趨勢一：邊緣計算

云邊端協同管理和調度能力加速數字應用落地生產環境

2023年，云架構變得更復雜，分布式云、云邊協同、邊緣自治、邊邊協同，等創新持續迭代。云邊端協同管理和調度能力的突破將助力工業企業有效駕馭云架構的復雜性，進而充分利用起云架構的先進性，推動邊緣側應用范圍和效果快速放大，主要呈現如下方面趨勢：

一是企業對激增的邊緣側資源的有效管理。邊緣側的設備、算力、數據等資源配比將快速攀升。以數據為例，出于安全性和效率考慮，未來數字工業超過50%以上數據會在邊緣側產生，同時會出現大量部署在邊緣的應用服務，這要求企業管理和利用好這些資源。二是賦能企業實現云邊端資源協同調度。伴隨著云邊端一體化操作系統走向成熟，企業會趨向把云邊端的資源通過統一平臺系統進行的管理和調度，在工業場景下的，工業操作系統、工業大腦將成為協同調度的統一平臺，邊緣計算一體機也將成為數字應用部署的新型載體。

趨勢二：計算機視覺

工業級場景需求升級，帶動計算機視覺技術趨向高精度和標準化

計算機視覺是人工智能在工業領域應用最成熟的技術方向。2023年隨著應用場景覆蓋廣度和深度的提升，更多潛在的價值場景機會會被發掘出來。驅動計算機視覺技術能力向高精度、標準化方向繼續精進發展。

一是高精度計算機視覺技術向縱深發展。高光譜機器視覺感知技術得到普及、視覺算法、算力部署的優化以及與知識圖譜等技術的結合運用，推動計算機視覺趨向于高精度方向發展。2023年在智慧醫療、航空航天、高精密產品質檢等方面將產生許多新的場景落地機會。

二是計算機視覺技術的標準化封裝。頭部廠商以開放API、封裝SDK等易于使用和集成的方式提供給中小企業，降低技術規?；_發和使用的門檻，并孕育出新的技術商業化模式。在這個過程中，標準化是為了建立一個良好的循環迭進生態，促進算法和樣本共享，讓算法有可研究試驗的數據，同時疑難樣本可以推給更專業的算法團隊攻克。

趨勢三：拓展現實交互

拓展現實交互技術入口價值凸顯，打開工業數字化多元化場景

拓展現實交互技術（XR）是虛擬現實、增強現實和混合現實等技術的組合，通過計算機技術和可穿戴設備產生真實與虛擬結合、可人機交互的環境，提供更加直觀、沉浸式的體驗。拓展現實交互技術可為工業企業在產品設計、生產制造、質量檢測、設備維護、遠程協作等方面以多種組合方式融匯虛擬和現實世界，為工業制造的運行模式提供更立體的解決方案。

2023年，雖然拓展現實交互技術的深度應用仍然處于早期，但其對于工業企業的數字化轉型和技術應用的場景入口價值將得到進一步凸顯。一是工業生產場景入口，實現對工業生產過程的全方位可視化、模擬和優化，提高設計、制造、檢測、維修等環節效率和質量。二是工業培訓教育入口，基于逼真的模擬場景為員工和合作伙伴提供高質量的培訓教育體驗。三是產品服務的使用入口，客戶可在虛擬環境中預覽和定制產品，驅動產品銷售。

趨勢四：工業知識圖譜

工業知識圖譜技術驅動產品全生命周期知識融合應用

知識圖譜是一種基于語義網技術的知識表示方法，它將實體、屬性和關系等元素進行抽象和建模，形成一個具有語義表達能力的圖結構。在工業領域，知識圖譜可以將工業領域的知識進行建模，形成一個具有語義表達能力的圖結構，從而實現對工業領域知識的存儲、管理、推理和應用。工業知識圖譜驅動全生命周期知識融合應用，多環節、AI驅動、安全成為三大趨勢性關鍵詞。

一是工業知識圖譜技術向工業生產鏈條的多環節快速滲透。幫助企業整合和利用各種生產數據、設備數據、質量數據等方面的專業知識，為企業提供生產優化和質量控制的決策支持；二是人工智能加速工業知識圖譜落地。知識圖譜可以為AI提供認知和理解能力，而AI也正在加速企業的知識圖譜構建，包括獲取各種文獻、專利信息、技術標準等方面的專業知識，同時自動化處理各種設備信息、工藝參數、質量數據等方面專業知識；三是工業知識圖譜技術應用將更加注重數據質量和數據安全。隨著國內在數據安全方面的監管和政策優化，工業企業會更加注重數據質量和數據安全問題，并提出更加有效的解決方案。

趨勢五：工業機理模型

工業領域知識注入通用大模型，孕育工業大模型落地

工業機理模型      技術是指利用人工智能技術、特別是通用大模型技術來構建具有海量參數、強大泛化能力、跨領域適應性的工業機理模型的技術。工業機理模型技術的主要目標是以知識注入的方式，將工業領域的專業知識和經驗融合到通用大模型，孕育出具有工業領域特色工業機理大模型。

2023年是人工智能通用大模型進入“現象級”增長和規模化應用的元年，對于工業企業來說，利用知識注入方式將工業機理與通用大模型進行融合將成為未來1~2年關鍵趨勢。通過知識注入，具備工業機理的工業大模型將獲得強大的垂直行業落地能力，幫助工業企業獲得更豐厚的業務收益。

一是處理更多類型的工業數據。例如文本、圖像、視頻、聲音、傳感器數據等多模態數據；二是處理跨工業領域和專業的數據。例如機械、電氣、化工、材料等；三是執行多種工業場景和任務。例如故障診斷、質量檢測、過程優化、排產排程、產品設計等；四是提供魯棒性和可解釋的結果。對于工業認知和決策結論給出推理過程、證據支持、置信度評估等。

趨勢六：綠色制造

碳足跡和減碳技術成為推動綠色制造落地的關鍵突破口

綠色制造是綜合考慮環境影響和資源消耗的現代化制造模式，目標是使產品從設計到回收外理的整個產品生產周期中對環境負面影響極小，資源利用率極高，使企業經濟效益、社會效益和生產效益協調優化。碳足跡和減碳技術是實現綠色制造的關鍵技術組合，碳足跡指組織、產品或服務在其生命周期內直接或間接產生的溫室氣體排放量；減碳技術是能夠降低碳排放或增加碳匯的技術，如工業碳捕集和封存、大氣碳負排放等。

綠色低碳是制造業轉型發展的全新維度。2023年，雙碳技術棧將支撐綠色制造模式在發電、鋼鐵、化工、建材等行業逐步落地，其中碳足跡和減碳處于核心技術位置，帶來諸多趨勢性變化：一是碳排放量化技術，通過工藝機理和高質量數據建構工業生產和碳排放的內在邏輯關系，結合碳排放核算能力的不斷提高，企業將找到衡量碳資產的有效方式。二是碳排放的時空視角，面向產品全生命周期碳排放核算（時域特性）和制造業全供應鏈碳中和（空域特性）是發展方向。三是工業能源的綠色轉型，基于對碳資產的有效衡量和定價，以及碳市場的逐步落地，工業能源的綠色轉型將真正與企業的經營指標相關，從而推動企業主動推進能源綠色化進程。四是能源互聯網，企業利用虛擬電廠、綜合能源系統來管理調度多種清潔能源和能源網、實現全局ROI最優成為可能，技術落地從樓宇級走向園區級。

趨勢七：工業大數據

人工智能的價值釋放，進一步加速工業企業的數據基建進程

大數據技術是數據采集、存儲、管理、分析挖掘、可視化等技術的總和，其幫助企業沉淀海量多維、高增長、多形態的信息資產。進而有能力利用智能技術獲得洞察、自優化、預測、決策能力。工業大數據技術是在工業物聯、產業互聯產生的海量、復雜的數據中發現新的知識規律，挖掘有價值洞察的技術手段，推動制造型企業以數據驅動的產品服務創新、經營水平提升、和生產運營提效，商業模式拓展。

2023年，人工智能的突破性進展讓業界開始關注大模型的行業化應用，而工業大數據成為工業企業構建AI可用的數據體系、打造工業大模型的關鍵支撐。對于數智化轉型處于領先地位的企業來說，工業大數據潛在的巨大價值將吸引他們未來數年持續加大IT投入，帶來一些趨勢性變化：

一是數據全生命周期管理加快被實踐，工業大數據的高度復雜性是傳統數據技術應用于工業的難點，而AI技術非常擅長處理復雜但具備結構性的數據，所以企業全生命周期數據管理的理念將被更多企業付諸實踐。二是大數據技術的進階應用加速落地，數據技術高階應用加快，比如數據處理環節的湖倉一體、批流一體，數據分析等技術應用，數據分析環節的算法模型、智能標簽、知識圖譜、可視化等高級分析技術等。

趨勢八：新一代人工智能

群體智能成為AI在工業領域應用的下一個突破性方向

群體智能技術是模擬自然界生物群體行為的人工智能技術，具有去中心化、智能度高、靈活性強的特點，可以在沒有中心控制且對全局環境認知不足的情況下完成很多復雜任務。工業領域群體智能是指在工業生產、管理等環節中，利用多個智能設備或系統（如機器人、傳感器等）通過分布式、去中心化、自組織的方式協同完成復雜任務或解決復雜問題的技術。

2023年，群體智能技術將更多被業界討論，并開始融入制造業數字化轉型的技術攻堅進程。在大語言模型、邊緣計算、物聯網、知識圖譜等多種技術棧的支撐下，群體智能技術發展的基礎已經趨于成熟，技術將逐漸走出實驗室。在技術突破點方面，群體智能技術探索重點會在多個智能設備或系統在邊緣節點的分布式協同計算。具體來說利用邊緣側的算力集群，提高分布式群體智能的實時性、靈活性和魯棒性，降低對中心節點和云端的依賴，如：工業機器人集群利用邊緣計算開展實時協作控制、故障檢測、自修復任務；設備傳感器集群可以利用邊緣計算實時開展數據融合、壓縮、分析等任務。這些都是群體智能落地的場景趨勢。

趨勢九：工業數字孿生

工業數字孿生技術推動數字技術在制造業的規?；瘧?/strong>