近兩年，5GtoB與工業互聯網的討論、投資、建設日漸增多，整個產業呈現出普遍繁榮的景象。但大量碎片化的投資與建設也帶來了新的問題和挑戰。從18世紀工業革命開始，一系列歷史已經證明“工業化”能夠發揮價值的核心在于產業基座的標準與統一。但在“5G+工業互聯網”的建設中，我們卻看到大量非標準化、手工作坊式的創新。這樣的方案顯然并不符合真正的“工業化”精神。那么在錯綜復雜的工業互聯網創新中，目前產業重點建設的基座應該是什么呢？

11月20日，在武漢召開的2021中國“5G+工業互聯網”大會上，華為公司輪值董事長胡厚崑與會并發表了“夯實基礎，共創數字化新格局”為主題的演講，其中對“5G+工業互聯網”賦能千行百業數字化轉型提出了三點建議：聯接標準化、AI低門檻與推動工業軟件發展

胡厚崑認為，“‘5G+工業互聯網’，正賦能千行百業數字化轉型，數據驅動是關鍵，要實現數據取得出、算得快、用得好，連接更多設備、降低AI應用門檻、發展工業軟件，是現階段的重點投入。”

這三點建議的核心指向，在于為復雜且缺乏統一標準的工業互聯網建設，框定基礎設施的邊界，標記當前階段的重點投入方向與所產生價值。這讓我想到一個說法：工業化的成果并不在于企業給自己的產品起了怎樣好聽的名字，而在于所有企業都應用了統一的齒輪和軸承。

面向千行百業的“5G+工業互聯網”，也需要通過聯接標準化、低門檻AI，以及工業軟件的發展，給智能時代安裝上新的齒輪與軸承，繼而推動工業互聯網回到工業化大生產的本源。

避免與“初心”背道而馳：“5G+工業互聯網”的核心挑戰

工業化的發展帶給了全人類難以盡數的價值，我們今天的一切物質生活基礎都來自于工業化。而工業化之所以能夠解放各個行業的生產力，核心要素在于三點：標準化、模塊化、自動化。

如今，借助5G發展推動工業化升級，以工業互聯網為技術基礎持續解放生產力已經成為社會共識。但這條路如果缺乏產業基礎的標準化、模塊化、自動化，很可能會走上與工業初心背道而馳的方向。

比如我們可以看到，一家工廠內有數十種網絡接口，相互之間無法聯通；工業智能化帶來了極大的價值，但是AI與工業場景融合中難以實現自動化和低成本。一個工業質檢設備背后，往往需要數次甚至數十次的算法開發與模型訓練；一條礦道中的工業互聯網設備彼此近在咫尺，卻因為操作系統不兼容而無法實現協同，需要工人冒著極大的風險完成礦下作業。

這些現象的存在的原因，并非企業沒有積極性和動力去建設工業互聯網，而是能夠使用的工業互聯網解決方案缺乏標準化、模塊化、自動化的基礎設施，在聯接、AI與工業軟件三個關鍵節點上尤其如此。

工業互聯網的網絡標準化問題一直備受熱議，這里希望多討論一下AI與工業軟件，這兩個還需要更多關注的工業互聯網基礎設施。法國史學家、年鑒學派代表人物費爾南·布羅代爾在《十五至十八世紀的物質生活、經濟和資本主義》中提出，社會經濟的流動分為三個層次，底部是物質生活的積累，其上是經濟流通，再之上是社會結構的運動發展。這三層結構就像一座樓，沒有下層就無法完成上一層的搭建。物質生活是所有經濟運行中最厚重也最重要的一層。從工業化時代到數字化轉型，技術基礎設施都是創新和解放生產力的物質基礎。沒有齒輪和軸承就沒有工業革命的開始，而沒有AI與工業軟件，就沒有工業互聯網普惠千行百業的可能性。

在工業生產中，齒輪提供工業生產中最重要的咬合力與扭矩，而軸承提供工業設備間的傳動功能，二者在工業體系中缺一不可。在智能時代，我們可以說AI提供著工業生產力的扭矩，而操作系統完成著工業場景的傳動。

夯實AI與工業軟件的基礎，就是讓工業互聯網在智能化時代回歸工業化的初心。

智能時代的工業齒輪：AI走向大模型、大算力時代

今天，無論是哪一領域的企業，都對智能化與智能技術應用充滿了興趣。工業互聯網的建設初衷也與AI技術落地息息相關。但假如工業設備與工業場景完成了互聯網化搭建，但AI技術依舊無法落地，那愿望目標與建設實際就背道而馳了。

實際上，AI面對著數據處理難度大、專項算力不足、算法重復開發、調優難度高等一系列產業門檻，這給眾多工業智能化場景帶來了困難。為了突破產業屏障，今天AI需要走向大模型、大算力的“大工業”時代，讓工業互聯網在AI這個齒輪的牽動下真正轉動起來。

預訓練大模型成為了近兩年AI產業的關鍵詞。通過將海量數據進行預訓練、預集成，可以形成智能水準優秀，高魯棒性的大模型。接下來，企業可以根據應用場景，在大模型的基礎上進行少量調參即可完成落地。這就是工業化中，“高度標準化低度定制化”的原理，可以有效提升AI開發效率，推動“手工作坊式”開發走向“工業化AI開發”新階段。華為云盤古大模型正是為此而生，其包含 30億參數的機器視覺（CV）預訓練模型，以及與千億參數、40TB訓練數據的自然語言處理（NLP）預訓練模型。

在國網重慶永川供電公司的無人機電力線智能巡檢場景中，盤古大模型助力實現了以較少的人工標注進行快速迭代，使得樣本篩選效率提升約30倍；同時，可以做到一個模型適配上百種缺陷，替代原有20多個小模型，極大地減少了模型維護成本，模型平均精度提升18%，模型開發成本降低90%，真正做到了規模化可復制。

而無論是大模型的訓練、部署，還是更廣泛的AI與工業互聯網結合，其根本都是充沛可用的AI算力。今年5月，武漢啟用了人工智能計算中心，已達到200P flops算力，并面向遙感、多模態等領域推出了相應的大模型。從武漢的實踐中看，人工智能計算中心這一模式具有極高的價值，可以有效推動AI算力與工業場景結合。

AI作為智能時代的齒輪，正在經由算力到算法的一系列創新走向“大時代”。標準通用、成本低廉、能夠承載重型任務，將是這個工業化AI大時代的特征。

工業互聯網的必備軸承：工業軟件推動“網以致用”

眾多行業在今天都面臨著這樣的問題：聯接了5G，搭建了工業互聯網之后，為何感覺沒有得到設想中的價值回饋？

這里的關鍵在于網絡是為了承載軟件應用，只有肩負著具體功能的軟件足夠充沛，工業互聯網才能發揮其所預設的價值。這樣來看，一方面需要讓開發者能夠面向各個垂直領域打造合適的工業軟件應用。而這就需要工業軟件云的助力與賦能。目前，華為云打造了面向離散制造行業的工業軟件云，聯合超過百家的工業設備、工業軟件企業合作，聚焦在汽車、裝備、家電、建筑等其他行業，分別打造細分領域的工業軟件云。工業軟件的興旺發展必須與開發環境、運行環境的有效支撐為前提，工業軟件云正面向這一需求推動著工業軟件的發展。

另一個至關重要的問題，是工業軟件的開源生態建設與行業標準化推進。大到各個行業，小到一間廠房，都能看到操作系統不統一、不適配帶來的產業痛點。

目前，華為已經將面向端側的鴻蒙與面向數字基礎設施側的歐拉進行了開源開放。基于開源軟件形成產業標準與大范圍適配的行業基礎設施，是推動工業互聯網“網以致用”的必經之路。

有著統一的開源操作系統底座，有面向各行業的軟件創新能力，縱橫交錯下工業互聯網的機體網絡會在軸承的運行下聯動起來。機器可以更清晰地完成與人、企業、場景之間的交流，工業互聯網的價值延展才有可能深入到行業核心場景，與具體的生產力回饋解密掛鉤。

趨勢、機遇、責任：夯實“新工業”基礎，需要社會協同

目前來看，5G時代工業互聯網的發展，正在從“建立共識”向“使用共同基礎設施”的新格局、新階段發展。工業互聯網的共識已經高度統一，但基礎設施還有待進一步實現標準化、模塊化、自動化的推動。這個過程中，具備技術領先型、有效的開源生態，以及高度集成化是確定“新工業”基礎設施的三個核心標準。而推動具有領先型的技術產品成為廣泛適配的工業化底座，還需要社會各方面的高度協同。

這個過程中，夯實基礎設施對于廣大工業企業、行業組織、開發者與服務商來說，具有三重核心意義。

首先，在網絡、AI、操作系統等領域實現標準化、生態化是大勢所趨。各方面應該盡早達成共識，推動產業應用。面向這一進程，需要宜早不宜晚，宜果斷不宜重復試錯，以此才能抓住工業互聯網的核心機遇。

其次，大模型、分布式端操作系統關鍵技術創新成為工業基礎設施的過程中，涌現出了大量的生態機遇與商業空間。準確找到商業化觸點與應用需求，是廣大開發者與技術服務商、咨詢商、集成商的時代機遇，把握變化才能擁抱未來。

最后，夯實工業互聯網背后的數字化基礎設施，是整個社會避免重復建設和頻繁試錯，實現低成本、高效率、環保化創新的核心方案，也是走向科技自立的必然要求。中國工程院院士、著名通信專家鄔賀銓認為，中國需要有強大的工業，使整個供應鏈能夠自主控制在我們手上，所以工業互聯網對中國而言，相對于其他發達國家可能更為重要。

夯實基礎設施是時代的責任，在新工業的黎明，每個人、每家公司、每個相關組織都可以成為智能時代的齒輪與軸承。

編輯：fqj