工业互联网行业分析：市场空间、发展壁垒及AI助力、产业链及相关公司
在“第四次工业革命”的浪潮中，工业互联网的探索和实践应运而生。工业互联网的首倡者是美国通用电气集团公司（GE），该公司2012年发布的《工业互联网：打破智慧与机器的边界》白皮书将工业互联网定义为一个开放、全球化的，将人、数据和机器连接起来的网络，其核心要素为智能设备、先进的数据分析工具、以及人与设备的交互接口。2016年，中国工业互联网产业联盟(AII)在工业和信息化部的领导下正式成立。该联盟对“工业互联网”的定义是新一代信息技术与工业系统全方位深度融合所形成的产业和应用生态，是工业智能化发展的关键综合信息基础措施。
01
工业互联网行业概述
1.工业互联网体系
从功能体系看工业互联网包含四大功能体系：网络、平台、数据、安全。1）网络是基础，应用场景可分为企业内网与企业外网；2）平台是中枢，基于云计算基础架构，提供数据汇聚、建模分析、应用推广、知识复用等四方面服务；3）数据为要素，贯穿工业企业端、边、云各层级和人、机、物、系统各环节；4）安全是保障，渗透于网络、平台、数据三大方面。
全球新旧动能转化加速，工业互联网对工业经济意义重大，得到国家政策全面支持。当前，全球经济下行压力持续增大叠加工业新旧动能加速转换；工业亟需新一代的变革，而工业互联网作为新一代信息通信技术和工业经济深度融合的关键基础设施、新型应用模式、全新工业生态，逐渐成为工业经济高质量发展的“金钥匙”。在我国政策助力行业发展趋势明显，党的二十大明确提出，未来五年是全面建设社会主义现代化国家开局起步的关键时期，要坚持以推动高质量发展为主题，推进新型工业化，推动制造业高端化、智能化、绿色化发展，构建新一代信息技术、人工智能等一批新增长引擎，促进数字经济和实体经济深度融合。
2.发展历程
工业互联网在工业网络、云计算、现代通信等基础上发展而来，于21世纪10年代初步形成。放眼全球，不同国家由于工业基因、工业技术的积淀不同，工业互联网的发展路径也不尽相同。美国坚持市场化原则，工业互联网主要由巨头企业和资本主导；德国更加注重产品质量和技术，围绕整体的工业形态打造展开；中国则是在云平台的基础上，由政策领航助推，亦步亦趋前行，目前仍处于初步发展期。
我国政策不断助力，工业互联网步入新技术、新应用、新局面的全新阶段。我国工业互联网的发展较国外稍有落后，整体概念从2012年兴起，但是在我国政策体系不断完善，从顶层设计到地方落实，层层推进，目前我国逐渐开启新技术、新应用、新局面的全新阶段；“5G+工业互联网”逐渐广泛应用于制造业、工业APP应用持续丰富和拓展、预计2025年制造企业云平台普及率将超过60%。
02
工业互联网市场空间及竞争格局
1.我国工业互联网发展迅速，占GDP比重上升
工业互联网是新工业体系的“操作系统”，在工业升级中的重要性不言而喻。目前，我国工业互联网已全面融入45个国民经济大类，助力制造业、能源、矿业、电力等各大支柱产业数字化转型升级。据中国工业互联网研究院，至2021年我国工业互联网规模仅次于美国。工信部数据显示，2022年我国工业互联网产业规模同比增长15.5%，达1.2万亿元。纵向来看，据中国工业互联网研究院测算，我国工业互联网增加值在2018-2022年期间增长了59.5%，CAGR达到12.38%，2022年占GDP比重预计上升至3.64%，达4.45万亿元。可见近年来工业互联网不仅为工业高质量发展助力护航，自身也已成为GDP增长的重要动力。
2.作为工业高质量发展的重要环节，工业互联网的政策支持将持续
2023年4月20日，工信部在一季度工业和信息化发展情况发布会上表示，我国将聚焦规模化应用和高质量发展，从政策、技术、应用三个方面发力，引导各地区、各行业进一步加大力度，推动工业互联网整体发展实现阶段跃升，为推进新兴工业化提供更坚实的支撑。《“十四五”数字经济发展规划》、《“十四五”智能制造发展规划》、《“十四五”信息化和工业化深度融合发展规划》等一系列政策中，均强调要加大工业互联网行业应用赋能、区域落地推广力度。工业高质量发展作为经济高质量发展的核心环节，工业互联网的政策支持预计将持续。
3.工业互联网竞争格局及国产替代情况
从当前市场格局上来看，国产厂商仍具有较大空间。工业互联网市场可分为工业通信设备、平台及应用解决方案两大部分。工业通信设备由国外品牌占据，平台及应用解决方案市场增长快且较为分散，为国内厂商的发展提供了机遇。
（1）工业通信设备国产替代空间广阔
目前工业互联网网络侧设备市场的头部企业主要被国外品牌所占据，据《2022工业互联网技术白皮书》，头部的前三家产品市场占有率达43%，国产厂商市占率较低。国际头部企业包括思科、西门子、MOXA、Belden（百通赫斯曼）等公司，国内公司主要包括三旺通信、映翰通、东土科技等。据Omdia数据，2020年工业互联网国际市场占比为国内的4倍左右，与我国工业互联网产业增加值仅次于美国的规模极不匹配，国产替代空间广阔。
（2）平台及应用解决方案市场集中度有待提升
平台及应用解决方案市场国内厂商领先，但市场格局还较为分散。国内工业互联网前五大厂商分别为华为、阿里巴巴、百度、用友、树根互联，CR5为24.4%。随着企业数字化、工业软件国产替代等战略进程不断推进，据IDC测算，我国互联网平台及应用解决方案的市场空间2022年达26.3亿元，2025年将达到56.1亿美元，CAGR达29.6%，较2022年市场空间实现翻倍。工业互联网平台及应用解决方案有着广阔的市场空间和较强的增长确定性，市场集中度逐步提高的过程将为行业内厂商带来机遇。
03
工业互联网发展壁垒及挑战
重点行业全面向智能化迈进，而数据、协同和安全是当前制约工业互联网发展的重要因素。近年来，电子制造、装备制造、石油化工等重点工业行业持续向智能化迈进，而数据采集难、产业链协同难和安全保障问题一直是工业互联网发展中亟待解决的问题。中国联通《5G+工业互联网重点行业白皮书》整理了重点行业工业互联网发展全景，可通过关键词分析得出一些共性。在7大重点行业的痛点中，与数据有关的痛点被提及6次，安全5次，协同4次，效率3次，人才和工艺各2次。可见数据、协同和安全是当前工业互联网发展中最亟待解决的问题。具体来看：
1.发展壁垒
（1）数据采集
工业数据难采集且透明度低。工业数据难以采集一方面源于工业数据的复杂性，工业企业内部的数据囊括了产品的整个生命周期，涉及到企业所制造产品的研发、生产、运维等多个环节。而大量数据直接来自生产设备，类型繁多，且结构复杂、格式不一。另一方面源于工业数据的数量大，工业生产的机器类型多样，数量也极大。同时，机器设备产生数据的速度飞快，有时产生数据的频率甚至能达到毫秒级。而采集难又被称为“数据孤岛”问题，企业内部数据开放程度很低，形成一座座数据孤岛，而各种类型的设备和工序之间相互独立，缺少数据流动。
（2）产业协同
企业内及上下游企业间难以统一协作。工业互联网的本质，就是通过互联网式的构架，实现人与人、材料、机器彼此间的相互协同，这个过程不仅涉及企业的研发、生产和销售等各个部门，也涉及上下游企业和产业链。然而一方面现代企业部门制的生产方式使得部门与部门之间的协同存在巨大摩擦，另一方面，出于商业秘密等因素的考虑，上下游企业之间交互存在巨大困难，统一数据和协议标准难以实现。
（3）网络安全
安全问题始终制约着工业互联网的深入应用。工业企业普遍对于安全的要求较高，特别是涉及重要行业及关键领域的工业企业，其生产研发过程中，安全往往是首要问题。而工业企业一旦上云，其安全性变得非常复杂，安全防范节点必然大量增加，包括云安全，边缘安全，内部协议安全，数据安全等。不少企业在确定性和效率之间倾向于选择效率，对安全的顾虑往往是工业企业应用工业互联网的首要障碍。
数据、协同和安全问题构成了工业互联网渗透率提升的主要障碍。此外，这三个方面还形成了相互影响和加强的系统。工业数据较难采集，不透明，因而造成上下游难以协同和交互，基于数据的测试和预判可靠性也较差。而出于对交互和安全问题的担忧，生产过程黑箱化的困境也难以被打破。但是AI的发展将逐步打通这些痛点，也因此给相关产业带来发展机遇。
2.中国工业互联网面临的挑战
我国工业互联网发展的机遇与挑战并存。一方面，在政府政策支持、高校及研究所技术改革创新、相关产业及用户积极应用与推进的共同助力下，工业互联网的发展呈现良好势头；另一方面，尽管发展态势可观，工业互联网目前仍处于起步阶段，制造业企业总体信息化水平较低且发展不均衡，特别是存在工业互联网标准化基础差、行业关键共性技术受制于人、产业链智能协同能力弱、人才结构性短缺等问题。
（1）工业互联网标准体系不完善
根据国务院于2017年年底发布的《关于深化“互联网+先进制造业”发展工业互联网的指导意见》，“标准体系不完善”是我国工业互联网发展与发达国家相比的重要差距之一。工业互联网重视不同系统、设备以及产业链上下游不同企业工厂间的协同服务，信息通信领域和工业领域原有的标准无法适用于工业互联网融合技术标准化的工作需求，容易产生标准交叉、重复、缺失等问题，制定面向工业互联网技术特征的相关标准对工业互联网的技术路线、产业体系和产业化方向尤为重要。当前，工业互联网关键技术标准还存在缺口，急需加快制定一批总体性标准、基础共性标准、应用标准和安全标准等。
（2）行业关键共性技术受制于人
工业互联网的产业链以物联网为依托，涉及芯片、软硬件制造、系统集成、网络运营、应用服务和客户等多个环节，一些环节的建设能力还处于缺位状态。根据相关数据显示，工业互联网相关的一些关键技术与核心部件仍然受制于人，一些应用于各类复杂产品设计和企业管理的智能化高端软件产品缺失，高端传感器、智能仪器仪表、高档数控系统、工业应用软件等市场份额不到5%，大型工程机械所需30Mpa以上液压件全部进口，大型转载机进口部件占整机价值量的50%-60%。尤其是工业软件“卡脖子”问题，在工业企业数字化、网络化和智能化控制以及商业模式创新中制约了制造业的高质量发展。由于国产工业软件起步比较晚，缺乏深厚的工业积累，在用户界面、软件功能、系统架构和平台化、开放性等方面与国外大型软件公司的软件产品和售后服务还存在一定的差距。
（3）产业链协同能力弱
我国面临的国际国内形势日趋复杂，产业发展环境发生深刻变化，产业链“断链”风险加剧，产业链由“全球化”向“区域化”转变，产业链供应链韧性降低。工业互联网平台亟需构建起覆盖全产业链供应链的服务体系，通过物联网、云服务、大数据等技术，实现整个产业生态的物料、机器、产品等物理资源，以及供应商资源、金融资源、政策资源、用户资源等的共享与调用，助力实现上下游资源要素的融会贯通，帮助产业链供应链实现全链共享。当前，工业互联网产业链的智能协同能力还比较弱。
（4）人才结构性短缺
《工业互联网人才白皮书（2020）》对我国工业互联网人才的现状进行分析后指出，人才的缺乏已经成为影响工业互联网创新发展的重要因素。企业普遍反应，工业互联网最大的挑战不是技术，也不是资金，而是人才。工业互联网人才的培养面临诸多困难，培养体系尚未建成。工业互联网需要的是多维度、多层次的复合型人才，既懂工业运营需求、又懂网络信息技术、有较强创新能力和操作能力的复合型人才；既有专业领域的知识、又懂得大数据、人工智能新算法的人才等。
04
AI助力工业互联网发展
1.AI将助力打通工业互联网壁垒，促进其发展
AI在工业领域落地时间间隔不断缩短，工业互联网领域AI应用亦有望快速落地。一直以来，工业对AI可解释性等严苛要求导致技术创新与应用落地错位相对严重。上世纪60年代专家系统诞生与80年代的工业领域应用间隔近20年，统计机器学习的工业领域应用滞后周期基本在10年左右，而深度学习、生成对抗网络等新技术于2012年后在通用领域开展应用，不足4年便产生了工业领域探索实例。总体来看，由于人工智能技术可用性增强以及工业信息化水平提升，通用技术的工业落地间隔由20年逐步缩短至小于5年。加之工业互联网领域的关键技术如数字孪生等本身就与深度学习密切相关，伴随ChatGPT带来的通用AI大模型突破，工业互联网领域AI应用将迎来快速落地和发展。
当前制约工业互联网发展的核心痛点主要集中在数据、协同和安全方面，此轮AI大模型的发展将助力打通核心痛点，也必然将促进工业互联网发展进程加速。
（1）高性能AI将极大的提升工业互联网的安全性和可靠性
生成式人工智能在预测和分析能力上有着飞跃式的突破，将极大的提高控制、分析和预测的精度。工业互联网接入的一大难点是制造业企业特别是重点领域企业对生产过程的安全性有着很高的要求，因而对控制、分析和预测精度的要求极高。生成式人工智能在预测能力上有着飞跃式的突破，对制造装备实时运行优化将产生巨大助力。比如，通过建设人工智能发动机质检平台，将工业相机的数据通过边缘计算技术分流至云平台，实现了在统一缺陷图像库下，基于机器视觉发动机质量的协同检测。以单条生产线计算，节省检测工位70%，缺陷识别率达到99.86%，误判率不高于2%，这意味着当前工业AI可靠性可实现高于人工。
此外，AI的进展也将助力于网络安全防御能力提升。网络安全防御的基础之一在于网络流量的分析识别以及判断，实现网络安全态势感知和威胁监测，并通过安全运维化解和防御网络攻击。AI大模型在学习、分析、识别乃至处理上相对于人类具有高效的优势，有助于提升网络安全防御能力，降低网络安全事件损失，提高工业互联网安全水平。如基于GPT的Microsoft Secure Copilot可以将原本耗时几小时甚至十几小时的勒索软件事件处理降至分钟级。
产业落地方面，三菱电机开发的基于AI的数控切割机纠错系统，在动态加工过程中也能进行智能校正，加工精度可提高51%。亿迅科技的电子化图纸应用，按任务工序实时推送图纸，同时加入AI技术防止偷拍，当AI判别有人员行动异常时将自动息屏，及时开启保护，企业可放心将图纸电子化发放产线，减少纸质图纸的使用，同时图纸泄露风险也得到了极大的降低。
（2）高性能AI将进一步提升工业互联网人机协同水平
人机协同制造，即通过人工智能对生产数据进行分析和预测，实现制造过程的自动感知、智能分析、自主决策和精准控制，提升机器和机器、系统和系统、机器和系统之间的高精度、自组织协同能力，逐步推动生产过程向精益化、无人化发展。据鲍劲松《工业智能：方法与应用》（2022），依托于当前的AI技术，可根据生产制造过程建立起马尔科夫决策过程，并且利用强化学习来使得机器人在与环境交互的过程中提升认知水平，随着当前的AI技术大爆发，工业互联网人机协同水平的进一步提高值得期待。比如晶硅光伏电池智能无人生产线，通过工业互联网平台对工业机器人、AI视觉检测系统等高效连接、实时控制，实现人机协同推动制造柔性升级，在释放作业空间的同时，进一步提高生产效率、缩短生产周期、降低劳动成本，人均劳产率较同行高出30%以上。
（3）生成式AI将重塑数据追踪和分析的流程
对制造业管理者而言，实时了解生产进度是重中之重。在一些比较传统的中小制造企业车间里，生产流程的记录往往依靠纸质单据或者Excel表格，生产信息整体传递滞后。为了解决这类问题，不少企业开始部署数字化系统，但却存在周期长、成本高等痛点。而生成式AI可以使用自然语言处理和机器学习技术从工业现场的仪表板上，甚至纸质数据和表格中读取数据（GPT-4已经具备了识图能力），并快速提取有用的特征和信息。国外的一位博主进行了这样的尝试，他为ChatGPT提供了Zerynth仪表板的链接，生成式AI立即就读取了仪表板中的数据和图表，实时提供了正在发生的事情的概览。此外，工业互联网的数据难点主要在于垂直行业数据积累不足，AI助力下协同水平、安全性和可靠性得到提升也有助于工业数据的开放和积累。
（4）工业行业大模型有望让机器拥有“大脑”
工业行业大模型工业制造细分领域众多，各领域在生产流程、工艺、生产线配置、原材料及产品类型上均具有较大差异，也缺乏海量的数据标签，因此尚未形成类似GPT这样的大模型。
随着工业AI安全性和可靠性的提高，工业AI视觉平台、AI摄像头等数据积累，通用大模型和预训练模型助力而生的工业垂直大模型值得期待。目前，机器视觉模型训练能力的门槛被大大降低，工业AI质检和巡检已经应用在3C电子、汽车及零部件、消费品和原材料等诸多应用场景。如今，操作的生成式预训练模型（Operation GPPT）概念被业界提出并关注，阿里的通义千问大模型能实现根据需求自动编写一组代码发给机器人，机器人自动完成移动、抓取、配送等一系列动作，这表明，AI大模型已经突破了“仅用于生成内容”这一局限，有望让机器真正拥有“大脑”。
2.AI赋能工业互联网应用端
高性能AI在各环节应用端落地时间具有较大差异，工业AI质检、工业视觉、低代码编程和工业互联网平台将会是率先受益的环节。
（1）工业AI质检精确率迈上新台阶
大模型在图像和音视频处理方面进展迅速，工业质检迈上新台阶。AI赋能的工业质检是利用基于深度学习等Al技术的视觉检测技术，在工业生产过程中，对产品图像进行视觉检测，从而帮助发现和消除缺陷。IDC认为在2021年“工业质检解决方案市场实现了规模化复制、加速发展”。目前，以GPT为代表的大模型在视觉和图像处理方面进展迅速，如GPT-4具备直接读取图像信息、理解图像信息和完善图像信息的功能，各大模型在视频理解方面也取得了极大进展，如阿里的视频AI服务可以对音视频进行识别、分析和理解。随着AI能力的提升，AI赋能的工业质检在准确性方面迈上了新的台阶。
3C和汽车等行业AI质检实现规模化复制，解决方案为主力产品形态。当前，AI工业质检领域场景呈现碎片化的特征，大部分厂商都在逐步寻找自身优势的细分行业场景。在2021年自身重点市场取得规模化复制的同时，开始向更多场景领域拓展布局。3C、汽车、消费品和原材料四大行业中很多AI质检场景实现规模化复制，成为驱动市场发展的主要动力。在产品供应上，解决方案仍是多数厂商重点提供的产品形态，具体表现在各类定制监测系统和一体化设备。解决方案也最贴合于工业领域客户需求，中期来看，仍是未来研发的主力产品形态。
工业AI质检前景广阔，行业处于发展期机会较多。随着当前AI技术的涌现和成熟，预计工业AI市场规模将持续扩大，据IDC预测，2023-2025年，我国工业AI质检市场增速将加快，至2025年软硬件市场总计将达9.58亿美元（约合人民币62亿元），2021-2025年CAGR为28.5%。当前，AI赋能的工业质检解决方案市场中的主要厂商包含了头部云服务商、AI质检创新企业等。2021年前五大主要厂商的市场份额为44.3%，主要集中在百度智能云、创新奇智、腾讯云、华为、阿丘科技等厂商，行业处于发展期，市场集中度不高。中长期来看，随着市场逐步分化和应用成熟度的提高，拥有领先AI技术应用的厂商市场份额有望持续扩大。
（2）工业视觉AI取得重大突破
硬件基础大幅进步，AI成为创造工业视觉价值重要切入点。工业视觉是工业自动化的核心领域，包括检测、识别、测量、定位等关键任务。工业视觉在工业领域的应用场景十分丰富，包括缺陷监测、视觉分拣、物流分包、拆码垛和工业上料等。工业视觉的应用可以减少人工的使用并提升准确率、减少错误率。近年来，全球工业视觉市场规模稳步增长。而行业应用的前提是工业视觉在检测、识别、测量、定位等关键任务上的准确性。当前，光学成像技术，多传感器融合技术，感光和光学处理芯片技术大幅进步，使“看得更小、看得更清”成为现实。在此基础上，AI技术恰好可以帮助机器“感知更准确、理解更深刻”，是创造价值的重要切入点。
AIGC在工业视觉领域潜力巨大，部分厂商已着手打造面向工业视觉的AIGC算法。在工业视觉领域，训练样本不足一直是制约人工智能算法应用的瓶颈之一。过去工业视觉AI厂商通过选择不需要大量数据的标注准备的小样本学习算法或数据生成（利用算法产生数据来扩充训练样本）来解决这类问题。2022年底，OpenAI推出的ChatGPT证明了内容生成（AIGC）的巨大潜力，部分工业视觉厂商在小样本学习的基础上，进一步聚合以往在内容生成领域的研发成果，将图像生成与工业场景的独特需求相结合，打造了面向工业视觉的AICG算法。
在落地方面，国内工业视觉厂商已经取得突破。与一般性的图像生成主要表现为图像上较为宏观的语义改变不同，工业视觉缺陷主要体现为样本图像上细微的局部缺陷纹理变化，语义信息低。此外，生成的缺陷纹理不仅要有自然的主观视觉感受，还需要是物理上真实的，缺陷的形态要符合样本本身的物理和光学特性。传统的图像生成算法一般只能做到视觉真实，无法兼顾物理真实。针对这一问题，创新奇智将物理模型融入AIGC模型的构建，提出基于光学成像模拟的光照生成模型和基于双阶段引导的缺陷生成模型，从而可以模拟样本在不同光照状态下的缺陷图像。两阶段缺陷样本生成模型逐步聚焦局部缺陷样例和全局图像融合，可以有效地兼顾工业视觉领域缺陷样本生成的物理真实和视觉真实的要求。结合上述两个模型，创新奇智可以生成样本在不同光照条件下的缺陷图像，从而可以有效地扩充训练样本库，解决工业视觉领域缺陷样本不足的问题，提升工业预训练大模型的训练效果。
当前快速进展的AIGC技术可以有效解决工业视觉领域AI训练的样本问题，助力工业视觉AI性能重大突破。得益于此，工业预训练大模型的突破也值得期待。
（3）工业低代码编程性能突破瓶颈
高性能AI将使低代码编程突破“易用性”瓶颈，在工业领域意义更为巨大。低代码编程在过去二十年不断降低软件开发门槛，低代码编程一般产品形态表现为，通过可视化拖拉拽的编程方式，使得非专业程序员也能够快速地构建应用程序，从而降低软件开发成本、提高开发效率。但业界不得不面对的是，即便通过可视化编排，对于特定领域DSL生成门槛依然不低。随着不断榨干传统图形交互潜能，以及受限于传统软件开发思维框架，进一步提高“易用性”逐渐遭遇了瓶颈。特别是对于逻辑、数据流的可视化编排，在易用性上一直给行业带来不小的挑战。
这种易用性的困境随着GPT等高性能AI模型的成熟迎来新的机遇。在一个数字化系统“搭建”过程中，无论是流程编排还是逻辑流设计，本质是将业务语言转化为系统语言，是对于业务流程、规范、限定的数字化“翻译”，与传统编程语言的演进方式非常类似，这为利用LLM处理这类场景问题提供了天然的条件。目前AIGC在编程领域已经取得了重大突破，能较为成熟的生成代码和修改代码，将低代码编程的易用性提高了一个维度。
“易用性”的突破在工业领域低代码编程中意义更为重大。一方面，相比于普通的软件开发，工业场景中的软件开发或程序编写具有更强的专业性，需要大量行业Knowhow的支撑。低代码编程“易用性”的突破使得大量工程人才可以轻松上手工业程序的编写，极大的助力于研发和生成效率的提高，加速工业企业数字化转型。
GPT等高性能AI模型的代码生成能力有望重塑工业PaaS低代码平台。工业互联网平台的重要能力之一是通过封装在其PaaS平台层的大量通用的行业Knowhow知识经验或知识组件以及算法和原理模型组件，以低代码方式构建上层工业APP应用，而GPT代码生成能力的跨越式进步有望重塑工业PaaS低代码开发平台。
目前，微软已将GPT的代码生成能力融入其低代码开发平台Power Platform，并于2023年3月正式推出Power Platform Copilot产品。Copilot是Microsoft Power Platform的一个新功能，可以在Power Apps，Power Virtual Agents和Power Automate中基于GPT能力提供AI-powered的帮助，让制作者可以用自然语言描述他们想要的应用、流程或机器人，然后Copilot可在几秒钟内完成创建，并提供改进建议。未来随着AIGC在代码生成能力方面的逐步成熟，有望使得非程序员的工程师能够使用自然语言指令进行零错误的工业APP开发，大幅提升工业PaaS的应用创建能力、降低应用开发成本。
（4）工业互联网平台渗透率有望提升
工业互联网平台天然具备孵化人工智能的基础。数据是人工智能的“燃料”，而工业互联网平台从数据“量”和“质”两个维度入手，为人工智能的应用提供支撑。从“量”的方面看，工业互联网平台汇聚了数以千万计的设备和传感器，对异构系统、运营环境、人员信息等要素实施泛在感知、高效采集和云端汇聚，实现了海量数据的广泛集成。从“质”的方面看，工业互联网平台通过构建设备、产品、系统和服务全面连接的数据交流网络，利用实时有效的工业大数据，为深度学习的模型训练提供了优质的训练集、验证集和测试集。工业互联网平台汇聚了算力、数据、算法及应用场景等AI全要素，是AI发展的良好的土壤。
高性能AI将全方位赋能工业互联网平台，促进其渗透率的提升。工业互联网平台包括边缘层、IaaS、PaaS和SaaS四个层级。主要功能包括多源异构数据采集、数据分析挖掘，行业知识库和各类工业软件等。以GPT为代表的高性能AI模型在数据分析挖掘方面有了突破性进步，并在自然语言方面达到接近人类思维的水平，此外由3.2、3.3，高性能AI模型具备更好的异构数据识别和理解能力，并将极大提高工业平台软件的低代码编程性能。可见，AI对工业互联网平台的赋能是全方位的，也必然将促进工业互联网平台渗透率的提升。
在落地案例方面，西门子通过其工业互联网平台MindSphere实现AI同工业物联网的集成。2016年，在陆续并购了多家大数据分析厂商后，西门子正式推出其工业互联网平台MindSphere，加之多种微服务应用，逐步形成基于云的开放式工业物联网生态系统。2018年西门子进一步收购低代码应用开发领域领导者Mendix公司，2021年收购Mendix合作伙伴TimeSeries，开发基于Mendix低代码平台的垂直应用，如智能仓储、预测性维护、能源管理、远程监测等。“MindSphere+Mendix”构成了西门子工业互联网平台生态。基于MindSphere获取的海量工业数据，西门子将AI能力逐步集成入平台，开发了包括异常检测、事件分析、关键绩效指标(KPI)计算、信号计算、信号频谱分析等分析服务应用，以及资产管理等应用，奠定了工业互联网平台集成AI能力的良好实践基础。
05
工业互联网产业链
在工业互联网产业链中，工业互联网平台是工业互联网的操作系统，工业软件是其灵魂。工业互联网的上游基础设施为直接进行生产的硬件设备以及控制这些设备的工控系统等，中层为工业互联网平台，是数据和软件服务的底座，下游的工业软件、应用软件等通过搭载到工业互联网平台形成面向各行业各产品的应用和功能。其中，工业互联网平台是基于云的开放式工业操作系统，而工业软件是工业技术/知识、流程的程序化封装与复用，起到控制生产设备、优化制造、管理流程、变革生产方式、提高全要素生产率的作用，是实现企业效率提升的核心，是工业互联网的灵魂。
1.基础设施层：“5G+工业互联网”模式建设加速
（1）工业互联网对网络和通信技术提出了更高的要求
工业互联网的网络体系分为网络互联、数据互通和标识解析三个部分，其作用在于实现工业互联网数据要素的传输，实现数据传递信息的互相理解，并进行数据要素的标记、管理、定位。这个过程涉及到企业内网、企业外网等各市场参与主体的信息互联，对联网数量、网络传输质量和网络协同能力都提出了更高的要求。
（2）“5G+工业互联网”正在成为数字化转型新模式
相较于4G网络，5G在各方面方面取得了质的突破，其中最大的突破之一是将延时从4G网络的60-98ms下降至不到5ms。延时低带来了更高的下载速度，同时5G网络在信号传输技术、通道信号频率、单元格密度等多方面都有很大提升。4G网络在视频、语音等场景取得了广泛的应用，消费互联网得以诞生，而5G满足了工业互联网对于“低时延、高可靠、广覆盖”的网络要求，“5G+工业互联网”模式为大规模数据、资源的互通协作带来可能，成为工业互联网发展的重点方向。
（3）国家政策叠加运营商加速“5G+工业互联网”模式建设，五个重点行业已有典型实践案例
当前我国5G发展取得了良好的成效，自2019年开始进行5G建设起，截至2022年我国5G基站数量已达231万个，CAGR148.87%，为企业通过应用5G网络建设工业互联网提供了坚实的基础保障。2019年工业与信息化部提出了“5G+工业互联网”应用的重点行业和场景，我国“5G+工业互联网”布局开始加速。2022年三大运营商先后推出“5G+工业互联网”布局战略，关注智能矿山、装备制造、指挥交通、智慧医疗、智慧金融等多个垂直行业，工业互联网相关营业收入均超过500亿元。根据工信部，当前“5G+工业互联网”模式主要应用于电子设备、装备制造、钢铁、采矿、电力五大重点行业。这些行业出于自身特点普遍对智能化、精益化管理需求更高，“5G+工业互联网”模式布局更快。
2.平台层：入局者众多，资源整合能力强的厂商发展空间大
（1）工业互联网平台发展迅速，进入规模化推广阶段
工业互联网平台是工业互联网数据和软件服务的底座，下游工业软件、应用软件等搭载到工业互联网平台形成面向各行业各产品的应用和功能。工业互联网平台主要包括工业PaaS层和工业SaaS层的平台，代表厂商有阿里云、航天云网、海尔卡奥斯、航天云网等。根据IDC，45%的厂商2018-2020CAGR达到60%-100%，5%的厂商超过100%，工业互联网平台市场增长迅速。根据工信部，截至2022年6月我国已有超过150家较大型的工业互联网平台，连接工业设备超过7800万台。
《2022年全国工业互联网平台应用水平评价报告》指出，当前我国综合型、特色型、专业型的多层次工业互联网平台体系基本形成，我国工业互联网平台由概念普及走向实践深耕，已进入规模化应用推广关键阶段。
（2）需求角度，中小企业渴望低成本、规模化的通用型工业互联网应用，头部企业偏好专用型平台和个性化定制
中小企业与头部企业在工业互联网的布局有所差异：1）中小企业占整体企业数量的90%以上，但中小企业规模较小，利润低，资金少，贷款难，因此推动工业互联网应用的动力和能力都稍显不足。中小企业的数字化程度相对较低，规模化、通用型、低成本、可实现商业闭环的工业互联网是当前的主流需求，功能订阅服务是主流服务模式。2）头部企业数字化程度较高，资金充足，对于工业互联网的需求更加迫切，对于这部分企业，专用型工业互联网平台的个性化定制服务是主要需求。
（3）供给角度，工业互联网平台市场参与者包括传统制造业厂商、工业软件厂商、ICT企业及互联网企业四大类
当前，工业互联网平台已有各类市场参与者加入布局，其中：传统制造业厂商研发工业互联网平台的初衷是自给自足，满足自身的数字化转型需求。这类厂商在自己所处的行业积累了扎实的制造经验，推出的工业互联网平台在生产制造环节和行业说服力上具有极大的优势，然而制造业出身的厂商缺乏互联网和云计算经验，难以实现基于平台的市场扩张；工业软件厂商与传统制造业类似，虽然已有成熟的工业软件和行业经验，但在互联网等方面存在劣势，更适合发展为特定行业专用性平台。ICT企业和互联网企业切入工业互联网平台的优势在于通信技术、互联网、云计算优势，但缺乏工业行业经验，更适合充分发挥自身网络和平台优势集成各类软件服务，发展成为通用型工业互联网平台。
（4）传统制造、工业软件类厂商易于向行业专用型平台布局，而ICT、互联网类厂商有望向通用型平台布局
各行业在研发设计、生产制造、以及销售等全生命周期环节各具特点，不同的行业面临的影响效率的痛点有所不同，因此企业实现数字化转型、工业互联具有较高的行业壁垒。当前根据自身优势不同，不同类型厂商推出的工业互联网平台应用行业有所差异。其中传统制造类企业和工业软件厂商优先集中于特定优势行业进行平台应用，发展为行业专用性平台，如宝信软件的钢铁行业、树根互联的装备制造行业；互联网、ICT类企业的工业互联网平台应用行业和领域更加分散，其主要目标是利用互联网优势打造通用型工业互联网平台。此外，互联网、ICT类企业也会在自身优势行业进行一定布局，如阿里的零售电商行业、华为的电子制造行业、天翼云的通信行业等。
（5）不同类型的平台厂商在竞争中寻求合作
以平台和互联网资源为优势的厂商如腾讯、华为等在下游客户，连接工业设备上取得了数量上的优势，而以行业know-how经验为核心优势的厂商如宝信、树根互联在特长领域中做到了极致，下游客户多为特定行业头部客户。当前，两大类工业互联网平台厂商正在竞争中寻求合作：互联网、ICT类厂商积极寻求具备行业know-how经验的厂商如树根互联、用友、鼎捷寻求生态合作，加深平台的行业理解，提升行业解决方案质量；而传统制造、工业软件类企业正积极与互联网、ICT厂商寻求云平台的合作，如树根互联向腾讯采购云资源与流量搭建自己的工业互联网平台。
（6）平台厂商发展策略：先基于优势行业纵向加深、再向其他行业横向拓展，资源丰富的厂商发展空间大
工业互联网平台很难同时覆盖各行业各生产环节的工业知识和解决方案，在行业拓展时，企业往往首先基于自身的优势行业或领域进行上下游客户的拓展实现行业内部的纵向拉伸，发展成熟之后向其他行业的横向拓展便开始启动。根据IDC，当前工业互联网平台竞争激烈，在能源电力、装备制造、通信和电子制造等行业有所布局的厂商较多，同时相关厂商业也开始逐渐在新能源、采矿、化工以及制造、服装纺织等行业进行布局。进行行业内的纵向拓展和行业间的横向拓展要求平台可以承载丰富的工业软件、解决方案等，要求平台具有较强的算力、网络技术、云计算技术及各行业资源，资源整合能力强，网络、云计算经验深厚的互联网厂商、ICT厂商发展空间大。
3.工业软件：自主替代、工业APP是未来的发展方向
我国工业软件市场整体维持较高增速，未来仍有巨大提升空间。然而，虽然中国工业软件发展态势较好，但工业软件销售额与北美、欧洲等发达国家仍有一定距离，市场规模在全球占比只有6%左右。相较于我国工业增加值占全球约20%，工业软件市场占比与工业增加值占比出现较大背离，我国工业软件依然有较大提升空间。
我国工业软件行业发展节奏慢于海外。目前海外龙头企业已经进入“工业云”阶段。以研发设计类软件为例，外资企业以达索、Autodesk、西门子为代表已实现软件本身的技术积累，并在国家工业化的实践中实现软件的应用协同，实现流程串通和优化。目前上述巨头均在向“软件+服务”的整体解决方案转型升级。而我国工业软件行业发展整体节奏慢于海外，尤其是大量的设计、制造等核心工业软件均为国外品牌所占领，在研发侧以及高端软件领域的劣势尤其明显。
（1）研发设计类工业软件及高端工业软件为国产化主要方向
1）研发设计类软件与国外仍存在较大技术差距，国产化程度较低
研发设计类软件用于企业在产品研发设计领域的效率提升，具有最高的技术壁垒。由于离工业产品端非常接近，除计算机、数学物理等基础通用知识外，研发设计类工业软件还需要大量的行业知识、对特定产品的了解、以及工程知识，对通用知识以及行业经验的要求极高，是工业软件中技术壁垒最高的细分领域。研发设计类软件主要包括CAD、CAE、CAM、EDA、PLM等，根据中国工业技术软件化产业联盟，2019年国产研发设计类工业软件在国内的市场份额仅为5%，国产化程度低。
2）生产制造类软件国产化程度整体较高，但高端市场渗透较低
生产控制软件包括生产控制类（PLC/DCS/SCADA）和制造执行类（MES）两大类，这些软件可以在产品生产制造过程的过程中进行数据采集决策和资源管理，有助于提高生产控制过程中信息传递的速度和分析决策效率。当前，我国生产制造类软件在中低端市场和某些细分行业领域已经产生一定的优势，2019年国产生产控制类工业软件在国内的市场份额达到50%，但是由于缺乏对智能工厂的一站式解决方案和对技术、对行业的深度理解，国内软件在高端市场上表现不佳。
3）经营管理类软件国产化程度最高，高端市场有望突破
经营管理类软件主要管理企业资源、供应链、设施、客户关系等，主要工业软件包括ERP、SCM、FM、CRM等。由于这类软件重资源管理，而对于行业理解要求相对较低，不同行业通用性更强，同时开发经营管理类工业软件的难度也较低，因此经营管理类软件在我国的国产化率已经很高，根据中国工业技术软件化产业联盟，2019年国产经营管理类工业软件在国内的市场份额达到70%，国产程度最高。然而由于国内相关厂商行业经验较少，下游客户不具备优势，因此在体量大、业务复杂的高端市场中国内软件仍有待突破。据了解，当前经营管理类软件的国产替代首先由外围系统替代开始，未来有望向核心系统国产替代发展。
4）运维服务类软件国产化进程较慢，缺乏成熟技术和经验积累
运维服务类软件主要有MRO（维护维修运行管理系统软件）、PHM（故障预测与健康管理软件）、APM（资产性能管理软件）等。据中国工业技术软件化产业联盟预测，民航行业2022年MRO时长规模将达到100亿美元，年复合增长率8.6%，增速高于全球平均，具有较大的发展空间。当前运维服务同样需要较强的工程行业知识和经验积累，2019年国产经营管理类工业软件在国内的市场份额为30%。
（2）离散行业与流程行业信息化需求存在较大差异
流程工业与离散工业生产过程差异巨大。离散工业为物理加工过程，产品可单件计数，制造过程易数字化，强调个性化需求和柔性制造。而流程行业生产运行模式特点突出，比如，原料变化频繁，生产过程涉及物理化学反应，机理复杂；生产过程连续，不能停顿，任一工序出现问题必然会影响整个生产线和最终的产品质量；部分产业的原料成分、设备状态、工艺参数和产品质量等无法实时或全面检测。
离散工业的工业软件需求主要集中在四大行业：电子信息、机械、汽车、航天航空。1）根据Gartner和计世咨询数据，ERP（企业资源计划）软件应用行业广泛，电子信息、机械、汽车、化工、造纸、钢铁行业占据79.1%的份额。2）SCM（供应链管理）软件应用集中在快消品、食品饮料、制药、汽车、电子信息行业；3）MES（制造执行系统）软件应用主要集中在电子信息、汽车、石化、烟草、钢铁等行业；4）根据CIMDATA2015年的数据，研发设计类软件应用集中在航天国防、交通设备、机械、电子行业，四大行业需求份额占90%以上。
研发设计类软件CAD对离散工业至关重要，当前我国CAD发展主要依靠自主替代、本地化服务和高性价比。汽车、航天航空、机械制造等离散工业对前端设计有较高要求，而CAD技术作为离散工业的重要组成部分，它可以帮助制造厂商设计他们未来的产品，并支持从项目前阶段、具体的设计、分析、模拟、组装到维护在内的全部工业流程。此外，作为工业制造产业链源头，以汽车行业为例，整车厂拥有大量设计工程师，如果离开CAD，工程师无法开展设计工作，下游的制造、采购、物流的工作也无法开展，同时CAE/CAM工具往往严重依赖CAD技术，当没有CAD的时候，CAE/CAM等也很难独立发挥作用。当前国产自主研发的2DCAD软件开始逐渐在市场上取得一定地位，2019年中国2DCAD市场国产软件市占率约为20%，3DCAD产生了自研产品，但仍然与国际整体水平存在较大差距。对于我国安全要求较高的关键行业、关键领域，国产CAD具备天然优势，此外国产软件在价格上具备明显优势。
流程工业自动化水平较高，核心机会在于控制系统的国产替代以及智能化需求提升。现阶段，我国流程行业的生产工艺、装备和生产过程自动化水平都较高，整体发展速度快。对于自动化水平更高的流程工业而言，实现软件的国产化已成为新的诉求。在国家政策的引导下，在DCS、SIS、MES等领域，国产龙头厂商已具备对国外同类型产品进行国产替代的能力，市场份额逐步提升。
工业APP有望解决流程工业的痛点问题。工业APP是面向工业产品全生命周期相关业务（设计、生产、实验、使用等）的场景需求，把工业产品及相关技术过程中的知识、最佳实践及技术诀窍封装成应用软件。相比于离散工业的重设计和生产工艺，流程型工业企业更关注过程控制，关注的核心问题包括工艺优化、智能控制、生产调度、物料平衡、设备运维、质量检验、能源管理、安全环保等多个方面，亟需工业APP解决细节痛点问题。
06
工业互联网相关公司
1.东土科技：工业互联网技术领军者
东土科技完成了从工业通信领域到工业控制领域的拓展，现已形成了工业网络、工业控制、工业计算、操作系统与云技术等工业互联网“根技术“体系。东土科技前身为北京依贝特，成立于2000年。2010年公司成为工业以太网交换机国内市场第三大厂商。公司自2012年成功上市后，通过投资设立与收购等方式快速扩张业务版图，完成了从工业以太网交换机专业供应商迈向工业互联整体技术解决方案提供商的转变，研发与销售并举，全力打造从研发到生产的全自主可控工业互联网产品与技术体系。
公司提供工业互联网整体技术解决方案。公司致力于提供工业互联网全栈解决方案，推动5G和人工智能在工业领域的深度应用，已广泛应用于飞机、船舶、高铁/地铁、智能电网、能源、石油化工、冶金、工厂自动化、运营商通信等领域。目前公司解决方案包括工业互联网平台（应用于工业互联网行业、电力行业、石化行业等）和能源互联网解决方案。
公司持续推动产品升级，并打造自有操作系统。公司产品包括工业级网络通信产品、工业级边缘控制服务器、操作系统及工业软件以及大数据网络服务及工业互联网+解决方案。公司在工业级网络通信产品中创新升级，打造TSN时间敏感网络产品，实现低时延、高可靠性。同时打造自有MaVIEW工业控制编程平台，支持软件定义的控制系统编程平台软件，以适应工业互联网发展需要。持续产品升级以及自有操作系统及工业软件的打造可以看到公司在工业互联网深耕的技术实力和核心竞争力。
东土科技近200万台设备广泛应用于全球各个领域，稳定运行超过15年。截至2022年，东土科技业务覆盖全球超过50个国家，解决方案应用于1200多座变电站、120多条高速公路、110多个石化项目、60多条高铁/铁路、50多条地铁、20多条管廊等。
2.工业富联：工业互联网解决方案服务商
公司为全球领先的高端智能制造及工业互联网解决方案服务商。公司成立于2015年，主要业务包含云计算、通信及移动网络设备、工业互联网三大类，覆盖数字经济产业全品类。公司坚持“深耕中国，布局全球”的经营模式，整合全球化资源优势，推动ICT(信息与通信技术)产业链数字化转型，助力全球数字经济高质量发展。
5G基础设施建设持续推进，智慧家庭应用场景加速普及。公司通信及移动网络设备业务聚焦企业数字化、5G基建、智慧家庭三大应用场景，产品包括智能手机及可穿戴设备高精密机构件、网络设备、电信设备等。
全球数字经济领军企业，持续推进“灯塔领航者计划”。数字经济成为我国经济的核心增长极之一，2022年我国数字经济规模50.2万亿元，占GDP比重达41.5%。根据IDC预测，我国数字化转型支出将从2022年的3218亿美元增长至2027年的7504亿美元(CAGR:18.5%)。公司是全球领先的数字经济企业，在工业互联网领域，公司基于自身智造实力与数据基础赋能6座灯塔工厂。未来，公司将继续推进工业互联网走深向实，助力数字经济发展。
3.中控技术：流程工业智能制造龙头
公司致力于面向流程工业企业的“工业3.0+工业4.0”需求，提供以自动化控制系统为核心，涵盖工业软件、自动化仪表及运维服务的技术和产品：
1）自动化控制系统：实现分散控制、集中操作、分级管理，担负着生产信息分析、故障诊断、生产指令发布、生产管理等职能，是现代工业生产的“中枢”。公司自动化控制系统产品包括集散控制系统（DCS）、安全仪表系统（SIS）以及网络化混合控制系统；
2）自动化仪表：自动化仪表是指安装在工业生产现场的，用于测量压力、流量、温度、物/液位等工艺参数或控制的仪表，包括现场仪表和控制室仪表，主要作用是将生产现场的信息传送给自动化控制系统，或执行控制系统的指令。公司自动化仪表产品主要包括控制阀、压力变送器、安全栅三类；
3）工业软件：公司已形成了以实时数据库（RTDB）为基础、先进过程控制（APC）、制造执行系统（MES）和仿真培训软件（OTS）为主体的四大类软件产品体系，能够实现工厂级能源优化与工厂级管理优化，对提高企业生产效率及产品质量、节约能源消耗、减少污染物排放具有重要作用；
4）运维服务：产品交付后在售后服务以外为工业企业提供的调试、点检、运维、技术培训等与智能制造解决方案相关的技术服务、咨询业务或备品备件产品。
高行业景气度叠加公司自身强大竞争力、执行力，流程行业智能制造龙头行稳致远。自21Q4起公司收入和利润增长均有明显提速，主要驱动因素在于：1）石化、化工等公司传统优势行业景气度较高，同时核心控制系统的国产化趋势加速了龙头公司市场份额的提升；2）流程工业数字化、智能化升级加速，公司重点布局的工业软件和智能制造整体解决方案业务加速成长；3）公司积极拓展海外市场及中外合资客户，增量业务表现亮眼，成长天花板推升；4）公司管理变革持续推进，变革成效不断显现，费用率改善明显。中长期看，流程行业底层基础控制系统的国产化大势所趋，企业的智能制造、数字化转型尚处于起步阶段、渗透率尚低，海外市场空间广阔，同时公司自身运营效率还在不断提升，我们认为中控还有广阔的成长空间，长期看好公司发展。
4.中望软件：自主二维三维CAD解决方案领导者
中望软件为国内研发设计类工业软件开发商，通过自身长期经验积累与核心技术整合，拥有2D及3D CAD自主平台，掌握2D CAD、3D CAD软件开发的关键核心技术，并可根据不同行业特性进行二次开发，产品销售覆盖全球90多个国家和地区，在国内CAD软件领域具有较为明显的品牌优势。
公司CAD产品中：
1）2D CAD系列产品主要为拥有自主内核的平台ZWCAD以及基于ZWCAD二次开发的针对不同行业的专业版产品，广泛应用于建筑设计及工业制造领域。其中ZWCAD采用“轻量级”设计理念，运行速度快且稳定，能够兼容主流2DCAD图纸格式，拓展性强，性价比高。二次开发软件能够运用于不同行业领域的专业软件，包括CAD机械版、中望CAD建筑版等；
2）3D CAD/CAM一体化产品ZW3D集“曲面造型、实体建模、模具设计、装配、钣金、工程图、2-5轴加工”等功能于一体，具备数据导入/导出能力强、建模自由度高、标准件库丰富、2D与3D一体化、CAD/CAM一体化等特点，广泛应用于建筑设计及工业制造领域。
公司竞争优势和成长空间主要在于国产化、本地化服务、高性价比。目前，研发设计类工业软件的软件开发商可以分为两大阵营，第一阵营主要是以达索、西门子等公司为代表的国际知名企业，其产品性能优越、功能全面，产品设计理念为市场其他竞争者所模仿，但其产品价格较高，且主要收费方式为订阅模式，产品生命周期的总成本较一次性授权产品更高；第二阵营为国内研发设计类工业软件开发商，其技术进步较快，掌握软件开发关键技术，但品牌较知名厂商仍存在一定差距，以针对性开发兼价格优势作为竞争策略，逐渐扩大市场份额。中望软件作为第二阵营中的代表性企业，通过自身长期经验积累与核心技术整合，拥有2D及3D CAD自主平台，掌握2D CAD、3D CAD软件开发的关键核心技术，并可根据不同行业特性进行二次开发，产品销售覆盖全球90多个国家和地区，在国内CAD软件领域具有较为明显的品牌优势。
5.用友网络：ERP到BIP推进云原生，工业互联网平台领先
用友凭借丰富的管理软件经验积累与平台化模式，逐步拓展至PLM、MES领域，布局智能制造。公司在ERP等管理软件领域拥有30多年经验积累与丰富的应用案例积累，逐步从ERP拓展至MES、PLM等，通过平台化将ERP、MES、PLM等进行集成，帮助制造业企业实现从上层管理到生产车间管理、产品全生命周期管理全覆盖，大幅优化企业生产与管理效率，提升企业竞争力。
用友精智工业互联网平台连续四年入选工信部“双跨”工业互联网平台名单，体现用友精智平台已拥有服务多行业、多领域工业企业的能力。2021年发布的用友精智3.0包含物联网、边缘计算、工业大数据、数字孪生、人工智能五大技术引擎，5G+工业互联网+全连接工厂、+安全生产、+产品运维、+厂区物流、+废钢判级等十大创新应用场景，用友工业互联网标识解析二级节点、精智工业大数据中心、精智工业社区三大平台底座，能够服务冶金、汽配、电子等多个行业。
平台凭借规模优势，将逐步构建起较高的竞争壁垒。截止目前，平台服务企业297万家，连接工业设备142万台套，汇聚工业APP2.2万个、工业机理模型2476个，聚合生态伙伴6600家，已经具备一定规模效应。智能制造注重产业链上下游的互相协调与企业车间生产流程优化，公司有望凭借行业领先的上下游企业覆盖规模，与出色的平台性能，进一步提升产品在智能制造领域的竞争优势。
6.宝信软件：钢铁信息化龙头，工业互联网和IDC加速建设
宝信软件为宝武集团旗下的信息高科技及国产软件提供商，公司核心产品包括MES、ERP等工业软件、工业互联网平台及IDC服务，覆盖智能制造多个重点领域，主要服务于包括钢铁、有色、化工等流程行业。公司的主要业务包括信息化业务、自动化业务、智能化业务、IDC及云服务、运维服务五大类：
工业互联网加速建设。公司基于在MES、ERP等工业软件积累的经验优势，于2020年推出宝信xln3Plat工业互联网平台。宝信工业互联网平台包括面向工业领域的工业互联平台iPlat和面向产业领域的产业生态平台ePlat，可以应用于智慧制造、智慧治理、智慧服务三个场景，已经成功入围工信部“双跨“平台。截至2022年5月，宝信工业互联网平台xIn3Plat已连接480+万台设备，工业模型和工业App均达万余个，覆盖17个行业，具有9大领域50多个解决方案，服务企业用户超过29万家。在全国工业互联网加速建设的浪潮中，宝信有望获得收入增量。
“东数西算”背景下IDC业务增量可期。2012年来公司不断推进宝之云业务在全国的布局，为客户提供整机租用、服务器托管、机柜租用、机房租用、及IaaS、PaaS、SaaS服务等。当前宝信上海基地的5期项目已完成建设，同时在华北、武汉、南京、马鞍山等多地启动新的项目建设。当前公司在IDC资源方面已经具备一定积累，在国家“东数西算”的政策指引下，IDC业务增量可期。
7.能科科技：数据孪生与数据中台为基础构建智能制造解决方案
能科以数字孪生技术以及数据中台产品为基础，打造智能制造整体解决方案，助力企业智能化转型。公司智能制造业务基于数字孪生技术和数据中台，业务包括云产品与服务、软件系统与服务、数字孪生生产线与服务三大类。通过数据中台，公司实现内部数据的互联互通，打破企业在数字化转型过程中数据孤岛、系统孤岛、业务孤岛等障碍；通过数字孪生，公司可以在虚拟世界中为工业制造客户定制化开发生产力中台和相关的工业微应用，帮助企业降低开发成本，并缩短研发周期；同时，在现实世界通过将ERP、PLM、SCADA、APS等系统进行集成，为客户打造智能化产线，提高工厂车间生产效率。公司下游客户主要为航空航天、国防军工、汽车制造、轨道交通等领域。
深耕存量行业，面向老客户进行自研产品推广。当前智能制造的需求正在从各个子系统的协同应用向双工台架构转化，而包括生产力中台在内的公司自研产品为客户提供全链条各个子系统的数据打通，正面临着广阔的市场空间。公司的生产力中台完全依靠自研实现，提供多样的微服务以供客户个性化选择，并组装形成应用，以帮助客户实现快速建模，降本增效的经营目标。公司主要针对大体量的常年服务客户进行生产力中台产品的推广，当前已经成功推进了十几家军工客户的生产力中台部署，同时在民用领域也向海尔等客户积极签约，推进中台建设。
积极开拓新行业，为更多行业数字化提供解决方案。当前，公司服务国防军工、高科技电子与5G、汽车与轨道交通、装备制造四大下游行业，其中国防军工行业是最主要的收入来源，高科技电子与5G是收入增长最快的下游行业。2022起公司开始积极筹备提供新行业的数字化解决方案，包括能源动力行业和消费品行业等。公司在新行业的快速进入主要来源于已有行业积累的Know-how经验，如消费品行业数字化配方和工艺平台中对于国防军工燃料弹药配比和工艺数字化搭建的场景迁移。当前，公司已开发出金融行业新一代电子银行平台、互联网行业供应商协同办公SCOP、零售业电子商务管理中台EMEP等。
8.赛意信息：自研SMOM、工业互联网平台，完善智能制造解决方案
赛意信息出身于美的IT部门，由海外龙头ERP软件实施交付起步，随后投入产品自研，逐步切入MES、工业互联网平台等多个领域。公司主要产品及服务包括工业管理软件产品的实施服务以及泛ERP产品服务，主要服务于制造、零售、现代服务业等行业的头部客户。
赛意信息自研工业管理软件套件SMOM，并推出工业互联网平台与工业手环，强化自身在智能制造与工业互联网领域竞争优势。1）赛意信息于2012年开始自研进入制造执行系统（MES）领域，推出S-MOM解决方案，通过集成化方式不断拓展，已经实现从供应链端开始，至物料入库、计划排程、制造执行、仓储管理、质量控制、设备管理等全方面的完整解决方案，实现了从下单到出货中间的全流程信息共享，提升企业生产整体运营效率。公司产品主要面向离散行业，以家电、通讯设备、元器件、定制家具等行业客户为主。2）此外，公司还推出了工业手环，进一步完善智能制造解决方案。工业手环作为赛意工业互联网解决方案套件，实现了软硬件一体化，主要包含：智能传感器、智能网关、工业互联网平台以及工业应用四部分。手环具备全类型数据采集于设备连接能力，部署简单，可实现一键上云。通过手环的传感器，可以对设备进行实时诊断，并通过物联网平台实时查看设备运转情况，可以大幅提升设备利用率。
公司已经积累较为丰富的客户资源。目前已经累计超过1000家行业标杆企业客户，推出15个行业解决方案。公司拥有华为、美的、大奖、TCL等1000余家行业标杆企业客户，并且对制造业、家电、化工、家具等15个行业推出具有针对性的行业解决方案。
9.容知日新：智能运维引领者，产品种类与应用场景持续拓展
设备智能运维引领者，产品种类与应用场景持续拓展。公司成立于2007年，是我国设备智能运维领域的探索者、开拓者、引领者，专注于向客户提供工业设备状态监测与故障预测诊断解决方案（Prognostics Health Management，PHM），助力产业数字化转型。自成立以来，公司持续拓展产品种类与应用场景。从产品体系来看，成立初期公司主营产品以手持系统为主，公司持续加大研发投入、不断优化优化产品和技术服务体系，已实现从传感器、无线传感网络、数据采集、云平台、智能诊断到智能设备管理平台解决方案的完整技术布局；从场景应用来看，公司从冶金和风力发电领域切入，如今产品和服务已广泛应用于石化、风电、钢铁、水泥、煤炭等十多个行业，市场占有率具有显著优势，并覆盖欧洲、南美洲、北美洲、东南亚等地区。
公司具有硬件产品自研率高、算法模型优异、诊断团队三大竞争优势。1）传感器自研率高且具备成本优势：公司无线传感器全部自产，外购比例低且自制率逐年提高。自制传感器成本明显低于外购传感器，有利于公司进行成本控制。公司在振动和温度传感器方面具有深厚的技术沉淀，并且正在研发红外、超声等新物理量，考虑到硬件跨行业延展性较强，公司的硬件优势在跨行业拓展时能够发挥一定优势。2）算法模型优异，积累大量故障案例迭代修正使得算法更加精确：公司数据预处理、智能预警和智能诊断环节使用的算法模型能够实现数据间的关联、智能报警、智能诊断等功能。算法模型严重依赖数据的数量和质量，截至2022年11月底，公司累计远程监测的重要设备超10万台，各行业故障案例超10，000例，积累远超于其他可比公司（规模仅次于公司的博华科技目前累计看护大中型机组的数量仅为上万台）。3）人工诊断环节专业性强：公司的远程诊断服务团队对客户进行7*24小时全天候服务，针对不同类型的设备，诊断专家采用定制化采集策略；通过设备系列指标的全面监控及时发现机组的状态异常，并自动定位到异常部件；客户可与容知诊断专家进行在线互动。公司现有获得Mobius认证的国际诊断工程师40名，其中四级认证资质的有6名，三级认证资质的有11名，二级认证资质的有23名，构筑了后续服务能力与诊断能力的竞争壁垒。
已有行业持续渗透，新行业、新业务模式加速拓展。1）已有行业持续渗透：在风电、石化、钢铁等行业，公司能占据80%-100%的头部客户。当前行业的渗透率仍较低，覆盖客户数量仍较少，针对产单量相对较高的风电、石化、冶金、水泥和煤炭行业，公司将加大对客户的覆盖和老客户的复购。2）行业拓展：公司当前在石化、冶金等行业拓展效果良好，营收结构自2018年时风电占比63%发展至2022年H1占比仅为24%。根据公司22年中报，公司设立了综合系统部，将重点开拓轨交、有色和化工等行业。3）诊断服务新业务模式将增加公司持续性收入能力：公司诊断服务费一般为产品销售额的10%左右，随着客户渗透率提高、业务规模持续扩大，诊断服务费用将得到快速且较大规模的增长。
10.科远智慧：火电DCS龙头，开拓工业互联网平台业务
火电DCS龙头，业务围绕工业互联网平台架构展开。科远智慧创立于1993年5月，是中国领先的自动化、信息化、智能化技术、产品、解决方案供应商，智慧产业建设引领者。公司业务领域主要围绕工业互联网平台架构而展开，致力于为工业用户提升自动化和信息化水平，主要产品包括DCS、PLC及平台等工业互联网业务。
公司为火电DCS自主可控领军者。火电DCS竞争壁垒较高，现代大型火电燃煤机组热工自动控制核心的两个技术为APS和FCB，国产DCS系统在设备联锁、模拟量自动调节以及顺序自动控制方面应用软件仍有所欠缺，大部分国产电厂热工控制系统尚不能实现“一键启停”；同时DCS的下游客户对安全要求极高，DCS系统招标方对历史供货业绩有严格要求。公司作为国内少有具备APS等核心技术的厂商，在火电DCS自主研发领域具有领先地位。2020年公司正式发布NT6000智能控制系统，NT6000V5DCS系统通过国家权威机构完全自主可控认证，认证结果自主可控率达到100%，2018年至今公司已中标多个火电自主可控DCS改造项目。
公司总结二十多年工业自动化与信息化经验，推出EmpoworX工业互联网平台。目前，EmpoworX平台针对流程工业，提供200+个设备模型，100+种算法，并提供100+个工业应用APP，10+种SaaS化应用解决方案，实现工业设备大数据的接入、存储和分析类应用，如设备预警、故障诊断、运行优化等。公司基于EmpoworX平台推出了智慧电厂、智慧化工、智慧冶金、智慧建材、智慧医药、智能制造等完整解决方案，并积累了大量成功案例。
“先专精，后全面”是公司工业互联网的主要发展路径。由于工业互联网平台渗透产业过多，市场下游行业需求差距过大，因此目前市场份额仍然较为分散。公司坚持自主创新，深耕电厂、化工、冶金等领域，不断专精PAAS平台研发，凭借“小而精”的优势在行业爆发期中抢占更多市场份额。
07
工业互联网相关机遇
1.工业互联网平台由定制开发向标准化产品演进
据IDC，工业互联网平台的发展具有四个阶段，第一阶段是定制业务系统，第二阶段为定制工业APP，第三阶段抽象出“工业场景平台”，面向工业场景和业务，进一步降低APP开发周期。第四阶段为“快速定义业务APP”阶段，基于“工业场景平台”和低代码开发平台，由用户快速定义业务APP。
当前工业互联网的发展处于第二阶段和第三阶段的叠加态。向第三阶段和第四阶段的跃进具有重要意义：1）对供应商而言，最大化交付标准产品和工具，提高平台复用能力，缩短产品开发周期；2）对企业用户而言，提高APP的灵活性，降低开发难度，低门槛生成适合适配业务的APP。因此，未来工业互联网平台必然向“工业场景平台”和“快速定义业务APP”等标准化产品演进。
2.数字孪生在生产运营管理中加速落地
制造发展战略的重要目标是要实现制造的物理世界和信息世界的互联互通和智能化操作，从而实现智能制造。生产运营管理伴随着数据互通和平台化，从单体系统向一体化集成+数字孪生体的方向演化。在制造业领域，数字孪生技术可以帮助企业提高生产效率和产品质量。通过数字孪生技术，企业可以在虚拟环境中进行产品设计和生产流程的优化，减少实际生产过程中的错误和浪费。
近年来，物联网、大数据、多领域／多层次／参数化实体建模技术、人工智能技术、云／边缘协同计算技术迅速发展，相互交互，相互融合，为数字孪生发展从各个层面奠定了技术基础，加速推动着数字孪生的落地应用。
3.云边协同逐步替代中心化的计算和控制系统
据IDC（互联网数据中心）数据统计，2026年供需联动将推动中国物联网连接规模超百亿，复合增长率约18%。伴随快速增长的工业物联规模，边缘侧的设备、算力、数据等资源配比将快速攀升。以数据为例，出于安全性和效率考虑，据中国网物联国际视野产业平台，未来数字工业超过50%以上数据会在边缘侧产生，同时会出现大量部署在边缘的应用服务。边缘计算将网络、计算、存储、应用集成在边缘侧，满足企业数字化敏捷联接、实时业务、数据优化、应用智能、安全隐私保护等诸多方面需求。云边协同将OT与ICT融合，形成数据驱动的分布式智能控制，其应用具有高实时性，与物理系统的交互具备高安全性，正逐步在工业互联网场景中落地。
