强超期金属玻璃材料，通过这个人工智能算法可以提高200倍的一个效率，也是在新材料领域的在这个新在研发速度上，它可以借助信息技术提高效率，同时也能提升它的性能。对制造技术本身来看，在我们后面的也会讲到跟这个有很多的相结合的案例，包括提高加工精度，包括提高设备的预测性维护的水平。

  从长远来看，新能源领域也是在借助信息技术可以提升一些新的利用效率降低能源的价格，通过国外一些机构可以预测，通过这种数据综合利用，未来全球建立的价格也将会出现30%-40%的下降，那这些都是有新一代信息技术赋能所带来的一个影响。

  看完整个信息技术体系的变革，这张PPT是一张比较老的，会经常看到和用到的。一方面是一个工业体系本身的变革，从1.0的时代，2.0、3.0到4.0的这个时代，同时，在这一过程中，技术跟工业在进行不断的相互融合，我们也能看到互联网从传统的消费互联网到现在的生产性的互联网，推进的整个的工业变革，一些技术从单点的这种信息技术的应用到现在的全面的数字化和网络化以及智能化。

  我们看到在这个未来的这个发展过程中机器的数据，物联网数据将会占据到我们整个这种庞大的制造业所创造的一个数据量里，那我们也是目前有一些专家学者认为，在我们现在的数字化转型的一个阶段，它跟传统的信息化一个很大的不同是数据成为了一个资产能去运营，能去创造价值，那在这个过程中，我们认为这个是我们现在和过去一个非常大的一个不同。

  在这个体系之下，但我们看到近几年一个非常火的平台经济的一个星级。我们可以看到在零九年的时候，这个经济学院就有一个判断，就是说这种平台经济将成为一个未来越来越重要的一种产业组织的一个选项。因为方便，那他可以去。整合一个多边或者双边的市场。同时，它又有又有具有开放性会员的加入，形成一个新的一个生态。那对我们国家也那平台经济现在也实现了制造业和互联网的融合，包括我们现在经常在一个发展的工业互联网平台的去整合产业链的上下游，生产者和消费者可以实现一些交易撮合，那这对我们而言平台可以去组织生产。那同时通过各种的算法和软件去不断的增强平台的功能，去为平台创造价值。那也就是因为有平台，有了这个在所有只上平台的所有者上有些超强的一种权利，他可以去透视平台仪器的产业相关的活动和等于所以说我们也是看到工业互联网平台成为现在新带薪系数和制造业融合的一个关节。我们看到在这种各种信息技术和制造这种不断的交融来看他是制造模式发生了一个深刻的变革。我们看制造的这种核心的就是从需求到设计，生产管理，这四个核心环节，我们可以看到大量新技术使用而对我们带来了一些新的价值的一个创造。那比如说在需求方面，我们可以经通过这种大数据可以去结合客户的需求去做出一些预测，比如说类似于像宝洁这样我们可以去打造一些护肤的顾问到可以收集客户的需求，可以增加产品的开发。现在设计阶段，很多像AUTODESK 等    实现创成式设计，那他也是基于大数据，人工智能，模拟仿真，自我创新的一种设计方式，自动去实现一些设计方案，比如说，AUTODESK为这个拿下这个实验室一个全新的一个设计的这个运用创成式设计，它重量可以减轻35%。那同时在生产环节，这个环节就很多的一些关键词，包括这种设备的预测性维护，包括通过柔性制造，我们去降低效率和质量，在管理环节，也是我们在前前几年这个很多年发展，这个信息化我们实现消除管理的这种交互的层级直线，这种各个管理环节的一个高效协同或者说我们把不同的这种业务环节进行一个无缝的集成，这些都是新一代信息技术带给我们制造业的一系列的一些深刻的变革。

   在这样整体的一个发展背景下，数字化转型也就被视为在一个相当长时期内制造业和实体经济融合发展，以全球竞争的主导方向，那我们一方面可以看到发达国家的各种政策都是在围绕制造业的提升，还有包括像美国，除了这个心态新技术和制造业融合，他也关注新材料等这种制造技术本身的一些发展。在德国的话，包括我们看到前两天刚发布的这个欧洲的一个数据的一个大的战略，也是将人工智能，将这个数据列为未来突破的一个创新点，他们也是想未来去铸造整个欧洲的一个在制造业的一个竞争实力的一个增长。在发展中国家，我们同样的看到像越南，印度，俄罗斯等，但他们的这个政策在未来的整个政策设计中，在制造业数字化转型毫无疑问是一个非常重要的一个方向。

   那这个的话也是看到在这个全球再起的这个灯塔工厂，这个的话也是在今年的一月份也刚刚新增了18家，目前的话大概44家，这个工厂他们更多的是非常关注这种端到端的一个价值链的一个协同，那我们看一下在这个灯塔工厂，灯塔工厂的话可以看他们的整个改进，让他们关注的是PPI里边包含它的生产效率的提升，包括如何实现这个生产过程的这种整体的这种敏捷性。也包括这个定制化的一些制造，那他这个如何我们去衡量它的端到端的一个价格链，那首先他们主要关注的是三点，第一点就是说我们怎么样将客户作为我们这个制造流程和运营的核心，那这边，比如说我们客户发去改善这种客户的体验和使用体验，比如说就像海尔那一个客户，他可能就产品问题，他还他会去联系打电话给海尔，那海尔的数据引擎会从整个这个产品的序列号去检索性能数据，然后去确定有没有这个导致该问题的一个根本原因，那这样的话使用它的这个产品质量提高了一个21%，通过这个优化一个交付周期也缩短了33%。一方面，他这个端到端的这种整个价值链一个集成，更高效的一个决策去减少一些部门之间多余的沟通。同时他们也关注第三点，就是说怎么样去组织间到一个新的制造业的一个生态系统。比如说这里边的话就是今年新品的案例就是施耐德在印尼的一个工厂，他也是通过一个只是一个信息通信的一个门户平台，他把所有供应商的这种能力在平台上进行对接，去更好的去规划整个供应链，使得整个的管理时间减少了85%，同时也对这个整个供应商的服务效率，也有了提升。我们看到在世界各国，对于这种灯塔工厂制造业怎么样去弄数字化转型？怎么样去充分的去利用像人工智能，大数据，物联网等等一系列的一些手段。在各国来看数字化转型，是一个比较复杂的一个系统工程，我们能看到更多的是有技术突破同时也有一些体制机制的建设，这里边就包括资金、整个要素保障、相关的协调，这个是从一个政府的一个顶层设计上来所做一些很重要的工作。所以说我们一个判断就是未来我们影响制造业的一个关键要素正在发生深刻的变革，经过我们说生产要素仍然是劳动力技术资本，但是他的表现形式在不断的发生的变化，或者说他的涵盖内容，比如说劳动力，我们以前是一些生产性的劳动力或者是低成本的，现在是一些复合型的数字化的一些人才，高技能的综合性人才成为了决定这种竞争力的一个关键因素。同时在技术里边，我们一些生产设计，加工制造的传统技术，现在引入了人工智能，甚至说像量子计算等颠覆性的设计。人工智能，先进制造都成为一个发展的核心的驱动力。但是在资本这方面那除了土地设备之外，还有包括我们说数据成为一种新的资源，还有包括一些ICT的基础设施作为一个企业的一个资本所以说我们在这个关键要素在发生的变革，那对全球来看一个总结就是首先我们是一个整个格局和分工体系的变革，同时我们认为拥有新技术以及我们要高度正视这种新技术和国内市场发展所带来的一个巨大的机遇。同时信息技术也进入了一个这种跨界创新融合的爆发期，他加速的这种制造、能源、材料等技术变革。同时为我们国家产业的发展和改革也带来了这种以新带旧的一个历史性的机遇。

  第三点就是发达国家，他们高度重视，并且通过这种各类的政策技术手段来促进这种提供制度保障，同时对于这个整个这个关键的生产要素部分，那高技能的人才、信息通信、人工智能、先进制造等技术都是未来我们认为全球经济发展的一个新动能。

2.我国工业互联网现状与行业实践

   前面我们简单梳理了一下国外发展的形式，我们现在来看一下我国的现状和行业的一些实践案例。那首先这个的话也是一个我们认为中国面临的数字化转型的几个思路。一方面我们是想要提升这种经营管理的效率，主要是认为我们十来年我们的劳动的成本在快速一个攀升，企业的经营管理效率也提出了更高的要求，第二点就是我们怎么样去提升产品的价值和质量，我们要利用数字化的各种手段，因为目前咱们国家的大部分企业还处于中低端的制造，附加值低，我们需要用各种说话转型来提升这种创新能力提升我们的产品价值。

  第三个也包括商业模式的一个创新，因为大量中小型的制造企业，他们的利润率低，他们需要将自己的能力去融入到整个社会化好的大的体系中，他们才能获得一些更多的一些市场的一个机会。比如说用这个现在说用工业货量平台，金融信贷等，解决这种融资难、贷款难的问题。

  我们看到了其实中小型企业也是我们国家现在整个制造业转型的一个非常大的一个重要的一个组成部分。他们面临的问题比大型制造企业要面临的往往要更加复杂，那我们之前的话也结合各个研究机构做的判断，中小型企业的一般的平均寿命是在五年，而是数字化转型，往往要持续三到五年的更长时间，也就是说，对中小制造企业而言，他们面临或者是生存问题。他们怎么样去利用更低的成本、更便捷的方式去获取这些细节化的产品服务。用数字化转型区需要为中小型企业造福去解决的。

自从我们看来工业互联网是为数字化转型提供了一条发展的道路。它面向市场上我们看到不断出现新的这种产品、商业模式。市场竞争有不断的有新进入者。这也在督促在企业在数字化转型的时代，我们需要快速去管制这些变化，敏捷的响应，同时结合我们的历史经验或者一些其他的一些分析方法去对未来的智能化转型做出一系列的一个判断和决策。

  我们目前可以看到就整个这种工业互联网的应用路径大概就是主要是表现在三个形式上，第一个是面向企业内部的一个智能化的生产就是通过打通企业内部的设备产线生产和运营系统，去连接和这个数据能提高这种企业的生产率，那它更多地是面向一个车站，车间级或者是一个工厂级的一个智能化生产能力的一个提升，那第二条路径的话，是在我们企业外部，企业和企业间通过价值链的一个协同，我们连接这种更多的产品生产服务创新的能力，包括金融资源去推动业务和商业模式来进行一个转型。这里边更多的像我们经常提的智能的产品服务，或者说一些协同。第三个路径的话，就是更加开放的，用一个面向开放生态的一个平台化的运营，就是我们现在在很多经常提的工业互联网平台，我们去汇聚更多的企业产品生产能力或者用户等等产业的资源，我们可以通过连接和根据数据智能去实现这种资源的优化配置，比如说我们产品加服务、机器加服务以及衍生的金融服务，在这个都是一个数据去驱动的一个更大的一个生态运营能力的一个提升。

  我们在整个这个工业互联网应用的背后，我们可以看一下我们跟国外的这种业务模式的一个对比。

  这个是也是工业会员产业联盟在2019年当时在收集国内外的先进案例所做的一个统计的一个分析。

  那我们可以看到，在这个整个从这个设备生产运营等各种应用模式上，我们差别最大的是在这个设备这段我们的差别就是国外是大概49%，还是国内用大概是一个27%的水平，因为我我们可以看到发达国家美国德国有良好的信息化的基础，它可以通过数据分析智能去挖掘新的产品价值，比如说设备的预测性维护、产品量的提升，产品创新等等。

  对于国内而言，国内的整个制造业发展水平是有补课的，有提升的，还有各种利用中小企业业务模式创新去创造价值的。在这个多种模式并存的情况下，我们能看到我们最大的一个市在产业价值链，也就是我们怎么样用工业互联网去做一些资源的优化配置这块，我们会比国内要丰富内容丰富形式要多样化的多。比如说类似像金融保险，物流等等的融合性的创新模式，那我们在国内没看到一个非常好的应用的一个案例。或者是背后我们认为工业互联网现在已经从理念的验证走向了一个实践的一个推广，在这个过程中，我们发现各个行业面临不同的场景，它会有很多个性化的一些应用。目前呈现三点的一个特征，在一方面是在场景在不断的扩散，我们看到以前的话，我们最先看到工业互联网的时候，我们看到它更多的市区将于设备的一个预测性维护设备的管理，现在我们能看到更多场景的应用扩展，包括质量管控、包括工优化，包括原材料配比，优化等等。另外一方面也是跟垂直行业进行的一个融合，像石化钢铁，电子信息家电等等都会有相应的一些应用的路径或者是互不完全一个不相同的一个推进方式，第三个就是一个模式创新，包括我们看到共享制造、规模化的定制、产融结合等等，那这些都是基于一些各种各样的一些制造资源的机器和再去优化配置，去重构的各种的业务流程，也包括商业模式。总体而言，如何去解决行业深层次的问题，如何去找实现一个商业价值的闭环，也就是说，让企业通过工业互联网供济方能。通过工业互联网去盈利到需求方可以解决自己的一个核心业务问题是当前工业互联网一个核心。

  下面的话我这边来介绍一下我们目前在也是在一个这个研究还有包括这种实践调研过程中，我们看到各个行业一些案例。首先我们看一下电子信息行业，因为电子信息行业作为一个消费品制造的，他有离散行业的很多特征，他就是本身他有产品种类多，那它的产品升级换代的周期非常短，在对产品良率质量要求非常高的一个特点，那我们对离散制造业按照四个环节来看，我们可以看到整个这个工业互联网的一系列的一个应用，包括比如说在设计环节，我们看到富士康器数据和网络可以实现这种设计方面的一个协同，在市场环节，比如说依托数据可以做一些深度的优化分析判断，提高产品良率，那这里面我们举个例子就是深圳的这个华星光电他技术，人工智能可以展开开展这种视觉的检测，那这个缺陷识别率高达50毫秒，那这个每年也为他们增收了1000万元，他在管理环节还是在以数据互通里基础的一个生产管理优化，就是怎么样去做全业务流程的监控和调度，怎么样实现企业这种关键环节的一个融通发展，比如说有些是将这个制造和供应链环节，生产库存去提升这种库存的周转率，那这边我们看到包括新华三等都在这方面很多的应用都在运维环节，它这边的话是基于一个更多的话是经一个产业链集成的一个针对我们电子信息产品的运维管理服务，比如说像华为，它是打通了工艺、研发、制造等数据。构建一个预警能力，那这边也是批量的去解决问题，然后也可以返还率改进的24%。还有包括类似于欣旺达，这也是一个电子信息的一个企业，他去打造一个整个供应链的系统，也可以连接非常多的，这种供应商去程一个综合服务的一个生态。

   这是电子信息行业的一个特点，那对于汽车行业而言，那它未来的话，因为汽车行业这个本身的一个智能化水平是相对比较高的，他未来走向的一个定制化，从产品而言，他走向定制化和智能化他对于他的生产过程而言还是继续的高效果和柔性。因为我看到汽车行业，它是属于这种少品种，但是大批量生产的同时它的产品的复杂设计周期比较长，那售后服务相对而言是要求比较高的，所以我们对于一个产线怎么样就是柔性的更快速度的去调整我们的产品的制造生产的过程，去满足一个需求，是他面临的一个核心的问题。在设计环节的话也是一个跨区的协同，那这个的话是目前应该是主流的汽车厂商都是采用这种通过一个系统研发设计平台，进行全球的研发资源的一个调度来进行一个共同的一个发挥合力设计的一个制造的一个合力，在生产环节的话也是个混线柔性的一个生产，比如它是有八种不同的车型的一个柔性生产线，三分钟之内就可以完成一个整线的一个自动切换。在接箱环节主要还是对于用户的这种数据的来进行不断的挖掘，实现这种大规模的定制。在运维环节是跟我们目前来说就是发展的这种车联网，特别是以后是车联网的发展，我们汽车本身是一个智能的产品，特别去优化客户的体验，在这次疫情的过程中，通过转产的方式，通过借改，我们实现一个企业的转产，那目前我们也是看到大规模的需求，很多集中在口罩机造很多企业都进行到转产，但是在汽车行业，他们转产是个最坏的那我们看的包括几个大的这种汽车的厂商，包括广西的，都进行了个转场，那他的转场的话，大概是用到三到五天的时间大概一个几十万的成本，他就可以去生产一个口罩机，他这个的话我们也之前也做不了我们也是前两天做调研，为什么在这么多制造行业里边只有汽车行业可以实现这么快速的一个专产，那这个的话，当时他们也是回答，因为汽车这个行业本身以前的这个智能化水平是相对比较高的，整个这个车间的这种管理，包括它的无成等等一些高规格的要求是非常符合口罩机的生产，在另外一方面，对于这个原材料而言，口罩所需的很多种布的原材料跟这个汽车的比如说座椅的一些原材料供应商很多都有匹配之处，所以在这个过程中，汽车可以实现汽车制造业是一个快速的一个转产响应的速度是比其他行业要更高很多，当然这个是跟行业本身也是一个智能化水平本身包括它的生产特点，也是一个密切相关的。

我们回到这个数字化转型，我们下面可以看一下航空航天，因为这个的话相对而言是一个典型的一个作品中小批量它的产品种类非常多，但是规模小，可能一次性有时候生产一到两架或者是但是价值是非常高，同时它的研发周期是非常非常长的，所以说，但是目前我们可以看到，因为它的产品的这个小的问题产品，这种规模每次体量比较小，那可能就是几个的这种个位数的一个生产，所以它本身的自动化产品的自动化就是相对其他行业稍微低一些，但是它的设计仿真水平是非常高的，那我们可以看到现在在整个这个制造的各个环节上，那我们可以经过数字化通过平台去进行协同的设计和仿真验证，里面包括现在的商飞，还有中行等等，都是有一套现在有一个成熟的一个产品和业务的模式，在生产环节的话也是基于这种数据分析为基础去进行生产管控的优化，比如说商飞，最典型是在去年可能当然能看到就商飞是打造的5G的全员间工厂，他也是通过5G将很多的这种数据进行了云平台的上传，可以实现这种实时的数据分析，而这个工装利用率包括三品单位的这种产质的综合成本乱的去优化，在供应链环节，因为这个对于航空航天行业而言的话，他们的供应链是非常复杂的，这里边的话也是通过这个比如说像西飞，它集成了这种生产计划库存等等，他提不提升这种供应链的管理效率，实现他原来的备件由原来一天是缩短到不到四个小时。在运维环节的话，那这个就是典型的一个设备的健康管理预测性维护这个比如说像北京北航的北京航天测控技术，这个也是将这个PHM那种技术去用到风洞实验当中也可以降低这个故障的一个利用率。

  以上的话是离散行业，那我们同时也看到流程行业跟离散行业是一个可以说差别是非常大，离散我们是从研发涉及到制造到运维等等，那对于流程行业而言，他更多关注的是一个是在过程中的设备的资产管理生产的过程控制产业链的价值提升，以及就HSE就健康安全，环保等等，这一系列的问题，那我首先看石化行业那石化行业的话，它的整个这个生产的设备资产的价值是非常高的，它在生产过程中他要关注排放和能耗的同时也要去严控这个安全生产的风险，所以我们看到他的案例，更多的是，比如说他通过大数据分析，我们去进行这个生产过程中设备的一些健康管理，比如说中化能源就是最它的整个这个压缩机珍惜轮机等等装备进行管理，未通过这种健康管理设备维护成本是每年可以减少15%，也包括中海，有的这个可以实现这种生产装置自控率的一个提升。在这个生产过程控制环节的话是有一些进行这个原料，比如说中石化对这个原料进行分析建模，可以组成各种操作，一个样本库使劲汽油收率可以提高0.2%就这个5%，5%的这个一个提升都可以对这个行业企业带来极大的一个价值提升。现在产业园整个产业链环节，因为整个流程行业的话也是从原油采购到这个石油炼化到库存等等，那这个的话也是把这个资格证链条来进行打通，那在HSE的话是现在我们看到在流程行业是应用非常多的，那通过数据监测可以加装很多监测点，包括这个监控他的水电气等等，还有包括在整个某一个园区进行监测，要实现这种安全的管理以及风险的一些快速的一个识别。对于另外一个这个流程行业就是钢铁，那现在我们看到整个在去产能，那个落后产能的一个整个带动下，还有包括钢铁的兼并整合重组，整个行业的话也是像清洁高效和定制化包装化的一个发展，那他整个生产的连续性非常强的过程也相对是不那么透明，因为大家都是一一整套流程，这个下来，所以同时的话，因为他是作为一个重要的基础性的一个原材料，他的客户种类多，然后这个订单多而且非常杂，那有些大批量的有多的，但少的可能是一个几公斤或者几十公斤的一个钢材一个测试方法的一个生产。那同时它这个的话也是我们看到在这个设备资产管理的话也是一个远程监测和预测性维护，那这个宝钢在这方面已经做了很多年的一个试点，同时的话在更整个工艺流程方面也是去继续对工艺进行优化，可以减少这种成本或者减少这种碳排放。那在整个产业链价值链的时候也是实现了这种个性化的定制配送。比如说造船厂一个造船厂跟南钢合作后，那也是把刚才的一个利用率提高了3%左右，然后采购周期也可以缩短一个月以上，那在这个整个安全健康管理的话，也是通过这种一体化的平台，那有些钢厂的话，是在以前的建立了很多种能源管理平台，那在这个能源管理平台上有这个进一步的优化，可以把这个整个人事效率都能够进行提升。

3.未来发展展望

  那以上的话是国内的一系列的我们看到国内几个行业的一些实践和一些案例的进展，那对于未来的发展而言的话，那也是一个就是我今天这个跟大家分享的一个主题，那对于未来这个书的话转机工业互联网发展，那我更多地是从一些技术的应用的角度来给大家分享一下我们的看法，但首先我们认为在整体就整体数字化转型而言，那我们预计到2025年，他进入了一个规模化的推广期，因为我们在近几年的可以看到各种各样的一些试点的一些项目，包括这种各种的灯塔，工厂也包括一些车联网的应用等等，工业互联网还有包括像现在提的数字孪生。在一九年之后，很多更多的这种工具重点的行业开始系统的去推进这个数字化转型，包括一些新的网络，包括5g的应用普及，包括这种数字化产品的后来就整个在这个过程中，我们已经经历了这个从应用测试从试点项进行推广，但从产业做而言的话，那我们在前期前几年的新技术的一系列的测试验证，从安全、可靠、可行性上面一些验证我们现在已经新的一个产业支撑信息也在改变，整个数字化的产品、服务、数字化供给能力都在改变。那在这个过程中，我们看到具有变革性的信息技术不断的去赋能于整个制造业，那这里边也是在这个国外的这个研究机构对806家y企业的一个调研，就是认为他们认为未来的一个新的技术或者说你认为那个赋能技术或者说一个先进应用是一种是哪些。这里面可以看到云计算，5G包括先进的自动化以及包括人工智能，高级数据分析等等。大家都对新的技术有了非常强烈的认同感或者认可，他们未来会对我们制造业创造出极大的价值。

  在整个这个创新价值的演变过程中如何去满足行业应用的需求成为他创新驱动的一个核心的一个驱动力，我们可以看到，比如说在网络技术而言，它面向的行业是要要求一个制造业是个的延迟，但是要高可靠，那这方面需求在不断的进行优化，我们看到目前的一些物联网一些包括5G一些手段不断的在往这个需求上去提供这个方面的解决方案。在对于平台而言的话可以提供这种为行业提供更灵活，更低成本的计算资源更深入的数据集成以及说一些更加敏捷的应用创新的支持，比如说像微服务架构可以去开发更快的去开发各类的APP应用，那同时在分析上我们有更多的这个各类的这种人工智能的一些技术，我们可以面向这种行业的实时性和几时性，可靠性去提升，所以说在现有的数字化技术的基础上，我们认为是一个不断进行深化适配适合的组合的一个过程，在这个过程中可以去提升解决行业问题的一个能力，那这个不同的这个技术进行这种匹配进行组合，成为了为你未来这个五年数字化转型的一个技术演进的一个重要的一个方向。

那我们这里边也是重点看一下几个技术，首先是看5G，5G能给行业带来多大的变革？那这边的话，首先我们来看两个数据，一个是他目前一个全球工业网络的一个构成我们可以看到，在工业以太网的占比是一个不断的提升的传统的工业总线的一个整个网络量是在不断的一个缩减的一个过程，同时，另外就是无线工业无限包括这种武器，还有包括npiot等等，但这个的话也是在一个缓慢提升的一个状态，也就是说，在各种技术的条件下这种无线技术也在不断的被认可。在2019年的一个调查，就是在还是这个806家企业比较调研中，这种行业在工业生产中应用5G的意愿，我们也可以看到那最高的像航空航天和国防领域是里边已经一到两年的利用率是达到了77%，一年内的话是一个21%的水平，在一年内，我们看到近期觉得最有最想应用5G的包括汽车，包括这种半导体的高新技术制造业，还有包括物流行业等等，他对于未来而言的话可以看到大家普遍是一个非常认可的一个5G带来价值的一个过程。

  那我们现在看到在国内外的话能看到一些这种5G的一些单一验证技术一个单一应用验证的一个展开就去办潜力的话已经显现了。我们看到这里边主要是看到五类的场景。现在的场景就是经一个高清的那种视频回传来进行一个质量的检测和监测，比如说像这个南方中集还有这个利用这种实施预警可以提供实时的查询实现安全生产的管理在流程行业也可以用这种超高清的摄像机，在5G的机器人去检测一些管道，去识别一些高风险的一些辅食区，那这些的话都是没有一个就是现在的这个非常不适用不适应人工来去做的。在第二个场景的话就是设备数据采集和这个实施监控到我们可以看到就是这里边，比如说那个一期5G的一个汽车流水线，他是也是实时监测并传输数据。那保姆钢化也是将这个5G的网络应用于这种健康的一个分析，也是一个数据上传。第三类场景也是目前我们看到应该是大家觉得就是目前能抓人比较抓人眼球也比较亮眼的同时也能快速见到效果的是5G+AR/VR的辅助装配与设备维护，可以通过AR眼睛来进行错误检修，也可以进行一些实时的监控，也可以进行培训等等。借助5G的话也使得这种人机交互这种基于VR的这种交互，这延时在十毫秒以内的装备的效率也可以提升70%。第四类场景就是无人巡检，包括把结合5G的一些进行，一种在这个或者说条件特别恶劣的情况下，可以在这种应急救灾啊，应急巡查等等来进行一些检修。第五类场景就是一些远程的操控，那这些场景现在是相对比较少，因为远程控制他对各种的实时性，还有这种技术的本身的要求会相对较高一点，所以我们可以看到一些比较少一些案例就是最这种实时性要求不是那么高的远程控制的一些场景可以去控制这车辆的一些行为减少这种参与的危险工作人员，我们也看到对于5G这个技术整体而言来说，高带宽的传输以及。

  远程化和移动性是当前武器在工业应用的一个主要的一个需求点。同时我们也需要清楚地知道就是5G，现在只只是一个蓄势待发，那总体上仍然是准备了出于一个准备初期那所说的这个准备的初期，更多的是从产业端而言，产业端就是并没有说能够现在很好的去匹配上需求，那这里面我们将武器的整个产业院包括了终端模组网络设备，网络运营以及系统集成，那我首先看终端模式上，那目前包括这种芯片皇后，华为，高通是两两大新店镇影一设备厂商也大概十余家，那目前这种针对这种5G的这种也就20款的模组产品。以后的话是在工业里，因为特性化的场景是非常强的，所以说以后更多的是定制化方案是这种一个发展重点，但是因为当前更多的是通用的还没有产生动手定制化的解决方案。 另外呢就从网络设备而言的话，因为通用设备要去上一些低成本和行业定制化的发展，那目前我们看到更多的还是通用设备上为主。 对象行业服务的核心网设备还没有完善。对于网络一遇上也好，我以为运营商仍然占据统治地位，那同时的话呢，就是一些其他企业包括一些特别龙头的起到这种能够整个盈利这个行业发展的他们也在不断的加入，比如说在在增值的这个50号工厂在德国就是设备商自己运营这个5G的这个网络。这个的话，整个未来5G的网络怎么叫你去运营，谁来做运营?这个都是要有待探索的。同时目前我们看到系统集成的模式也是一个非常非常简单，就是大多就是一个通信的企业+一个运营商+一个应用企业的模式，那比如说像华为+中国电信+赛轮集团的一个做远程运维包括，比如说还有企业选择中心，然后再加上比如说移动或者联通等等，那基本上都是这种一个产品的一个组合,只有少数的工业企业去真正的去参与到共给侧能力的，比如说华为加这种APP的打造这种机器人的一个巡检，所以说我们未来5G并不单单是说一个运营商再加一个通讯企业去主导他的一个工业技术的工艺，那需求毕竟是来自于制造企业，我们希望也是说希望有更多的工业技术的供应商和系统集成商来参与参与。那总体上而言，我们看到5G核工业。直说融合发展，但是它面临的像成本、投资回报甚至说是一些监管制度的问题还没有得到一些解决。那其次的话我们看完5G，我们来看未来我们看一下人工智能的这边，但首先我们看到在工业领域，在这整个一大划分，其中我们认为在人工智能和解的问题都在一方面有很多传统的比如说像基础的一些理论，公益的一些标准，制造一些技术，那这些传统的工业问题是人工智能无法解决的。在人工智能能解决的得问题里简单的根据人工智能的技术特点，我们把它分成三类，第一类就是分类问题，这类问题的话是对一些比如说现在的工业领域的图像音频等一些离散变量进行类别划分，比如说我们进行一个故障的诊断我去判断它属于哪一类的故障。第二个的话就是分类和回归共同去解决这个问题，比如说我们进行一些这个可以进行一些稍微复杂的工业问题，比如说一个产品的一个研发，自动驾驶一个机械的一个怎么样的一个设计。那第三类问题就回归类的，我们是对一些连续变量进行一个预测或者优化，我们这边看到一些比如说像工艺参数的优化，这种连续变量我们也需要人工智能通过回归的方式来进行解决 那我们这边就是这个文字比较多，其实就是想说一下我们这儿工业智能技术，它的主要的一些我们现在目前能看到的一些异常，我们可以看到，目前传统的机器学习的方法是基本上是占据了整个应用的半壁江山，比如说像产品的质量检测，设备的精准的控制，预测性维护工艺优化等等，都是些非常典型的一些应用方式，那另外的话，还有就是通过深度学习我们去解决一些稍微复杂点的问题，比如说我们有做图像视频为主的数据进行挖掘，我们可以解决一些疑难杂症。另外的话，还有知识图谱，那这个的话，也是目前我们看到刚刚兴起的就是包括一些应用的价值是已经能够得到体现，他也通过一种全新的一个知识组织的方式组织的一个方式，可以不把以往一些很多的工业知识整理成为图表可以实现更便捷的一个具体那个检索可以进行一个更高，可靠的一个管理和决策。同时还有各种技术的这种组合在比如说横向组合就是一个数据科学去跟整个知识工程这种去相互组合去解决的是工业领域作为复杂的问题，因为有很多本身的这种工业的问题去解决他离不开本身的知识的储备，那另外一方面就纵向的组合，那这里边就是我们经常说的可以就是利用数据科学信息，这种数据的这种暴力的方式，我们可以提升已有的一些智能化的能力，总体上而言，目前我们看到更多的案例还是产品缺陷检测这种视频类的应用，而且还是在离散行业是相对比较多的，但我们前面其实有提个提到过一些需求，包括有时候在流程行业，一些产品配比的一些优化，包括一些工艺的优化，那这些是有极个别的案例，但这些案例还确实是比较就是目前用于确实是一个相对一个比较少的。同时的话也就是目前我们看到应用基本上是一个典范的应用，普及范围是非常有限的。这里面我们举个例子就是TCL的格创东智跟前面我们说的深圳的这个华星光电在一起去用人工智能用深度网络这种深度神经网络算法来进行一个缺陷的智能分类。那这个也是关用互联网联盟的一个优秀的应用案例，那这个华星光电它的一个核心的痛点就是说它的每个工厂有分布着20多个这个面板的缺陷检测的站点，那每个站点判断的图片超过2万张，那传统的检测方式就是人眼的判断，面临的是高人力投入，因为我们在那个工厂看到他的工人的话是隔段时间就要整个轮岗换岗的，而且他的判别的速度是比较慢的，人员的流失的这个等等问题都非常严重，那目前的方案，是基于一个深度学习一个在线的一个视觉。因为这个继续视觉系统实时去采集产品的一个图像，然后就是他是在这个生产线上的部署的一个高速的这种高敏度的一个CD的一个相机和照明，这个可以从不同角度进行这个图像采集那目前从效果上来看，因为这是只是一个非常简单的，因为业务，但从效果上来看它的人力成本营销减了60%，那发现这种质量异常来进行拦截，提早的一到两个小时那同时也在改善了整个曲线识别分类的一个精度。但是人工智能的话，其实也是面临再制造业里面还是有面临思维的主要问题，那第一类就是实时性的问题。我们看到就目前的整个这个通用的计算架构，包括芯片是无法满足实时性带来的需求的，我们看到一般情况下，我们处理一个1080P的图片的话是用一秒时间，但是工业典型应用的一些图像识别需求是1/25秒。那这个的话也就导致你要再需要满足贵的实现你要去做更大的开发，还有这种高成本。第二个就是在工业里边最重要就是可靠性，目前看到比如说消费者在消费互联网里面根据。人工智能算法关注点，比如说我们像淘宝，我们向用户推荐喜欢的物品的准确咧，要求达到一百分之一就够了，比如大家经常去看到手机给您的推荐可能有些正好正好在推荐的挺个名单里，可能有一两个大家非常喜欢，或者我们在看那个头条新闻里边，我们可以看到推荐符合自己的也有不符合自己的，但这个对于我们消费就对我们个人用户而言，这个都是一个我们能够接受的。但是对于制造企业而言，他们要可靠性就是100%，他没有说任何的百分之多少的一个，这个可以打折的一个准确性的要求，那第三点就是可解释性，目前我们看整个人工智能在很多领域应用就是以最终的表现作为评价的标准，比如说你围棋，就是谁输了谁谁赢了，那他就是人工智能，他的水平就是高，但是在制造业里，包括一些比如说像在冶炼啊，核电等等这种他必须要在有个可靠的和工程以及科学的一个突破上你必须要能够解释这个事情为什么发生？他的关系相关性相关因素都有哪些？你才能更好的做下次的判断，那同时还有第四点就是适应性，各种包括这种模型的交互软件的适配等，那目前我们看到这种人眼，语音啊进行个体识别时，他利用的生物特征是相同的。 但是对于我们这个制造业而言，就拿产品缺陷检测一个案例来说，它不同的产线产品缺陷种类是完全不一样的，那这个每次都要做一个新的学习，新的一个判断，那这个毫无疑问的话，这个都是一个定制化的开发，那这个工作量包括技术，整个开发量都是非常大的。以上的话是我们对于整个的技术的一个判断，那我们能看到未来，从这个挑战来说还是非常多的，就从技术而言的话，我们看到目前我们看到新一代信息技术跟制造技术怎么样去融合，我们一直说的，我们需要用新的信息技术不断的进行技术组合去解决问题，但是还面临很多的困难， 第二点就是说在我们新的技术去解决工业问题上有效性有待验证，因为我们刚才也看了就很多，其需要用一个新的技术而言，制造企业是一个成本高度敏感的一个行业，他没有那么多的试错的一个成本，他必须要等待新尝试，等待有没有这个经常一个企业在进行新案例的不属实，王老师问，哎，你在我们同行业有没有做？你的效果是怎么样的，但如果说这个有效性或者价值性没有得到验证，那他可能会不是说那么坚定的要去部署这个，他觉得方向不太明白，所以第三个还有就是剩下一些，包括我们最基础的短板的一些我们本身的产业的环节是没有解决的，那就应用而言来说，我们整个这个企业的整体的这个数字化或者网络化的基础，这个毫无疑问还是相对比较薄弱的，很多可能在车间的话还没有解决一个基本的一个自动化的问题，那同时整个新技术很满意是高居不下，我们要部署5G或者说部署，人工智能等等，那这个成本对中小型制造企业来说，毫无疑问这个东西并不适合做这种部署。同时还有目前我们看到就是我们经常说在制造业做解决方案，你干的是最苦在最累的活，因为有大量的时候定制性的一些开发标准的通用化的解决方案数量是有限的，这些导致一些长短一直居高不下的，此外还有包括整个整改造的团队呀，人才这方面都没有进行一些匹配。对于从供给端产业产业环节而言，一方面我们缺少那种产业巨头去引导发展方向，我们看到德国有西门子这种比较大的这种巨头进行包括产业整合，包括整体的未来的技术研发，从这个自动化造智能化不断地去吸纳新的技术，然后去做整个产业引领发展，那在这方面中国的整体的对比相对对比能力还是弱一些，同时，企业间包括这种整个创新的协同，包括创新的生态，那最后还有包括这种商业模式，因为前期资金投入大，而短期收益有限，还有包括现在的盈利模式，我们经常问，看那个工业互联网包括其他一些解决方案，你怎么样把你的产品赚钱？怎么能收回前期的研发成本？怎么才能实现自我的可持续的一个发展？这些很多现在都是一些模式上是不清的。

我们进行展望而言，首先还是跟我们前面对数字化转型的一个判断，应用、探索和推广仍然是一个主线，我们不断地进行这个实践推广过程中如何去进行这个产业创新，包括产业合作都是从应用端牵引来的。同时的话也是我们要抓住这种变革的起机遇，打造整个这种共计能力的提升，第三点就是我们在兼顾大企业这种智能化发展的同时，中小型的这种信息化普及这个任务其实也是我们初中化转型或者中一个非常重的一块工作。同时的话，包括目前国家做的比较好的资源协同产融结合等，这种业务模式也是一些非常独特的一种创新，那这块东西既然是我们的优势，我们还要继续进发，同时还有包括起一系列的新的技术的发展带来的这种工业结合，还有一些攻克的一些系列的瓶颈，比如说刚才说的5G的这种模组的问题，怎么样能够提供适用于工业的解决方案，包括是我们这种长期的这种积累知识的差距都是我们面临的一个长期的一些挑战。

  最后的话，我们还能看到就是最后也是给一个简单一个总结，那我们是认为就是在整个数字化转型过程中的工业互联网可以提供这种方法论和路径，那我们这里边就是未来的话谁将是主导说的话转型的这个变革，那我们这边最后的话，我们也是给出一个就是在2018年做的一个调研问卷，就在这里边，其中72%认为是有锐意创新的传统企业。那34%认为的话是类似于像数字巨头，比如说像苹果，阿里，谷歌这种互联网的巨头。其他的还有包括行业企业，还有包括小型企业，那也就是说，其实我们可以看到在传统的数字化变革过程中，我们也是希望能更多的大家企业更多的研究机构，更多的创新公司能够参与进来，我们共同来拥抱这个数字化转型，那谢谢大家以上就是我今天的这个整体的一个汇报，谢谢。

4.Q&A问答环节

Q1：对工业资产管理设备预测性维护和在线检测，目前国内发展出于什么阶段？未来发展前景如何？走什么样的道路比较好？

A1:那这个是一个那个就是跟设备预测性维护或者说设备健康管理相关的一个问题，那这个的话，就是从我自身而言的话，因为我自己前期的话也是在一直在从事工业大数据这块的一些研究，说的这个问题就是出于一个什么样的发展阶段，就这个的话毫无疑问，我们目前所出的话只是一个开始，一个点错的应用，与国外的这种新兴的水平差距还是比较大的，那一方面的话也是由于因为工业设备有很多大型的那种设备来说，就设备的知识和激励我们是不清楚的。 我们面向的话是其实是一个黑河，我们在购买有些设备的时候有些机理是给到我们了，但是更多的话，我们是不断的是通过数据的积累去进行这个数据的积累到一定程度上我们才能够说做这个很好的，所以说这个未来前景的毫无疑问我们认为设备预测性维护是未来整个工业大数据或者说工业人工智能价值的一个非常重要的一个体现。那这个在目前而言的话，我们确实发现就企业在点状的应用过程中，其实这个误判率还是比较高的，我们看到就是有些企业在做了一些大型的装备企业，他们在做设备去预测维护，他并没有把这个设备性预测维护或者这个项任务作为业务作为他的一个判断这个设备问题的一个唯一的一个标准，它是作为辅助的，也就是他是新原来人工的这种知识的储备，或者说可能就是利用一个excel表，可能定期检修的这种方式，然后去辅助设备预测性维护来做这个设备，健康管理，短期来看，这个路的话还是一个长期的一个过程，他也是，但是在不断的我们设备预测性设备整个运行过程中，当企业掌握的这种数据量越来越多，你面临的各种设备的检修的这种问题越来越多的时候，那这个的话相对的解决方案也会越来越完善，因为这是一种不断迭代的一个过程。

Q2:如何有效的去应对信息新技术对自身行业带来的颠覆性影响?或者说怎么样去运用新兴技术创造价值?

A2:这个问题问得挺好的，对于中小企业是这样，我们是中小企业，只是现在的话就从他成立或者说他这个是两个大类，一个是非常传统的你已经发展了几年了，然后呢，有很大量的资产设备生产线的版本的积累，有很大量的这种产品客户的基本积累，在这个前提条件下，可能你没法去做一个非常大的颠覆性的变革，那这个的话，我们一般建议你围绕一个小的环节，或者说比如说，我们的把你的供应链的优化做好，我们去降低库存，或者说我们怎么样去获取更多的一个订单，做这种优化的改进，可能是用一个比如说 一些人工智能的一些局部的应用等，那这样的话对于一个新的一个初创的或者中小企业，他刚新他很多东西比如说你是买来一些非常新的一些设备，或者说你是一个最热点的行业，目前整个行业需求是一个非常向上的过程，那我们还是鼓励你可以去大胆的尝试一下一些新的一些技术，当然我们目前看到新的技术，包括5G包括人工智能，这个还是需要结合我们的需求的，就是你是想去优化你的客户体验价值，您可能去做一个客户的客户的这种需求的一个挖掘，还是说你想优化我整个供应链，或者说你的问题更多地是在我怎么样去帮产品，那这个我感觉就是需这个还是要结合自身的需求，你毕竟中小企业成本是更加更加敏感的，他做哪一个判断而言的话是需要综合考虑整个应用，还有整个行业的发展就是甚至说这个行业判断一下未来两到三年他这个整个行业的一个就是目前也是处于一个上升还是一个持平的一个状态，然后我们再去结合新技术看能解决什么痛点的一个问题。

Q3：面向区域的这个块状经济的数据化转型有哪些切入点？

A3：这个问题是这样，这个我举个例子，块状区的话，比如说像现在就是典型的像广东像浙江江苏都有不同的这种块状经济的发展，那我们之前看到在广东的发展其实是一个在去年一年广东进行了探索，就广东发展的区域经济，他首先他把电子信息之类就非常好的发展非常非常好的，我们先让他自身接进行继续去优化去发展，它针对的是这种模具等等，就是定制化的家居等等，就这种中小企业非常非常多，他必须要去通过这种集聚效应才能够带来价值的，针对这种产业集群，去年广东市重点针对这些产业集群去做一些发展，比如说针对他当时是针对模具行业，模具就这一个行业，比如说在顺德或者是在广东哪里，这个我可能记得不太清，他是组建了这种供给解决方案能力商的这件事情块儿，那首先他是把整个这个模具产业，他面临的到底是什么样的问题，我进行一个梳理，然后我发给了很多供应商，你们觉得有没有感兴趣。但是因为这都是中小企业毕竟是成本是有限的，他可能很多，首先公益性的，甚至说是一个通用解决方案的一个态度。 但是在这个他组建了一个专家团，或者说解决方案团，然后开始去实地的走访模具行业。让更多的他希望在这个过程中把是个解决方案，把这 个行业的共性需求提炼出来，他不是说在一起去解决一个一个个性化的问题，那这个的话呢，可能解决很长时间，那他是把共性的问题，你到里面有什么问题和他有些时候我们最核心的问题，我怎么样从市面上获得订单怎么样把这些订单信息结合起来，怎么样去把这种闲置的富余的生产力，共同利用他这个可能是面临的是一个制造能力的优化，或者说有些是说我们的这个整个的工艺知识能不能进行共享等，咱，那这个还是结合一个区域，去选定的区域到底是想有没有那个整个行业发展的一个优先级，他当然这个重点产业的话，也包括这个产业本身的发展，也包括你这个产业在地方所占的一个比重甚至说他的影响的一个范围。

Q4：在企业在实施工业互联网过程中，在投入产出之间获得平衡这个时间如何应用企业来分配？

A4：因为我目前也经常去问到企业就是说你在用到这个，能不能衡量一下，比如说你用了工业互联网或者说你用的人工智能，对你的价值到底能够提升多少，但其实也就像我刚才案例讲的，比如说类似于像华星光电等等，包括富士康等，他们可能是有一个数据量化的提升，能够告诉你，最直白的就是我赚了多少钱，或者说我节约了多少钱，如果企业而言的。，他们说他们说不出来，或者说。 不太清楚这个东西，怎么去接待你一个价值未变的情况下，你怎么样在一个投入产出之间获得平衡？这个就是他们之间就是很多人都会提到。这个的话其实是一个企业就是你首先你能够知道你未来基于这个技术解决到底能赚多少钱，当然这个更多是供应商来做就是我在做我的产品或者解决方案推荐的时候我能够非常准确的报告你用的这个你就能带来多大的提升，那这样的话，知道自己我才能去判断我的投入产出，不然的话可能在我整个产出未明的情况下，让我去判断投入对制造企业来说是一个非常困难的问题。

Q5：人工智能这个有什么应用场景？

A5:这个刚才我刚才已经提了，所以这个问题如果说还想获得更多案例的话，可以看一下我们在那个关于回访别人发的，有个工业人工智能的白皮书那个里边，我们收集了大量的就是人工智能在包括深度学习，机器学习等等知识图谱等等在制造业的一些应用。

Q6:AR/VR的概念比较多，有什么这种应用呢？

A6：这个AR其实我刚才说的就是这个跟5G的进行一个视频的一个远程的检测，包括视频的培训，可能工人的话一个视频眼镜，可以进行产品的维修，当然这个我目前看到的应用是非常小的可能是在一个产线的某一两个环节，或者说在一个实验线上。 那这个的话只能说就是我们只是做一个产品的检修服务，在这个环节的话是能够看到价值的。

Q7:感觉工业互联网产融集合是一个落地的重要途径，产融结合时面临的阻力是什么？

A7：产融结合其实现在的一个非常热点的一个问题，在现在是2020年，在2018年的时候，当时工信部和证监会开了个长隆也是长联合会，然后当时的话也是整个邀请了这个产业界就包括当时工业互联网的很多厂商，也加上了一些这种投融资的机构，来共同来才会来探讨这个问题，但是在这个问题，去年的时候我们也做了几次产融的对接，我们可以看到，其实金融投资机构非常感兴趣，智能制造或者工业互联网这个领域，他面临因为金融的话，它这个的话，目前来看很多还是短线投资比较多，那在长线的话，比如说我们看到工业互联网包括比如说我们看到富士康的融资包括树根的这几个大的这种融资，就是给我们带来一个非常好的一个非常强的一个信息，同时，另外一方面我们也能看到很多这种中学的这种投资机构在不断的转型，比如说在过去两三年可能他在不断地会问到我这边就是说我要投工业互联网牢头工业人工智能，投什么企业有什么建议，但是在我去年年底开始，我就问的时候，他们可能转型了，他们可能说我我认为我不去投这个制造这块了，我觉得这块东西前景是一个非常不明朗的，我觉得这个即使也跟我们整个制造行业，我觉得问的这个就是说到底最大的阻力是在哪儿，其实也是跟这个整个行业这种转型的一个困难性是同时在，的是整个这个产业发展的他的体量又非常大，然后整个成本的敏感，任何一点的技术的创新是对这个行业带来的价值到底怎么样去衡量总量评估，其实这个是业界没有一个非常一个准确的一个评估或者一个非常明朗的一个结果，所以这个导致了很多投资机构的话，我是一直持一个观望态度，或者说我投的往往是比如说人工智能在制造业，就是它是从技术角度来判断，或者说大数据在人工智能在这个在这个制造业，那这种是从这个技术角度来对这个投融资来进行投融资，而不是说从一个制造业本身的一个创新进行的，这是两个角度的一个切换，所以我们未来能否让这个投资机构更多的关注，这种制造本身的这种一些这种创新啊，这个这个我觉得还是需要一个时间相互的一个认可或者说相互的一种理解。

Q8：在线提供目前有提供很多种数字化转型，包括各种解决方案，包括平台等等，每个领域都有数十或者上百家，最终用户也面临着众多选择，如何甄别选择出最适合自己的供应商或者方案？

A8：那这个是企业在找寻服务商的时候需要去解决的这个问题。那这个的话，我们在之前调研的时候，问卷里边会有前期在做工业互联网研究的时候，经常会把这个问题就是企业方式的回答就是你们如何去选择供应商的时候，很多企业都是说一，我要看一下这个供应商有没有服务过我这个行业的同类型的企业？第二个他服务的这种企业是不是跟我规模差不多的？第三个我能不能看到这个转型的效果是什么？但其实我是说你判断的时候，一方面整个这个行业这个企业的这种售前会给您推荐他们的这种技术的解决方案，他们的技术先进性，在里边肯定会有这个行业，他们在行业的一些实践案例，但其实我们最重要的话，我们是去判断我们是不是我们的这个需求跟他们这个解决方案能不能对上。 如果说我们判断这个类型的解决方案，就是我们解决我们这个问题的。能够解决这个问题，在这个基础之上，我们再去判断他的培训看一下他的案例，我目前还有其实在这个整个这个关于互联网或者数字化转型，这个圈子，其实整个这个行业和行业之间差别是非常大，但是每个行业里边的主流的供应商，或者说他做这个的，其实是可以数出来的，就是比如说你说做钢铁，大家都会想做钢铁行业都会去想到去找到宝信，那可能宝信的解决方案后面一直在医疗行业里有医疗的制造业也会去想我们是不是也可以找宝信，那种同类型的，包括这种同类型的需求，但是跨行业的这种协作，这个也是一种找寻，如果说这个案例从来没有实施过，那咱们愿意做一个这种实验性的一个尝试的话，那我们确实是可以做这种创新性的一些探索，我们可以拿出生产线，或者说拿出我们的一个小的环节去做一个这种解决方案那个验证之后我们可以进行一些大规模的一个判断的一个推广。