工業互聯網成產業數字化的“主戰場”,賽道玩家卻要面臨兩大攔路虎_風聞
松果智能-2021-07-16 18:58
7月14日,多家媒體發出阿里巴巴和騰訊或將“世紀和解”的消息引發巨大討論。隨着互聯網人口紅利接近天花板,進入互聯網下半場,工業互聯網也成為主旋律之一。
7月16日,工業和信息化部總工程師、新聞發言人田玉龍介紹,上半年國內高技術製造業增加值同比增長22.6%,兩年平均增長13.2%,工業機器人、集成電路等產品產量同比分別增長69.8%和48.1%,兩年平均增速均超過30%。從數據來看,國內高技術製造業增速較搶眼。
隨着工業互聯網的高速發展,這也讓越來越多企業加入到這個掘金賽道。站在行業發展的角度,未來工業互聯網要想實現高質量規模化增長,不論是頭部玩家還是中小玩家們,擺在他們面前的共同難題是什麼?新工業洞察與大家一起來探討下。
工業互聯網發展迎來“加速度”
提到工業革命,它對推動人類社會經濟發展起到巨大的作用。從時間線來看,它已歷經四次革命浪潮。
第一次工業革命(18世紀60年代-19世紀中期),以蒸汽機、汽船、火車為代表,標誌着人類進入蒸汽時代;
第二次工業革命(19世紀七八十年代-19世紀末20世紀初),以電力、內燃機、飛機、汽車為代表,標誌着人類進入電氣時代;
第三次工業革命(二戰後-20世紀70年代),以計算機、原子能、航空航天、遺傳工程為代表,標誌着人類進入信息時代;
第四次工業革命(21世紀初至今),以人工智能,清潔能源,無人控制技術,量子信息技術,虛擬現實以及生物技術為主,標誌着人類進入綠色能源時代;
從這四次工業革命來看,每一個時間段它都對全球經濟帶來巨大的變革影響。
進入21世紀,工業互聯網成為全球不少國家製造業發展的重點,如果説工業互聯網是美國先進製造的重要基礎,德國工業4.0發展的關鍵支撐點,日本製造業的重要發展目標。對中國而言,工業互聯網就是製造業數字化轉型的重要手段。
尤其是去年受疫情影響,工業互聯網助力製造企業恢復產能發揮不小的作用。比如在疫情期間,武漢火神雷神兩大神山醫院建設過程中,工業互聯網平台擔起了“雲監工”的重要作用。
為了加速推動工業互聯網的發展,國家在政策層面也有不少利好的消息。此前,中國國際經濟交流中心經濟研究部副研究員劉向東在接受媒體採訪時表示,《意見》將會助推工業互聯網行業發展,推進互聯網和製造業的跨界整合,引導社會投資向該領域流入。
根據中國信通院的數據顯示:2020年工業互聯網產業經濟總體規模約為3.1萬億元,同比實際增長約為47.9%。如果按照全球工業互聯網技術到2025年,將會產生約82萬億美元的產業計算,中國工業互聯網市場規模將達到10.8萬億元。
因工業互聯網未來市場發展空間廣闊,這也讓不少知名的製造業企業、互聯網企業、初創企業、軟件企業、系統解決方案服務商等均進行卡位佈局。以互聯網企業來看,就有大家熟知的阿里雲、騰訊雲、百度智能雲。
在WAIC 2021上,百度智能雲工業互聯網品牌“開物”,依託百度強大的互聯網基礎和領先的全棧人工智能技術,為製造、能源、電力等工業企業提供“AI+工業互聯網”和智能製造整體解決方案。
雖説工業互聯網是一片藍海,但在這片藍海里行業仍然有不少問題待解決。那麼,工業互聯網賽道里的玩家們面臨什麼樣的發展難點?
兩座大山橫亙在工業互聯網面前
目前我國已成為全球第二大經濟體,世界第一製造大國,製造業數字化轉型已是大勢所趨,工業互聯網亦是產業數字化的“主戰場”。
在這個“主戰場”各路玩家都在摩拳擦掌想要在技術研發、商業模式上有更大的突破,但在發展的過程中:人才缺乏與數據安全保障卻是行業升級轉型過程中的兩大“攔路虎”。
一、軟硬件人才稀缺
進入工業互聯網時代,企業對於從業人員要求升級,尤其是在軟件跟硬件這兩個層面對人才提出更高的要求。
那麼,國內工業領域的實際人才儲備究竟是怎樣的一個現狀?
此前,中國工業互聯網研究院發佈的《工業互聯網人才白皮書(2020)》對當前工業互聯網產業人才供需、培養與就業現狀等內容進行了剖析,指出我國工業互聯網帶動國內就業人數顯著增加但相關崗位規範化程度較低,導致人才供需兩端匹配度不高。
據測算,工業互聯網在2018帶動的總就業人數達2367.41萬人;2019年帶動總就業人數超過2679.61萬人;2020年帶動的總就業人數將達到2810.90萬人。雖説工業互聯網帶動就業的人數在增長,但現實是行業對於優質人才的需求是供不應求。
目前多數高校的自動化專業的畢業生,只是學習了針對工業設備運轉的自動化技術,不懂得工業互聯網時代所需要的控制系統、控制平台乃至工業生態的技術。白皮書稱,部分高校正在積極探索工業互聯網人才培養模式,但由於缺乏課程、教材、師資及專門的實訓環境,教學過程面臨很大困難。
為了挖掘優質人才,從不少互聯網巨頭的招聘來看,也能看出他們在人才儲備跟培養上的一定優勢。根據阿里巴巴2020屆畢業招聘需求來看,軟件和算法類技術人才需求持續旺盛,並且對遊戲開發設計、自動駕駛、量子領域、人工智能芯片領域人才的招聘數量也在增加。
面對行業人才的稀缺,上海聯通也打造了工業互聯網人才實訓基地,以訓代練進而推進‘產教結合’的生態優化工作,這將有助於培養和輸出更多符合實際業務需求的複合型數字化人才。
顯然,在軟件跟硬件層面,企業都需要去培養和教育更多的人才。人才實力提升上去了,這對於提高企業的競爭力還是有較大優勢。
二、構建數據安全體系難
在互聯網行業,數據安全一直是個繞不開的話題。
同樣的,在工業互聯網領域,數據面臨的安全風險隱患日益突出,因雲計算、大數據、人工智能、5G、虛擬現實等新技術新應用,引入了新的數據安全風險隱患。
(圖源工業互聯網數據安全白皮書)
基於工業互聯網與傳統製造業的緊密關係,世界各國高度重視工業互聯網數據安全。美國發布了《工業互聯網數據保護最佳實踐白皮書》,德國加快打造可信工業數據空間。
我國發布了《國務院關於深化“互聯網+先進製造業”發展工業互聯網的指導意見》、《加強工業互聯網安全工作的指導意見》、《關於工業大數據發展的指導意見》等政策文件,着力加強工業互聯網數據安全保障。
據工業安全產業聯盟報道:因工業企業類型多樣,工業互聯網數據更是海量多態,給數據安全防護帶來了困難和挑戰。
**1、採集階段識別解析難。**工業互聯網數據分佈在海量設備、系統之中。不僅數據孤島現象嚴重,各廠家數據接口規範不統一,而且各廠商多采用自家的私有協議,工業協議多樣且大多封閉,導致數據難識別、難解析;
**2、傳輸階段監測溯源難。**工業互聯網場景涉及雲計算、大數據、人工智能等多種技術的應用,且工業互聯網數據在工廠外流動更加複雜多元。大流量、虛擬化等環境下難以有效捕捉追溯敏感數據和安全威脅;
**3、存儲階段分類分級難。**存儲階段極易形成數據的匯聚,需要根據數據的類別和等級採用劃分區域、設置訪問權限、加密存儲等多種手段。然而工業互聯網數據形態多樣、格式複雜,使得數據分類分級管理與防護難度大;
**4、使用階段可信共享難。**對工業互聯網數據進行分析利用是發展工業互聯網數據作為生產要素的重要途徑,然而數據權責難定、安全可信賦能難等阻礙數據有序安全共享。
在工業互聯網的時代,企業如何構建新的安全體系這是行業內所有玩家們都要考慮的命題。7月16日,工信部新聞發言人趙志國表示,加快制定工業和信息化領域數據安全管理政策,更好地承接《數據安全法》在行業的實施落地。
未來,在設備安全、系統安全之上加強工業互聯網數據安全防護,需要研究工業互聯網數據特徵,有針對性地採取安全措施,這將是不少企業在未來要重點解決的問題之一。
結語
進入工業互聯網時代,隨着各種政策利好消息的出爐,這對於製造業企業、互聯網企業、初創企業、軟件企業、系統解決方案服務商等來説都是重大的利好消息。未來要想推動工業互聯網朝着健康穩定的路徑發展,離不開產業鏈裏的企業的共同努力。但可以預見到的是,在工業互聯網這條賽道上,未來有望誕生更多巨頭跟獨角獸。