5G+工业互联网 应用场景不断拓展
10月18日，习近平总书记在主持中共中央政治局第三十四次集体学习时强调，要站在统筹中华民族伟大复兴战略全局和世界百年未有之大变局的高度，统筹国内国际两个大局、发展安全两件大事，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济。
“十四五”规划提出，推进产业数字化转型，在重点行业和区域建设若干国际水准的工业互联网平台和数字化转型促进中心。近年来，我国深入实施工业互联网创新发展战略，“5G+工业互联网”建设按下加速键，多种应用场景不断拓展，远程设备操控、现场辅助操作、产品质量检测等典型场景取得了明显成效。
近日，本报记者多方走访，观察记录“5G+工业互联网”在制造、钢铁、采矿等行业的相关应用，呈现新技术赋能产业转型的蓬勃发展态势。
通过工业设备联云上网，实现产业链智能协同，工业互联网已成为工业企业数字化转型的关键力量。借助5G网络的大宽带、低延时等优势确保海量数据高速传输，5G与工业互联网的融合正在加速我国新型工业化进程，为中国经济发展注入新动能。
2019年11月，工信部印发《“5G+工业互联网”512工程推进方案》（以下简称《方案》）。近两年来，《方案》推进情况如何，产生哪些成效？推进“5G+工业互联网”在更广范围、更深程度、更高水平上融合发展，还应从哪些方面发力？针对这些问题，记者进行了采访。
融合探索持续加速，助力企业降本增效
以传感器技术改造设备，通过5G物联网实现数据与云端的实时互联，在联想武汉数字化工厂主板生产测试车间，只需30分钟便能实现产品换线，测试效率大幅提升；通过把5G网络引入电力互联网，国网杭州萧山供电公司采用变电机器人、输电无人机等，对杭州亚运会主场馆进行智能升级，保障各环节用电安全……近年来，“5G+工业互联网”的融合探索持续加速。
“目前全国‘5G+工业互联网’在建项目超1800个，覆盖20余个国民经济重点行业和领域。”工信部信息通信管理局有关负责人表示，“5G+工业互联网”已成为工业互联网和5G发展进程中，产业热情度最高、创新最活跃、成效最显著的领域之一，这将有力助推实体经济向数字化、网络化、智能化转型升级。
场景应用不断丰富，助力企业降本增效。“5G+工业互联网”在电子设备制造、装备制造、钢铁、采矿、电力等行业领先发展，已形成协同研发设计、远程设备操控、设备协同作业、柔性生产制造、现场辅助装配、机器视觉质检、设备故障诊断、厂区智能物流、无人智能巡检、生产现场监测等场景。
这些场景的拓展，究竟给工业企业带来哪些变化？
降本。远程设备操控、无人智能巡检等场景助力企业实现无人化、少人化生产。矿山领域利用5G实现无人矿卡驾驶和井下采掘，有效降低事故发生率，平均每年节减相关企业成本约3000万元。
提质。机器视觉质检、设备故障检测等场景提高产品质量，保障良品率。钢铁领域部署5G+8K表面检测系统，改变现有抽检模式并实现了产品全量检测，提高钢材缺陷检出率达90%以上，缺陷识别率达85%以上。
增效。设备协同作业、厂区智能物流、设备故障诊断等场景支撑企业优化生产流程、提高生产效率。港口领域通过5G+人工智能技术自动分析集装箱理货、物流最优路径，平均可提升配载效率15—20倍。
产业集聚加速形成，各种创新实践不断涌现。在长三角地区，三省一市均出台支持“5G+工业互联网”发展政策，在纺织、金属制品等近20个领域开展探索。在粤港澳大湾区，钢铁冶炼、电子设备制造等领域创建了8个“5G+工业互联网”示范园区。在京津冀地区，以计算机、通信和其他电子设备制造业等特色产业为主，形成了一批典型应用方案。在西部地区，企业集中在煤炭开采和洗选领域进行创新，已成为示范性较强的应用实践。
融合应用初显成效，产业支撑有待提升
目前，各类融合应用已初显成效，但深入推进问题犹存。
“5G主要是面向行业场景的技术，70%—80%将应用在车联网、工业互联网领域。”工信部信息通信管理局有关负责人说，我国是全球首批5G商用的国家之一，在技术、产业、应用上，特别是面向工业乃至实体经济的融合应用上，无先例可循、无经验可鉴、无路径可依，持续推进过程中，难免面临新挑战。
一方面，技术开发能力不足，产业支撑有待提升。
“现阶段面向消费场景应用的5G公网，下行传输带宽约为上行带宽的3倍。但是在工业场景下，存在大量基于机器视觉的5G应用，往往上行传输数据需求显著高于下行传输数据需求。”工信部信息通信管理局有关负责人说，“目前，尽管少数企业已有突破，开发了相应技术解决方案，但尚未实现产业化。”
另一方面，芯片模组产业分散、价格较高制约推广。
从市场上看，“工业领域需求多样化、差异化，5G工业终端、芯片、模组、网关在性能、协议支持等方面的要求更高。”工信部信息通信管理局有关负责人介绍，当前5G芯片模组等存在产业分散化、市场碎片化等特点，短期难以通过市场规模摊薄成本，导致价格高昂，在一定程度上制约了5G工业应用的规模推广。
从工业企业自身来看，尽管“5G+工业互联网”建设和应用在一些领域先行先试，但整体推进还存在问题。中国信息通信研究院副院长胡坚波提出，企业对“5G+工业互联网”应用场景、使用价值及建设路径缺乏系统认识。此外，企业建设“5G+工业互联网”的资金、人才及技术要求门槛高，数字化基础仍有待夯实。
“这些发展中的问题需要以发展来解决。”在工信部信息通信管理局有关负责人看来，这是产业界共同面临的挑战，需要多管齐下、联手解决。
复制推广成熟模式，推动产业协同创新
如何做好5G和工业互联网这道加法题，加速释放传统产业转型升级的乘数效应？
——以成熟模式的复制推广为抓手，推动应用加速从试点转向普及。
《方案》提出，要打造一批“5G+工业互联网”内网建设改造标杆、样板工程。以采矿业为例，今年5月，工信部发布采矿行业“5G+工业互联网”典型案例集，为进一步推进“5G+工业互联网”更深程度、更高水平发展提供了范例。
工信部信息通信管理局有关负责人介绍，典型案例集发布后两个月内，山西、内蒙古、山东等多个省份新上采矿类“5G+工业互联网”项目28个，签约金额约3.5亿元，并形成涵盖十大典型应用场景的近100余款“5G+工业互联网”产品，为采矿企业提供“菜单式”“一站式”服务。
据介绍，下一步工信部将发布第二批“5G+工业互联网”典型应用场景和重点行业实践，指导产业界加快规模化发展进程，为更多企业应用创新提供借鉴参考。指导各地结合特色优势产业，组织召开一系列现场会，打造行业示范标杆，推动应用从试点向普及转变。
——以创新模式的深化拓展为关键，推动产业生态发展壮大。
一方面，开展工业5G专网试点，增强行业网络供给能力。工信部信息通信管理局有关负责人介绍，下一步将推动5G全连接工厂建设，推进信息技术网络与生产控制网络融合部署，打造3到5个5G全连接工厂示范标杆，形成5G与工业深度融合解决方案。
另一方面，加快定制化、经济型工业5G芯片、模组、终端等产品研发和产业化进程。“通过增强企业主体能动性，推动产业各方协同创新，发布融合应用先导区发展建设指南，在全国范围内打造若干个示范先导区。”工信部信息通信管理局有关负责人表示，未来将会同相关部门、产业各方加快推动“5G+工业互联网”创新发展，助力制造强国、网络强国建设。（记者韩鑫）
工业互联网赋能制造业数字化转型
工业互联网是新一代信息技术与传统产业融合发展的技术牵引，逐渐成为我国制造业转型升级的内生动力。目前，我国正加快脚步进行工业互联网建设，自2017年国务院印发《关于深化“互联网﹢先进制造业”发展工业互联网的指导意见》以来，我国工业互联网从“供给侧”与“需求侧”两端发力，统筹布局网络、平台、安全三大功能体系。经过三年起步期，我国工业互联网在网络基础、平台中枢、安全保障等方面发展成效显著，为此后我国工业互联网发展迈入快速成长期奠定了坚实的基础。工业和信息化部发布的《工业互联网创新发展行动计划（2021-2023年）》规划了我国工业互联网发展的短期目标，将从智能制造、生产效率、创新能力各个方面推动我国工业互联网整体发展的阶段性跃升。工业互联网平台体系建设近年来，全球互联网平台市场持续保持活跃创新态势，德美日法等制造强国基于自身在先进制造业的优势，从不同战略角度、生产理念、价值定位提出适合自身发展的工业互联网参考架构，加快推进工业互联网体系建设。此外，美国通用电气公司、微软、西门子、达索等国际巨头也相继布局工业互联网平台建设，通过提高数字化转型和行业服务能力来保持企业长期竞争力。目前美国、德国、日本等国家已提出较为成熟的架构体系。美国工业互联网以价值定位、信息和操作技术融合推出工业互联网参考架构IIRA，德国工业4.0战略从工业视角出发，聚焦制造过程和价值链的生命周期推出参考架构RAMI4.0，日本基于生产理念和松耦合理念，推出工业互联网参考架构IVRA，法国国家制造创新网络则推出智能制造标准路线图框架。全球各个国家积极布局工业互联网建设，其核心目的是以架构体系促进产业融合，催生技术创新与推动产业升级。我国工业互联网发展从系统工程方法论出发发布《工业互联网体系架构（版本2.0）》，架构结合工业制造特点、软件和通信架构设计方面的不同方法论，融入网络、数据和安全新技术并突出数字孪生基本功能原理，从业务视图、功能架构和实施框架三个角度对架构2.0进行了定义，形成以商业目标和业务需求为牵引，进而明确系统功能定义与实施部署方式的设计思路。三个角度层层深入，自顶向下形成逐层映射，其目标在于从工业互联网促进产业发展的作用和路径出发，指引企业明确数字化转型的商业目标与业务需求。智能工业数据赋能高端制造工业互联网新技术实施落地可以有效满足丰富和多样化的企业实践需求，人工智能、边缘计算、5G等新技术与生产制造工艺融合发展推动技术解决方案的制定，提高了工业互联网在工业应用的实操指导能力。智能工业数据赋能高端制造凸显出数据在智能生产中的核心驱动地位，基于工业数据实现产品设计生产与生命周期管理智能化、企业控制系统与管理系统集成化、工业数据保护与外部攻击防御常态化。依据数据交互实现物理空间与数字空间的全面深度互联互通与智能分析是工业互联网的核心功能原理。数据交互实现各单元模块间传输信息的相互理解，使数据和信息在各要素、各系统之间得到有效传递，不同结构的系统能够在数据层面相互理解，从而提高资源配置效率与信息集成能力。高端制造业在数字化发展的趋势下，形成以数据为核心驱动力的生产与运营方式、资源组织方式与商业模式，以提高运营效率、创新能力和降低成本。工业互联网大数据挖掘技术能够对企业制造过程产生的数据进行储存、清洗与分析，对历史数据进行统计与关联挖掘，提取得到数据中隐含的信息，这些统计结果对企业自身评估与决策、改进自身业务将起到重要的作用。工业互联网引领新业态当前，我国工业互联网创新发展战略深入实施，工业互联网赋能高端制造将进一步催生融合创新应用，赋予各产业转型升级发展新动力，促进广泛的产业创新，对社会经济高质量发展意义重大。在大数据冶炼平台应用中，传统炼铁操作仍以经验为主，不同工人操作水平参差不齐，行业数字化、科学化水平有很大的上升空间。江苏江阴兴澄特钢建立的以工业互联网为基础、以高炉数据为核心的大数据处理中心，打破了传统炼铁的高炉反应器“黑箱”工作状态诊断难的瓶颈，提升了炼铁生产线的数字化、网络化水平。其基于平台侧的历史数据挖掘分析和边缘侧的实时智能监控相结合，打造“云边协同”应用，有效地利用了数据中包含的信息，在未来生产优化中起到良好的预测分析与指导作用。在数字化物流管理应用中，工业互联网以数字化技术为基础，提升物流装配的信息化水平与工作效率，其主要体现在智能物流工厂和智能物流设备两个方面。智能物流工厂主要研究数字化物流系统，打造高度柔性的物流一体化模式；智能物流设备即将机器人、柔性制造、物联网等智能技术应用于商品分拣、配送与流程管理，提高物流过程的智能化。在基于5G的边缘计算数字工厂应用中，以浪潮集团与山东移动共同打造的高端装备智能制造生产线为例，其结合5G高速率与边缘计算平台的能力，实现了不同生产单元之间互联互通、智能调度、面向客户需求的定制设计、柔性生产和全流程智能控制，成为一座集自动化、模块化、柔性制造于一体的智能模范工厂。工业互联网的行业覆盖领域非常广泛，能源、电力、交通等实体经济各领域，机械装备、化工产品、电子信息等制造业各门类均可与工业互联网深度融合。工业互联网的创新发展将不断催生个性化定制、共享制造、合理调配等制造新业态，推动我国高端制造业跃升发展。同时，要认识到，工业互联网建设与落地推广将是一项长期且复杂的系统工程，当前正处于发展初期。目前，企业数字化转型的深度与广度不足，工业互联网实际覆盖率约为15%；5G商业模式仍在探索，其网络部署复杂，标准化建设难度大；行业间跨界融合不充分，细分领域差异较大，以上种种因素仍制约着我国工业互联网的普及应用。（北京科技大学解仑）人工智能物联网（AIoT）是什么这些技术与应用从中获益
在这篇文章中，我们将解释人工智能物联网（AIoT）等智能联网设备的增长趋势，以及一些得益于 AIoT 的技术和应用。在下一篇文章中，她将讲述如何在MCU上实现AIoT。
在过去十年中，从医疗设备、家庭和建筑自动化到工业自动化，物联网 (IoT) 设备的数量呈爆炸式增长。可穿戴设备、传感器、电器和医疗监视器等设备都是联网的，能够收集和共享大量数据。根据国际数据公司 (IDC) 的一项预测估计：到 2025 年，将有 416 亿个互联的物联网设备或“物”，它们将产生 79.4 ZB的数据。
造成这种增长的一个关键是无处不在的无线连接，无线连接允许事物之间的互联并将它们连接到互联网。这种超连接具有很多优点：自动化控制、允许设备之间的轻松通信和数据共享。它还允许收集和共享大量的数据，并用这些数据做出智能决策。随着互联设备数量的增加，生成的数据量也在增加。 IDC 预测：在 2018-2025年间，这些设备产生的数据量的复合年增长率将达到 28.7%。
人工智能 (AI) 逻辑上能够让物联网更好地发挥作用。物联网终端设备可以内置智能功能，使它们不仅可以收集和共享数据，还可以分析数据、从中学习、做出决策并采取行动，而整个过程无需任何人工干预。人工智能和物联网的结合(AIoT)创造了“智能”设备，这些设备能从生成的数据中学习并自主做出决策。新的 AI 技术正在实现边缘智能，并可以显著降低与云分析相关的需求和成本。人工智能技术有望帮助物联网发挥最大的潜力。
图 1：AIoT 的六要素。
AIoT 可以让计算更接近数据产生的地方。在边缘设备上运行的人工智能技术可以自动处理并分析从传感器和其他物联网设备上生成的数据——例如温度、压力、湿度、振动或声音——并使用这些信息做出决策和执行操作。
为什么要将人工智能置于边缘？过去，由于机器学习模型的复杂性，人工智能应用主要在云端运行。但是由于缺乏可靠的高带宽连接，有些应用需要在设备上运行模型，也有些应用本身就无法在云端运行。这些应用可能需要快速的、实时的操作，由于其延迟而无法在云端运行。此类应用（例如虚拟助手、工业控制、人脸识别或医疗设备）需要快速实时的响应，不能承受云端的延迟。此外，人们也可能对云端数据的安全性和隐私性存在担忧，因此本地设备上存储和处理数据的需求会增加。云连接和云服务可能很昂贵，而且还会拉高与其相关的设备或服务的成本。
因此，边缘 AI 具有自主性、低延迟、低功耗、低带宽要求、低成本和高安全性的优势，这使其对新兴应用更具吸引力。在边缘设备上增加计算能力可以优化人工智能。人工智能可用于许多物联网应用，例如振动分析、语音处理、图像分类和计算机视觉，这些应用需要结合使用机器学习与 DSP 计算和推理。
物联网中的人工智能——市场的驱动因素和市场趋势AIoT 可让用户将原始IoT数据转换为有用的信息，使系统可以从这些数据中学习并基于此做出决策。 MarketsandMarkets 预测，全球人工智能在物联网市场的规模从 2019 年的 51 亿美元将增长到 2024 年的 162 亿美元。推动市场发展的主要因素是有效地处理大量实时数据，并从物联网设备中获取有价值的信息、进行实时监控、增强用户体验并减少维护成本和停机时间。
近年来的各种市场报告都表明：物联网终端设备越来越多地采用人工智能技术，企业从发展云端人工智能转向了边缘人工智能，以减少延迟和成本，并实现实时监控。物联网领域的许多科技公司都在大力投资人工智能，用于开发新的“智能”产品、提高业务效率并使用数据来深入业务洞察和增强客户体验。
此外，以人工智能为核心的物联网初创企业获得的投资和并购正在快速增长。而且，亚马逊、IBM、微软和Oracle等物联网平台供应商正在为他们的通用和工业物联网平台集成人工智能功能。
AIoT的优势提高运行效率：AIoT 可以处理和检测人眼发现不了的实时运行数据中的模式，并可使用该数据随时设置运行条件，从而优化业务成果。因此，人工智能可以帮助优化生产流程并改善工作流程，从而提高工作效率并降低运营成本。
改善风险管理：人工智能可以帮助机构用数据及时辨别风险，并利用这些信息优化流程，以提高安全性和减少损失，并做出更明智的业务决策。可利用人工智能降低风险的应用包括预测航空公司的机械故障和检测工厂车间的安全风险。
提供新产品和新服务：能够从大量数据中处理和提取信息，帮助开发新技术，例如语音识别、人脸识别和预测分析。这些新创建的功能可被用于许多应用，例如在交付服务、灾难搜索和救援行动中使用的机器人、智能视频门铃、语音虚拟助手以及车辆或建筑自动化系统的预测维护等等。
缩短意外停机时间：在制造业中，设备故障导致的机器意外停机可能对业务造成极大影响。预测性维护可以通过分析机器数据并主动安排维护来避免设备故障，从而减少意外停机的发生率和成本。
改善用户体验：在零售环境中，AIoT 有助于定制专属购物体验，并根据客户信息、人口统计信息和客户行为提供个性化推荐。
降低产品成本：通过将分析和决策带到边缘进行处理，人工智能有助于减少需要传输到云的数据量，从而降低与云连接和云服务相关的成本。
应用AIoT有助于或将有助于哪些类型的应用发展？以下是一些例子。
农业 AIoT：农业是可以从 AIoT 中受益的关键领域之一。 AI 用于创建智能系统，可根据天气条件、用水量、温度和作物/土壤条件调整参数。对来自传感器的数据进行分析，用于在作物选择、肥料、灌溉和害虫防治方面做出最佳决策。人工智能帮助农民提高产量，并利用资源进行季节性预测和天气预测，以便作物规划。带有人工智能的计算机视觉将被用于监控农作物，识别问题区域并在必要时发出警报。
图 2：农业中的人工智能和机器人技术。
机器人：在制造业和消费产品中的机器非常适合搭载人工智能。搭载传感器的真空吸尘器机器人，可以收集环境数据并使用人工智能来决定空间中的行进路线。同样，用于灾区重建、包装/食品配送或搜救行动的机器人可以利用人工智能来感知复杂的（有时会是恶劣的）环境，并相应地调整机器人的反应。具有识别面部和人类情绪能力的机器人也可以被用在零售业中，用于导购并丰富购物体验。
工业自动化：带有人工智能的计算机视觉可提高装配线上的质量控制并进行异常检测。人工智能还有助于对机器进行预测性维护，避免机器停机、延长机器寿命并降低制造成本。机器人可用于生产车间或仓库，用于移动包裹、协助装配过程、检查产品质量并执行重复性、高精度的任务。
图 3：工业自动化中的人工智能
自动驾驶汽车：结合了物联网和人工智能的自动驾驶汽车可自行导航，应对不断变化的交通、天气或道路状况、预测行人的行为。人工智能还可根据收集到的数据来评估车辆状况，并为车辆维护提供预测性建议。
图 4：汽车人工智能
建筑/家庭自动化：AIoT 可以根据建筑的使用情况和用户偏好数据调整照明和气候控制，从而帮助公司降低能源成本并提高建筑物的能源效率。预测性维护（利用了建筑健康系统的诊断数据）允许按需维修而不是按计划维修，从而帮助公司节省成本。他们还可以在系统故障发生之前进行预警，并进行调整以获得最佳性能。 AI 还可以使用摄像头传感器进行自动访问控制。
智慧城市：通过AIoT收集和分析来自传感器和物联网设备的大量数据，并提取用于实时调整的信息，可以创建更高效的城市、维护城市基础设施并改善社区公共服务。人工智能的实际应用包括废物管理、停车管理、交通管理和智能照明等公共服务。例如，无人机可用于实时监控交通，其数据可用于调整交通信号灯或车道分配和管理，以减少交通拥堵，所有这些都无需人工干预。同样，也可以在垃圾箱上安装传感器，在垃圾箱已满时提醒清洁工来清空垃圾，从而降低成本。
运输和物流：人工智能可应用于车队管理，提供预测性维护。它可以实时监控车队，并根据从 GPS 跟踪器和传感器收集的数据对车辆进行维护。人工智能还可以通过实时导航帮助车队运营商降低燃料成本、关注车辆维护并识别驾驶员的危险行为。
零售管理：人工智能可以通过两种方式应用于零售。人工智能和预测性分析可以收集和分析大量数据，零售商可以使用这些信息进行预测，并做出准确的、基于数据的业务决策。AIoT可以使用客户信息、人口统计数据和行为分析，为购物者提供个性化推荐，并改善商店运营、产品放置策略、客户服务和整体用户体验。零售机器人可以提供导购服务并提高客户体验。
图 5：零售业的人工智能
医疗保健：医疗保健中的 AIoT可用于多种应用，例如通过分析成像数据来检测和诊断疾病、通过传感器远程监控患者情况并在发现异常时报警、通过分析 EHR（电子病历）预测患者的疾病风险和药物的相互作用。此外，机器人手术系统可以执行或协助非常复杂和高精度的手术，并使微创手术成为可能。
AI是物联网的未来AIoT 正在发展新的应用和用例，并将帮助 IoT 发挥其最大潜力。 AIoT 可应用于智能城市、工业自动化、医疗、农业和智能家居等各种市场。我们将持续看到更多将人工智能纳入物联网终端的应用，越来越多的制造商将把人工智能作为重要的投资领域。
(参考原文：WhatistheAIofthings(AIoT)？)
责编：AmyGuan
本文为《电子工程专辑》2021年10月刊杂志文章，版权所有，禁止转载。点击申请免费杂志订阅