媒体专访|工业自动化缺乏“杀手级应用”

a&s：您如何看待国内工业自动化的发展态势？与西方国家相比有哪些差异？

Wilmer Zhou：从Omdia发布的“Industrial Automation Equipment Viewpoint Service” 报告中，可以注意到工业自动化在国外是一个成熟的细分市场，通常市场规模并不大，而在中国，工业自动化是一个大市场。中国是名副其实的世界工厂，在这里，制造业产业链最为完善，大大小小的工业品制造商数量和门类最多。中国市场占大多数工业自动化产品全球市场的至少30%或者更多，中国市场的销售额业占据了很多跨国自动化公司销售额的相当大的比例。

在另一份Omdia的“IOT in Vertical ”报告中，可以看到中国市场的下游应用场景非常丰富，从离散制造业的电子、汽车、机床、纺织、锂电……到流程制造业的石油石化、钢铁冶金……再到一些关系国计民生的供水供电供气，交通和环保和市政等基础设施行业都提供了丰富的应用场景。与西方国家成熟环境不同，中国的这些下游行业依然充满活力。

其中多层次性是中国工业自动化的特征之一。中国工业自动化市场层次非常丰富，高中低端的产品都在中国找得到需求。世界各国的自动化产品品牌几乎都在中国找得到，在个大舞台上，国内和国际的自动化品牌充分竞争，各显神通，充满活力。

当前，中国工业自动化市场面临历史机遇，一方面，制造业面临一些困难，比如原材料成本上升、生产成本上升、劳动力短缺、人口老龄化等等，一方面，制造业又面临众多机遇，比如新兴的人工智能技术、物联网、大数据、云计算、智能制造技术在制造业的部署。和西方国家相比，中国的大企业和中小企业主更愿意接受新事物和新技术。中国的劳动者素质更高，工程师的绝对数量也更多。

a&s：在国内工业自动化行业中，哪些领域发展较快？有哪些因素驱动市场快速发展？

Wilmer Zhou：根据Omdia的“Automated Guided Vehicles”行业研究报告，我们看到工业机器人，协作机器人，AGV/AMR 在最近几年都发展比较快。主要原因还是自动化转型升级的内在需求驱动，企业主希望能提高效率、降低成本、减少人工、节约能源、实现可持续发展。另外，这些设备技术方案越来越成熟，厂商更多，竞争更激烈促使工业机器人/协作机器人/AGV/AMR的价格大幅下降，价格下降也进一步拉动了需求，下游的工厂产线，自动化仓库，物流搬运等行业大量采购部署。

Omdia的“Machine Vision”报告也发现，机器视觉也是最近比较火的一个领域，机器视觉可以用于工业质检、表面缺陷检测、引导、定位、3D视觉感知、深度测量、BarCode扫描、异物检测等等，这些应用同样也可以帮助企业主提升良率，提高产品品质，减少人工，节约成本。机器视觉也可以和各种机台设备/工业机器人/协作机器人/AGV/AMR结合起来使用，创造了个多的应用场景。

a&s：国内工业软件的价值一直没有得到业内人士的重视，您认为主要的原因是什么？目前工业软件市场的发展有哪些特点？

Wilmer Zhou：工业软件的范围很广，包括用于研发设计的软件，比如CAD、CAE、PLM、EDA等；生产控制的MES软件；企业信息管理和运维的软件，比如ERP、SCM等；还包括一些用于设备、自动化产品和机器人中的嵌入式软件等。

国内工业软件的价值一直没有得到业内人士的重视， 主要原因是研发成本高，周期长，技术门槛高，而这些工业软件厂商面对的市场又比较细分，单独的市场空间不大。中国自动化行业跟随国际厂商几十年，奉行拿来就用的观念，缺乏埋头自研的土壤，快速发展的中国市场也没有给这样的机会和时间。

工业软件其实就是某个细分行业的制造知识的集大成者，工业软件融合了某个细分行业知识和Know-How，之前中国工业界对这些知识和经验的传承不够，缺乏将这些知识转换成软件的观念。在中国，持有软件免费观点的人还是大有人在，目前很多工业软件只能搭配设备和硬件一起卖。

国外的工业软件巨头，比如西门子和施耐德，已经发展了几十年甚至上百年，本身就能提供覆盖全领域的工业自动化产品，加上上不断地收购兼并大大小小的工业软件公司，已经形成庞大的具备完整软硬件解决方案的工业网络。与这些巨头相比，中国本土的工业软件公司研发力量薄弱，缺少资金，缺少工业经验的积累，也没有通过收购兼并发展工业软件的契机。

Omdia的”Artificial Intelligence Software Market Forecasts” 报告中提到, 目前很多工业软件正在云化，在技术上，提供云原生的解决方案给大大小小的用户，顺应客户的技术模式变化；在市场上，云原生的方案商业模式也更加多样化，不管是大客户还是中小客户，都能找到自己负担得起的软件服务。

另外一个特点就是各种新技术的融合发展。人工智能、工业物联网、大数据、云计算、数字孪生、AR/VR的融合发展正在帮助工业企业实现以前不能实现的虚拟设计、模拟、仿真和智能优化，帮助企业实现全生命周期的管理，以及端到端的服务和运营。新技术的融合发展给工业软件创造了更多的市场空间，也为本土的工业软件厂商创造了新机会。

a&s：AI在工业场景的落地，主要集中在哪些领域？

Wilmer Zhou：从Omdia的“Artificial Intelligence Applications Intelligence Service”报告中，我们发现，目前最普遍的AI在工业领域的落地案例就是AI + 机器视觉，主要用于表面缺陷检测、质量控制、良率改善、高速图像捕捉、3D视觉识别、引导和抓取等。这些应用场景和细分行业应用都很多，需求都不太一样，所以AI算法需要做更多定制化的调参优化。

另外一个值得关注的落地应用是AI 使能的“预测性维护”，即通过人工智能算法处理之前积累的工业大数据，借助云计算等技术，加上专家的know-how，为故障提供可靠性预测或警示设备状态变化。“预测性维护”有望取代一部分传统的“定期巡检” 和”预防性维护”， 将开启“全新的运维模式”，使得运维更加智能，运营更加可靠，减少人工的参与，成本更低。

a&s：在AI赋能下，工业发生了哪些变化？

Wilmer Zhou：自动化、网络化、数字化和智能化是工业自动化的发展趋势，但并不是要先有自动化才有智能化，这“四化”的实现可以是并行的。目前，人工智能的赋能，正在帮助工业提升效率，降低成本，节省人工，节约能源，实现可持续发展。在未来，AI可以帮助工业更加智能，实现自感知、自决策、自执行、自适应、自学习等智能制造，AI也不仅仅发生在设备和工位上，AI也可以更广泛的部署在更大的系统，比如产线、车间、工厂间，或者不同的制造企业之间，实现全产业链的人工智能管理，库存规划和全方位供应链可见性，从而使产业链更加透明化，实现更好的可预测性，用人工智能应对产业链波动。

a&s：工业互联网的核心是数据驱动的智能分析与决策优化，在这个领域中，AI的价值体现在哪些方面最为凸出，哪些领域仍需补强？

Wilmer Zhou：从Omdia的“IoT Devices & Components Intelligence Service”这个研究中，我们发现，工业互联网最重要的特点就是数据驱动，而人工智能同样是数据驱动的。这些数据不仅仅是传感器数据、设备数据、生产数据，还包括供应商数据、客户数据甚至消费者数据。工业互联网既连接物与物，又连接人和物，在工业互联网上，这些不同的数据在人工智能算法的帮助下，不断地聚合和发酵，使得工业互联网更加智能。

我们确定AI和工业互联网的结合会增加更多的价值，但现在还在纸上谈兵，很多应用场景我们还想象不出来。和消费互联网一样，在这些未来的应用场景真正实现之前，谁也不知道哪个是真正的“杀手级的应用”。目前谈的比较多的是实现产品全生命周期管理，从产品设计到产品制造，再到产品维护和回收再利用，从而实现端到端的制造业。但未来真正的“杀手级应用”肯定会比以上的文字更实际丰满。

为什么工业互联网谈了这么多年，还没有让人眼前一亮？因为过去几十年，工业系统已经很成熟，渐进式的创新已经让强者更强，很多大厂商也希望在工业互联网领域打造完美闭环系统，几年前一些大公司推广的工业互联网方案也就自己用用而已。工业互联网和人工智能的特性应该是更加开放的，只有开放的系统才更有活力，才能创造出崭新的应用场景，我们需要在边缘地带或者交叉地带找到机会，发展工业互联网需要所有的参与者有更加开放和包容的心态。

a&s：当下，工业企业面临的‘卡脖子’问题仍然存在，您对未来工业发展有哪些看法？

Wilmer Zhou：制造业追求低成本的特性，会使工业自动化行业越来越 ”内卷”，特别是在中国。很多人觉得这个行业很成熟， 所以一直在后面苦苦跟随国际自动化巨头，提供“ME TOO” 或者 “更便宜” 的产品或者方案，这只会使得工业企业 ‘卡脖子 ’问题一直存在甚至越演越烈。“人工智能”，“工业互联网” 和“软件定义一切”既是新技术， 更是新观念。不管是工业行业内的实干家，还是像Omdia分析师一样的观察者，都应该好好思考这些新问题、新技术和新观念。

结语

虽然目前国内工业产业自动化和智能化升级势不可挡，但在发展的过程中出现的“价格战”、“跟风潮”等野蛮生长形式值得引起产业的注意。工业自动化场景足够宽广，专注的企业都容易在细分赛道中脱颖而出。