趨勢一：邊緣計算

云邊端協(xié)同管理和調(diào)度能力加速數(shù)字應用落地生產(chǎn)環(huán)境

2023年，云架構(gòu)變得更復雜，分布式云、云邊協(xié)同、邊緣自治、邊邊協(xié)同，等創(chuàng)新持續(xù)迭代。云邊端協(xié)同管理和調(diào)度能力的突破將助力工業(yè)企業(yè)有效駕馭云架構(gòu)的復雜性，進而充分利用起云架構(gòu)的先進性，推動邊緣側(cè)應用范圍和效果快速放大，主要呈現(xiàn)如下方面趨勢：

一是企業(yè)對激增的邊緣側(cè)資源的有效管理。邊緣側(cè)的設備、算力、數(shù)據(jù)等資源配比將快速攀升。以數(shù)據(jù)為例，出于安全性和效率考慮，未來數(shù)字工業(yè)超過50%以上數(shù)據(jù)會在邊緣側(cè)產(chǎn)生，同時會出現(xiàn)大量部署在邊緣的應用服務，這要求企業(yè)管理和利用好這些資源。二是賦能企業(yè)實現(xiàn)云邊端資源協(xié)同調(diào)度。伴隨著云邊端一體化操作系統(tǒng)走向成熟，企業(yè)會趨向把云邊端的資源通過統(tǒng)一平臺系統(tǒng)進行的管理和調(diào)度，在工業(yè)場景下的，工業(yè)操作系統(tǒng)、工業(yè)大腦將成為協(xié)同調(diào)度的統(tǒng)一平臺，邊緣計算一體機也將成為數(shù)字應用部署的新型載體。

趨勢二：計算機視覺

工業(yè)級場景需求升級，帶動計算機視覺技術趨向高精度和標準化

計算機視覺是人工智能在工業(yè)領域應用最成熟的技術方向。2023年隨著應用場景覆蓋廣度和深度的提升，更多潛在的價值場景機會會被發(fā)掘出來。驅(qū)動計算機視覺技術能力向高精度、標準化方向繼續(xù)精進發(fā)展。

一是高精度計算機視覺技術向縱深發(fā)展。高光譜機器視覺感知技術得到普及、視覺算法、算力部署的優(yōu)化以及與知識圖譜等技術的結(jié)合運用，推動計算機視覺趨向于高精度方向發(fā)展。2023年在智慧醫(yī)療、航空航天、高精密產(chǎn)品質(zhì)檢等方面將產(chǎn)生許多新的場景落地機會。

二是計算機視覺技術的標準化封裝。頭部廠商以開放API、封裝SDK等易于使用和集成的方式提供給中小企業(yè)，降低技術規(guī)模化開發(fā)和使用的門檻，并孕育出新的技術商業(yè)化模式。在這個過程中，標準化是為了建立一個良好的循環(huán)迭進生態(tài)，促進算法和樣本共享，讓算法有可研究試驗的數(shù)據(jù)，同時疑難樣本可以推給更專業(yè)的算法團隊攻克。

趨勢三：拓展現(xiàn)實交互

拓展現(xiàn)實交互技術入口價值凸顯，打開工業(yè)數(shù)字化多元化場景

拓展現(xiàn)實交互技術（XR）是虛擬現(xiàn)實、增強現(xiàn)實和混合現(xiàn)實等技術的組合，通過計算機技術和可穿戴設備產(chǎn)生真實與虛擬結(jié)合、可人機交互的環(huán)境，提供更加直觀、沉浸式的體驗。拓展現(xiàn)實交互技術可為工業(yè)企業(yè)在產(chǎn)品設計、生產(chǎn)制造、質(zhì)量檢測、設備維護、遠程協(xié)作等方面以多種組合方式融匯虛擬和現(xiàn)實世界，為工業(yè)制造的運行模式提供更立體的解決方案。

2023年，雖然拓展現(xiàn)實交互技術的深度應用仍然處于早期，但其對于工業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型和技術應用的場景入口價值將得到進一步凸顯。一是工業(yè)生產(chǎn)場景入口，實現(xiàn)對工業(yè)生產(chǎn)過程的全方位可視化、模擬和優(yōu)化，提高設計、制造、檢測、維修等環(huán)節(jié)效率和質(zhì)量。二是工業(yè)培訓教育入口，基于逼真的模擬場景為員工和合作伙伴提供高質(zhì)量的培訓教育體驗。三是產(chǎn)品服務的使用入口，客戶可在虛擬環(huán)境中預覽和定制產(chǎn)品，驅(qū)動產(chǎn)品銷售。

趨勢四：工業(yè)知識圖譜

工業(yè)知識圖譜技術驅(qū)動產(chǎn)品全生命周期知識融合應用

知識圖譜是一種基于語義網(wǎng)技術的知識表示方法，它將實體、屬性和關系等元素進行抽象和建模，形成一個具有語義表達能力的圖結(jié)構(gòu)。在工業(yè)領域，知識圖譜可以將工業(yè)領域的知識進行建模，形成一個具有語義表達能力的圖結(jié)構(gòu)，從而實現(xiàn)對工業(yè)領域知識的存儲、管理、推理和應用。工業(yè)知識圖譜驅(qū)動全生命周期知識融合應用，多環(huán)節(jié)、AI驅(qū)動、安全成為三大趨勢性關鍵詞。

一是工業(yè)知識圖譜技術向工業(yè)生產(chǎn)鏈條的多環(huán)節(jié)快速滲透。幫助企業(yè)整合和利用各種生產(chǎn)數(shù)據(jù)、設備數(shù)據(jù)、質(zhì)量數(shù)據(jù)等方面的專業(yè)知識，為企業(yè)提供生產(chǎn)優(yōu)化和質(zhì)量控制的決策支持；二是人工智能加速工業(yè)知識圖譜落地。知識圖譜可以為AI提供認知和理解能力，而AI也正在加速企業(yè)的知識圖譜構(gòu)建，包括獲取各種文獻、專利信息、技術標準等方面的專業(yè)知識，同時自動化處理各種設備信息、工藝參數(shù)、質(zhì)量數(shù)據(jù)等方面專業(yè)知識；三是工業(yè)知識圖譜技術應用將更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全。隨著國內(nèi)在數(shù)據(jù)安全方面的監(jiān)管和政策優(yōu)化，工業(yè)企業(yè)會更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全問題，并提出更加有效的解決方案。

趨勢五：工業(yè)機理模型

工業(yè)領域知識注入通用大模型，孕育工業(yè)大模型落地

工業(yè)機理模型      技術是指利用人工智能技術、特別是通用大模型技術來構(gòu)建具有海量參數(shù)、強大泛化能力、跨領域適應性的工業(yè)機理模型的技術。工業(yè)機理模型技術的主要目標是以知識注入的方式，將工業(yè)領域的專業(yè)知識和經(jīng)驗融合到通用大模型，孕育出具有工業(yè)領域特色工業(yè)機理大模型。

2023年是人工智能通用大模型進入“現(xiàn)象級”增長和規(guī)?；瘧玫脑辏瑢τ诠I(yè)企業(yè)來說，利用知識注入方式將工業(yè)機理與通用大模型進行融合將成為未來1~2年關鍵趨勢。通過知識注入，具備工業(yè)機理的工業(yè)大模型將獲得強大的垂直行業(yè)落地能力，幫助工業(yè)企業(yè)獲得更豐厚的業(yè)務收益。

一是處理更多類型的工業(yè)數(shù)據(jù)。例如文本、圖像、視頻、聲音、傳感器數(shù)據(jù)等多模態(tài)數(shù)據(jù)；二是處理跨工業(yè)領域和專業(yè)的數(shù)據(jù)。例如機械、電氣、化工、材料等；三是執(zhí)行多種工業(yè)場景和任務。例如故障診斷、質(zhì)量檢測、過程優(yōu)化、排產(chǎn)排程、產(chǎn)品設計等；四是提供魯棒性和可解釋的結(jié)果。對于工業(yè)認知和決策結(jié)論給出推理過程、證據(jù)支持、置信度評估等。

趨勢六：綠色制造

碳足跡和減碳技術成為推動綠色制造落地的關鍵突破口

綠色制造是綜合考慮環(huán)境影響和資源消耗的現(xiàn)代化制造模式，目標是使產(chǎn)品從設計到回收外理的整個產(chǎn)品生產(chǎn)周期中對環(huán)境負面影響極小，資源利用率極高，使企業(yè)經(jīng)濟效益、社會效益和生產(chǎn)效益協(xié)調(diào)優(yōu)化。碳足跡和減碳技術是實現(xiàn)綠色制造的關鍵技術組合，碳足跡指組織、產(chǎn)品或服務在其生命周期內(nèi)直接或間接產(chǎn)生的溫室氣體排放量；減碳技術是能夠降低碳排放或增加碳匯的技術，如工業(yè)碳捕集和封存、大氣碳負排放等。

綠色低碳是制造業(yè)轉(zhuǎn)型發(fā)展的全新維度。2023年，雙碳技術棧將支撐綠色制造模式在發(fā)電、鋼鐵、化工、建材等行業(yè)逐步落地，其中碳足跡和減碳處于核心技術位置，帶來諸多趨勢性變化：一是碳排放量化技術，通過工藝機理和高質(zhì)量數(shù)據(jù)建構(gòu)工業(yè)生產(chǎn)和碳排放的內(nèi)在邏輯關系，結(jié)合碳排放核算能力的不斷提高，企業(yè)將找到衡量碳資產(chǎn)的有效方式。二是碳排放的時空視角，面向產(chǎn)品全生命周期碳排放核算（時域特性）和制造業(yè)全供應鏈碳中和（空域特性）是發(fā)展方向。三是工業(yè)能源的綠色轉(zhuǎn)型，基于對碳資產(chǎn)的有效衡量和定價，以及碳市場的逐步落地，工業(yè)能源的綠色轉(zhuǎn)型將真正與企業(yè)的經(jīng)營指標相關，從而推動企業(yè)主動推進能源綠色化進程。四是能源互聯(lián)網(wǎng)，企業(yè)利用虛擬電廠、綜合能源系統(tǒng)來管理調(diào)度多種清潔能源和能源網(wǎng)、實現(xiàn)全局ROI最優(yōu)成為可能，技術落地從樓宇級走向園區(qū)級。

趨勢七：工業(yè)大數(shù)據(jù)

人工智能的價值釋放，進一步加速工業(yè)企業(yè)的數(shù)據(jù)基建進程

大數(shù)據(jù)技術是數(shù)據(jù)采集、存儲、管理、分析挖掘、可視化等技術的總和，其幫助企業(yè)沉淀海量多維、高增長、多形態(tài)的信息資產(chǎn)。進而有能力利用智能技術獲得洞察、自優(yōu)化、預測、決策能力。工業(yè)大數(shù)據(jù)技術是在工業(yè)物聯(lián)、產(chǎn)業(yè)互聯(lián)產(chǎn)生的海量、復雜的數(shù)據(jù)中發(fā)現(xiàn)新的知識規(guī)律，挖掘有價值洞察的技術手段，推動制造型企業(yè)以數(shù)據(jù)驅(qū)動的產(chǎn)品服務創(chuàng)新、經(jīng)營水平提升、和生產(chǎn)運營提效，商業(yè)模式拓展。

2023年，人工智能的突破性進展讓業(yè)界開始關注大模型的行業(yè)化應用，而工業(yè)大數(shù)據(jù)成為工業(yè)企業(yè)構(gòu)建AI可用的數(shù)據(jù)體系、打造工業(yè)大模型的關鍵支撐。對于數(shù)智化轉(zhuǎn)型處于領先地位的企業(yè)來說，工業(yè)大數(shù)據(jù)潛在的巨大價值將吸引他們未來數(shù)年持續(xù)加大IT投入，帶來一些趨勢性變化：

一是數(shù)據(jù)全生命周期管理加快被實踐，工業(yè)大數(shù)據(jù)的高度復雜性是傳統(tǒng)數(shù)據(jù)技術應用于工業(yè)的難點，而AI技術非常擅長處理復雜但具備結(jié)構(gòu)性的數(shù)據(jù)，所以企業(yè)全生命周期數(shù)據(jù)管理的理念將被更多企業(yè)付諸實踐。二是大數(shù)據(jù)技術的進階應用加速落地，數(shù)據(jù)技術高階應用加快，比如數(shù)據(jù)處理環(huán)節(jié)的湖倉一體、批流一體，數(shù)據(jù)分析等技術應用，數(shù)據(jù)分析環(huán)節(jié)的算法模型、智能標簽、知識圖譜、可視化等高級分析技術等。

趨勢八：新一代人工智能

群體智能成為AI在工業(yè)領域應用的下一個突破性方向

群體智能技術是模擬自然界生物群體行為的人工智能技術，具有去中心化、智能度高、靈活性強的特點，可以在沒有中心控制且對全局環(huán)境認知不足的情況下完成很多復雜任務。工業(yè)領域群體智能是指在工業(yè)生產(chǎn)、管理等環(huán)節(jié)中，利用多個智能設備或系統(tǒng)（如機器人、傳感器等）通過分布式、去中心化、自組織的方式協(xié)同完成復雜任務或解決復雜問題的技術。

2023年，群體智能技術將更多被業(yè)界討論，并開始融入制造業(yè)數(shù)字化轉(zhuǎn)型的技術攻堅進程。在大語言模型、邊緣計算、物聯(lián)網(wǎng)、知識圖譜等多種技術棧的支撐下，群體智能技術發(fā)展的基礎已經(jīng)趨于成熟，技術將逐漸走出實驗室。在技術突破點方面，群體智能技術探索重點會在多個智能設備或系統(tǒng)在邊緣節(jié)點的分布式協(xié)同計算。具體來說利用邊緣側(cè)的算力集群，提高分布式群體智能的實時性、靈活性和魯棒性，降低對中心節(jié)點和云端的依賴，如：工業(yè)機器人集群利用邊緣計算開展實時協(xié)作控制、故障檢測、自修復任務；設備傳感器集群可以利用邊緣計算實時開展數(shù)據(jù)融合、壓縮、分析等任務。這些都是群體智能落地的場景趨勢。

趨勢九：工業(yè)數(shù)字孿生

工業(yè)數(shù)字孿生技術推動數(shù)字技術在制造業(yè)的規(guī)?；瘧?/strong>