通过对国内外主流工业互联网平台的应用分析，可以发现平台提升了企业信息化能力，增强了企业数据分析水平，还使得企业的资源调配更加灵活，并带动企业应用从信息化到智能化的多层次发展，同时解决了企业三大方面的问题：一是推动信息化大规模部署，解决效率提升和成本降低的问题，信息系统和工业软件迁移至平台，依托平台实现客户关系管理、财务人力管理等应用，带动信息化成本降低和大规模部署；二是推动工业数据深度分析挖掘，解决产品和服务价值提升的问题，基于平台的大数据汇聚和分析能力，实现设备、生产、管理等场景的深层次优化和服务增值；三是推动业务商业模式的创新，解决跨领域资源灵活调配和协同协作问题，通过平台进行产业链、供应链、价值链各环节的实时连接和资源共享，以实现不同主体间的高效协作和供需精准对接。01基于平台的信息化应用得益于平台的“连接+数据可视化”能力，传统的生产管理类信息化应用得到更为广泛的普及。其中，在生产监控分析领域应用最为广泛，在物料管理、排产调度等方面也有初步探索。PTC、微软、思科、阿里云等企业的平台均推出了面向生产过程可视化应用。这类应用主要提供数据汇聚和描述基础，帮助管理者直观了解工厂运行状态。当然，这些只是初级的可视化、远程监控等应用，借助更深层次数据挖掘分析企业能够获得更高价值回报。比如，工业互联网服务商寄云科技协助世界知名汽车零部件制造商麦格纳旗下格特拉克（江西）传动系统有限公司（GJT）实施智能制造战略，成功解决了传统MES在数据实时、真实和粒度等层面的不足，实现了更加精准的KPI追踪，提升设备利用率、提高工人工作效率、保障企业营收。另外，基于平台的“软件上云+简单数据分析”在客户关系管理、供应链管理和部分企业计划资源管理领域也获得应用，能有效降低中小企业软件使用成本。如SAP、Oracle、Salesforce、微软、用友浪潮、金蝶等企业提供大量管理软件SaaS服务。如Salesforce所提供的云化CRM软件服务已聚集超过15万客户，同时除通用软件工具之外，还提供基于社交网络的客户关系与需求分析，为中小企业提供销售渠道服务。用友提供采购、供应链、物流、财务、人力资源等工业云服务，服务工业企业客户44万家。02基于大数据能力的深度优化基于平台的大数据能力，以“模型+深度数据分析”模式在设备运维、产品后服务、能耗管理、质量管控、工艺调优等场景获得大量应用，并取得较为显著的经济效益。GE、西门子、ABB、富士康等企业已经推出了上百个上述类型的应用服务，如Uptake帮助美国最大核电站PALOVerde，通过提高资产性能，实现每年1000万的成本节省，成本降低20%；彩虹寄云智能工厂工业大数据项目助力知名平板显示制造企业彩虹集团实现了数据可视化、生产透明化、质量可控化，并获得了综合良品率显著提升，非计划停机、运营成本等大幅减少等多种收益。03平台协同资源调配和模式创新借助平台整合产业链资源，探索智能制造、供应链协同等应用，成为部分企业的实践选择。如寄云NeuSeer平台开放共享自身生产力，提高闲置设备的利用率，目前已对数千台机床和钻井机器提供数据监控和预测性维护功能。再如中船集团利用船海智云平台对船舶制造企业、船用设备制造企业等开展纳期监控等应用，提升供应链协同水平。基于平台进行深层次的全流程系统性优化尚处在局部的探索阶段。无论是产业链、价值链的一体化优化、产品全生命周期的一体化优化、还是生产与管理的系统性优化，都需要建立在全流程的高度数字化、网络化和模型化基础上，仅有个别龙头企业具备相关基础并开展了简单实践。
作者：王晨，清华大学大数据系统软件国家工程实验室总工程师、工业互联网产业联盟副秘书长。 1工业产生转型升级作用的路径大数据系统软件国家工程实验室将工业产生转型升级的作用的路径，总结为加减乘除四个象限。所谓加和减就是智能制造。智能制造更关注于企业内部的事情，狭义的智能制造关注制造，即生产环节，广义的智能制造则包含企业的全寿生命周期，从研发设计到生产制造再到运维服务。智能制造不外乎在在现有流程上加了一些东西、减了一些东西，它基本可以被总结为八个字：提质、增效、降本、控险。今天，智能制造做的事情就是加法和减法。但在这个时代光做加减法是不够的，比如私募股权机构投资一个企业，企业每年做一点加法，投资人可能不会满意，而是希望企业实现指数级的增长。如何实现？工业互联网可能就是实现乘法和除法的路径。乘法就是平台效应。比如淘宝，容纳无数的商店在它的平台上开店挣钱，就是一个案例。但是在工业领域，是否可以构建一个工业互联网平台？以服装行业为案例。传统的第一代的服装企业，比如雅戈尔，有自己的设计、工厂、店面，即完整的产业链条。第二代服装企业，比如海澜之家，舍弃工厂选择全代工生产，转为做营销，以门店为资产。互联网时代的服装企业，比如韩都衣舍，既没有工厂也没有店面，成本几乎为零，所有的店面依赖淘宝，只负责快速设计、把控供应链，最后的“总盘子”虽然不一定有传统企业那么大，但是利润率高。因此除法就是企业聚焦自己的核心竞争力。轻资产高利润运营，这是未来中国中小企业创新创业之道。打造工业互联网的平台生态，不是说只有这个平台才能挣钱，但平台上的每个人都有可能挣钱。2三个层次：工业大数据行业的分类 实验室接触了也做了很多与工业大数据的应用，并将其分为了三个层次。第一个层次是单元级。即针对工业设备，不仅限于设备的远程运维，还包括对设备故障的提前预警、故障分析，以及设备的优化运行、资产管理等等。首先我们需要将设备的运行状态进行精确的数字化测量，这种测量手段其实是将工业大数据的连续空间离散化。这个连续空间很复杂，而能测量的物理量、精度、传感器数量都是有限的，所以全空间采样无法实现。但随着数字化水平提高、信息化进程推进、智能化应用迭代，未来的测量过程也会升级。第二个层次是工厂层次。这个层次不是关注单体设备，而关注整个工厂的运营效率、产品质量和安全、环保问题。工业讲求的是包括人、物料、工艺、设备、环境在内的因素，在复杂的动态系统中能够协同作用。假设把全中国都看作一个大工厂，怎么在产业链条上提升自己的效率？我们今天做工业大数据，做“智能+”，就是这个用途。首先要回答数据在哪里，其实数据在任何一个地方。以前工业上管数据管的相对粗糙，传统在信息化领域做的相对较好的是管理信息化，而现在很多工业数据只是用来做监控以及做故障发生时做数据的回放。这些数据拿来怎么做两化融合（信息化和自动化的数据融合）没有做。第三层次是怎么拿到其他人的数据？比如说挖掘机要自动化施工，需要了解GIS数据、环境数据，但这些都不是传统制造业企业拥有的数据。这说明今天工业大数据的内涵，比传统的数据内涵要大得多。自动化以及跨界整体的数据，构成工业大数据的体系。3工业大数据的分类和挑战实际上，工业数据有三个特点。第一个特点是多模态。过去很简单粗暴地将数据分成结构化数据、半结构化数据、非结构化数据，但工业企业不是这样。今天看到的很多好像格式不一样的、非结构化的工程数据，真正把它打开的时候是不一样的。非结构化数据的使用效率取决于结构化的程度，只有结构化才可以被高效利用；第二个特点是高通量，很多设备是不停机的，所有的数据是7*24小时连续产生的，量非常大；第三个特点是强关联，在工业的不同行业，数据关联遵循不同的规律而非简单的聚合。所以工业大数据本身的特点带来了非常多的挑战。除了数据获取的挑战，随之而来的就是数据分析、应用的挑战。这里边最大的限制是因果关系，即数据驱动的方法只能告诉我们关联性，而无法不能告诉我们因果性。比如淘宝推荐商品，只知道推荐相关商品，却不关心这个事情的因果——为什么用户是这样的人。但这在工业上是行不通的，尤其是控制方面，因此模型需要长时间的分析和验证。工业领域存在白盒模型和灰盒模型，白盒模型即工业机理，企业会根据工业机理设计工序、产品结构和工艺，这是第一步。当它们被设计完之后，运行中又会出现大量的不确定性，这些不确定性的消除靠的就是专家、工匠的经验，让整个流程生产变得更加稳定和高效，这是灰盒态。不再对机理和知识本身进行分析和理解的数据模型，是一种黑盒模型。工业大数据和工业智能的本质就是，将这些经验和知识量化学习出来，挖掘心中有口中无的隐性知识，或者尝试通过数据方法把统计关系找到，再交还给工匠分析。工业就是工业，它存在的时间比信息化时间长，积淀比信息化多，而大数据和人工智能技术只是给工业上带来小的变化，尝试帮它去消除不确定性。4大数据、人工智能在工业中的应用首先是智能制造。比如某个机床的良品率下降，那么机床可以猜到刀具可能磨损了，主动提出要换刀，或者炉温过热，就自主将温度往下调两度。如果设备可以自主告知、自主变化，而不是按照事先设定的逻辑来操作，这才是智能化。真正的数字化车间应该是什么样的？分了三个层次：第一层是大数据集成。以攀钢为例，它做钢轨最大的问题是产品质量，很多钢轨表面不平整，必须要修正。如果发现表面不平整会怎么办？调整工会猜测原因、调试、再生产，经过很多迭代之后调稳。而大数据能够建立数据集成体系，让决策者看到每个钢轨发生了什么、控制参数是什么、检测参数是什么。这样一个以物料为中心、以工序流程为轴的数据集成体系，能够为调整工提供更多更好的决策信息；第二层是大数据统计分析。能不能将好的批次的数据和差的批次的数据进行叠加对比，看控制参数的差异？大数据可以猜测造成问题的原因，至少可以排序，让调整工按照排序来做检查和调整；第三层是机理模型。通过大量的数据和反馈，工业企业可以构建一个相对准确、正向的仿真模型，并在数字孪生体、数字空间进行调试，最后在工厂里进行测试，这就是数字孪生带来的智能化体系。那么工业互联网的逻辑对于智能制造来说改变了什么？从业务的角度来讲，工业互联网更多关注产业互联网的边界，而不关注企业内部的生产环节，它可以被总结成三个融合跨界：一是业务融合跨界，通过对产业链上下游业务边界的拓展，企业可以尝试整合上游的上游，也可以服务于下游的下游，我们是一个产业链协同视角下的大工厂；二是数据链条融合跨界，业务的拓展带来了数据边界的拓展，今天的数据不局限于企业原有的数据。比如说要服务于建造商，需要环境数据、操作数据、气象数据；三最根本的是技术改变，相比IT技术的发展，工业软件和IT产业不在一条发展曲线，但现在通过云计算技术可以轻量级地让用户做这样的开发，对于激励、知识的沉淀，可以在很多领域产生了技术溢出机会。工业互联网平台的出现，让工业企业能将花大量时间研发的仿真模型有可能沉淀成小而精的新形态工业软件。
夏日炎炎，骄阳似火卫华产品销售及生产现场更是火热近期的卫华冶金类起重产品订单一个字形容“燃”尤其是200-500t大吨位冶金起重机订单接踵而至让小编忍不住要点名表扬工欲善其事，必先利其器为应对快速增长的订单及产能需求卫华全面启动、全速推进多条焊接、汇装、涂装等自动化生产线陆续投入使用1小时卫华双梁主梁机器人焊接生产线实现1根主梁生产1小时卫华双梁端梁机器人焊接生产线实现2根端梁生产1小时卫华将创造下线一台双梁起重机的“卫华速度”下面就跟小编一起感受卫华产线背后的智能力量智能化备料生产线经过开卷、抛丸、切割等一系列自动化操作后卷板可直接产出符合订单要求规格钢板效率比人工高10倍智能库区采用钢卷、钢板两用智能起重机实现库存上下料全流程自动化提高了原材料管理的高效性和准确性02主梁机器人焊接生产线主梁机器人焊接生产线集成搬运机器人系统焊接机器人系统RGV物流小车系统变速埋弧专机焊系统等实现1根主梁/小时的生产节拍03端梁机器人焊接生产线端梁机器人焊接生产线集成焊接机器人变位机、RGV小车拼点工装系统辊道+板链物流系统实现2根端梁/小时的生产节拍04百余套数字化起重机生产设备数控等离子切割机数控车床、数控刨台数控龙门、机器人数控折弯工作站等100余台套数字化起重机生产设备全力以赴提升产能时至今日从大型结构件的整体镗铣加工、退火处理到整体汇装卫华起重的工艺装备均按照500t以上的标准设计随着卫华起重智能产业园的全面投产500t以上超大吨位冶金起重机及超大型桥门机的生产制造对卫华而言已经不再是考验而是彰显制造实力的徽章长期以来，卫华起重为宝钢集团、首钢集团、武钢集团、鞍钢集团、河北敬业钢铁、京唐钢铁、安丰钢铁、凌源钢铁、凤凰钢铁等大型钢铁、冶金企业集团持续供应多种智能化冶金起重产品获得行业内一致好评
一、工业互联网平台是人工智能应用的重要载体工业互联网平台覆盖全流程生产数据。数据是应用人工智能的“燃料”。工业互联网平台从数据“量”和“质”两个维度入手，提升工业场景数据集的广度与深度，为人工智能应用提供支撑。从“量”的方面看，工业互联网平台汇聚了数以千万计的设备和传感器，对异构系统、运营环境、人员信息等要素实施泛在感知、高效采集和云端汇聚，实现了海量数据的广泛集成。从“质”的方面看，工业互联网平台通过构建设备、产品、系统和服务全面连接的数据交流网络，充分挖掘实时有效的工业大数据，搭建数据自动流动的赋能体系，为深度学习的模型训练提供优质的训练集、验证集和测试集，切实提高人工智能模型自学习、自决策、自适应的有效性。工业互联网平台推动工业知识算法化。算法是人工智能应用的关键。工业互联网平台作为工业全要素、全产业链、全价值链连接的枢纽，打通了工业知识向工业算法转化的通路，为构筑工业领域人工智能算法库提供助力。一方面，工业互联网平台丰富了算法理论来源。依托工业机理基础和数据模型分析，工业互联网平台将隐性的工业技术原理、行业知识和专家经验进行代码化、算法化，重构了工业知识创造和应用体系，面向特定工业场景提供针对性强、鲁棒性高的算法。另一方面，工业互联网平台降低了算法开发成本。工业互联网平台通过提供开发环境和各类工具，助力开发者打造工业APP与微服务体系，将各类工业知识封装成可交易的模块组件，推动工业算法在更大范围、更高频次、更短路径上创造、传播和复用。工业互联网平台构建协同算力资源池。工业场景具有环境参数复杂、工序步骤精细、实时性要求高等特点，应用人工智能技术对算力要求较高。工业互联网平台基于云架构汇聚企业内外算力资源，根据实际需要统一调配，搭建广泛聚集、高效协作的算力供给体系，为人工智能应用提供稳定的支撑保障。在企业内部，工业互联网平台汇聚内部算力资源构建算力资源池，针对不同时段、不同用户和不同级别的算力需求，基于大数据分析统筹使用内部设备，提高设备使用效率。在企业外部，工业互联网平台对接各类算力提供商，通过租借、购买等方式，补充企业内部算力的不足，以提升整体算力水平，缩小人工智能应用需求和实际算力之间的差距。二、多维应用场景加快人工智能与工业互联网平台融合设备层：机器智能构建新型人机关系。企业依托工业互联网平台，在生产、控制、研发等领域的设备上运用人工智能技术，构建人机协同、互促共进的新型人、机、物关系。一是设备自主化运行，如复杂工料分拣、设备自运行等。机械臂、运输载具和智能机床等产品，通过搭载机器学习算法、路径自动规划等模块，实现对不同工作环境和加工对象的动态适应，提高设备操作的精度和复杂度。二是人机智能化交互，如动作识别、语音用户界面等。应用语音识别、机器视觉等技术，打造人性化、定制化、高效化的人机交互模式，提升控制装备在复杂工作环境的感知和反馈能力。三是生产协同化运作，比如协作机器人、仿生工位等。利用人工智能技术将人机合作场景转变成学习系统，持续优化运行参数，为操作员提供最优的生产环境。例如，德国Festo公司基于仿生协作型机器人开发人机协作生产的智能化工位，可将人从重复性、危险性高的工作中解脱出来，提高了生产效率。边缘层：边缘智能提升边缘侧实时分析处理能力。边缘智能技术通过协同终端设备与边缘服务器，整合计算本地性与强计算能力的互补优势，从而减少非必要的数据传输、降低模型推理延迟与能耗。具体有以下三类应用：一是智能传感网络。东方国信、寄云科技等企业通过建设智能网关，动态实现OT与IT间复杂协议的转换，提供安全高速的数据连接与数据采集服务，强化对带宽资源不足和突发网络中断等异常场景的应对能力。二是噪声数据处理。天云网、海尔集团等通过智能传感器采集多维数据，利用基于人工智能的软件识别减小确定性系统误差，提高数据精度，从而实现物理世界隐性数据的显性化。三是边缘即时反馈。思科、微软等企业通过分布式边缘计算节点进行数据交换，及时比对云端广播的模型和现场提取的特征值，基于边缘端设备实现本地快速响应和操作优化，减少云端运算压力和处理延迟，实现云端协同。平台层：大数据分析构建“数据+认知”算法库。工业互联网平台基于PaaS架构，打造由数据存储、数据共享、数据分析和工业模型等组成的整体数据服务链，把基于数据科学和认知科学的两类工业知识经验沉淀在可移植、可复用的人工智能算法库中。在数据科学领域，企业构建以机器学习、深度学习为核心的数据算法体系，综合利用大数据分析、机器学习和智能控制等算法，通过仿真和推理解决已知的工业问题。例如，美国康耐视公司开发了基于深度学习的工业图像分析软件，能以毫秒为单位识别缺陷，解决传统方法无法解决的复杂缺陷检测、定位等问题，使检测效率提升30%以上。在认知科学领域，企业从业务逻辑原理出发，通过搭建以知识图谱、专家系统为代表的认知算法体系，解决机理未知或模糊的工业问题，如企业智能决策、风险管理等。实际上，西门子、IBM、华为等公司通过构建供应链知识图谱，汇集气象、媒体、交通和物流等信息资源，大大提高了供应链风险管理效率。应用层：商业智能提升工业APP数据挖掘深度。开发者依托工业互联网平台提供的开发工具和框架，面向不同工业应用场景，开发搭载人工智能的特定工业APP，利用人工智能手段赋能现有生产过程，为用户提供各类在平台定制开发的智能化工业应用和解决方案。主要有以下几类：一是预测性维护。利用机器学习方法拟合设备运行复杂非线性关系，提升预测的准确率，降低运维成本与故障率。德国KONUX公司结合智能传感器及机器学习算法构建设备运行模型，使机器维护成本平均降低了30%。二是生产工艺优化。依托深度学习绕过机理障碍，通过挖掘数据隐藏特征间的抽象关系建立模型，并找出最优参数组合。TCL格创东智针对液晶面板的成膜工序，通过机器学习算法实现了关键指标的预测与品质优化，年收益达到近千万元。三是辅助研发设计。通过应用知识图谱、深度学习等技术构建设计方案库，对设计方案提供实时的评估反馈。美国UTC依靠知识图谱解决了多个产品研发问题，设计出的换热器传热效率能提高80%，设计周期仅为原来的1/9。四是企业战略决策。利用人工智能拟合工业场景中的非线性复杂关系，提取非结构化数据构建知识图谱和专家系统，为企业提供战略方案选择。美国初创公司Maana聚焦石油和天然气领域，协同应用知识图谱与数据科学，为GE、壳牌、阿美等石油巨头提供企业级决策建议。三、几点建议夯实产业基础，突破人工智能与工业互联网平台融合的关键共性技术。一是构建高质量的公共数据集。鼓励满足条件的工业互联网平台企业开放具备一定规模的生产环境、视频图像、文本对话等数据集，建立高质量的公共测试数据库。二是加大算法研发应用力度。推动科研院所、行业龙头企业开展协同研发和创新应用，围绕卷积神经网络、递归神经网络等算法开发相关工具，完善开发环境。三是提升算力支撑能力。引导和培育一批算力提供商和算力交易平台，探索算力租赁、交易、托管等新服务模式。聚焦场景应用，引导加快面向工业互联网平台的人工智能产品开发。一是加快重点智能设备研发。加快智能传感控制、智能检测装配、智能物流仓储等重点技术装备的开发，布局和积累一批核心知识产权。二是突破边缘智能核心技术。重点突破图形处理器、现场可编程门阵列、专用集成电路等一批关键核心技术，提高硬件基础支撑能力，实现围绕边缘设备的感知、控制、决策和执行等功能。三是加快行业机理模型沉淀。聚焦AI工业应用，建设工业互联网模型算法公共测试验证中心，坚持以测带建、以测促用。四是培育基于AI的工业APP。引导工业互联网平台企业搭建制造业创新中心，开放开发工具和知识组件，构建开放共享、资源富集、创新活跃的工业APP开发生态。完善生态体系，构建工业互联网平台跨界融合新模式。一是强化示范引领。在现有工业互联网平台相关专项和试点示范中，增添人工智能方向的应用试点，加快推动复杂环境识别、新型人机交互等人工智能技术与工业互联平台融合发展。二是优化公共服务。面向语音识别、视觉识别、自然语言处理等领域，建设能够提供知识图谱、算法训练、产品优化等共性服务的平台和开源社区。三是增强人才储备。鼓励高等院校设置人工智能工业应用课程，开展人工智能专题教育和培训，加紧培育一批急需的人工智能人才。四是加强宣传推广。通过开展现场会、人工智能大赛等形式，凝聚行业共识，提高公众认识，挖掘优秀做法，推广典型案例，积极营造产业发展的良好氛围。
2020新基建来袭一个智能创造价值的时代开启无数个工厂的智能化建设正在急速推进中伴随一个个耀眼的项目落地建成卫华智能全明星系列产品正式组团出道智能钢卷搬运起重机、智能建筑搬运起重机智能电解铜起重机、智能垃圾抓斗起重机智能淬火起重机、智能酒厂专用起重机智能5吨门机它们7位大咖将在近期的微信公众号里为大家展示智能重型工业机械的多才多艺带给大家“力与智”的全新享受的同时希望可以在更快的生产节奏中助力更多自动化工厂进一步升级本次向大家介绍的是卫华智能全明星团队的力量担当卫华智能钢卷搬运起重机如果您对它还是认知模糊那么我们一起到卫华智能钢卷搬运起重机的工作现场去看一看它跨度：28.5米负载：35吨搬运距离：不限不止于此它的智能控制系统才是它的灵魂所在钢卷库智能搬运系统是在传统搬运系统的基础上利用信息技术、网络技术及传感器技术为搬运系统添加管理层、控制层和基础层来实现起重搬运智能化、无人化作业的库区综合管理系统↓↓↓可实现↓↓↓仓储管理无人值守车辆主动扫描识别钢卷智能识别搬运库存程控实景可视它的工作过程看起来是如此轻松惬意背后的隐藏技能却不容小觑隐藏技能一卫华自主研发视觉识别系统车辆信息与钢卷的扫描识别精准定位实现智能无人化自动装卸车及作业区安全防护隐藏技能二卫华自主研发防摇功能自动入库搬运过程平稳高效隐藏技能三卫华与首钢自动化联合研发数据云平台可视化仓储管理调度系统+仓储数据管理系统+智能产线调度系统+设备状态监控系统可对接所有智能仓储管理系统智能钢卷搬运起重机及其数据云平台系统已成功应用于多个现代化智能工厂助力京唐钢铁、包钢集团、中钢机电等提高企业生产效率提升工厂智能程度
数字化不仅影响着产品的生产方式，还改变着交易和消费方法。数字化贸易通过数字网络将企业与企业、企业与政府、企业与消费者紧密的连接，在改变原有贸易方式的基础上最大化降低贸易成本，提高企业国际竞争力。1数字化增加了贸易规模。首先，数字化便于全球范围内的企业相互联系，帮助企业专注核心业务并将非核心业务外包，进而低成本、扩大生产规模。此外，这种将企业连接紧密的方式使得资源共享成为可能，而更快、更好地获取关键信息也可以帮助中小企业克服信息劣势，为中小企业提供更为平等的竞争机会。其次，就以数字化服务为主营业务的企业来说，虽然具有较高的固定生产成本，但其分销成本接近于零。与那些仍然受制于实物生产和交付限制的传统行业相比，提供数字化服务的企业更容易满足日益增长的贸易需求。此外，由于数字化服务并不需要在不同的业务国家设立子公司，进一步降低了其服务成本。2数字化改变了贸易的范围和速度。首先，数字化改变了企业的经营活动范围。从传统意义上来说，数字化零售商通过提供配套服务将全球供需联系起来。如今，新的贸易生态系统正在被建立，零售商通过数字化平台提供额外的配套仓储、物流、电子支出、信贷和保险等服务，进一步扩大包括中小企业在内的企业贸易范围。其次，数字化加快了商品跨境流动的速度，更好地满足“及时”交货和短周期库存管理的新要求，贸易往来更加有效、便利化程度更高。具体来说，贸易通过数字化连接实现更大程度的信息共享，有助于更有效地协调全球价值链上中下游企业，帮助企业和消费者追踪商品信息及物流动态。此外，缴纳关税或其他费用的电子支付系统、货物申报或处理系统等逐渐实现一体化操作，商品出入境手续自动化程度提高，简便了通关程序、提高了通关效率。3数字化可以为中小企业国际化发展提供新的机遇。中小企业受自身特性制约，经营管理水平和抗风险能力低，相较于大型企业来说，无法有效对接全球资源。在充分依靠数字化的基础上，中小企业可以利用跨境网络交易平台、跨境电商等渠道拓展国际市场，以相对于以往更低的成本实现国际化发展。
工业技术软件化：把人的知识变成计算机的知识工业技术软件化就是把各种数据加以标准化、量化，这种进步就像从中医到西医，能把知识数字化、明确地表达出来。在这个过程当中，很多人有一个心理障碍：总是担心自己的模型不太精确，原理上有漏洞。我认为这种担心是没有必要的。为什么呢？先试用再说，有了问题，大家再回过头来研究这些问题。据说日本人有个特点，任何的东西都把它模型化，这样一来就可以传承了，出了问题也可以进行持续改进。所以模型确实非常重要，一定要把知识记录下来，记录下来最好的办法就是变成一个很明确的东西，变成一个计算机可以实现的东西，很多问题就都解决了。在这个过程当中，我们要做的很重要的一件事情，就是要把人的知识变成计算机的知识，朱铎先总和赵敏总写过一本书叫《机·智》，某种程度上来讲，他们就主张把人的智慧变成计算机的智慧。其实优也也是这么做的，优也的基因之一是咨询，我们怎么去做咨询呢？第一步，要发现有价值的东西，比方说锅炉热效率比最优的时候下降了3%，价值就在你发现的问题里。我一直强调，会搞技术的人一定是价值驱动的，这个价值不是虚的，是实的；第二步，问题根源在哪里？烟道堵了；第三步，怎么解决？扫一下灰。效果如何？两边数据进行对比，报给领导。搞咨询是这样一个逻辑。那么我们搞智能化、知识软件化什么逻辑？你需要把以下思考告诉我：你凭什么知道锅炉的热效率下降了？你凭什么知道是烟道堵了？你什么时候发指令让它清扫？清扫的效果如何？报给领导作为考核的标准。其实这就是把人的知识变成计算机执行的东西。在过去，一个咨询师要花1-2天才能发现这个问题，现在把它软件化之后，它可以实时监控着。而且，知识不仅可以用到你这里，还可以用到各地，从而知识就被极大的重用了。所以，知识软件化并不难，多数情况下是人想清楚了，交给机器去做，就这样的一种逻辑。技术问题背后的管理问题搞智能化，很多人搞偏了，有的人说，先上机器人吧，或者先上一个什么系统吧，结果有时候一个机器人的成本等于3-5个工人的成本，我们要机器人干嘛呢？工人失业了，企业花钱又多，也很难挣回来。不具备经济性的所谓的技术进步，其实是一种资源的浪费，甚至可以说是犯罪！智能化必须是有经济价值的。在我看来，智能化的经济价值很大程度跟管理有关系。我们把很多事情当成技术问题，其实它的背后不是技术问题，而是管理问题。我先讲个小故事。一家钢铁厂，有一个重要的炼钢指标，叫一次拉碳的双命中，即碳和温度同时达到要求。这个公司花了很长时间，把命中率提高到百分之九十几，觉得水平已经很高了，因为已经考虑到所有能考虑的条件，似乎已经达到天花板了。后来跟国外先进的企业对标，问对方你们的双命中率是多少？国外的专家一听，感到很奇怪，问什么叫双命中？他解释说是碳和温度同时命中。国外的专家反问，还有不命中的吗？这件事情让我们中国的这个同志就感到非常的惊讶，问难道你们100%都命中吗？对方说不一定，一年有个一两次也是有可能的。换句话说，不命中的情况实在是凤毛麟角，以至于人家不把双命中当成一种指标。为什么会有这么一种本质性的差别在这里面？这位同志回来思考后，得到一个答案：我们总是试图用技术解决生产中变化的问题，但是国外公司的出发点就是把变化都控制住，不发生变化，就可以永远按照这个逻辑走。它是通过管理，让生产过程变得很稳定，就不会不命中了。我用这件事情告诉大家一个什么逻辑呢？管理定义技术的边界。一个问题之所以是技术问题，往往是因为管理不到位，才变成技术问题，假设管理到位，往往它就不是一个技术问题。如果一个企业的技术水平真高，往往是管理水平高，而不见得是真正的技术水平高。有位老先生是优也的顾问，过去在丰田负责精益，听了我这个故事之后非常感慨。他说我们一开始在发展中国家设厂的时候就发现了一个问题，发展中国家的工人和技术人员的技术水平，比我们美国和日本人的水平高，为什么呢？因为发达国家的工人和技术人员，永远面对一种稳定的生产过程，出了问题不知道该怎么办；但是发展中国家，管理过程中会有各种各样的麻烦，这些麻烦都会甩给技术人员去解决，所以技术人员就见多识广了，因此技术水平反而比发达国家的人的技术水平还要高。所以，我们看技术问题要看它的背后的管理问题。数字化转型的切入点：管理的优化在钢铁行业或者一些大企业当中，管理和控制，都是由计算机系统来实现的。计算机是分级的，底层的叫控制，高层的叫管理。高层的和底层的是有差别的，底层管的范围很小，响应速度很快，主要是以自动控制为主；高层管的范围很大，响应速度慢，主要靠人。过去计算机不发达的时候，底层能做得都做了。随着工业互联网的发展，我们可以把管理和控制融合在一起，让计算机代替人的管理，帮助、监督人的管理，特别适合空间大、相关要素多、实时性要求复杂的情况。因为空间大，过去没有办法实施做；相关要素多，人脑子转不过来；实时性强，人脑也算不过来。有了互联网，可以把数据都提取上传，把逻辑告诉计算机，一秒钟就可以算出人工一个小时算的东西，计算机的优势就出来了。计算机用于管理，其实是一个老问题。1982年的时候，江苏有家企业就想用计算机来看一看挡车女工干了多少活，当时被称作“电子包公”。因为它很公平，谁干的活多，谁干活少，按这个结果论功行赏。20多年前大家搞过CIMS，当时条件不充足失败了，CIMS的一个重要想法也是把管理和控制融合在一起，过去没有条件，现在开始有条件了。管理和控制放在一起，真正困难在什么地方？它的困难第一是价值隐藏。价值隐藏，举个例子，有一家钢铁厂，他的铁矿石的买家和负责收购的人串通勾结，让这家企业一年损失20个亿。还有一个炼钢厂，一年被偷的合金有1个亿。再比如说有一家工厂，他的设备烧了，损失1000多万，就认为是设备故障，其实是操作工睡着了。大家注意到，这些问题往往跟个人利益有关系，当事人不愿意让你看到，这叫看不见的损失。第二种是忽略掉的成本。比方说研发的过程，看起来都是小事，你出了点错改改，他出点错再改改，他改错了，其他人也得相应调整，这么一来二去，本来研发时间一年，拖成了三年，都是因为小事；交货周期也是这样，本来是计算机一秒钟可以做的，换成人来协调，如果涉及多个部门，一个礼拜都决策不下来，等等。很多这些小损失往往大家注意不到，但是加在一起是非常大的，大到什么程度呢？一般说法是占到成本的20-30%，是这些看不到或者忽视的成本。为什么忽视？因为不好管。当企业的管理有短板时，才会出现这个问题。做智能制造要从价值出发，价值在哪里？就在看不见的地方。如果你能把企业这些看不见的问题都管好，你的企业差不了。所以做智能制造要从价值出发，价值在哪里？就在看不见的地方。如果你能把企业这些看不见的问题都管好，你的企业差不了。那么，看得见为什么有用呢？有家豆腐厂装了个摄像头，产量就提高了；有家生产笔记本电脑的企业，装了个摄像头，信号都还没连，次品率就降低了。厂长跟我讲，为什么会发生这种变化？看到装了摄像头，操作工都不知道没连通信号，他干活就认真了。所以，当被看见的时候，管理水平就会上去。数据有什么作用？数据就是用数字来表征，让人看得见。涂子沛先生写过一本书叫《数文明》，他认为管理加强之后，会把我们带入一个新的文明时代。何老先生也说过一句话：智能化可以让管理能力显著增强。新冠疫情期间有一个健康码，可以管到每一个人的每一天的每一个时刻，设想一下，没有数字化，我们怎么可能管得这么细！所以，能把每一个个体、每一个时刻的全生命周期都管起来，没有数字化是做不到的。如果用在工业生产上，就可以看到每一个时刻、每一个产品是不是处在最优状态，尽量地去接近，现状和最优之差就是你改进的空间。把每一个个体、每个时间段、每件事都管好，让最佳的做法能够保持并成为常态。我有一个同事讲过这么一句话：“管理最大的麻烦，是授权和受控的麻烦。”你给一个人权利，他就开始以权谋私了；你不给他权利，他就没有办法发挥积极性。这个矛盾怎么解决呢？办法就是你授权给他，但是看得见他干得好坏。何老也有类似的说法，数字化能解决利和义的统一。干得好的，计算机给记下来，干得不好的，计算机也给记下来，所以干好就能得到表扬，干坏就会得到惩罚，利义就会统一。过去倡导管理者要和生产相结合，很麻烦，但是有了计算机，操作者可以知道自己的操作对于管理效率可以产生多大的影响，管理者也知道生产者干得是好是坏，这个手段可以靠计算机实现，这才是真正有意义的地方。清华大学王建民老师帮石家庄天远公司做了这样一件事情：个别卡车司机跑冒滴漏干私活，如果一个老板有1000辆车，他不可能时刻跟着这1000辆车。于是就在卡车上装一个GPS，把速度信号和功率信号提取出来，根据F=MA，就算得出它的质量是多少，也就知道了卡车在哪里增加了重量，在哪里减少了重量。这样一来，当货车在不该增加的时候增加，不该减少的时候减少，就可以判断他干私活了。计算机帮助人去做管理，哪怕有10000辆车，它都管得好好的。这情况下，被管理者就不会干私活了，这个漏洞就被补上了。所以，数字化可以对管理赋能。用智能的办法，把数据变成可认知的信息，用有限的精力实现更好的管理。我常说：管理的优化，往往是数字化转型的切入点。这些价值在于平时的跑冒滴漏。困难就是些“兔子”。因为这些兔子都是隐藏的。一般来说，别人没有把事办好，是不会主动告诉你的！这是人性所在啊！所以管理优化首先是要解决人的问题，这事比较难，这种做法，叫做“管理带动技术”。来源：数字工业知识中心 郭朝晖：上海优也科技信息咨询有限公司首席科学家，曾长期担任宝钢研究院首席研究员。
2017年底开始，数字化转型开始形成市场热潮，彼时各行各业纷纷加码数字化，希冀从一次转型中华丽转身。如今，数字转型热潮依旧未减。CIO 们正紧锣密鼓地将云、API 和微服务整合到平台中来增强业务流程。因为他们坚信，敏捷的架构有助于简化操作，从而更好地为客户服务。根据咨询公司 TEKsystems 在2019年底进行的一项研究，在510名商业和技术领袖中，有 47% 声称他们的组织正在推进整个企业的数字转型计划。然而，现实是，这种转变常常感觉像海市蜃景：从远处看很酷，很诱人，但慢慢靠近则发现，就不那么真实了。通常，组织进行数字化转型最大的失误是无法做出实现整个企业转型所需的文化变革。而且，即使是那些保持大部分预算不变的组织，在推动大规模的企业变革中也存在一些障碍。具体来说，阻碍企业数字化转型的10个绊脚石是：1、文化冲突对许多组织来说，文化变革是其转型过程中不可避免的。根据 TEKsystems 的调查，39%的组织表示他们的组织结构无法支持企业转型。TEKsystems 市场研究经理 Jason Hayman 表示:“尽管技术触手可及，但如何优化其潜力却很复杂。那种缺乏共同愿景，没有考虑到整个生态系统的狭隘心态正是数字化创新的走向错误方向的根因所在。”2、缺乏 CEO 的支持转型要从顶层开始，至少从理论上来说是这样的。但 2017年 Wipro Digital 的一项调查显示，35％的高管将缺乏一个清晰的转型策略视为实现全面数字化的关键障碍。Wipro Digital 全球主管 Rajan Kohli 补充说，CEO 通常是罪魁祸首。“数字化转型的努力未能达到预期的投资回报率，部分原因是，数字化转型既是战略、技术、文化和人才问题，也是领导力问题。”3、目标不一致在接受 TEKsystems 调查的 leader 中，有32%表示，有太多相互竞争的优先事项是他们难以清除的转型障碍。Hayman说:“人们的期望不一致。而且对许多组织来说，突袭的 COVID-19 可能更加剧了这一点。所以，确保高层和利益相关者就商业目标达成一致至关重要。”安永咨询市场、业务发展、行业和解决方案部门的负责人 Herb Schul 也表示，结盟问题往往源于业务部门之间的隔阂。由于无权进入，产品所有者无法看到供应链内部的情况，这样一来，他们就很难为客户服务。此外，一个孤立的组织不会对像冠状病毒大流行这样的危机做出敏捷的反应。“成功的关键在于超越或跨越组织的竖井和结构，转变所有的业务流程，以获得你想要的结果” 。4、徘徊在“what 和 how”的问题上即使克服了对变革的抵制，当大多数公司在糟糕的财务状况和来自董事会及竞争对手的压力上升之前依然不会退出观望模式。而且，大多数 leaders 仍在努力弄清楚他们需要改变什么以及如何去做。这种优柔寡断会造成组织惰性，更有甚者，导致他们做出错误的决定。麦肯锡高级知识专家 Laura LaBerge 表示，转型的主要障碍在于未能理解所需的技术以及运营这些技术所需的人才。比如，企业是否需要一种新的数字化运营模式？这需要多少 Scrum/敏捷专家或DevOps工程师？等等。而数字化变革的步伐使这些成为其成功的一个困难但必要的因素。对此，企业业务负责人必须与 CIO 沟通，以填补这些知识空白。5、陷入观望的陷阱波士顿咨询集团亨德森研究所(Henderson Institute)董事总经理 Martin Reeves 表示，在“做什么以及如何做”的问题上犹豫不决，会让企业陷入困境，因为它们推迟了转型。Reeves说：“成功转型最重要的一个因素就是他们是否能迅速开始。因为数字化颠覆发生得很快，而大多数财务指标都是滞后的。”Schul也指出，具有讽刺意味的是，虽然新冠肺炎使许多企业陷入停滞，但它也加速了技术变革，使其在几周内而不是几个月就能完成。“COVID-19 正在推动我们跨越障碍，”Schul 补充说。6、技术陷阱无论是改变的意愿，还是技术与员工的完美结合，都无法拯救 CIO 们免于落入以技术为中心的陷阱。Reeves 认为，虽然技术是转型的关键驱动因素，但应用那些不能帮助满足客户需求或启用新的数字商业模式的工具几乎不会帮助组织增加价值。另一个问题是，如何选择最喜欢的技术，譬如云计算、预测分析、区块链、人工智能或物联网(IoT)。而且，有时候 CIO 们会爱上他们工具包里的单一工具，而忽略了基本的竞争问题和客户需求。Schul表示：“那些表现不错的案例存在这样一个共性：较少关注高大上的新技术或新技术组件，而是更多地关注于寻找合适的地方来应用它们。”7、大爆炸理论在策略上找到共同点并表现出改变意愿的组织倾向于用“大爆炸”的方法来对待转型，而不是通过一系列的迭代转换来改变业务流程。然而，这通常会导致组织“对太多结果抱有太多期望”。而且，如果彩88-首页不协调，企业战略就会失败。所以，关键在于组织如何在不断重复的基础上取得阶段性胜利，而不是一开始就朝着那个或许永远实现不了的大里程碑迈进。8、速度不够快在接受Wipro Digital调查的受访者中，只有4%的人表示，他们在一年内实现了一半的数字化投资，而大多数受访者表示，他们公司花了两到三年时间。LaBerge说，数字化加速发展的规模和速度加剧了这一问题，使得缩小现有企业和竞争对手之间的差距变得越来越困难。而且，规模或网络效应会让这一差距看起来更大。9、人才赤字数字化转型需要新的人才，包括受过最新编程语言培训的软件工程师，以及知道客户想从虚拟助手那里得到什么的产品经理。而在能够找到这些人的前提下，很多公司愿意花高价聘请，比如用户体验设计专家、DevOps工程师、数据科学家和人工智能专业人员。Hayman 表示，90%的企业认为，他们至少需要一些新型人才，37%的企业认为，要想成功实现数字化转型，需要进行广泛的人才结构改革。但现实是，需求远远超过供给，大多数企业发现很难从苹果、谷歌或Facebook那里吸引到经验丰富的软件开发人员、产品经理和其他技术专业人士。10、缺乏连续性不知你以前是否遇到这样的场景：一个 CIO 的 LinkedIn 档案从“X的全球CIO”变成了“Y的全球CIO”，或者更糟，“寻找我的下一个机会”。这种转变的影响很难量化，但它们往往会阻碍组织转型的努力。为什么这样说呢？LaBerge表示，高层领导往往不想继承一场变革。他们更希望从零开始，留下自己的印记。而且，普通员工和其他管理人员的人事变动也是造成这一问题的主要原因。最终的结果就是，随着 CIO 和其他员工跳槽，企业几乎没有机会执行他们的数字化战略。
张厚明，中国人民大学经济学博士，现为赛迪智库工业经济研究所研究员，高级经济师。主要从事工业经济、产业规划和产业政策等方向研究。工业是实体经济的主体，现代工业体系是现代化经济体系的重要组成部分。而工业经济的发展离不开持续不断的工业投入，工业投资作为工业经济发展的物质基础和技术条件，对保持和增强我国工业的实力和竞争力、实现我国经济平稳增长都具有十分重要的意义。近年来，我国工业投资呈现出持续下滑态势。当前，科学厘清工业领域各类投资之间的关系，全面了解和把握我国工业投资运行情况以及制造业重点行业的投资情况，并针对性的采取对策建议，将有助于实现我国既定的稳增长目标。一是应从战略层面提升对稳定和扩大工业投资的科学认识工业投资的稳定增长对于全社会投资稳定增长具有重要意义，制造业投资占据工业投资比重的八成以上，而制造业民间投资和技术改造投资在制造业构成中也是占据举足轻重的位置。从整体战略层面看，制造业民间投资和制造业技术改造投资是稳定提升制造业投资和工业投资的两个重要抓手，是当前稳定和提升工业和制造业投资的重中之重。未来，建议各级政府的宏观调控措施应重点围绕制造业民间投资和制造业技术改造投资展开。二是提升政府干预工业发展的各类政策的实施效果从我国工业投资的资金构成情况看，近年来我国工业投资的资金来源主要是来自企业的自筹，即工业企业自我发展、自主投资的能力日益增强，政府干预工业发展的程度不断减弱。这也和近年来民间投资的不断下滑相应证。2008年国际金融危机后，我国经济进入长周期下行阶段，更有中美贸易摩擦等外部经贸环境恶化的影响，我国经济增长各项指标明显下滑，市场疲软态势显现，市场投资者信心不足，上述因素共同导致制造业民间投资出现断崖式下滑并延续至今，进而拖累制造业投资和工业投资一并下滑。虽然政府近年来采取减税降费等一系列措施，但效果并不好，未能显著遏制民间投资的大幅下滑。未来，政府工作的重心还是应该放在通过进一步减税降费减轻企业负担、优化民营企业营商环境、恢复提升市场投资者信心等方面。三是加强企业技术改造，提高制造业技改投入强度我国制造业投资中，技术改造投资的占比约50%左右。技术改造投资对于优化制造业结构、提升制造业产品档次、促进制造业整体向价值链中高端迈进意义重大。近年来，制造业技术改造投资的增长速度一直显著高于制造业投资增速，从而对于提振制造业投资、稳定和提升制造业产能利用率发挥了重要作用。可以说，技术改造是政府主管部门在促进和扩大工业投资方面可以操作的为数不多的重要抓手之一，应予以重点推进。未来，建议主管部门应加大宣传，引导企业重视技术改造工作并不断加大对企业技改的经费投入，同时提高对中小微企业的技术改造扶持力度，并为企业技术改造提供全方位的服务。四是加大对高技术产业（制造业）投资力度，实现工业转型升级发展从产业方面看，伴随着我国工业化整体进入后期阶段，三次产业结构的演进中，工业的比重将不断下降（让位于消费）并稳定子一定水平。劳动密集型产业也将让位于资本密集型产业和技术密集型产业，劳动密集型产业将会出现产业外迁和转移。即按照工业化和产业演进规律，未来我国高技术产业将日渐占据市场主体位置，这也是伴随着工业化进程必然出现的一个规律，工业和制造业的转型升级发展也是必然的趋势。近年来我国高技术产业投资（制造业）份额呈现上升趋势。未来，高技术产业和战略性新兴产业将是工业领域投资重点和热点，全社会的人才、土地、资金、技术等各类资源将向此类产业集中和集聚。政府主管部门应顺应经济规律，做好规划和引导。努力做好传统基础产业和新兴高技术产业的平衡协调发展，各地应结合本地工业化发展阶段与发展水平，既不能拔苗助长，盲目发展高技术产业，也不能忽视经济发展阶段和产业发展前沿趋势，走回头路，发展低端过时的夕阳产业。
5月份，随着中央统筹推进疫情防控和经济社会发展各项政策措施逐步落实，复工复产深入推进，工业生产继续回升。但1—5月份累计工业生产仍下降，5月份部分行业和产品回升力度有所减弱，外部环境复杂，工业经济稳定运行仍面临不少困难和不确定因素。 一是复工复产深入推进，工业生产加快。对规模以上工业企业的抽样调查显示，截至5月27日，67.4%的企业达到正常生产水平八成以上，较4月下旬上升6.6个百分点。5月份，规模以上工业增加值同比增长4.4%，增速较上月加快0.5个百分点，在上月由负转正基础上继续回升。其中，采矿业、制造业以及电力、热力、燃气及水生产和供应业三大门类分别增长1.1%、5.2%、3.6%，增速均有所加快。1—5月份，工业增加值同比下降2.8%，降幅较1—4月份收窄2.1个百分点。 二是多数行业和产品生产继续恢复，新兴产品保持高速增长。分行业看，5月份，41个大类行业中，30个行业增加值同比实现增长，增长的行业数较上月增加2个，增长面为73.2%。分产品看，612种列入统计的工业产品中，344种产品产量实现增长，增长面为56.2%;部分新兴产品继续保持高速增长，3D打印设备、智能手表、集成电路圆片、充电桩等增长均在70%以上。 三是装备制造行业增长继续加快，基建类相关产品增势较好。5月份，装备制造业增加值同比增长9.5%，增速较上月加快0.2个百分点。其中，汽车制造业增长12.2%，加快6.4个百分点，增速为2018年下半年以来各月最高水平;专用设备制造业增长16.4%，加快2.1个百分点;电子、仪器仪表、通用设备等行业继续保持较快增长态势，增速在7.3%—10.8%之间。分产品看，5月份，建筑工程用机械产量同比增长38.4%，增速较上月加快17.5个百分点，其中挖掘机增长82.3%，较上月加快32.8个百分点;大中型拖拉机、混凝土机械分别增长56.1%、42.2%;汽车产量215.2万辆，增长19%，其中载货汽车45.8万辆，增长54.7%，增速均较上月明显加快。受市场需求恢复拉动，SUV汽车、笔记本计算机分别增长33.5%、28.6%，智能手机、智能电视产量由降转增，分别增长8.4%、7.1%。 四是原材料行业增长有所加快，水泥、钢材等生产持续向好。5月份，随着基础设施建设加快推进，原材料类行业增加值同比增速从上月的3.5%加快到5.5%。其中，钢铁、非金属矿物制品、化工等行业分别增长6.1%、5.5%、3.9%，增速均较上月小幅加快;石化行业由降转增，增长7.8%。分产品看，5月份，水泥、钢材、十种有色金属、初级形态塑料同比分别增长8.6%、6.2%、4.1%、7.9%，增速较上月均有所加快。 当前工业生产总体恢复向好，但困难和不确定因素仍然较多，值得关注。一是行业和产品回升力度有所减弱，41个行业中有25个行业出现增速回落或降幅扩大，产品增长面较上月有所下滑。二是消费品行业出现下滑，增速由上月的增长0.7%转为下降0.6%，服装、家具、文教工美、皮革制鞋等行业下降在5.0%—11.4%之间。三是出口订单不足，工业出口交货值由增转降，同比下降1.4%，部分出口占比较高的行业出口交货值下降10%以上。 下一步，应继续扎实做好“六稳”工作，落实“六保”任务，推进减税降费，鼓励和帮助外贸企业开拓国内市场，帮扶受疫情冲击较大的中小微企业，不断巩固工业经济稳定回升的态势。
过去一年，有关5G的话题经常时不时冲上微博热搜，尤其在中央大力推动5G新基建发展、美国进一步升级对5G领头羊华为断供措施的背景下，5G似乎已经不再是一种简单的移动通信技术。相关领域投资专家认为，5G分为上游、中游和下游。其中，中游基站运营商格局已定，上游的芯片器件存在较多机会，下游行业应用机会超乎想象。不过，目前虽然5G仍未完全落地，但投融资市场已经出现了一片红海，项目估值较高，甚至出现了一些“伪需求”的项目。5G中游格局已定下游应用端机会超乎想象5G对运营商来讲，速度快、流量大，大项目投资，确实是盛宴，消费者也非常期待。另外，设备供应商也有大项目落地，但这些行业格局主要是从3G、4G延伸而来，已经比较稳定。海松资本创始人、CEO、管理合伙人陈立光表示，目前5G对于投资机构来说是一种挑战，但是从更广义来看，因为5G带来了一系列新的变革，例如某些地方需要用到AI技术和加速技术，因此在这个领域可以进行布局。同时，随着5G的应用，带来了AIoT、智慧城市、智能驾驶等一些更深层次的应用。现阶段可以对智能汽车、智能网联等，围绕这些产业跟5G相关的技术应用来做一些工作。目前，我们看到不是狭义的5G，而是泛5G，这样，想象空间就很大。容亿投资创始合伙人、董事长黄金平认为，5G分为上游、中游和下游，中游就是中兴、华为或者手机厂家、运营商。从投资的维度来看已经没有机会了。目前，芯片器件还有比较多的机会，上游都是国外进口为主，需要进口替代，这样机会非常多，门类也非常多。一个基站可能有几百种器件，还有很多细分的方向都以进口为主，国内都有若干家企业在做。因为5G已成为万众瞩目的焦点，很多项目估值都很高。其实这个估值里，除了公司的价值以外还有太多泡沫，投资需要把泡沫挤掉，识别出公司的价值，这就要找到需求方。要找到源头理解项目的价值，同时要给项目带来产业的价值，这个时候泡沫的估值就可以挤掉。企业成功要面临很多竞争，需要给它输送相应的资源，所以在投资上游芯片器件要非常深入的研究，这里面也蕴含非常丰富的资源。现阶段，尽管下游的行业应用相对来说机会更大，但还需要有一个过程。这些观点得到了方广资本管理合伙人李文魁的肯定。他说，5G大概分3个层次，第一是5G本身，第二是5G产业链的延展，第三是5G本身辐射的生态。通信行业其实是从3G开始，每一代通信技术是一个确定性的技术，3G过后必然是4G，4G之后是5G。因为这样的确定性，所以投资需要提前布局。5G现在已经开始部署了，想在5G技术本身再去布局，显然是过去式。从产业链上看，在中游设备厂商这一块，大部分的机会或者市场格局已经形成双寡头的局面，剩下的设备机会可能会在一些第三方设备厂商，但总体来说里面的机会竞争非常激烈。剩下更多的是上游的芯片甚至是材料相关的领域，当然也包含模组。因此，在投资5G的时候，要看5G所辐射的生态，其中包含未来5G可能带来的一些新的应用形态。例如3G促进了图片的应用，4G促进了短视频的应用，5G到底会延伸出什么样的杀手级应用，这需要去探索和寻觅。临芯投资董事长、CEO李亚军则表示，由于5G有宽、快、多这3个特点，这就会带来很多新的应用，可能会很大改变人们的生活，也可能会改变很多生产方式，比如工业互联网。在这个过程当中，产业链大概首先要看建设，要先把网建起来，但是现在几大运营商几乎已形成垄断，剩下的应用端机会应该不少。在宽、快、多这三方面，尤其是快，很多的应用将成为可能，比如汽车的自动驾驶、无人驾驶等。而工业互联网和移动互联网不一样的地方就是“硬件+软件”。工业互联网有一部分的硬件要加进去，比如在一个大的场景里，一定有传感器，这不像原来的互联网那样。工业互联网一定有很多的传感器和基站，这也会让速度非常通畅。同时，工业互联网一是在整个生产场景里，二是能把分散在不同点的生产场景，连成一个场景，所以它改变了整个生产方式。李亚军进一步表示，这里面将会大有作为。而工业互联网下一波的热点在哪里?必须是软硬结合，即“芯片+软件”。警惕5G技术泡沫投资机构要练就“火眼金睛”5G机会可以分为上游和下游。李文飚认为，上游主要围绕核心的零部件、芯片集中布局，也就是一种进口替代，不一定完全跟5G有关，但5G肯定是最大的推动力。这其中包括电源、传感器、光学器件、手机相关等。另外，5G产生相关的新功能和产品，如手机TOF、AI应用、光学零部件也可以做相关布局。下游包含多个维度、各个垂直行业，包括AI、自动驾驶、工业互联网等，再下游就是应用，例如直播带货等，这是上下游的创投和创业企业的机会。陈立光表示，AI属于5G里面的应用场景，因为速度快了就需要用到AI的技术芯片，无论是数据中心还是智能驾驶等。但作为投资机构，需要练就火眼金睛。一方面估值不能太高，另一方面还得找到真正有核心技术的公司。因为中国容易产生一窝蜂的各种拷贝，在AI和芯片领域里面也有类似这样的趋势。所以对于投资机构来说，一定要真正透过这些现象，看到问题的本质和真正的需求，而不是一些伪需求。实际上现在伪需求很多，一些公司加上别人的东西打包成虚假的估值，这就考验投资的火眼金睛能力和投后帮助企业成长的能力。李文魁说，针对5G，除了在网络侧上游的细分机会外，还可以看到一些终端侧的机会。终端方面，中国在世界的地位是非常突出的，在这种情况下创新也会为器件芯片带来很好的“土壤”。熊伟铭表示，因为迭代速度快、量大、供应链好，目前与5G和AI相关的内容，中国慢慢开始有领先的可能性了，因此这可能是一个机会。另外，如果5G能够解决车路协同的问题，安全性大大提升，就会有更多的机会和未来。5G上游投资需要专业度与产业化结合，下游就需要想象力了。李文飚说，未来5G可能就像人工智能一样无所不在，渗透到每个领域，例如无人驾驶，最近就可以看到美团送菜的自动驾驶车。5G的出现，肯定会推进车路协同，这样无人驾驶也将慢慢成为现实。当然，5G可能是更广义的，相关技术投资会有巨大空间。
来源：中国工程机械工业协会根据国工机协[2020]01号文《关于做好工程机械行业二〇一九年度统计报表的通知》要求，协会统计信息部在各有关分会和企业的配合支持下，利用近半年时间，初步完成年报汇总的各环节工作。参与2019年行业有效年报报送汇总的企业达到311家，超过历年参报企业数，体现了广大企业对行业统计信息工作的支持和对行业发展的关注。工程机械行业2019年企业综合统计年报收集工作已经截止，后续汇总、编印工作正抓紧进行，包括编印《二零一九年工程机械主要企业主要产品产销存汇编》和《二零一九年工程机械主要企业经济指标完成情况》，以及在印制完成后经参与报送的企业统计人员免费发放给参报企业，作为行业2019年发展情况的总结和史料参考。2019年，工程机械行业在历经五年之久的发展低潮以及2017年至2018年快速恢复和增长后，迎来了稳定发展的2019年，面对更加复杂的国际环境和国内经济下行压力较大的局面，工程机械行业借助稳定向好的宏观经济和持续稳定的固定资产投资，行业转型升级的成果进一步显现，在市场二手设备加快更新、大气污染防治环保政策对市场产生的积极作用、“一带一路”建设拉动出口增长，以及建设施工领域新技术新工法的推广应用等众多因素叠加影响下，工程机械市场再现高速增长。经协会统计汇总，在扣除不可比因素、重复数据和非工程机械产业营业收入之后，2019年全行业实现营业收入6681亿元，比2018年增长12%。工程机械行业综合统计年报汇编工作已开展二十余年，得到了广大企业的普遍关心和支持，行业内主要企业会员都参加了年报汇总工作，尤其是行业大型骨干企业给予了大力支持，为行业发展、政府和企业决策，提供了客观依据。对于未参加年报汇总的企业，因缺乏数据依据，在协会出具相关证明及其他相关的诉求方面将受到影响。
