一、資料流帶動的工業網際網路核心價值環節遷移
1.1 核心焦點從上雲互通轉向借助人工智能深挖工業大資料價值
工業網際網路的建設促進了企業IT系統的雲化遷移，實作了ICT系統與OT系統間要素的流轉，打通了資料孤島，企業得以擷取靈活便捷、高效率、低成本的資訊化、網絡化、數字化基礎，但要想實作真正的數字化和智能化則必須借助人工智能技術對工業資料價值進行充分挖掘。資料是工業網際網路的核心資産，也是其價值創造的來源，對資料分析和挖掘的深度在很大程度上決定了工業網際網路實際應用價值的高低。目前對資料挖掘價值依賴程度高的生産管控類及裝置管理服務類應用是我國工業網際網路的高熱度場景，結合深度資料分析的裝置健康管理、生産品質管理、生産工藝優化、能耗與排放管理等應用為工業企業創造了運維成本及能耗成本降低、産品品質及服務價值提升等顯著的直接優化價值。
圖：2019年我國工業網際網路平台應用統計分布及生産過程管控中各項應用占比
1.2 人工智能是工業網際網路實作真正數智化價值的前提
工業網際網路之于工業企業而言，是企業實作數字化、網絡化、智能化轉型的工具，其中平台層搭建了工業資料彙聚與處理的基礎，工業軟體的應用本質上實作數字化和自動化，強調機器裝置的自動化功能，工業網際網路的互聯工具應用則是強調
企業内外部的打通與協同，是工業角度的網際網路+模式，人工智能的加入是在數字化、網絡化的基礎上實作真正的智能化。工業網際網路為工業企業提供通用的算力-工業雲計算和邊緣計算、算據-工業大資料以及算法-工業人工智能，其中大資料作為人工智能技術發揮作用的必要燃料，其背後價值的挖掘深度決定了工業網際網路價值呈現的合理邏輯是從網絡化、數字化轉而最終實作智能化，這也正是工業企業實作降本增效、更新優化的必經之路。
圖：工業網際網路價值呈現路徑
二、人工智能成為重新定義工業網際網路産品邏輯的抓手
強化資料洞察力，拓寬工業網際網路可解問題邊界
工業網際網路的核心是資料驅動的智能分析與決策優化，人工智能技術從廣義上來看正是一種通過算法模型對資料的處理方式，人工智能技術是以開始進入工業網際網路産品建設方的視野，成為服務商拉高産品價值的落腳點。以深度學習和知識圖譜的為代表的人工智能技術從根本上提高系統模組化和處理複雜性、不确定性、常識性等問題的能力，顯著提升了工業大資料分析能力與效率，為解決工業各領域診斷、預測與優化問題提供得力工具，進一步擴大了工業網際網路平台可解工業問題邊界的深度和廣度。人工智能驅動的工業資料智能分析支撐工業網際網路實作資料價值深挖掘，強化了工業企業的資料洞察能力，成為打通智能制造最後一公裡的關鍵環節。
圖：AI在工業網際網路中價值區域
三、人工智能在工業網際網路中的應用
使能工業網際網路形成資料優化閉環，催生多場景系統化應用
工業領域記憶體在着紛繁複雜的應用場景，産品研發設計、産品瑕疵質檢、生産工藝優化、流程自動化等許多場景的工業機理複雜、資料分析能力需求較高，人工智能是以被視為是使能工業網際網路形成資料優化閉環的關鍵。目前以深度學習、知識圖譜、自然語言處理為代表的人工智能技術正處于多方創新和突破的時期，通過與工業領域知識融合的不斷加深，AI技術正逐漸加速向工業網際網路滲透，在工業企業“研産供銷管”業務鍊條下形成衆多落地應用。從工業AI技術角度來看，主要有聲音、圖像、知識圖譜和自然語言方向的應用，聲音和圖像多用于品質檢測與安全監管兩個領域，是目前應用較多，經濟效益較為明顯的場景；自然語言處理更多用在智能助手，這裡有别于智能客服，智能助手更加垂直和專業，如裝置維修助手；知識圖譜則擅長處理大規模、複雜、多點的問題，典型應用是産品品質回溯。
圖：AI在工業網際網路中的典型應用場景
四、人工智能在工業網際網路中的應用
以解決通用型問題為能力基礎，面向特定行業差異化延伸
工業智能的本質是通用人工智能技術與工業場景、機理、知識結合，實作設計模式創新、生産智能決策、資源優化配置等創新應用。工業智能在工業系統各層級各環節已形成了相對廣泛的應用，其細分應用場景可達到數十種，正如前文所述工業領域不同細分行業對工業網際網路類型與功能的需求各不相同，工業智能亦是如此。不同行業依托工業智能，擷取解決通用型問題的能力的同時，基于行業特點、面向行業特性痛點問題延伸出差異化方向。
圖：工業智能在典型細分行業的應用概況
五、人工智能在工業網際網路中的部署
應用部署将從以平台側為主向平台+邊緣共生演進
目前人工智能主要通過三種模式融入工業網際網路。第一，直接将AI算法或模型嵌入工業網際網路平台層，以提升平台層資料分析能力；第二，提供工業AI軟體系統，并通過雲端部署形成标準化的工業網際網路SaaS層應用；第三，提供一套工業網際網路架構下包含軟體和邊緣側硬體的完整系統。部署過程中會根據行業類别、産品相似度、場景條件、問題共性等因素對不同AI模型進行組合，對同一個行業來說，針對同一個環節将模型盡量标準化以實作移植應用。現階段工業智能應用以平台側為主，後期會向邊緣側發展，邊緣側的實時性要求需要AI模型産出的結論與産線或者裝置形成控制閉環，艾瑞認為目前我國工業企業自動化程度不一，現場資料品質不高，并且企業對于人工智能的應用較為保守，時下落地較多的應用無論是安全監管還是品質檢測都主要集中于平台側，邊緣側工業智能的下一階段發展需要配套基礎設施和能力的共建。
圖：工業智能的部署過程
六、基于AI的工業網際網路參與者拓展思路
技術為先，場景為王，合作共赢
随着《網際網路+人工智能三年行動實施方案》、《新一代人工智能發展規劃》、《促進新一代人工智能産業發展三年行動計劃》等多份國家政策檔案的釋出，開展人工智能與工業結合應用成為了重要發展趨勢。工業領域每個下遊行業場景都有
其原生的價值鍊條，同時各個行業的Know – how有着較高的壁壘，人工智能服務商在開展工業領域業務時，大多基于自身技術優勢和特點去尋找适合實景落地的垂直細分行業或者某一共通性工業場景，在特定場景應用中持續打磨自身工業智能産品和服務。“聚焦”被大多數AI廠商視為優先的發展政策，通過與成熟的工業網際網路平台型企業開展合作，以融入而非自主開發的方式擷取平台能力，不僅極大地減少了自研開發的成本和風險，而且為疊代、優化、創新自身工業智能解決方案提供了豐富的資源儲備。
圖：人工智能廠商的工業網際網路業務拓展思路
七、人工智能技術在工業應用中的痛點
資料、算法、算力的不足制約了AI在工業領域的普及應用
人工智能技術本身的發展離不開資料的支撐，工業領域由于自身複雜、多樣且專業性強的行業特性，導緻其缺乏優秀的工業主題AI資料模型，也沒有很好的工業标注資料集用于AI算法訓練。此外包括底層硬體、計算架構、開發平台等AI基礎設施在工業領域的建設也較為落後，這直接限制了工業智能化的發展。資料、算法和算力的短闆導緻了目前AI技術在工業領域的應用場景主要呈現點狀分布，普及範圍有限。
圖：AI在工業網際網路中的三大痛點
八、人工智能賦能工業
人工智能在工業領域應用的市場前景廣闊
2020年，中國人工智能市場主要客戶來自政府城市治理和營運（公安、交警、司法、城市營運、政務、交運管理、國土資源、監所、環保等），網際網路與金融行業也位居前列，然而作為國民經濟支柱産業的工業在人工智能市場佔有率中僅占到5%。随着人工智能與工業網際網路共同被納入新型基礎設施建設範疇，行業雙雙提速發展的态勢基本确定，加之工業領域多樣化的場景需求，預計未來五年，中國工業領域中人工智能技術的使用率将顯著提高，工業智能的應用市場前景将十分廣闊。
圖;2020年中國人工智能市場行業份額
圖：2019-2025年中國人工智能産業規模
九、人工智能在工業網際網路中的滲透
人工智能将重新切割工業網際網路投入空間
2020年以機器學習與深度學習、知識圖譜、NLP、計算機視覺為技術主導的我國工業智能應用核心産業規模為68億元，年均複合增長率達到27.96%，産業整體具備高成長性。然而目前人工智能服務商多以自身獨立的系統傳遞工業智能解決
方案，工業網際網路平台服務商提供的平台AI功能也以基于開源架構的算法模型自主開發為主，平台AI功能集中于基礎性的資料分析能力優化，AI技術并未在工業網際網路中實作廣泛化應用。總體來看，現階段工業智能與工業網際網路的結合應用呈星點狀分布，未來随着工業網際網路對資料價值深度挖掘的依賴性提升，人工智能技術将加速向工業網際網路融入，工業網際網路建設的資金投入比例将重新洗牌。
圖：2019-2025年中國工業智能核心産業規模
十、打造能夠經受實景檢驗的AI工業網際網路
四大工業智能布局方向助力工業網際網路塑造競争優勢
工業網際網路的真正價值不在于為工業企業錦上添花而應是雪中送炭，人工智能技術的注入是以系統化的方法和規則助力工業網際網路解決工業實際場景中的某些痛點。基于深度學習技術的計算機視覺在質檢、巡檢等場景中實作了機器代人，在提高生産效率的同時釋放了企業人力成本；以知識圖譜、自然語言處理為主的認知智能技術，促進了工業知識的積累，提升了企業決策速度與精度；AutoML平台的模型自動化塑造能力則提高了算法模型在實景中的适配性。AI技術的縱向更新使得采用多種路徑解決複雜工業問題成為可能，未來融合多種AI技術的工業網際網路将是相關服務商打造競争優勢的重要切口。
圖：AI+工業網際網路的競争要點