物聯網市場格局：工業物聯網

市場現狀

OMDIA 將 IIoT 定義為部署在工業環境 ( 流程和離散制造 ) 中的物聯網應用。這包括有線 ( 如以太網技術 )和無線 ( 如蜂窩技術 ) 聯網終端。盡管工業以太網終端聯網技術已經在 2000 年初出現，但許多產品 ( 特別是現場終端 ) 仍然沒有聯網，或者只提供單向通信。有了 IIoT，可以實現雙向通信，數據被提供給控制器和云，反饋也被提供給終端。舉例來說，可以通過更改傳感器上的參數來支持生產運行。

IIoT 提供了從倉庫到工廠車間收集和利用以前未使用信息的機會，并將現有和新的不同數據集關聯起來，最終推動改進并形成新的解決方案。

最常見的 IIoT 應用包括如下：

資產、庫存或基礎設施監控。資產或庫存跟蹤。車隊管理。預測性分析和預測性維護?，F場使用的自動和半自動車輛。工業可穿戴設備 ( 如聯網頭盔、AR 眼鏡 )。用于工業場所的聯網。設備的遠程控制和管理?；谖锫摼W的生產過程和質量監控。數字孿生。

IIoT 趨勢

到 2030 年，該市場的規模將增至 44 億部終端，其中亞太地區將成為終端數量最多的地區，占所有終端的 54%。我們預測的 IIoT 終端分為 3 類。

電機控制 ：低壓電機驅動、中壓電機驅動、運動控制器、伺服驅動、步進驅動、電機、泵和壓縮機、發電機、發電機組、渦輪機和開關設備。離散控制 ：IIoT 網關、路由器、操作員終端、工業 PC、PLC、遠程 I/O、傳感器、離散安全終端、安全驅動器和機器視覺終端。流程控制 ：DCS、過程控制和儀器儀表、過程測量、過程安全和 RTU。

大多數 IIo T 應用 ( 如預測性維護或數字孿生 ) 將依賴來自不同類別的多個終端。其它應用 ( 如資產監控 ) 則可以通過很少的終端 ( 如連接到 IIo T 網關的傳感器 ) 構建。

商業趨勢

供需趨勢決定了 IIoT 市場。在供應側，制造商提高競爭力和控制成本的需求推動了市場創新，而 IIoT 是其中的關鍵部分。驅動因素如下。

減少代價高昂的機器故障停機時間 ( 根據施耐德電氣的數據，每一次設備故障都會給采礦公司帶來每小時 3 000 美元的損失 )。提高生產力和利潤率，包括提高產量和降低成本。解決技能短缺問題。這在日本等勞動力老齡化的市場上尤為重要。國家計劃，如“德國工業 4.0”和“中國制造 2025”等。

與此同時，在需求側，制造商希望看到最終客戶持續推動更高層次的定制化，從而產生迅速改變和調整產品及裝配線的需求。汽車和運動鞋制造業就是最好的例子。這推動了對敏捷性和靈活性的需求，而 IIoT 可以幫助實現這些需求。

技術趨勢

工業市場正在向數字化邁進。在制造行業，OT 和 IT 的融合便明顯體現了這一點，尤其是需要 OT 解決方案充分利用不斷增長的 IT 數據和系統來“走出孤島”。OT 系統通常設計為獨立的實體，因此在很多情況下，為它們提供連接并將它們集成到新的 IT 和 IIoT 解決方案中并不是一件容易的事。

數字化與新技術齊頭并進。它們包括新的連接協議(如 5G、Wi-Fi 6、TSN、OPC UA、MQTT)以及新的應用技術(如機器學習、AI、AR/VR、數字孿生、數字主線、增量制造和協作機器人)。希望將這些技術引入工業領域的主要參與者包括云和 IT 供應商、網絡供應商以及 CSP。

在技術方面，一個持續的挑戰在于需要添加 / 轉換，而不是全面更換。新技術和 IIoT 解決方案必須在“Brownfield”環境中交付，在這樣的環境中，許多系統不能被關閉，并且無法進行大規模的工廠中斷來進行升級。

工業專網和 5G 的機會

在 IIoT 領域，專網 ( 現在是 LTE，以后是 5G) 是目前主要由 CSP 和網絡供應商驅動的主要趨勢。

從 CSP 和供應商的角度來看，一些主要發展動力包括如下：

專網提供了一種非常適合工業環境的解決方案，可以將網絡控制和管理以及數據安全和治理交到企業自己手中。5G 的機會與工業部門的專網機遇緊密相連(盡管 5G 尚未完全標準化)。5G 的一些特性，特別是 5G URLLC，使其非常適合支持極低延遲的工業企業應用程序，如自動導引車 (AGV)。由于擔心消費者市場上的 5G 需求不足以證明 5G 資本支出的合理性，服務提供商和供應商也非常積極地在工業領域尋找 5G 的機會。

從生態的角度來看，一些主要發展動力包括如下：

頻譜正在分散化。這方面主要包括 CBRS、MulteFire 和德國 5G 區域頻譜。不過，我們在芬蘭、法國、巴西、日本和澳大利亞等許多國家都可以觀察到這一趨勢。諸如 5G ACIA 等舉措正在出現，旨在確保面向 IIoT 的 5G 能夠滿足工業最終用戶的實際需求。博世和西門子等工業技術公司對 5G 的興趣日益濃厚，他們希望與長期工業客戶保持聯系，也希望找到新的機會，幫助客戶利用數據，打造更具前瞻性的商業運營模式。

IIoT 生態價值鏈

技術變革正在塑造 IIoT 價值鏈

IIoT 價值鏈與該領域的數字化進程緊密關聯。連接成為工業技術的重要組成部分。隨著邊緣計算或 AI 等新技術成為通過物聯網解決方案提供價值的重要元素，IT 也變得越來越重要。這種向數據驅動型工業技術的轉變對專業技能提出了額外的要求，特別是在網絡安全和 IIoT 平臺等新領域。

這種額外的復雜性意味著沒有公司能夠真正獨立地提供端到端 IIoT 解決方案。與此同時，工業環境中現有的“Brownfield”技術意味著沒有顛覆式創新型參與者能夠孤立地提供解決方案。因此，合作至關重要。此外，終端的長生命周期、在不干擾生產的情況下進行創新的需求以及傳統的思維方式意味著沒有任何創新解決方案能夠憑一己之力顛覆市場，工業環境是關鍵。

從 CSP 或基礎設施供應商的角度來看，最好的場景是 CSP 向工業企業銷售專有和混合網絡解決方案，對其進行管理并提供增值服務(如 MEC 和分析)、應用程序(如 AGV)，甚至是全面的系統集成。

另一種情況是 CSP 管理網絡或者僅將頻譜出租給企業或其技術伙伴，除此以外并沒有開展其它與網絡相關的業務。這可能很快惡化為最壞的情況，由于頻譜許可的發展 ( 如共享、區域頻譜或未授權頻譜 ) 可能會減少其獨特資產擁有的機會， CSP 有可能被排除在 IIoT 市場之外。

為了實現最好的場景，CSP 必須發展垂直領域知識和以用例為中心的戰略，以便有效地利用工廠外連接作為自己真正的差異化優勢。雖然我們不清楚它們是否能夠有效地實現工廠車間聯網，但有一點毫無疑問，即它們能夠以低帶寬和高帶寬技術支持廣域連接。在 IIoT 領域，CSP 的優勢在于創建一個智慧工廠(智慧供應鏈場景)。CSP 在市場上的成功取決于 5G 是否能夠成功超越連接技術的范疇，以及他們是否有能力投入足夠多的時間和資源來適應垂直市場的需求。這包括構建內部專長、產品團隊和具有深入行業經驗以及專業知識的銷售團隊。

一些 CSP 已經與領先的工業技術供應商建立了聯系，不過在合作方面還有很多工作要做?；锇殛P系示例包括如下：

Orange Business Services 和德國電信與西門子建立了合作關系。在 Orange Business Services 的案例中，合作關系包括兩家公司共同銷售各自的產品，以及 Orange Business Services 只向西門子提供產品，然后西門子再將產品推向市場。此外還有沃達豐和 Elisa，他們各自的創新平臺和智慧工廠解決方案基于 PTC ThingWorx。CSP 不會聚焦 OT 或自動化過程，因為這不是他們的強項。在該領域支持顛覆式創新的最佳方式是與現有的市場領導者合作。

IIoT 市場上的主要顛覆性創新技術

5G、AI、AR 和邊緣計算等新技術將影響 IIoT 價值鏈以及工業領域的解決方案部署環境。如果我們將供應鏈、制造車間和交付產品視為工業部門的 3 個主要價值和活動領域，這 3 個領域都將受到新技術和 IIoT 的影響。TSN 和 OPC UA 等技術將主要影響工廠內部，而 ML/AI 或數字孿生等其它技術將對工業產生更廣泛的影響。5G 也將影響這 3 個領域，盡管它在工廠內部的相關性還有待證明。

1.IIoT 環境中的連接技術

工業環境中存在不同的連接網絡層。第一層是生產車間，包括機器和傳感器。該領域主要由有線連接主導，形式表現為現場總線或以太網。無線技術只是其中的一小部分，包括 WirelessHart 等技術。在這一層之上是 SCADA 系統，然后是 MES，再然后是 ERP，它們組成了所謂的“工業自動化金字塔”。

(1) 5G

5G 可以支持高達 20 Gbit/s 的速度、大量的終端和低至 1 ms 的可靠性，因此在可靠性、延遲、帶寬和可預測性方面可與現有的有線連接選項競爭。此外，與廣泛的布線工作相比，5G 可以帶來移動性，而且可以降低成本。

然而，5G 仍是一項未完成的技術。目前 R16 已經凍結，而 R17 將于 2021 年完成。它們都增添了必要的升級，目的是為了充分發揮 5G 的潛力。R16 將是 5G 超可靠低延遲 (5G URLLC) 和 IIoT 5G 實現標準化的關鍵一步，使具有極低延遲需求的服務(如機器人自動化、未授權頻譜 5G 專網和 5G 定位)成為可能。

市場不會在一夜之間發生變化，因為終端和芯片組在標準化之后至少還需要 2 ～ 3 年時間才能達到顯著的規模。5G for TSN 現在似乎被推到了 R17。在此之前，5G URLLC 將是一個很好的“一次性”技術，但無法為整個工廠賦能。

此 外，5G 可 以 支 持 eMBB、mMTC 和 URLLC，但這些無法同時進行。舉例來說，并不是所有的 5G 頻譜都同樣適合交付延遲為 1 ms 的 URLLC，并且將需要大量的邊緣計算來實現這一點。支持 5G URLLC 將影響 5G 的頻譜效率，影響其它一些 5G 功能。例如一個 5G 小區支持的 5G URLLC 連接數將低于 100(而不是數以千計)。

(2) Wi-Fi 6

Wi-Fi 6 將在 IIoT 中發揮作用，華為企業部或思科等公司將支持這項技術。由于可靠性、覆蓋和切換等問題，上一版 Wi-Fi 在工業領域舉步維艱，但 Wi-Fi 6 在以下方面要優于上一版本 Wi-Fi 5 (802.11 ac)。

更高的速度 : 鑒于更高的數據編碼效率，Wi-Fi 6 具有更高的吞吐量。預計 Wi-Fi 6 的最高速度約為 10 Gbit/s，幾乎是 Wi-Fi 5 速度(3.5 Gbit/s)的 3 倍。改 進 的 多 用 戶、 多 輸 出 通 信 (MU MIMO): Wi-Fi 6 支持無線接入點同時與多個用戶通信 ( 下行 )，并支持多個用戶同時傳輸數據 ( 上行 )。提升能源效率 ：Wi-Fi 6 使用目標喚醒時間(TWT) 技術。它支持終端與路由器通信并統一調度無線終端休眠以及傳輸或接收數據的時間。在擁擠地區達到更好的性能 : Wi-Fi 6 使用正交頻分多址 (OFDMA) 技術，能夠同時處理多個聯網終端，并有效利用可用頻譜。增 強 的 安 全 性 : Wi-Fi 6 接 入 點 將 配 備 Wi-Fi 聯盟最新發布的 WPA3 無線安全標準。

(3) OPC UA

OPC UA 是一個來自 OPC Foundation、獨立于平臺的標準，旨在促進開放連接，各種系統和終端可以通過各種類型的網絡在客戶端和服務器之間發送消息來進行通信。它基于分層架構，執行 TCP/IP 通信協議，并支持兩個協議。這兩個協議是二進制協議 : 一個是支持通過防火墻輕松啟用的協議 , 另一個是使用標準 HTTP/HTTPS 端口的 Web 服務協議。

OPC UA 是 OPC Classic 協議的替代協議，后者最初基于分布式組件對象模型 (DCOM) 開發，因此僅限于 Windows。OPC 存在的其它問題包括安全性、費用、效率低、數據移動和維護困難。OPC UA 的不同之處在于，它是一種可在各種操作系統上使用的互操作技術，支持更多的終端啟用 OPC UA。它提供了一種開放和可靠的機制，有助于企業系統與不同控件、監控終端和傳感器(與真實世界的數據進行交互)之間的數據傳輸。

(4) TSN

TSN 是一組 IEEE 802 Ethernet 子標準，由 IEEE TSN 工作組定義，可實現確定性的實時通信。TSN 技術通過面向實時應用程序的時間調度來保證交付，并最大程度地減少抖動。

TSN 確保信息可以在固定、可預測的時間內從 A 點傳輸到 B 點?？深A測性可以提高效率。

2.IIoT 環境中的應用程序和邊緣計算

(1) 數字孿生

數字孿生是一種數字表示形式，它提供了終端或生態在整個生命周期中運作和生存的要素和動態。數字孿生將傳感器數據與機器學習和軟件分析結合起來，然后在此基礎上創建空間圖。這些空間圖提供了一個數字仿真模型，并與它們的物理對應物一起實時更新。制造業中的機器、系統，甚至整個工廠都可以通過數字孿生進行建模。數字孿生不斷從多個來源進行學習和更新，從而表現其近實時的狀態、工作環境或位置。它還將過去機器運行的歷史數據集成到數字模型中。數字孿生有助于以安全和經濟的方式模擬機床功能，還有助于識別物理工具或基礎設施出現問題的根本原因。如果物理機床出現故障，工程師可以評估數字孿生虛擬機的數字蹤跡來進行診斷和預測。

與數字孿生一樣，數字主線也在工業領域發揮越來越重要的作用。例如 PTC 對數字主線的定義是統一相互關聯的數據集，目的是發現洞察，并將其視為構建數字孿生的先決條件。數字主線在整個企業中創建統一的數據視圖。數據集由上游和下游數據支持。較常見的數據集包括 CAD 數據、產品生命周期管理、IIoT、ERP、CRM、MES 和 BOM 等。相反，數字孿生是物理對等物的虛擬表示，它可能是一個機器甚至是一個過程。其目的是了解原始物理對象的表現 ( 如反應 )。

應該從不同的角度采用數字孿生 ：從產品的角度著眼于運轉中的產品特性 ;從制造和運營的角度著眼于制造過程中的所有洞察 ;最后從客戶體驗的角度出發，著眼于最終客戶如何使用產品，并針對未來的設計和創新提供深入的洞察。

(2) 人工智能、機器學習和邊緣

理解數據并在此基礎上采取行動是物聯網的一個主要商機。AI 是一個廣泛的技術領域 , 可以粗略地定義為用機器模擬人類智能和經驗。物聯網終端和解決方案可以為 AI 算法提供關鍵的輸入來源和訓練數據 , 反過來，AI 功能又可以對它們進行操作和控制。在 AI 領域中，機器學習是一種無需明確編程就能自動通過經驗學習并改進的應用。深度學習是機器學習的一個子領域，由一些算法組成，這些算法利用大量的數據和神經網絡訓練自己執行任務，如語音和圖像識別。

傳統的工業參與者意識到了數據和 AI 的價值。日立公司成立了 Hitachi Vantara，專注于數據分析，并開發了 Lumada Manufacturing Insights 套件等產品，其中包括利用 AI、ML 和 DataOps 來實現生產自動化和優質成果的 IIoT 解決方案。

AI 和 ML 與邊緣計算和云提供的數據存儲和處理能力緊密關聯。云和邊緣十分必要。舉例來說，向云發送數據對于訓練 AI 模型至關重要，在邊緣分析其它數據源可以帶來減少延遲、減少云和連接費用、增加數據安全和隱私等好處。

(3) 增強現實和虛擬現實

AR 是一種由計算機生成元素 ( 如文本、聲音、圖片或物體 ) 增強真實世界的技術。VR 將真實世界的元素引入到虛擬世界中，如將真實的手引入虛擬環境。

雖說經過了幾年的試點、實施和大量宣傳，AR 眼鏡市場卻并未火爆起來。智能 AR 眼鏡有一個廣泛的生態，包括光學元件供應商、終端 OEM、應用開發商、定制軟件開發商、內容供應商、軟件開發商和平臺提供商。

試驗和試點(尤其是在工業環境中)顯示生產力大幅提高，成本大幅降低。在工業環境中，工作流是車間管理和衡量效率的一個重要因素，可以影響成本以及產品或服務的交付。在許多情況下，車間使用紙質說明書或手冊來指導工人完成不同的任務。智能眼鏡可以支持用戶在查看手冊和圖表的同時捕捉視頻和照片。這種在需要時無需手動即可訪問使用說明、地圖、圖表等的能力在工業和企業市場上激起了人們的興趣。AR 眼鏡還可以用于知識傳遞和下一代工人培訓。