智能时代的轴承与齿轮：工业互联网如何真正“工业化”？

近两年，5GtoB 与工业互联网的讨论、投资、建设日渐增多，整个产业呈现出普遍繁荣的景象。但大量碎片化的投资与建设也带来了新的问题和挑战。从 18 世纪工业革命开始，一系列历史已经证明“工业化”能够发挥价值的核心在于产业基座的标准与统一。但在“5G+工业互联网”的建设中，我们却看到大量非标准化、手工作坊式的创新。这样的方案显然并不符合真正的“工业化”精神。那么在错综复杂的工业互联网创新中，目前产业重点建设的基座应该是什么呢？

11 月 20 日，在武汉召开的 2021 中国“5G+工业互联网”大会上，华为公司轮值董事长胡厚崑与会并发表了“夯实基础，共创数字化新格局”为主题的演讲，其中对“5G+工业互联网”赋能千行百业数字化转型提出了三点建议：联接标准化、AI 低门槛与推动工业软件发展

胡厚崑认为，“‘5G+工业互联网’，正赋能千行百业数字化转型，数据驱动是关键，要实现数据取得出、算得快、用得好，连接更多设备、降低 AI 应用门槛、发展工业软件，是现阶段的重点投入。”

这三点建议的核心指向，在于为复杂且缺乏统一标准的工业互联网建设，框定基础设施的边界，标记当前阶段的重点投入方向与所产生价值。这让我想到一个说法：工业化的成果并不在于企业给自己的产品起了怎样好听的名字，而在于所有企业都应用了统一的齿轮和轴承。

面向千行百业的“5G+工业互联网”，也需要通过联接标准化、低门槛 AI，以及工业软件的发展，给智能时代安装上新的齿轮与轴承，继而推动工业互联网回到工业化大生产的本源。

避免与“初心”背道而驰：“5G+工业互联网”的核心挑战

工业化的发展带给了全人类难以尽数的价值，我们今天的一切物质生活基础都来自于工业化。而工业化之所以能够解放各个行业的生产力，核心要素在于三点：标准化、模块化、自动化。

如今，借助 5G 发展推动工业化升级，以工业互联网为技术基础持续解放生产力已经成为社会共识。但这条路如果缺乏产业基础的标准化、模块化、自动化，很可能会走上与工业初心背道而驰的方向。

比如我们可以看到，一家工厂内有数十种网络接口，相互之间无法联通；工业智能化带来了极大的价值，但是 AI 与工业场景融合中难以实现自动化和低成本。一个工业质检设备背后，往往需要数次甚至数十次的算法开发与模型训练；一条矿道中的工业互联网设备彼此近在咫尺，却因为操作系统不兼容而无法实现协同，需要工人冒着极大的风险完成矿下作业。

这些现象的存在的原因，并非企业没有积极性和动力去建设工业互联网，而是能够使用的工业互联网解决方案缺乏标准化、模块化、自动化的基础设施，在联接、AI 与工业软件三个关键节点上尤其如此。

工业互联网的网络标准化问题一直备受热议，这里希望多讨论一下 AI 与工业软件，这两个还需要更多关注的工业互联网基础设施。法国史学家、年鉴学派代表人物费尔南·布罗代尔在《十五至十八世纪的物质生活、经济和资本主义》中提出，社会经济的流动分为三个层次，底部是物质生活的积累，其上是经济流通，再之上是社会结构的运动发展。这三层结构就像一座楼，没有下层就无法完成上一层的搭建。物质生活是所有经济运行中最厚重也最重要的一层。从工业化时代到数字化转型，技术基础设施都是创新和解放生产力的物质基础。没有齿轮和轴承就没有工业革命的开始，而没有 AI 与工业软件，就没有工业互联网普惠千行百业的可能性。

在工业生产中，齿轮提供工业生产中最重要的咬合力与扭矩，而轴承提供工业设备间的传动功能，二者在工业体系中缺一不可。在智能时代，我们可以说 AI 提供着工业生产力的扭矩，而操作系统完成着工业场景的传动。

夯实 AI 与工业软件的基础，就是让工业互联网在智能化时代回归工业化的初心。

智能时代的工业齿轮：AI 走向大模型、大算力时代

今天，无论是哪一领域的企业，都对智能化与智能技术应用充满了兴趣。工业互联网的建设初衷也与 AI 技术落地息息相关。但假如工业设备与工业场景完成了互联网化搭建，但 AI 技术依旧无法落地，那愿望目标与建设实际就背道而驰了。

实际上，AI 面对着数据处理难度大、专项算力不足、算法重复开发、调优难度高等一系列产业门槛，这给众多工业智能化场景带来了困难。为了突破产业屏障，今天 AI 需要走向大模型、大算力的“大工业”时代，让工业互联网在 AI 这个齿轮的牵动下真正转动起来。

预训练大模型成为了近两年 AI 产业的关键词。通过将海量数据进行预训练、预集成，可以形成智能水准优秀，高鲁棒性的大模型。接下来，企业可以根据应用场景，在大模型的基础上进行少量调参即可完成落地。这就是工业化中，“高度标准化低度定制化”的原理，可以有效提升 AI 开发效率，推动“手工作坊式”开发走向“工业化 AI 开发”新阶段。华为云盘古大模型正是为此而生，其包含 30 亿参数的机器视觉（CV）预训练模型，以及与千亿参数、40TB 训练数据的自然语言处理（NLP）预训练模型。

在国网重庆永川供电公司的无人机电力线智能巡检场景中，盘古大模型助力实现了以较少的人工标注进行快速迭代，使得样本筛选效率提升约 30 倍；同时，可以做到一个模型适配上百种缺陷，替代原有 20 多个小模型，极大地减少了模型维护成本，模型平均精度提升 18%，模型开发成本降低 90%，真正做到了规模化可复制。

而无论是大模型的训练、部署，还是更广泛的 AI 与工业互联网结合，其根本都是充沛可用的 AI 算力。今年 5 月，武汉启用了人工智能计算中心，已达到 200P flops 算力，并面向遥感、多模态等领域推出了相应的大模型。从武汉的实践中看，人工智能计算中心这一模式具有极高的价值，可以有效推动 AI 算力与工业场景结合。

AI 作为智能时代的齿轮，正在经由算力到算法的一系列创新走向“大时代”。标准通用、成本低廉、能够承载重型任务，将是这个工业化 AI 大时代的特征。

工业互联网的必备轴承：工业软件推动“网以致用”

众多行业在今天都面临着这样的问题：联接了 5G，搭建了工业互联网之后，为何感觉没有得到设想中的价值回馈？

这里的关键在于网络是为了承载软件应用，只有肩负着具体功能的软件足够充沛，工业互联网才能发挥其所预设的价值。这样来看，一方面需要让开发者能够面向各个垂直领域打造合适的工业软件应用。而这就需要工业软件云的助力与赋能。目前，华为云打造了面向离散制造行业的工业软件云，联合超过百家的工业设备、工业软件企业合作，聚焦在汽车、装备、家电、建筑等其他行业，分别打造细分领域的工业软件云。工业软件的兴旺发展必须与开发环境、运行环境的有效支撑为前提，工业软件云正面向这一需求推动着工业软件的发展。

另一个至关重要的问题，是工业软件的开源生态建设与行业标准化推进。大到各个行业，小到一间厂房，都能看到操作系统不统一、不适配带来的产业痛点。

目前，华为已经将面向端侧的鸿蒙与面向数字基础设施侧的欧拉进行了开源开放。基于开源软件形成产业标准与大范围适配的行业基础设施，是推动工业互联网“网以致用”的必经之路。

有着统一的开源操作系统底座，有面向各行业的软件创新能力，纵横交错下工业互联网的机体网络会在轴承的运行下联动起来。机器可以更清晰地完成与人、企业、场景之间的交流，工业互联网的价值延展才有可能深入到行业核心场景，与具体的生产力回馈解密挂钩。

趋势、机遇、责任：夯实“新工业”基础，需要社会协同

目前来看，5G 时代工业互联网的发展，正在从“建立共识”向“使用共同基础设施”的新格局、新阶段发展。工业互联网的共识已经高度统一，但基础设施还有待进一步实现标准化、模块化、自动化的推动。这个过程中，具备技术领先型、有效的开源生态，以及高度集成化是确定“新工业”基础设施的三个核心标准。而推动具有领先型的技术产品成为广泛适配的工业化底座，还需要社会各方面的高度协同。

这个过程中，夯实基础设施对于广大工业企业、行业组织、开发者与服务商来说，具有三重核心意义。

首先，在网络、AI、操作系统等领域实现标准化、生态化是大势所趋。各方面应该尽早达成共识，推动产业应用。面向这一进程，需要宜早不宜晚，宜果断不宜重复试错，以此才能抓住工业互联网的核心机遇。

其次，大模型、分布式端操作系统关键技术创新成为工业基础设施的过程中，涌现出了大量的生态机遇与商业空间。准确找到商业化触点与应用需求，是广大开发者与技术服务商、咨询商、集成商的时代机遇，把握变化才能拥抱未来。

最后，夯实工业互联网背后的数字化基础设施，是整个社会避免重复建设和频繁试错，实现低成本、高效率、环保化创新的核心方案，也是走向科技自立的必然要求。中国工程院院士、著名通信专家邬贺铨认为，中国需要有强大的工业，使整个供应链能够自主控制在我们手上，所以工业互联网对中国而言，相对于其他发达国家可能更为重要。

夯实基础设施是时代的责任，在新工业的黎明，每个人、每家公司、每个相关组织都可以成为智能时代的齿轮与轴承。