2017年5月17日国务院召开常务会议，指出下一步深入实施《中国制造2025》，把发展智能制造作为主攻方向。

扩大试点示范城市（群）覆盖面，选择20至30个基础条件好、示范带动作用强的城市（群），继续开展“中国制造2025”试点示范创建工作，以试点示范推进《中国制造2025》深入实施。

面对国际产业竞争形势、国内经济转型的改革需求，我们认为下一阶段最重要的风口在“智能制造”。2017年智能制造试点正在申报中，值得市场关注。

一 、下一阶段最重要的风口在“智能制造”

落子智能制造， 紧跟全球发展竞争形势。前三次工业革命都有明显的标志，如蒸汽、电力、可编程计算机，第四次工业革命已经到来，以互联网产业化、工业智能化、工业一体化为代表，各个国家都尝试定义。

美、德先后于2012年2月、2013年4月推出工业4.0、工业互联网等先进制造业战略计划，其实质即是智能制造。我国为了适应全球经济发展新形势，也适时提出了中国制造2025、互联网+等一系列战略计划，因为智能制造可能成为我国在此次技术创新竞争中实现弯道超车的契机。

第四次工业革命带来的智能制造对我国影响巨大，一是7000-8000万产业就业人群；二是大量制造业产品出口；三是涉及我国军事安防，以上均需要未来的互联网和工业融合的智能制造来实现。如果错失紧跟这一轮工业革命的步伐，对整个国家的发展有较大的影响。

互联网进入工业化第二阶段，未来十年发展方向具有确定性。互联网来到中国，首先进入的是第三产业，迎来“消费互联网”的黄金15年，其间产生了阿里巴巴等重量级企业。现在工业4.0到来，实际上即宣布互联网开始进入工业，这是互联网产业化的第二个时期。

2013年全球的第四次工业革命迎来战略升级，目前中国有450万制造业企业，这些企业在未来10年或20年，至少有20%的企业要转型成自动化、智能化生产，一个数以十万亿计的市场正在缓缓展开。

供给侧改革初现成果，制造业升级正当时。自2016年中央经济工作会议明确提出深化供给侧结构性改革以来，推进“三去一降一补”任务已有实质性进展，产能过剩、库存过大、杠杆偏高、成本高企、短板约束等重大结构性失衡问题均有所破解，为经济转型升级扫清障碍、蓄积动能。

中国经济注入新动力无外乎两种途径：一是将经济增长由投资导向型逐渐转向消费导向型，目前“消费互联网”已有所发力；二是提升制造业的水平，让制造业重新成为驱动中国经济的核心力量。

过去制造业由于加工贸易和中低端商品加工并不要求技术和创新，中国制造业水平并未随经济总量一同攀升，同时导致大量高附加值产品依赖进口，由于无法输出高附加值产品，我国高端制造业中只有少数领域有企业能够在世界立足。

当下时点，传统资源型工业领域进行供给侧改革已初现成果，此后的经济动能培养将逐步提上重要日程，2017年5月17日国务院召开常务会议，指出下一步深入实施《中国制造2025》，把发展智能制造作为主攻方向。

二 、产业链及细分行业重点梳理

智能制造体系是基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，是先进制造过程、系统与模式的总称。

其中智能制造过程是指通过自动化装备及通信技术实现生产自动化，并能够通过各类数据采集技术，以及应用通信互联手段，将数据连接至智能控制系统，并将数据应用于企业统一管理控制平台，从而提供最优化的生产方案、协同制造和设计、个性化定制，最终实现智能化生产。

智能制造发展需经历自动化、信息化、互联化、智能化四个阶段。智能制造发展需经历不同的阶段，每一阶段都对应着智能制造体系中某一核心环节的不断成熟，分为四个阶段。

分别为自动化（淘汰、改造低自动化水平的设备，制造高自动化水平的智能装备）、信息化（产品、服务由物理到信息网络，智能化元件参与提高产品信息处理能力）、互联化（建设工厂物联网、服务网、数据网、工厂间互联网，装备实现集成）、智能化（通过传感器和机器视觉等技术实现智能监控、决策）。

我国目前仍处于“工业2.0”（电气化）的后期阶段,“工业3.0”（信息化）还待普及，“工业4.0”正在尝试尽可能做一些示范，制造的自动化和信息化正在逐步布局。

1. 自动化生产线集成

国内系统集成商正在崛起。系统集成方案解决商处于相对于智能设备的下游应用端，为终端客户提供应用解决方案，负责工业机器人软件系统开发和集成。目前我国系统集成商多是从国外购买机器人整机，根据不同行业或客户的需求，制定符合生产需求的解决方案。

业务形式主要以大型项目（关键设备生产线的集成，如机器人工作岛）和工厂的产线技术改造为载体，对现有设备进行升级和联网，提供工业控制、传动、通讯、生产与管理信息等方面的系统设计、系统成套、设备集成及EPC工程等服务。

在系统集成应用领域，外资系统集成商包括ABB、柯玛、KUKA等，国内领先的系统集成商包括新松机器人、大连奥托、成焊宝玛、晓奥享荣等。

应用市场主要集中于汽车工业，市场规模已超百亿。目前国内智能制造系统集成领域，大部分集中于汽车工业，2016年国内机器人下游应用领域中，占比最大的是汽车制造（48%），其次是3C制造（24%）。

根据中汽协数据，2015年汽车整车、零部件制造业固定资产投资额分别为2724.16 亿、8685.49亿，若按整车及零部件行业机器人占固定资产投资额比值分别为1%、0.2%来估计机器人本体市场规模，并在此基础上估计系统集成市场规模，则2016年系统集成市场空间就已达134-178亿。

中投顾问产业研究中心预测显示，至2020年系统集成规模有望接近830亿，2016-2020年期间复合增速可达20%。

其他应用领域不断扩围。随着国内自主品牌整车企业的崛起，近年来国内系统集成企业份额开始不断提升，机器人产品认可度的不断提高，系统集成应用领域也扩展至一般工业；

根据中国机器人产业联盟的数据，2016年上半年国产工业机器人应用行业进一步拓宽至农副食品加工业，酒、饮料和精制茶制造业，医药制造业，餐饮业等，较2014年增加6个行业中类、21个行业小类；

其中金属制造业行业和以家用电器制造、电子元器件、计算机和外部设备制造等为代表的电器机械和器材制造行业，在国产工业机器人销售总量中的占比最高，分别占31%和23%，汽车以外其它领域的系统集成正在迅速增加。

2.自动化装备

工业机器人

工业机器人销量得到快速提升。由于人工成本的增加和产业转型升级的需求，我国的工业机器人自2010年始，表现了大幅增长，此后销量增速保持在20%-50%的较高水平。

根据IFR初步统计数据，2016年我国工业机器人销量已高达9万台，较2015年增长31.28%，显著高于全球工业机器人14%的销量增速，其中中国工业机器人销量占全球销量比重以达31%，我国工业机器人的需求有了显著增长，成为全球的重要市场。

目前工业机械人需求仍高度依赖进口，每年的进口量往往高于当年销量，但2015年数据已显示进口量4.67万台低于当年销量的6.85万台，可见我国自主生产的工业机器人也逐步得到市场的认可。

我国工业机器人密度仍偏低。从工业机器人的普及使用情况看，截止2015年我国每万人拥有工业机器人的数量已升至49台，虽然仍显著低于全球每万人69台，但较2011年我国每万人10台已有显著提升，目前水平已接近2010年时全球的每万人50台。

2013年工信部曾下发《关于推进工业机器人产业发展的指导意见》，提出到2020年机器人密度达到100。由此预计，截止2020年，我国工业机器人有50万台的需求空间，按照年均10万台及均价10万/台来估算，在不考虑出口的情况下，国内工业机器人本体的市场空间未来5年每年保守估计均有100亿。

行业发展主要受制于重要核心零部件 、工控系统依赖于进口。工业机器人的核心零部件主要包括减速器、伺服系统、控制系统三部分，对应着执行系统、驱动系统、控制系统，多轴工业机器人的成本中分别占比分别为36%、24%、12%。

其中减速器成本占比较最大且对精度要求高，而全球减速器行业集中度较高，目前基本被日本的纳博特斯克（Nabtesco）和哈默纳科（Harmonic Drive）所垄断，全球市场份额超75%；控制器方面，复杂高端工业机器人的控制器对进口依赖较高，中低端机器人的控制器国内基本能够实现自给；

而伺服电机的技术门槛相对较低，与国际差距相对较小，目前国内部分企业已能实现自给，如埃斯顿、新时达的部分机器人已开始使用自行研制的控制器和伺服系统，但高端市场仍被日本、欧美名企占据，占据近80%的市场份额。

数控机床

目前我国数控机床已有较高产量水平。数控机床是一种装有程序控制系统的自动化机床，该控制系统能够处理具有控制编码或其他符号指令规定的程序，通过信息载体输入到数控装置，经运算处理由数控装置发出控制信号，控制机床动作，从而自动进行零件加工。

数控机床主要用于金属切削和金属成形，从结构上来看，2015年1-10月年中国数控金属切削机床、数控金属成形机床（数控锻压设备）产量分别为19.7万台、2.0万台，同比下降7.1%、4.6%，但仍保持较高产量水平。

根据中国产业信息网预测，预计我国2017年数控金属切削机床、数控金属成形机床（数控锻压设备）产量将分别达到25.3万台、2.76万台，未来五年（2017-2021）年均复合增长率约分别为3.47%、6.33%。

高端数控仍处于起步阶段。我国目前处于数控机床的智能化技术起步阶段，现阶段大部分的数控机床还不具备智能化功能，自主生产的数控机床主要以中低端产品为主，高端数控机床（数控系统）主要依靠进口，2016年我国数控机床进口额约26亿美元。

国内机床行业市场集中度并不高，主要的市场参与者包括沈阳、大连、济南、秦川等机床厂，进口数控机床主要来自西门子、发那科、三菱等外企；数控系统方面，国产数控系统厂家主要为华中数控、广州数控、大连光洋、沈阳高精和航天数控等。

目前这5家数控企业均对数控系统软硬件平台等一批高端数控系统关键技术有所突破，高端数控机床被列入“中国制造2025”目标，到2020年，国内市场占有率超过70% 。

目前该行业的示范效用已取得了一定成果， 由云南CY集团承担的工信部《高档数控车床制造数字化车间的研制与示范应用》于2016年8月通过验收，该项目的关键设备数控化率100%。

3. 工业信息化

工业信息化以工业软件为主，工业软件是指在工业领域进行设计、生产、管理等环节应用的软件，可以被划分为系统软件、应用软件和中间件（介于这两者之间），其中系统软件为计算机使用提供最基本的功能，并不针对某一特定应用领域；

应用软件则能够根据用户需求提供针对性功能，在智能制造流程中，工业软件主要负责从事生产控制、运营管理、研发设计等方面进行优化、仿真、呈现、决策等职能。

全球各类工业软件发展呈较大差异。由于制造企业的不同发展阶段，对工业软件的功能和技术需求也会出现差异，从而导致每一类工业软件在产业发展中呈现较大差异。

根据Gartner统计，2011年以来，全球工业软件市场规模每年保持约6%的速度增长。其中研发设计类软件的重要性有所提升，制造企业在产品生命周期各阶段对仿真软件的应用增多，CAE软件在制造业各领域的应用日益广泛，保持8%左右的增速；

传统管理软件稳步增长，管理软件市场进入成熟期，规模保持平稳上升，增速有所放缓；ERP等相对成熟的市场加快转向按需付费的软件服务模式，在一定程度上影响了行业收入的增长速度。近年来，生产管理类软件市场空间进一步打开，MES软件成为智能工厂多个环节数据交换的核心。

截止2015年全球MES软件的规模达到78亿美元，维持17%左右的高增长率。客户管理和供应链管理软件的高速增长也反映出制造企业顺应“网络化协同制造”的要求，更加重视与消费者和产业链的信息交流。

目前产业格局仍是欧美企业主导。从产业格局看，目前全球工业软件产业主要由欧美企业主导，呈“两极多强”态势，SAP、Siemens在多个领域均崭露头角，而IBM、达索系统和Salesforce在各自专业领域形成了一定优势。

其中ERP软件产业格局相对稳定，SAP和Oracle两家企业占据主导，属于一线ERP软件，Infro、Sage、Microsoft隶属二线；在CRM领域中，Salesforce 占据全球CRM市场第一位，且发展迅速，其成功来自基于SaaS的云服务模式；

CAD产业的主导者是Autodesk和达索系统，且随着仿真、设计技术与先进技术的结合，逐渐出现新的参与者；MES软件具有较强的行业应用特性，与特定的行业关系紧密，需要大量行业领域知识的积累，因此形成不同MES厂家占据不同行业的局面。

国内企业市占比偏低，水平与领先企业有较大差距。在国内市场方面，国产软件企业在研发设计、业务管理和生产调度、过程控制三类软件中均有一定市场份额，但在某些细分领域仍...

制造业特别是高端装备制造业的强大与否，是一个国家实力的体现。新中国成立后特别是改革开放以来，我国建立起了门类齐全、完善的制造产业体系，并且积极推进

制造业

的工业化和自动化水平建设进程，显著增强了综合国力。但是，与先进的发达国家相比，我国的制造业在自主创新、产业结构水平、资源利用效率、信息化程度、质量效益等方面依然有较大差距，利用物联网、云计算和互联网技术进行制造业的转型升级，是我国赶超欧美、迈向制造强国迫切需要完成的任务。

那么，当前制造业的工业信息化水平发展到了什么程度呢？

据权威人士对北京31家高端装备

制造企业大数据

应用情况的调查显示：软件系统 CAD/CAM 、ERP 等在调查对象中应用比较广泛，CRM(客户关系管理) 和 SCM（供应链关系管理）的普及率则比较低；调查还发现，企业更愿意在研发和生产环节进行大数据应用投入。北京的高端制造业在人才、技术、产业等方面有着得天独厚的优势，一定程度上代表着制造业工业信息化的最高水平。由此可见，我国的工业信息化还缺乏全局思维，

互联网+制造业

依然局限于解决某一功能性应用的基础之上，而缺乏进行全局统筹管理的大数据思维。

制造业企业的软件系统

另一方面，对于大型制造企业来说，除了ERP、CRM、分销系统以及生产系统之外，旗下的子公司、分公司也都各有十几套以上的系统，全公司上下有近百套系统的现象非常普遍。繁多的业务系统之间，数据彼此孤立形成“

数据孤岛

”，调取困难，导致信息反馈周期长，高层决策信息延迟，利用信息系统进行高效、便捷管理的目标大打折扣。

制造企业的数据孤岛

如何解决现有系统之间的“信息孤岛”问题，传统思维是升级旧系统或进行二次开发，两者都需要大量的资金，且开发周期不可预知。在大数据时代，利用技术手段将许多不连通的系统打通，实现数据共享的功能已经实现。

博为软件

的异构数据采集技术，就实现了在不需要其他软件接口对接、不破坏各系统运行机制的基础下，通过软件机器人自动采集不同软件之间的数据，进行结构化输出并储存的功能。该技术于2016年研发成功，并获得多项专利和数个软件著作权，目前已经在医疗大数据领域成功应用，帮助宜章等地建立起了区域医疗大数据平台。对于制造业或者其他企业管理中存在的数据孤岛问题，博为软件的异构数据采集技术也同样适用。

博为101大数据采集

实现制造企业不同软件之间的

数据融合

，是企业运用大数据进行产业转型升级的基础。将制造企业的产品研发、设计、物料采购、生产、销售、使用到客户反馈等各个环节产生的数据整合并形成闭环，以客户反馈发现新需求，进而指导产品研发；以使用数据分析了解机械产品的运行状况，提升售后服务质量、增加客户满意度；以销售数据研究及时了解市场波动情况，预测销售额降低物料库存，规避现金流安全风险；通过各环节衔接数据分析，让生产流程更科学，进而优化制造成本……从制造业信息化到行业大数据应用之间的距离，是制造到“智造”的距离，也是我国走向经济强国、经济大国的距离。随着《中国制造2025》的推进，这个距离必将渐渐缩小，并最终实现赶超。

一、大数据产业概述

1. 大数据的认识

大数据是新资源、新技术和新理念的混合体。从资源视角来看，大数据是新资源，体现了一种全新的资源观。1990年以来，在摩尔定律的推动下，计算存储和传输数据的能力在以指数速度增长，每GB存储器的价格每年下降40%。

2000年以来，Hadoop为代表的分布式存储和计算技术迅猛发展，极大的提升了互联网企业数据管理能力，互联网企业对“数据废气”（Data Exhaust）的挖掘利用大获成功，引发全社会开始重新审视“数据”的价值，开始把数据当作一种独特的战略资源对待。大数据的所谓3V特征（体量大、结构多样、产生处理速度快）主要是从这个角度描述的。

从技术视角看，大数据代表了新一代数据管理与分析技术。传统的数据管理与分析技术以结构化数据为管理对象、在小数据集上进行分析、以集中式架构为主，成本高昂。

与“贵族化”的数据分析技术相比，源于互联网的，面向多源异构数据、在超大规模数据集（PB量级）上进行分析、以分布式架构为主的新一代数据管理技术，与开源软件潮流叠加，在大幅提高处理效率的同时（数据分析从T+1到T+0甚至实时），成百倍的降低了数据应用成本。

从理念的视角看，大数据打开了一种全新的思维角度。大数据的应用，赋予了“实事求是”新的内涵，其一是“数据驱动”，即经营管理决策可以自下而上地由数据来驱动，甚至像量化股票交易、实时竞价广告等场景中那样，可以由机器根据数据直接决策；

其二是“数据闭环”，观察互联网行业大数据案例，它们往往能够构造起包括数据采集、建模分析、效果评估到反馈修正各个环节在内的完整“数据闭环”，从而能够不断地自我升级，螺旋上升。

目前很多“大数据应用”，要么数据量不够大，要么并非必须使用新一代技术，但体现了数据驱动和数据闭环的思维，改进了生产管理效率，这是大数据思维理念应用的体现。

2.大数据的产业体系

大数据本身既能形成新兴产业，也能推动其他产业发展。当前，国内外缺乏对大数据产业的公认界定。我们认为，大数据产业可以从狭义和广义两个层次界定。

从狭义看，当前全球围绕大数据采集、存储、管理和挖掘，正在逐渐形成了一个“小生态”，即大数据核心产业。大数据核心产业为全社会大数据应用提供数据资源、产品工具和应用服务，支撑各个领域的大数据应用，是大数据在各个领域应用的基石。应该注意到，狭义大数据产业仍然围绕信息的采集加工构建，属于信息产业的一部分。

数据资源部分负责原始数据的供给和交换，根据数据来源的不同，可以细分为数据资源提供者和数据交易平台两种角色。数据基础能力部分负责与数据生产加工相关的基础设施和技术要素供应，根据数据加工和价值提升的生产流程，数据基础能力部分主要包括数据存储、数据处理和数据库（数据管理）等多个角色。

数据分析/可视化部分负责数据隐含价值的挖掘、数据关联分析和可视化展现等，既包括传统意义上的BI、可视化和通用数据分析工具，也包括面向非结构化数据提供的语音、图像等媒体识别服务。

数据应用部分根据数据分析和加工的结果，面向电商、金融、交通、气象、安全等细分行业提供精准营销、信用评估、出行引导、信息防护等企业或公众服务。根据IDC、Wikibon等咨询机构预测，2016年，全球的大数据核心产业规模约为300亿美元。

3.大数据的规模

据中商产业研究院数据，我国大数据行业市场规模增速明显，2015年中国大数据市场规模为115.9亿元，增速达53.10%。

4.大数据产业图谱

二、大数据的行业运用

1.零售业领域

具体来说，在零售企业，大数据分析的应用可以归纳为如下方面：在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务以及精准营销；在智慧的商品管理和供应联网络领域的供应链优化和商品优化；在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。

大数据驱动的快速响应系统是ZARA实现供应链神话的重要原因之一

ZARA有一个全天候开放的“数据处理中心”。每一个零售网点都可以通过该系统追踪销售数据。此外，顾客的反馈也能在系统上反映出来，ZARA能够很快发现哪些款好卖，哪些款滞销。ZARA店内，柜台和店内各角落都装有摄影机，店经理随身带着PDA。

当客人向店员反映诸如“这个衣领图案很漂亮”、“我不喜欢口袋的拉链”等意见时，店员通过ZARA内部全球资讯网络，每天至少两次传递资讯给总部设计人员，由总部汇总信息进行分析并作出决策后立刻传送到生产线，改变产品样式。

微软Dynamics零售分销渠道管解决方案

微软Dynamics零售渠道管理解决方案提供通过系统管理渠道的收发货信息的渠道进销存管理；收集各渠道经营的其他竞争对手产品信息的客户拜访管理；管理会员信息及购买习惯发会员管理；

管理会员促销及积分兑换的促销管理；报表分析，提供数据报表支持，帮助企业分析会员购买行为，对下一步销售策略做预测工作。

新零售解决方案提供商—— 小工蚁科技推出客户大数据平台

小工蚁科技是一家互联网创业公司，专注新零售解决方案。小工蚁推出的客户大数据平台可帮助企业从各给历史遗留系统中将客户相关的数据抽取出来，然后建模分析，使用大数据分析引擎帮助快速将企业客户360°画像、针对客户个性化产品推荐、进行客户群体分析，将数据变成可视化工具平台；

同时小工蚁也提供客户社区，帮助企业和客户建立强连接。帮助传统企业将客户相关数据和信息提炼出规律和价值的平台工具。

2.电信领域

电信行业掌握体量巨大的数据资源，单个运营商其手机用户每天产生的话单记录、信令数据、上网日志等数据就可达到PB级规模。电信行业利用IT技术采集数据改善网络运营、提供客户服务已有数十年的历史，而传统处理技术下运营商实际上只能用到其中百分之一左右的数据。

大数据对于电信运营商而言，首先意味着利用廉价便捷的大数据技术提升其传统的数据处理能力，聚合更多的数据提升洞察能力。比如法国电信、T-Mobile借助大数据加快了诊断网络潜在问题的效率，改善服务水平，为客户提供了更好的体验，获得了更多的客户以及更高的业务增长。

中国移动、德国电信、沃达丰利用大数据技术加大对历史数据的分析，动态优化调整网络资源配置，大幅提高无线网络的运行效率。T-Mobile通过集成数据综合分析客户流失原因，在一个季度内将客户流失率减半。SK电讯成立SK Planet公司专门处理与大数据相关的业务，通过分析客户的使用行为防止客户流失。

中国联通利用大数据技术对其全国3G/4G用户进行精准画像，形成大量有价值的标签数据，为客户服务和市场营销提供了有力支持。中国移动通过对消费、通话、位置、浏览、使用和交往圈等数据的分析，利用各种联系记录发现各种圈子，分析影响力及关键人员，用来进行家庭客户、政企客户和关键客户的识别，以实现主动营销和客户维系。

二是提高数据意识，寻求合适的商业模式，尝试数据价值的外部变现。主要有数据即服务（DaaS）和分析即服务（AaaS）两种模式，数据即服务模式往往通过开放数据或开放API的方式直接向外出售脱敏后的数据；

分析即服务（AaaS）模式往往与第三方公司合作，利用脱敏后的（自身或整合外部）数据资源为政府、企业或行业客户提供通用信息、数据建模、策略分析等多种形式的信息和服务，以创造外部收益，实现数据资源变现。

数据即服务方面，AT&T将客户在WiFi网络中的地理位置、网络浏览历史记录以及使用的应用等数据销售给广告公司可以获取客观收益；AT&T同时还提供Alert业务，当客户距离商家很近时，就有可能收到该商家提供的折扣很大的电子优惠券；

英国电信基于安全数据分析服务Assure Analytics，帮助企业收集、管理和评估大数据集，将这些数据通过可视化的方式呈现给企业，帮助企业改进决策；

德国电信和沃达丰主要尝试通过开放API，向数据挖掘公司等合作方提供部分用户匿名地理位置数据，以掌握人群出行规律，有效的与一些LBS应用服务对接。限于国内对数据交易流通方面缺乏明确规定，国内运营商很少尝试数据即服务（DaaS）模式。

分析即服务方面，西班牙电信成立动态洞察部门Dynamic Insights开展大数据业务，与市场研究机构Gfk进行合作，在英国、巴西推出名为智慧足迹的创新产品，该产品基于完全匿名和聚合的移动网络数据，可对某个时段、某个地点人流量的关键影响因素进行分析，并将洞察结果面向政企客户提供；

Verizon成立精准营销部门Precision Marketing Divisio，提供精准营销洞察、精准营销、移动商务等服务，包括联合第三方机构对其用户群进行大数据分析，再将有价值的信息提供给政府或企业获取额外价值；

中国电信在大数据RTB精准广告业务（根据客户行为和位置分析进行商铺选址和实施营销）、景区流动人口监测业务、基于客户行为的中小微企业通用信用评价等方面均有尝试，且成效显著，借助对不同行业、不同类型企业的行为数据分析，中国电信的“贷 189”平台，一个月吸引中小企业580家，金融机构24家，订单成交3368万元。

中国移动和中国联通也与第三方合作，开展智慧旅游、智能交通、智慧城市等项目，探索数据外部变现的新型商业模式，寻找新的业务增长点。

3.金融领域

消费金融中的运用

天创为消费金融机构提供“数据+风控+场景”的完整解决方案。

可靠的数据渠道保障了数据的真实性、连续性和稳定性。

多角度贷后监控与风险预警

基于大数据的反欺诈服务

4.交通领域

对于驾驶者来说，不想开车的时候，在大数据和人工智能的支持下，车辆可以自动驾驶，并且对于你经常开的线路可以自学习自优化。

谷歌的自动驾驶汽车，为了对周围环境作出预测，每秒钟要收集差不多 1GB的数据，没有大数据的支持，自动驾驶是不可想象的；在和周围车辆过近的时候，会及时提醒车主避让；上下班的时候，会根据实时大数据情况，对于你经常开车的线路予以提醒，绕开拥堵点，帮你选择最合适的线路；

在出现紧急状况的时候，比如爆胎，自动驾驶系统将自动接管，提高安全性（人一辈子可能难以碰到一次爆胎，但人在紧急时的反应往往是灾难性的，只会更糟）；到城市中心，寻找车位是一件很麻烦的事情，但未来你可以到了商场门口后，让汽车自己去找停车位，等想要回程的时候，提前通知让汽车自己开过来接。

车辆是城市最大最活跃的移动物体，是拥堵的来源，也是最大的污染来源之一。数字化的车辆、大数据应用将带来很多的改变。红绿灯可以自动优化，根据不同道路的拥堵情况自动进行调整，甚至在很多地方可以取消红绿灯；

城市停车场也可以大幅度优化，根据大数据的情况优化城市停车位的设计，如果配合车辆的自动驾驶功能，停车场可以革命性演变，可以设计专门为自动驾驶车辆的停车楼，地下、地上楼层可以高达几十层，停车楼层可以更矮，只要能高于车高度即可（或者把车竖起来停），这样将对城市规划产生巨大的影响；

在出现紧急情况，如前方塌方的时候，可以第一时间通知周围车辆（尤其是开往塌方道路的车辆）；现在的燃油税也可以发生革命性变化，可以真正根据车辆的行驶路程，甚至根据汽车的排污量来收费，排污量少的车甚至可以搞碳交易，卖排放量卖给高油耗的车；政府还可以每年公布各类车型的实际排污量、税款、安全性等指标，鼓励民众买更节能、更安全的车。

三、大数据运用安全实践

1.国内企业的方案

京东大数据安全实践

数据资源已经成为一种基础战略资源，数据的共享和流通会产生巨大价值。然而，数据资源在流通过程中却面临着诸多瓶颈和制约，尤其是当数据一种特殊的数字内容产品时，其权益保护难度远大于传统的大数据，一旦发生侵权问题，举证和追责过程都十分困难。

为了解决这些问题，京东万象数据服务平台（如图B-6所示）利用区块链技术对流通的数据进行确权溯源，数据买家在数据服务平台上购买的每一笔交易信息都会在区块链中存储起来。

数据买家通过获得交易凭证可以看到该笔交易的数字证书以及该笔交易信息在区块链中的存储地址，待买家需要进行数据确权时，登录用户中心进入查询平台，输入交易凭证中的相关信息，查询到存储在区块链中的该笔交易信息，从而完成交易数据的溯源确权。

京东万象数据服务平台主要通过数据交易平台和区块链溯源平台2个核心模块提供服务：

数据交易平台。平台通过数据搜索、数据展示、数据评论等服务，以各种维度展示数据商品，并提供订单和支付系统完成用户数据交易；

区块链溯源平台。用户订单信息、数据标识、交易私钥等交易信息存入区块链集群中，用户获得交易凭证，并可利用该溯源平台查询溯...

扫描枪与数据采集器的区别

1、扫描枪，也叫扫描器。没有内存的，只是即时传输。当USB接口的线(或键盘口,RS232口)连接上电脑后，扫描一个条码，在你的电脑上会立即显示一条码数据。无线扫描枪,也叫无线扫描器,虽然可以在不连接电脑的情况下用，但是距离也有限。通常在100米，最好是无障碍。其次，扫描枪没有屏幕。扫描枪要将按照一定规则编译出来的条形码转换成用户看得懂的，也就是其本身包含的信息，需要经历扫描和译码两个过程。

2.条码数据采集器，俗称盘点机。有内存，可以不连接电脑使用，与电脑的距离不受限制,甚至不同城市可以联网使用。扫描所得的数据是首先存储在采集器的内存里面的，然后通过传输底座或GPRS或无线WIFI等将数据传输上电脑服务器实现批处理。其次，采集器都有超大屏幕，你随时可以看到扫描的条码信息。最后，采集器有键盘，如果条码有错，或损坏无法扫描时，可以用键盘输入即可。数据采集系统比较灵活，是一个专门为广大用户量身定做的系统。数据采集器被转换为电讯号的各种物理量，温度、水位、风速、压力等可以是模拟量，也可以是数字量。采集一般是采样方式，即隔一定时间对同一点数据重复采集。采集的数据大多是瞬时值，也可是某段时间内的一个特征值。准确的数据量测是数据采集的基础。数据量测方法有接触式和非接触式，检测元件多种多样。不论哪种方法和元件，均以不影响被测对象状态和测量环境为前提，以保证数据的正确性。

中商情报网讯：医疗大数据是指个人从出生到死亡的全生命周期过程中，因为免疫、体检、门诊、住院等健康活动所产生的大数据。通过对医疗大数据的分析和加工，可以挖掘出和疾病诊断、治疗、公共卫生防治等方面的重要价值。

现阶段电子病历的广泛应用，使得有价值的医疗大数据实现了快速增长，可供医生、研究者和患者使用的数据量极大地提升。EMC和IDC发布的报告显示，2013年全球医疗保健数据量为153EB，预计年增长率为48%。这意味着到2020年，这个数字将达到2314EB（2.26ZB）。因此，我们计算出医疗数据的总量约占到全球所有数据容量的5.1%。

随着医院的信息化程度日趋成熟及物联网和互联网的发展，医、药相关的行为数据量大大提升。我国医疗数据主要来自于医院信息系统（HIS）、电子病历系统（EMR）、影像采集与传输系统（PACS）、实验室检查信息系统（LIS）、病理系统（PS）、医疗器械等信息化系统和设备所记录下来的疾病、体征数据。还包括医院物资管理、医院运营系统所产生的数据。

我国医疗数据采集途径、难度及价值一览表

数据来源：中商产业研究院整理

未来，伴随着万物的行为逐步被数据所量化，医疗大数据的形式和数量将极大地丰富起来，整个医疗领域会迎来一个新的时期，我国医疗事业将迎来一个新的发展高峰。

数据推动产业发展同时，也对企业的前期规划有着严格的要求。中商产业研究院院长袁建教授认为，我国东部或中西部、山地或平原、城郊或城心，都可以发展健康产业。譬如，深山的药材种植，二线城市的健康食品或体育用品代工,一线城市的医疗器械或生物制药，优美郊区的养生养老服务等。但是，由于健康产业涵盖内容很多，而我国各区域资源与市场差异很大，所以，袁建教授强调，健康产业园区规划运营必须突出特色，瞄准细分领域，实行差异化经营。

导读：无需数据接口，无需软件厂商配合，异构数据直接采集。博为软件破解大数据产业园的区域大数据平台建设中的大数据采集难题，实现区域各领域数据集成共享，盘活大数据平台。

大数据时代，数据成为重要资源、重要生产力。国家实施大数据战略，政府高度重视大数据，大力推进国家基础数据资源、信息系统跨部门、跨区域共享，为大数据平台的建设提供数据层面的政策保障，推进数据资源开放共享。

与此同时，各地大数据产业园不断兴起，推动区域大数据产业在产业园集聚，形成以大数据产业为主线的智慧新城。大数据产业园基于省/市打造区域大数据平台，需汇集区域各管理部门与各行业企业的数据资源，囊括医疗、政务、交通、公安、能源、工业、制造、国土、金融等各领域数据，实现信息数据的互通共享，才能为大数据产业园吸引更多资本、企业与才人的加入，从而形成以大数据产业为核心的生态圈，为区域经济发展注入新的更大的活力。

大数据产业园大数据平台建设技术难点

任何区域大数据平台基于不同管理部门、不同企业的数据资源，往往是需要多方协调、历时长久的系统工程。

不同管理部门与企业的数据存在不同的软件系统中，以往需要通过数据接口才能打通不同软件系统的数据，但区域大数据平台涉及整个区域，软件系统也是数以万计，需要协调的软件厂商更是数不胜数，如果通过数据接口实现异构数据互联互通，可能耗费巨大的资金、人力和物力也无法完成。

博为技术优势：无需数据接口，无需软件厂商，异构数据直接采集

大数据产业园引入博为101异构数据采集技术，只需要在需要采集的软件系统电脑中安装数据抓取引擎，即可实现对所有软件系统的信息数据抓取、采集、清洗、结构化再存储，短时间内实现所有软件系统的数据对接，不仅节省上亿元成本，更能在最短时间最少人力实现数据连通。

博为101异构数据采集引擎具备以下特点：全球领先，革命性技术解决数据孤岛问题；不挑软件厂商，智能接入国内任何信息化厂家软件系统；不影响现有信息系统，不破解原系统数据库，保障数据安全与数据采集的持续性；实时数据获取传输，数据结构化输出。

大数据产业园区域大数据平台建设意义

（一）于政府而言：

1. 提升政府服务能力和决策效率。区域大数据平台打通各管理部门、各行业的数据资源，通过对数据集成共享，提升政府部门协同工作能力，提高政府的工作效率；通过对大数据的分析与应用，为政府决策提供坚实依据，提高政府的决策效率，强化城市预警机制与服务能力，推进区域性“智慧城市”建成。

2. 大数据招商引资。精准数据资源吸引国内外知名企业落户大数据产业园，为城市发展提供人才支撑、金融支撑、招商支撑与创新支撑，形成以大数据资源为核心的产业链。

3. 形成创业孵化器。大数据资源为优秀创业者提供更好的平台和工具，为更多创业提供数据服务支持，促进产业化发展，提供更多就业机会同时，为区域的产业发展与经济增长带来新机遇。

（二）于企业而言：

大数据产业园建设大数据平台，汇集的数据资源弥补社会企业数据资源不足或缺乏的困境，每个企业可根据自身需求特定数据输出，利用数据提高竞争力，从预测购买行为，到驱动创新项目以增强客户服务或提高生产力，实现企业精细化管理；同时，为创业者提供数据输出服务，孵化更多新企业，促进以大数据为核心的产业化发展。

（三）于百姓而言：

老百姓可享受更高品质的智慧生活。企业通过大数据资源，为百姓提供更精准更适合的产品与服务；而政务信息资源的集成共享，解决百姓办事跑断腿的无奈，让百姓享受到高效优质的政务服务；也改变了信息不对等，彰显政务服务的公平普惠。

1. 基本内涵

目前在工业数据采集领域，多种工业协议标准并存，各种工业协议标准不统一、互不兼容，导致协议解析、数据格式转换和数据互联互通困难。

协议转换技术就是将不同的工业通信协议通过协议解析、数据转换和地址空间重映射等技术手段转换成统一协议，实现设备21数据采集的信息交互以及和信息系统的互联互通。可以支持常用的工业协议，通过协议转换降低了设备组网的难度，实现了访问的统一性。

点击上方关注，持续关注工业互联网数采发展；

2. 关键技术

OPC 基金会大力推动的 OPC UA 统一架构，是应用程序和现场控制系统连接的标准，可以通过一个统一接口实现多种工业协议标准的数据交换， OPC UA 是以 SOA、WebService 为核心的跨平台数据交换技术。

OPC UA 可用作数据传输的统一通讯协议，为互联互通提供了完善的解决方案。通过 OPC UA 提供了一致、完整的地址空间和服务模型，解决了过去同一系统的信息不能以统一方式被访问的问题。基于 OPC UA 消息的编码格式可以是 XML 文本格式或二进制格式，也可使用多种传输协议进行传输，比如：TCP 和通过HTTP 的网络服务；基于 OPC UA 的标准安全模型，应用程序之间传递消息的底层通信技术提供了加密功能和标记技术，保证了消息的完整性，也防止信息的泄漏；OPC UA 与平台无关，基于WebService 服务架构 (SOA) 和非常灵活的数据交换系统，保障软件开发不局限于任何特定系统平台。

3. 发展趋势：

OPC UA 的最大优势是与平台无关，在对传统的 OPC 进行拓展和兼容的同时，还考虑了 OPC UA 的安全性、冗余性等问题，具备极好的开放性。GE通过将数据采集转换模块Predix Machine22部署在现场传感器、控制器和网关，利用 OPC UA 技术实现工业以太网、工业现场总线等不同协议的转换。

OPC UA 技术由于具备开放性和稳定性，在国内已经取得了市场的认可和应用，随着我国智能制造和工业互联网的发展，OPCUA 技术应用及其标准规范将在各行各业得到广泛应用。

点击上方"关注"，持续关注工业互联网数采发展；

点击上方"关注"，共同关注工业互联网的发展!

工业数据采集过程，包含多类工业设备接入、多种工业通信网络协议解析、多源工业数据格式转换、实时工业数据存储与预处理等多个环节，为实现多源设备、异构系统、运营环境、人等要素信息的实时高效采集，需要大量 IT、OT 与 CT 核心关键技术支撑。

本报告所列工业数据采集关键技术主要源于工业数据采集各相关方共同关切和发展急需的方面。工业数据采集主要涉及工业通信网络、协议转换、物体标识及解析、边缘计算、工业人工智能等关键技术。

(一) 工业通信网络

工业数据采集常用工业通信网络技术主要有工业现场总线、工业以太网、工业光纤网络、TSN、NB-IoT、4G/5G 等，总体上可16分为有线和无线通信网络技术。

有线通信网络技术主要包括现场总线、工业以太网、工业光纤网络、TSN 等，现阶段工业现场设备数据采集主要采用有线通信网络技术，以保证信息实时采集和上传，对生产过程实时监控的需求。

无线通信网络技术正逐步向工业数据采集领域渗透，已成为有线网络的重要补充。主要包括短距离通信技术 RFID、Zigbee、WIFI 等，用于车间内的传感数据读取、物品及资产管理、AGV 等无线设备的网络连接；专用工业无线通信技术 WIA-PA/FA、WirelessHART、ISA100.11a 等；以及蜂窝无线通信技术 4G/5G、NB-IoT 等，用于工厂外智能产品、大型远距离移动设备、手持终端等的网络连接。

1. 现场总线：

现场总线主要解决工业现场的智能化仪器仪表、控制器、执行机构等现场设备间的数字通信以及这些现场控制设备和高级控制系统之间的信息传递问题，是连接智能现场设备和自动化系统的全数字、双向、多站的通信系统。现场总线目前仍没有统一标准，很多公司都推出其各自的现场总线技术，但彼此的开放性和互操作性还难以统一，目前应用较多的有 Profibus、CAN、LonWorks、HART、Modbus 等。

现场总线在工业界使用时间较长，技术成熟稳定。现场总线仍然是目前工业环境应用最为广泛的工业网络，现场总线的简单17性、可靠性高的优点受到许多用户的喜爱。随着中国产业升级的进一步深化，现场总线作为智能制造和工业互联网的基础，预计从 2018 年开始新增节点数会逐步回升。

2. 工业以太网：

工业以太网是指在工业环境的自动化控制及过程控制中应用以太网的相关组件及技术。工业以太网采用 TCP/IP 协议，和IEEE 802.3 标准兼容，但在应用层会加入各自特有的协议。工业以太网实现了以太网 TCP/IP 协议与工业现场总线的融合，是在标准以太网协议基础上修改或增加一些特定的功能而形成的。工业以太网在发展过程中形成了多种协议标准，包括 Profinet、EthernetIP、Modbus/TCP、EtherCAT 等，这些协议背后皆有各自支持厂商，难以形成统一标准。

工业以太网最大的优势在于：能够使企业的信息网络和控制网络实现统一；以太网容易实现网络集成，开发技术广泛，价格较低，容易获得众多厂商的支持。

工业以太网近几年快速发展，技术逐渐成熟，电磁兼容性、高低温等工业特性已能够满足工业数据采集需求，在工业数据采集领域得到了广泛应用，近年来工业以太网的市场占比逐步上升。

3. 工业光纤网络

随着无源光网络（PON）技术在电信、电力行业的广泛应用，工业光纤网络已成为工业数据采集领域的一种新型组网技术。工业光纤网络在工业互联网体系架构中处于车间级网络位置，工业18光纤网络由汇聚设备 OLT、无源分光器、PON 接入设备 ONU 组成，可以提供多种工业接口，实现工业设备数据、生产数据到企业 IT系统的可靠有效地传输。

工业光纤网络在工业场景下最常用的组网方式是基于 TypeD 保护方式的手拉手保护链型组网和星型组网，实现全光路保护，提高了车间通信网络的可靠性，为制造企业的通信可靠性提供了坚实的保障。

工业光纤网络具有以下优点：PON 通过无源器件组网，不受电磁干扰和雷电影响；采用自愈环形网络支持并联型，切换时间短、抵抗失效能力强；点到多点传输架构，终端并行接入，部署灵活；仅需单根光纤线传输，最远覆盖 30 公里范围；多业务承载，支持数据、视频、语音、时间同步等多种业务；高安全性，PON 网络设置 ONU 安全注册机制，下行数据传送天然加密，上行数据传送时分机制隔离。

点击上方关注，共同关注工业互联网的发展!

4. TSN

TSN 是 IEEE 提出的一个国际标准，TSN 是为了解决工业领域中的互操作性孕育而生的标准协议，厂商设备之间可以进行非常好的互联互通。TSN 是基于以太网标准的确定性实时通信机制，定义了极其准确、极易预测的网络时间，具备高数据量传输与优先权设定功能等优势。TSN 是其它工业以太网协议的基础，现有的工业以太网协议未来将会成为 TSN 网络之上的专属网络协议，因此这类协议依旧会存在，但彼此之间不会互相取代。

通过为以太网增添诸多功能特性，有效地解决了工业数据采集数据在以太网传输中的时序性、低延时和流量整形问题。同时又保持了 100%向后兼容传统以太网，TSN 确保了关键任务型时间敏感数据在网络上不会滞留，有助于跨许多行业打造一个互操作性的生态系统。通过使用标准的以太网组件，TSN 可无缝集成现有棕色地带应用和标准的 IT 网络来提高易用性。此外，TSN 继承了 HTTP 接口和 WEB 服务，实现了工业数据采集系统所需的远程监控、可视化和修复功能。

5. NB-IoT

NB-IoT 是由 3GPP 定义的基于蜂窝网络的窄带物联网技术,它支持海量连接、有深度覆盖能力、功耗低，适合于传感、计量、监控等工业数据采集应用，可满足这些应用对广覆盖、低功耗、低成本的需求，目前广泛商用的 2G/3G/4G 及其他无线技术都无法满足这些挑战。

NB-IoT 单小区可支持 5 万用户，NB-IoT 可以比现有无线技术提供 50~100 倍的接入数；NB-IoT 比 LTE 提升 20dB 增益，很好实现广域覆盖,就算在地下车库、地下室、地下管道等信号难以到达的地方也能覆盖到。

NB-IoT 引入超长 DRX 省电技术和 PSM 省电态模式，可让设备时时在线，通过减少不必要的信令和在 PSM 状态时不接受寻呼信息来达到省电目的，保障电池 5 年以上的使用寿命。

6. 5G（第五代移动通信网络）

近些年 WiFi、Zigbee 和 WirelessHART 等无线通信网络技术已经在制造车间使用，但这些无线技术存在局限性，不能满足智能制造对于数据采集的灵活、可移动、高带宽、低时延和高可靠等通信要求。

5G 具有更高的速率、更宽的带宽，预计 5G 网速将比 4G 提高 10 倍左右，从行业应用看，5G 具有更高的可靠性，更低的时延，支持接入网络更多、密度更大，可以为关键任务型的服务提供保障能力。能满足工业数据采集的高带宽、低时延和高可靠性等网络通信需求，可保证工业信息实时采集和上传，从而实现对生产过程的实时监控。

从发展态势看，5G 目前还处于技术标准的研究阶段，5G 有望 2020 年正式商用。目前，有线连接在工业数据采集连接数量方面占主导地位。但预测显示，从 2022 年到 2026 年，5G 物联网连接的平均年复合增长率将达到 464%。

点击上方关注，共同关注工业互联网的发展!

PDA数据采集器（手持终端）又叫盘点机、移动数据采集终端，指的是一种便携式数据采集和处理终端，具有独立的操作系统。特别是在条码广泛应用的今天，数据采集的重要性非常显著，利用数据采集器可以实现对条形码、标签类的东西快速读取信息。它为各大企业的仓库进出货、盘点和作业提供了便利性，那么数据采集器的具体有哪些行业应用呢？

数据采集器覆盖了医疗、零售、快销、物流、仓储、政府和公共事业等行业，比如在快递员、服装店盘点人员身上我们可以随处可见到它的身影。（1）零售：商超、服装门店等利用PDA可以实现商品盘点、配送、管理、导购、价格查询等功能，提供工作效率和客户的体验；

（2）物流仓储：用于库存管理、运输管理和货物的实时追踪；

（3）医疗：用于药品盘点、出入库管理，还可以实现移动护理，对医护人员查房、患者监护、药剂配药和分发、病历档案查询管理等功能；

（4）生产制造：用于生产计件管理、仓库管理；

广东南壹信息科技有限公司专注于条码扫描器、移动数据采集器、盘点机扫描器等广泛应用于各行各业，凭雄厚实力和整体方案的研发、生产、销售和服务深受国内外企业的一致好评！至于优质数据采集器的选型不妨咨询广东南壹了解一下吧。

(一) 工业数据采集产业综述

1. 市场规模潜力巨大：

中国作为世界第一制造大国，随着工业互联网市场的不断发展和完善，企业对工业数据采集的实时性、可靠性和专业解决方案需求日益增强，中国工业数据采集市场呈现巨大潜力，相关软硬件和服务提供商迎来了良好的发展机遇。

2. 市场各方积极参与

从消化政策、推出工业数据采集解决方案，到发布工业互联网平台，各市场参与方努力寻求业务转型，外资企业和本土企业均在积极部署工业数据采集产品体系和解决方案，谋划市11场布局。

3. 技术产品和解决方案持续推进与完善

当前，工业数据采集技术产品和解决方案仍处于发展阶段，但已有部分厂商推出了一些多样化的解决方案，比如通过构建兼容转换协议的技术产品体系，实现工业数据互联互通；或是通过部署边缘计算模块，实现数据在机器设备端的轻量级运算和实时分析。

点击上方“关注”,共同学习工业互联网相关知识！

(二) 工业数据采集产业规模和预测

整体市场情况2017 年，中国工业数据采集产业市场规模达到 570 亿元，同比增长 16.3%。预计未来 2-3 年，中国工业数据采集市场将保持稳定增长趋势。

图：2015-2020 年中国工业数据采集市场规模

2. 细分产品市场情况

图：2017 年中国工业数据采集细分产品市场规模

备注 1：传感器包括光电传感器、接近传感器、视觉传感器、位移传感器、速度传感器、加速度传感器等。读码设备包括条码设备、射频识别等。工业通讯模块包含工业串口卡、总线卡、串口服务器、工业电源、以太网模块等。

3. 细分行业市场情况

图：2017 年中国工业数据采集细分行业市场规模

点击上方“关注”,共同学习工业互联网相关知识！

(三) 工业数据采集存在的主要问题

当前工业数据采集面临的突出问题可以总结为“三不”：不敢传（数据安全问题）、不能传（协议标准不统一）、不需传（本地化和实时性问题），无法支撑实时数据采集和实时分析、智能优化和科学决策。

(1) 工业数据采集存在数据安全隐患

工业数据采集会涉及到大量重要工业数据和用户隐私信息，在传输和存储时都会存在一定的数据安全隐患，也存在黑客窃取数据、攻击企业生产系统的风险。急需从技术、管理和法律法规等多方面保障数据安全。

(2) 工业协议标准不统一且数据开放性不够

目前在工业数据采集领域，存在 Profibus、Modbus、CAN、LonWorks、HART、Profinet、EthernetIP 等多种工业协议标准，各个自动化设备生产及集成商还会自己开发各种私有的工业协议，各种协议标准不统一、互不兼容；同时很多设备和系统的数据开放性不够，缺乏数据开放接口及文档说明。导致协议适配、协议解析和数据互联互通困难。

(3) 工业数据采集实时性要求难以保证

生产线的高速运转，精密生产和运动控制等场景则对数据采集的实时性要求不断提高，传统数据采集技术对于高精度、低时延的工业场景难以保证重要的信息实时采集和上传，无法满足生产过程的实时监控需求。

(四) 我国工业数据采集产业格局

当前，工业数据采集发展越来越快，工业互联网的跑道越来越宽，工业自动化企业、网络通信企业、信息技术企业身影已纷纷出现。就当前情况而言，工业自动化企业具备先天竞争优势，起步和前期推广相对容易，可以在原有系统客户上深度耕耘。信息技术企业和网络通信企业在技术架构的高度上更有比较优势，战略构想和规划能力更为突出。

目前，工业数据采集产业供应侧主要有以下三类企业：

一是工业自动化企业，从自身核心产品能力出发，主要为工业数据采集提供接入设备，作为工业数据采集的源头，例如15西门子、研华、霍尼韦尔、安控等；

二是工业网络服务企业，主要为工业数据采集提供工业网络协议转换、传输、安全等配套设备和服务，部分企业从原有优势领域正在积极向制造业领域延伸发展，例如中国电信、中兴通讯、华为等；

三是工业数据采集解决方案企业，主要提供工业数据采集解决方案、系统开发、项目实施、系统集成等服务，例如北自所、和利时、明匠智能等。

已阅读完毕，点击上方“关注”,共同学习工业互联网相关知识！