工业物联网 (IIoT) 市场上的机会将基于新参与者的专业知识和创新技术。本报告概述了 IIoT 市场及价值链，重点介绍了推动该行业发展的商业和技术趋势，展示了不同类型的参与者所采取的主要战略，以及他们如何与新技术联系起来，旨在让市场参与者全面了解市场。
市场现状
OMDIA 将 IIoT 定义为部署在工业环境 ( 流程和离散制造 ) 中的物联网应用。这包括有线 ( 如以太网技术 )和无线 ( 如蜂窝技术 ) 联网终端。尽管工业以太网终端联网技术已经在 2000 年初出现，但许多产品 ( 特别是现场终端 ) 仍然没有联网，或者只提供单向通信。有了 IIoT，可以实现双向通信，数据被提供给控制器和云，反馈也被提供给终端。举例来说，可以通过更改传感器上的参数来支持生产运行。
IIoT 提供了从仓库到工厂车间收集和利用以前未使用信息的机会，并将现有和新的不同数据集关联起来，最终推动改进并形成新的解决方案。
最常见的 IIoT 应用包括如下：
- 资产、库存或基础设施监控。
- 资产或库存跟踪。
- 车队管理。
- 预测性分析和预测性维护。
- 现场使用的自动和半自动车辆。
- 工业可穿戴设备 ( 如联网头盔、AR 眼镜 )。
- 用于工业场所的联网。
- 设备的远程控制和管理。
- 基于物联网的生产过程和质量监控。
- 数字孪生。
IIoT 趋势
到 2030 年，该市场的规模将增至 44 亿部终端，其中亚太地区将成为终端数量最多的地区，占所有终端的 54%。我们预测的 IIoT 终端分为 3 类。
- 电机控制 ：低压电机驱动、中压电机驱动、运动控制器、伺服驱动、步进驱动、电机、泵和压缩机、发电机、发电机组、涡轮机和开关设备。
- 离散控制 ：IIoT 网关、路由器、操作员终端、工业 PC、PLC、远程 I/O、传感器、离散安全终端、安全驱动器和机器视觉终端。
- 流程控制 ：DCS、过程控制和仪器仪表、过程测量、过程安全和 RTU。
大多数 IIo T 应用 ( 如预测性维护或数字孪生 ) 将依赖来自不同类别的多个终端。其它应用 ( 如资产监控 ) 则可以通过很少的终端 ( 如连接到 IIo T 网关的传感器 ) 构建。
商业趋势
供需趋势决定了 IIoT 市场。在供应侧，制造商提高竞争力和控制成本的需求推动了市场创新，而 IIoT 是其中的关键部分。驱动因素如下。
- 减少代价高昂的机器故障停机时间 ( 根据施耐德电气的数据，每一次设备故障都会给采矿公司带来每小时 3 000 美元的损失 )。
- 提高生产力和利润率，包括提高产量和降低成本。
- 解决技能短缺问题。这在日本等劳动力老龄化的市场上尤为重要。
- 国家计划，如“德国工业 4.0”和“中国制造 2025”等。
与此同时，在需求侧，制造商希望看到最终客户持续推动更高层次的定制化，从而产生迅速改变和调整产品及装配线的需求。汽车和运动鞋制造业就是最好的例子。这推动了对敏捷性和灵活性的需求，而 IIoT 可以帮助实现这些需求。
技术趋势
工业市场正在向数字化迈进。在制造行业，OT 和 IT 的融合便明显体现了这一点，尤其是需要 OT 解决方案充分利用不断增长的 IT 数据和系统来“走出孤岛”。OT 系统通常设计为独立的实体，因此在很多情况下，为它们提供连接并将它们集成到新的 IT 和 IIoT 解决方案中并不是一件容易的事。
数字化与新技术齐头并进。它们包括新的连接协议(如 5G、Wi-Fi 6、TSN、OPC UA、MQTT)以及新的应用技术(如机器学习、AI、AR/VR、数字孪生、数字主线、增量制造和协作机器人)。希望将这些技术引入工业领域的主要参与者包括云和 IT 供应商、网络供应商以及 CSP。
在技术方面，一个持续的挑战在于需要添加 / 转换，而不是全面更换。新技术和 IIoT 解决方案必须在“Brownfield”环境中交付，在这样的环境中，许多系统不能被关闭，并且无法进行大规模的工厂中断来进行升级。
工业专网和 5G 的机会
在 IIoT 领域，专网 ( 现在是 LTE，以后是 5G) 是目前主要由 CSP 和网络供应商驱动的主要趋势。
从 CSP 和供应商的角度来看，一些主要发展动力包括如下：
- 专网提供了一种非常适合工业环境的解决方案，可以将网络控制和管理以及数据安全和治理交到企业自己手中。
- 5G 的机会与工业部门的专网机遇紧密相连(尽管 5G 尚未完全标准化)。5G 的一些特性，特别是 5G URLLC，使其非常适合支持极低延迟的工业企业应用程序，如自动导引车 (AGV)。
- 由于担心消费者市场上的 5G 需求不足以证明 5G 资本支出的合理性，服务提供商和供应商也非常积极地在工业领域寻找 5G 的机会。
从生态的角度来看，一些主要发展动力包括如下：
- 频谱正在分散化。这方面主要包括 CBRS、MulteFire 和德国 5G 区域频谱。不过，我们在芬兰、法国、巴西、日本和澳大利亚等许多国家都可以观察到这一趋势。
- 诸如 5G ACIA 等举措正在出现，旨在确保面向 IIoT 的 5G 能够满足工业最终用户的实际需求。
- 博世和西门子等工业技术公司对 5G 的兴趣日益浓厚，他们希望与长期工业客户保持联系，也希望找到新的机会，帮助客户利用数据，打造更具前瞻性的商业运营模式。
IIoT 生态价值链
技术变革正在塑造 IIoT 价值链
IIoT 价值链与该领域的数字化进程紧密关联。连接成为工业技术的重要组成部分。随着边缘计算或 AI 等新技术成为通过物联网解决方案提供价值的重要元素，IT 也变得越来越重要。这种向数据驱动型工业技术的转变对专业技能提出了额外的要求，特别是在网络安全和 IIoT 平台等新领域。
这种额外的复杂性意味着没有公司能够真正独立地提供端到端 IIoT 解决方案。与此同时，工业环境中现有的“Brownfield”技术意味着没有颠覆式创新型参与者能够孤立地提供解决方案。因此，合作至关重要。此外，终端的长生命周期、在不干扰生产的情况下进行创新的需求以及传统的思维方式意味着没有任何创新解决方案能够凭一己之力颠覆市场，工业环境是关键。
从 CSP 或基础设施供应商的角度来看，最好的场景是 CSP 向工业企业销售专有和混合网络解决方案，对其进行管理并提供增值服务(如 MEC 和分析)、应用程序(如 AGV)，甚至是全面的系统集成。
另一种情况是 CSP 管理网络或者仅将频谱出租给企业或其技术伙伴，除此以外并没有开展其它与网络相关的业务。这可能很快恶化为最坏的情况，由于频谱许可的发展 ( 如共享、区域频谱或未授权频谱 ) 可能会减少其独特资产拥有的机会， CSP 有可能被排除在 IIoT 市场之外。
为了实现最好的场景，CSP 必须发展垂直领域知识和以用例为中心的战略，以便有效地利用工厂外连接作为自己真正的差异化优势。虽然我们不清楚它们是否能够有效地实现工厂车间联网，但有一点毫无疑问，即它们能够以低带宽和高带宽技术支持广域连接。在 IIoT 领域，CSP 的优势在于创建一个智慧工厂(智慧供应链场景)。CSP 在市场上的成功取决于 5G 是否能够成功超越连接技术的范畴，以及他们是否有能力投入足够多的时间和资源来适应垂直市场的需求。这包括构建内部专长、产品团队和具有深入行业经验以及专业知识的销售团队。
一些 CSP 已经与领先的工业技术供应商建立了联系，不过在合作方面还有很多工作要做。伙伴关系示例包括如下：
- Orange Business Services 和德国电信与西门子建立了合作关系。在 Orange Business Services 的案例中，合作关系包括两家公司共同销售各自的产品，以及 Orange Business Services 只向西门子提供产品，然后西门子再将产品推向市场。
- 此外还有沃达丰和 Elisa，他们各自的创新平台和智慧工厂解决方案基于 PTC ThingWorx。CSP 不会聚焦 OT 或自动化过程，因为这不是他们的强项。在该领域支持颠覆式创新的最佳方式是与现有的市场领导者合作。
IIoT 市场上的主要颠覆性创新技术
5G、AI、AR 和边缘计算等新技术将影响 IIoT 价值链以及工业领域的解决方案部署环境。如果我们将供应链、制造车间和交付产品视为工业部门的 3 个主要价值和活动领域，这 3 个领域都将受到新技术和 IIoT 的影响。TSN 和 OPC UA 等技术将主要影响工厂内部，而 ML/AI 或数字孪生等其它技术将对工业产生更广泛的影响。5G 也将影响这 3 个领域，尽管它在工厂内部的相关性还有待证明。
1. IIoT 环境中的连接技术
工业环境中存在不同的连接网络层。第一层是生产车间，包括机器和传感器。该领域主要由有线连接主导，形式表现为现场总线或以太网。无线技术只是其中的一小部分，包括 WirelessHart 等技术。在这一层之上是 SCADA 系统，然后是 MES，再然后是 ERP，它们组成了所谓的“工业自动化金字塔”。
(1) 5G
5G 可以支持高达 20 Gbit/s 的速度、大量的终端和低至 1 ms 的可靠性，因此在可靠性、延迟、带宽和可预测性方面可与现有的有线连接选项竞争。此外，与广泛的布线工作相比，5G 可以带来移动性，而且可以降低成本。
然而，5G 仍是一项未完成的技术。目前 R16 已经冻结，而 R17 将于 2021 年完成。它们都增添了必要的升级，目的是为了充分发挥 5G 的潜力。R16 将是 5G 超可靠低延迟 (5G URLLC) 和 IIoT 5G 实现标准化的关键一步，使具有极低延迟需求的服务(如机器人自动化、未授权频谱 5G 专网和 5G 定位)成为可能。
市场不会在一夜之间发生变化，因为终端和芯片组在标准化之后至少还需要 2 ～ 3 年时间才能达到显著的规模。5G for TSN 现在似乎被推到了 R17。在此之前，5G URLLC 将是一个很好的“一次性”技术，但无法为整个工厂赋能。
此 外，5G 可 以 支 持 eMBB、mMTC 和 URLLC，但这些无法同时进行。举例来说，并不是所有的 5G 频谱都同样适合交付延迟为 1 ms 的 URLLC，并且将需要大量的边缘计算来实现这一点。支持 5G URLLC 将影响 5G 的频谱效率，影响其它一些 5G 功能。例如一个 5G 小区支持的 5G URLLC 连接数将低于 100(而不是数以千计)。
(2) Wi-Fi 6
Wi-Fi 6 将在 IIoT 中发挥作用，华为企业部或思科等公司将支持这项技术。由于可靠性、覆盖和切换等问题，上一版 Wi-Fi 在工业领域举步维艰，但 Wi-Fi 6 在以下方面要优于上一版本 Wi-Fi 5 (802.11 ac)。
- 更高的速度 : 鉴于更高的数据编码效率，Wi-Fi 6 具有更高的吞吐量。预计 Wi-Fi 6 的最高速度约为 10 Gbit/s，几乎是 Wi-Fi 5 速度(3.5 Gbit/s)的 3 倍。
- 改 进 的 多 用 户、 多 输 出 通 信 (MU MIMO): Wi-Fi 6 支持无线接入点同时与多个用户通信 ( 下行 )，并支持多个用户同时传输数据 ( 上行 )。
- 提升能源效率 ：Wi-Fi 6 使用目标唤醒时间(TWT) 技术。它支持终端与路由器通信并统一调度无线终端休眠以及传输或接收数据的时间。
- 在拥挤地区达到更好的性能 : Wi-Fi 6 使用正交频分多址 (OFDMA) 技术，能够同时处理多个联网终端，并有效利用可用频谱。
- 增 强 的 安 全 性 : Wi-Fi 6 接 入 点 将 配 备 Wi-Fi 联盟最新发布的 WPA3 无线安全标准。
(3) OPC UA
OPC UA 是一个来自 OPC Foundation、独立于平台的标准，旨在促进开放连接，各种系统和终端可以通过各种类型的网络在客户端和服务器之间发送消息来进行通信。它基于分层架构，执行 TCP/IP 通信协议，并支持两个协议。这两个协议是二进制协议 : 一个是支持通过防火墙轻松启用的协议 , 另一个是使用标准 HTTP/HTTPS 端口的 Web 服务协议。
OPC UA 是 OPC Classic 协议的替代协议，后者最初基于分布式组件对象模型 (DCOM) 开发，因此仅限于 Windows。OPC 存在的其它问题包括安全性、费用、效率低、数据移动和维护困难。OPC UA 的不同之处在于，它是一种可在各种操作系统上使用的互操作技术，支持更多的终端启用 OPC UA。它提供了一种开放和可靠的机制，有助于企业系统与不同控件、监控终端和传感器(与真实世界的数据进行交互)之间的数据传输。
(4) TSN
TSN 是一组 IEEE 802 Ethernet 子标准，由 IEEE TSN 工作组定义，可实现确定性的实时通信。TSN 技术通过面向实时应用程序的时间调度来保证交付，并最大程度地减少抖动。
TSN 确保信息可以在固定、可预测的时间内从 A 点传输到 B 点。可预测性可以提高效率。
2. IIoT 环境中的应用程序和边缘计算
(1) 数字孪生
数字孪生是一种数字表示形式，它提供了终端或生态在整个生命周期中运作和生存的要素和动态。数字孪生将传感器数据与机器学习和软件分析结合起来，然后在此基础上创建空间图。这些空间图提供了一个数字仿真模型，并与它们的物理对应物一起实时更新。制造业中的机器、系统，甚至整个工厂都可以通过数字孪生进行建模。数字孪生不断从多个来源进行学习和更新，从而表现其近实时的状态、工作环境或位置。它还将过去机器运行的历史数据集成到数字模型中。数字孪生有助于以安全和经济的方式模拟机床功能，还有助于识别物理工具或基础设施出现问题的根本原因。如果物理机床出现故障，工程师可以评估数字孪生虚拟机的数字踪迹来进行诊断和预测。
与数字孪生一样，数字主线也在工业领域发挥越来越重要的作用。例如 PTC 对数字主线的定义是统一相互关联的数据集，目的是发现洞察，并将其视为构建数字孪生的先决条件。数字主线在整个企业中创建统一的数据视图。数据集由上游和下游数据支持。较常见的数据集包括 CAD 数据、产品生命周期管理、IIoT、ERP、CRM、MES 和 BOM 等。相反，数字孪生是物理对等物的虚拟表示，它可能是一个机器甚至是一个过程。其目的是了解原始物理对象的表现 ( 如反应 )。
应该从不同的角度采用数字孪生 ：从产品的角度着眼于运转中的产品特性 ;从制造和运营的角度着眼于制造过程中的所有洞察 ;最后从客户体验的角度出发，着眼于最终客户如何使用产品，并针对未来的设计和创新提供深入的洞察。
(2) 人工智能、机器学习和边缘
理解数据并在此基础上采取行动是物联网的一个主要商机。AI 是一个广泛的技术领域 , 可以粗略地定义为用机器模拟人类智能和经验。物联网终端和解决方案可以为 AI 算法提供关键的输入来源和训练数据 , 反过来，AI 功能又可以对它们进行操作和控制。在 AI 领域中，机器学习是一种无需明确编程就能自动通过经验学习并改进的应用。深度学习是机器学习的一个子领域，由一些算法组成，这些算法利用大量的数据和神经网络训练自己执行任务，如语音和图像识别。
传统的工业参与者意识到了数据和 AI 的价值。日立公司成立了 Hitachi Vantara，专注于数据分析，并开发了 Lumada Manufacturing Insights 套件等产品，其中包括利用 AI、ML 和 DataOps 来实现生产自动化和优质成果的 IIoT 解决方案。
AI 和 ML 与边缘计算和云提供的数据存储和处理能力紧密关联。云和边缘十分必要。举例来说，向云发送数据对于训练 AI 模型至关重要，在边缘分析其它数据源可以带来减少延迟、减少云和连接费用、增加数据安全和隐私等好处。
(3) 增强现实和虚拟现实
AR 是一种由计算机生成元素 ( 如文本、声音、图片或物体 ) 增强真实世界的技术。VR 将真实世界的元素引入到虚拟世界中，如将真实的手引入虚拟环境。
虽说经过了几年的试点、实施和大量宣传，AR 眼镜市场却并未火爆起来。智能 AR 眼镜有一个广泛的生态，包括光学元件供应商、终端 OEM、应用开发商、定制软件开发商、内容供应商、软件开发商和平台提供商。
试验和试点(尤其是在工业环境中)显示生产力大幅提高，成本大幅降低。在工业环境中，工作流是车间管理和衡量效率的一个重要因素，可以影响成本以及产品或服务的交付。在许多情况下，车间使用纸质说明书或手册来指导工人完成不同的任务。智能眼镜可以支持用户在查看手册和图表的同时捕捉视频和照片。这种在需要时无需手动即可访问使用说明、地图、图表等的能力在工业和企业市场上激起了人们的兴趣。AR 眼镜还可以用于知识传递和下一代工人培训。
