趋势一：边缘计算

云边端协同管理和调度能力加速数字应用落地生产环境

2023年，云架构变得更复杂，分布式云、云边协同、边缘自治、边边协同，等创新持续迭代。云边端协同管理和调度能力的突破将助力工业企业有效驾驭云架构的复杂性，进而充分利用起云架构的先进性，推动边缘侧应用范围和效果快速放大，主要呈现如下方面趋势：

一是企业对激增的边缘侧资源的有效管理。边缘侧的设备、算力、数据等资源配比将快速攀升。以数据为例，出于安全性和效率考虑，未来数字工业超过50%以上数据会在边缘侧产生，同时会出现大量部署在边缘的应用服务，这要求企业管理和利用好这些资源。二是赋能企业实现云边端资源协同调度。伴随着云边端一体化操作系统走向成熟，企业会趋向把云边端的资源通过统一平台系统进行的管理和调度，在工业场景下的，工业操作系统、工业大脑将成为协同调度的统一平台，边缘计算一体机也将成为数字应用部署的新型载体。

趋势二：计算机视觉

工业级场景需求升级，带动计算机视觉技术趋向高精度和标准化

计算机视觉是人工智能在工业领域应用最成熟的技术方向。2023年随着应用场景覆盖广度和深度的提升，更多潜在的价值场景机会会被发掘出来。驱动计算机视觉技术能力向高精度、标准化方向继续精进发展。

一是高精度计算机视觉技术向纵深发展。高光谱机器视觉感知技术得到普及、视觉算法、算力部署的优化以及与知识图谱等技术的结合运用，推动计算机视觉趋向于高精度方向发展。2023年在智慧医疗、航空航天、高精密产品质检等方面将产生许多新的场景落地机会。

二是计算机视觉技术的标准化封装。头部厂商以开放API、封装SDK等易于使用和集成的方式提供给中小企业，降低技术规模化开发和使用的门槛，并孕育出新的技术商业化模式。在这个过程中，标准化是为了建立一个良好的循环迭进生态，促进算法和样本共享，让算法有可研究试验的数据，同时疑难样本可以推给更专业的算法团队攻克。

趋势三：拓展现实交互

拓展现实交互技术入口价值凸显，打开工业数字化多元化场景

拓展现实交互技术（XR）是虚拟现实、增强现实和混合现实等技术的组合，通过计算机技术和可穿戴设备产生真实与虚拟结合、可人机交互的环境，提供更加直观、沉浸式的体验。拓展现实交互技术可为工业企业在产品设计、生产制造、质量检测、设备维护、远程协作等方面以多种组合方式融汇虚拟和现实世界，为工业制造的运行模式提供更立体的解决方案。

2023年，虽然拓展现实交互技术的深度应用仍然处于早期，但其对于工业企业的数字化转型和技术应用的场景入口价值将得到进一步凸显。一是工业生产场景入口，实现对工业生产过程的全方位可视化、模拟和优化，提高设计、制造、检测、维修等环节效率和质量。二是工业培训教育入口，基于逼真的模拟场景为员工和合作伙伴提供高质量的培训教育体验。三是产品服务的使用入口，客户可在虚拟环境中预览和定制产品，驱动产品销售。

趋势四：工业知识图谱

工业知识图谱技术驱动产品全生命周期知识融合应用

知识图谱是一种基于语义网技术的知识表示方法，它将实体、属性和关系等元素进行抽象和建模，形成一个具有语义表达能力的图结构。在工业领域，知识图谱可以将工业领域的知识进行建模，形成一个具有语义表达能力的图结构，从而实现对工业领域知识的存储、管理、推理和应用。工业知识图谱驱动全生命周期知识融合应用，多环节、AI驱动、安全成为三大趋势性关键词。

一是工业知识图谱技术向工业生产链条的多环节快速渗透。帮助企业整合和利用各种生产数据、设备数据、质量数据等方面的专业知识，为企业提供生产优化和质量控制的决策支持；二是人工智能加速工业知识图谱落地。知识图谱可以为AI提供认知和理解能力，而AI也正在加速企业的知识图谱构建，包括获取各种文献、专利信息、技术标准等方面的专业知识，同时自动化处理各种设备信息、工艺参数、质量数据等方面专业知识；三是工业知识图谱技术应用将更加注重数据质量和数据安全。随着国内在数据安全方面的监管和政策优化，工业企业会更加注重数据质量和数据安全问题，并提出更加有效的解决方案。

趋势五：工业机理模型

工业领域知识注入通用大模型，孕育工业大模型落地

工业机理模型      技术是指利用人工智能技术、特别是通用大模型技术来构建具有海量参数、强大泛化能力、跨领域适应性的工业机理模型的技术。工业机理模型技术的主要目标是以知识注入的方式，将工业领域的专业知识和经验融合到通用大模型，孕育出具有工业领域特色工业机理大模型。

2023年是人工智能通用大模型进入“现象级”增长和规模化应用的元年，对于工业企业来说，利用知识注入方式将工业机理与通用大模型进行融合将成为未来1~2年关键趋势。通过知识注入，具备工业机理的工业大模型将获得强大的垂直行业落地能力，帮助工业企业获得更丰厚的业务收益。

一是处理更多类型的工业数据。例如文本、图像、视频、声音、传感器数据等多模态数据；二是处理跨工业领域和专业的数据。例如机械、电气、化工、材料等；三是执行多种工业场景和任务。例如故障诊断、质量检测、过程优化、排产排程、产品设计等；四是提供鲁棒性和可解释的结果。对于工业认知和决策结论给出推理过程、证据支持、置信度评估等。

趋势六：绿色制造

碳足迹和减碳技术成为推动绿色制造落地的关键突破口

绿色制造是综合考虑环境影响和资源消耗的现代化制造模式，目标是使产品从设计到回收外理的整个产品生产周期中对环境负面影响极小，资源利用率极高，使企业经济效益、社会效益和生产效益协调优化。碳足迹和减碳技术是实现绿色制造的关键技术组合，碳足迹指组织、产品或服务在其生命周期内直接或间接产生的温室气体排放量；减碳技术是能够降低碳排放或增加碳汇的技术，如工业碳捕集和封存、大气碳负排放等。

绿色低碳是制造业转型发展的全新维度。2023年，双碳技术栈将支撑绿色制造模式在发电、钢铁、化工、建材等行业逐步落地，其中碳足迹和减碳处于核心技术位置，带来诸多趋势性变化：一是碳排放量化技术，通过工艺机理和高质量数据建构工业生产和碳排放的内在逻辑关系，结合碳排放核算能力的不断提高，企业将找到衡量碳资产的有效方式。二是碳排放的时空视角，面向产品全生命周期碳排放核算（时域特性）和制造业全供应链碳中和（空域特性）是发展方向。三是工业能源的绿色转型，基于对碳资产的有效衡量和定价，以及碳市场的逐步落地，工业能源的绿色转型将真正与企业的经营指标相关，从而推动企业主动推进能源绿色化进程。四是能源互联网，企业利用虚拟电厂、综合能源系统来管理调度多种清洁能源和能源网、实现全局ROI最优成为可能，技术落地从楼宇级走向园区级。

趋势七：工业大数据

人工智能的价值释放，进一步加速工业企业的数据基建进程

大数据技术是数据采集、存储、管理、分析挖掘、可视化等技术的总和，其帮助企业沉淀海量多维、高增长、多形态的信息资产。进而有能力利用智能技术获得洞察、自优化、预测、决策能力。工业大数据技术是在工业物联、产业互联产生的海量、复杂的数据中发现新的知识规律，挖掘有价值洞察的技术手段，推动制造型企业以数据驱动的产品服务创新、经营水平提升、和生产运营提效，商业模式拓展。

2023年，人工智能的突破性进展让业界开始关注大模型的行业化应用，而工业大数据成为工业企业构建AI可用的数据体系、打造工业大模型的关键支撑。对于数智化转型处于领先地位的企业来说，工业大数据潜在的巨大价值将吸引他们未来数年持续加大IT投入，带来一些趋势性变化：

一是数据全生命周期管理加快被实践，工业大数据的高度复杂性是传统数据技术应用于工业的难点，而AI技术非常擅长处理复杂但具备结构性的数据，所以企业全生命周期数据管理的理念将被更多企业付诸实践。二是大数据技术的进阶应用加速落地，数据技术高阶应用加快，比如数据处理环节的湖仓一体、批流一体，数据分析等技术应用，数据分析环节的算法模型、智能标签、知识图谱、可视化等高级分析技术等。

趋势八：新一代人工智能

群体智能成为AI在工业领域应用的下一个突破性方向

群体智能技术是模拟自然界生物群体行为的人工智能技术，具有去中心化、智能度高、灵活性强的特点，可以在没有中心控制且对全局环境认知不足的情况下完成很多复杂任务。工业领域群体智能是指在工业生产、管理等环节中，利用多个智能设备或系统（如机器人、传感器等）通过分布式、去中心化、自组织的方式协同完成复杂任务或解决复杂问题的技术。

2023年，群体智能技术将更多被业界讨论，并开始融入制造业数字化转型的技术攻坚进程。在大语言模型、边缘计算、物联网、知识图谱等多种技术栈的支撑下，群体智能技术发展的基础已经趋于成熟，技术将逐渐走出实验室。在技术突破点方面，群体智能技术探索重点会在多个智能设备或系统在边缘节点的分布式协同计算。具体来说利用边缘侧的算力集群，提高分布式群体智能的实时性、灵活性和鲁棒性，降低对中心节点和云端的依赖，如：工业机器人集群利用边缘计算开展实时协作控制、故障检测、自修复任务；设备传感器集群可以利用边缘计算实时开展数据融合、压缩、分析等任务。这些都是群体智能落地的场景趋势。

趋势九：工业数字孪生

工业数字孪生技术推动数字技术在制造业的规模化应用

数字孪生技术的要义是在数字信息平台上创建一个与实体对象或系统相对应的虚拟模型-“数字孪生体”，它可以实时或准实时地接收实体对象或系统上的传感器采集的数据、并将其进行动态仿真和分析，输出决策数据。工业数字孪生技术是工业互联网的核心技术之一，通过在数字空间构建物理对象的精准模型，并利用实时数据驱动模型运转，实现数字空间与物理世界的双向映射和交互，从而为工业企业提供综合决策所需的环境和能力。

基于工业数字孪生底座，企业得以有效构建起的工业仿真系统，进而在系统中规模化试验诸多数字技术，推动技术规模化应用。预计2023年，工业数字孪生技术将继续深入发展，显著提升工业数字孪生系统面的复杂经营环境的可用性，从而规模化支撑数字技术落地。一是数字孪生体构建技术，在工业大数据支撑下，数字孪生技术从模拟特定场景向模拟复杂系统扩展，实现对整个生产过程、供应链网络、产品全生命周期等复杂系统的数字化建模。二是数字孪生交互技术，工业企业更加强调将数字空间的优化结果及时反馈到物理世界，并获得期待的经济效益。推动技术产品在数字空间与物理世界的双向映射更加实时，物理对象的智能化协同水平显著提高。三是数字李孪生支持业务创新。改进监控改善工厂运营成本结构，基于工业仿真环境预测分析和调度管理，产品对抗性研发、差异化设计等。

趋势十：工业操作系统

数字工业操作系统为制造业数字化进程带来自主性和开放性

数字工业操作系统是基于物联网、云计算、大数据、人工智能等新一代信息技术的数字工业智能化基础设施，可实现对工业设备、工艺流程、生产数据、运营管理等各个环节的全面感知、分析、优化和控制。作为工业企业数字化转型的技术底座，数字工业操作系统是工业生产管理平台，还是连接工业要素实现全局最优调度的资源平台、沉淀工业数据与大模型实现数据高价值转化的智能平台、承载工业应用与服务的行业标准化开放平台

当前，数字化转型的企业面临着自主可控和生态开放的双重挑战，而数字工业操作系统将给制造业数字化进程带来自主性和开放性。在自主性方面，工业企业将更多通过私有化部署或订阅方式获得自主可控的数字工业操作系统，并根据企业的特点和需求进行定制化开发和应用。领先企业会尝试利用模型构造能力打造产业大模型（Industry GPT）。在开放性方面，企业趋向于基于工业操作系统的开放式架构实现不同工业设备、传感器、控制器的对接和集成，并实现跨行业、区域、企业的数据互联互通。