一是企業(yè)對激增的邊緣側(cè)資源的有效管理。邊緣側(cè)的設(shè)備、算力、數(shù)據(jù)等資源配比將快速攀升。以數(shù)據(jù)為例，出于安全性和效率考慮，未來數(shù)字工業(yè)超過50%以上數(shù)據(jù)會在邊緣側(cè)產(chǎn)生，同時會出現(xiàn)大量部署在邊緣的應(yīng)用服務(wù)，這要求企業(yè)管理和利用好這些資源。二是賦能企業(yè)實現(xiàn)云邊端資源協(xié)同調(diào)度。伴隨著云邊端一體化操作系統(tǒng)走向成熟，企業(yè)會趨向把云邊端的資源通過統(tǒng)一平臺系統(tǒng)進行的管理和調(diào)度，在工業(yè)場景下，工業(yè)操作系統(tǒng)、工業(yè)大腦將成為協(xié)同調(diào)度的統(tǒng)一平臺，邊緣計算一體機也將成為數(shù)字應(yīng)用部署的新型載體。

一是高精度計算機視覺技術(shù)向縱深發(fā)展。高光譜機器視覺感知技術(shù)得到普及、視覺算法、算力部署的優(yōu)化，以及與知識圖譜等技術(shù)的結(jié)合運用，將推動計算機視覺趨向于高精度方向發(fā)展。2023年，在智慧醫(yī)療、航空航天、高精密產(chǎn)品質(zhì)檢等方面將產(chǎn)生許多新的場景落地機會。

二是計算機視覺技術(shù)的標(biāo)準(zhǔn)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(yè)，降低技術(shù)規(guī)模化開發(fā)和使用的門檻，并孕育出新的技術(shù)商業(yè)化模式。在這個過程中，標(biāo)準(zhǔn)化是為建立一個良好的循環(huán)迭進生態(tài)，促進算法和樣本共享，讓算法有可研究試驗的數(shù)據(jù)；同時，疑難樣本可以推給更專業(yè)的算法團隊攻克。

2023年，雖然拓展現(xiàn)實交互技術(shù)的深度應(yīng)用仍然處于早期，但其對于工業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型和技術(shù)應(yīng)用的場景入口價值將得到進一步凸顯。一是工業(yè)生產(chǎn)場景入口，實現(xiàn)對工業(yè)生產(chǎn)過程的全方位可視化、模擬和優(yōu)化，提高設(shè)計、制造、檢測、維修等環(huán)節(jié)效率和質(zhì)量。二是工業(yè)培訓(xùn)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(zhì)量的培訓(xùn)教育體驗。三是產(chǎn)品服務(wù)的使用入口，客戶可在虛擬環(huán)境中預(yù)覽和定制產(chǎn)品，驅(qū)動產(chǎn)品銷售。

一是工業(yè)知識圖譜技術(shù)向工業(yè)生產(chǎn)鏈條的多環(huán)節(jié)快速滲透。幫助企業(yè)整合和利用各種生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、質(zhì)量數(shù)據(jù)等方面的專業(yè)知識，為企業(yè)提供生產(chǎn)優(yōu)化和質(zhì)量控制的決策支持。二是人工智能加速工業(yè)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(yè)的知識圖譜構(gòu)建，包括獲取各種文獻、專利信息、技術(shù)標(biāo)準(zhǔn)等方面的專業(yè)知識，同時自動化處理各種設(shè)備信息、工藝參數(shù)、質(zhì)量數(shù)據(jù)等方面專業(yè)知識。三是工業(yè)知識圖譜技術(shù)應(yīng)用將更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全。隨著國內(nèi)在數(shù)據(jù)安全方面的監(jiān)管和政策優(yōu)化，工業(yè)企業(yè)會更加注重數(shù)據(jù)質(zhì)量和數(shù)據(jù)安全問題，并提出更加有效的解決方案。

2023年是人工智能通用大模型進入“現(xiàn)象級”增長和規(guī)?；瘧?yīng)用的元年，對于工業(yè)企業(yè)來說，利用知識注入方式將工業(yè)機理與通用大模型進行融合將成為未來1-2年關(guān)鍵趨勢。通過知識注入，具備工業(yè)機理的工業(yè)大模型將獲得強大的垂直行業(yè)落地能力，幫助工業(yè)企業(yè)獲得更豐厚的業(yè)務(wù)收益。

一是處理更多類型的工業(yè)數(shù)據(jù)。例如文本、圖像、視頻、聲音、傳感器數(shù)據(jù)等多模態(tài)數(shù)據(jù)。二是處理跨工業(yè)領(lǐng)域和專業(yè)的數(shù)據(jù)。例如機械、電氣、化工、材料等。三是執(zhí)行多種工業(yè)場景和任務(wù)。例如故障診斷、質(zhì)量檢測、過程優(yōu)化、排產(chǎn)排程、產(chǎn)品設(shè)計等。四是提供魯棒性和可解釋的結(jié)果。對于工業(yè)認知和決策結(jié)論給出推理過程、證據(jù)支持、置信度評估等。

綠色低碳是制造業(yè)轉(zhuǎn)型發(fā)展的全新維度。2023年，“雙碳”技術(shù)棧將支撐綠色制造模式在發(fā)電、鋼鐵、化工、建材等行業(yè)逐步落地，其中碳足跡和減碳處于核心技術(shù)位置，帶來諸多趨勢性變化：一是碳排放量化技術(shù)，通過工藝機理和高質(zhì)量數(shù)據(jù)建構(gòu)工業(yè)生產(chǎn)和碳排放的內(nèi)在邏輯關(guān)系，結(jié)合碳排放核算能力的不斷提高，企業(yè)將找到衡量碳資產(chǎn)的有效方式。二是碳排放的時空視角，面向產(chǎn)品全生命周期碳排放核算（時域特性）和制造業(yè)全供應(yīng)鏈碳中和（空域特性）是發(fā)展方向。三是工業(yè)能源的綠色轉(zhuǎn)型，基于對碳資產(chǎn)的有效衡量和定價，以及碳市場的逐步落地，工業(yè)能源的綠色轉(zhuǎn)型將真正與企業(yè)的經(jīng)營指標(biāo)相關(guān)，從而推動企業(yè)主動推進能源綠色化進程。四是能源互聯(lián)網(wǎng)，企業(yè)利用虛擬電廠、綜合能源系統(tǒng)來管理調(diào)度多種清潔能源和能源網(wǎng)、實現(xiàn)全局ROI最優(yōu)成為可能，技術(shù)落地從樓宇級走向園區(qū)級。

2023年，人工智能的突破性進展讓業(yè)界開始關(guān)注大模型的行業(yè)化應(yīng)用，而工業(yè)大數(shù)據(jù)成為工業(yè)企業(yè)構(gòu)建AI可用的數(shù)據(jù)體系、打造工業(yè)大模型的關(guān)鍵支撐。對于數(shù)智化轉(zhuǎn)型處于領(lǐng)先地位的企業(yè)來說，工業(yè)大數(shù)據(jù)潛在的巨大價值將吸引他們未來數(shù)年持續(xù)加大IT投入，帶來一些趨勢性變化：

一是數(shù)據(jù)全生命周期管理加快被實踐，工業(yè)大數(shù)據(jù)的高度復(fù)雜性是傳統(tǒng)數(shù)據(jù)技術(shù)應(yīng)用于工業(yè)的難點，而AI技術(shù)非常擅長處理復(fù)雜但具備結(jié)構(gòu)性的數(shù)據(jù)，所以企業(yè)全生命周期數(shù)據(jù)管理的理念將被更多企業(yè)付諸實踐。二是大數(shù)據(jù)技術(shù)的進階應(yīng)用加速落地，數(shù)據(jù)技術(shù)高階應(yīng)用加快，比如數(shù)據(jù)處理環(huán)節(jié)的湖倉一體、批流一體，數(shù)據(jù)分析等技術(shù)應(yīng)用，數(shù)據(jù)分析環(huán)節(jié)的算法模型、智能標(biāo)簽、知識圖譜、可視化等高級分析技術(shù)等。

2023年，群體智能技術(shù)將更多被業(yè)界討論，并開始融入制造業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)攻堅進程。在大語言模型、邊緣計算、物聯(lián)網(wǎng)、知識圖譜等多種技術(shù)棧的支撐下，群體智能技術(shù)發(fā)展的基礎(chǔ)已經(jīng)趨于成熟，技術(shù)將逐漸走出實驗室。在技術(shù)突破點方面，群體智能技術(shù)探索重點會在多個智能設(shè)備或系統(tǒng)在邊緣節(jié)點的分布式協(xié)同計算。具體來說，利用邊緣側(cè)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(jié)點和云端的依賴，如工業(yè)機器人集群利用邊緣計算開展實時協(xié)作控制、故障檢測、自修復(fù)任務(wù)；設(shè)備傳感器集群可以利用邊緣計算實時開展數(shù)據(jù)融合、壓縮、分析等任務(wù)。這些都是群體智能落地的場景趨勢。

基于工業(yè)數(shù)字孿生底座，企業(yè)得以有效構(gòu)建起工業(yè)仿真系統(tǒng)，進而在系統(tǒng)中規(guī)?；囼炛T多數(shù)字技術(shù)，推動技術(shù)規(guī)?；瘧?yīng)用。預(yù)計2023年，工業(yè)數(shù)字孿生技術(shù)將繼續(xù)深入發(fā)展，顯著提升工業(yè)數(shù)字孿生系統(tǒng)面的復(fù)雜經(jīng)營環(huán)境的可用性，從而規(guī)?；螖?shù)字技術(shù)落地。一是數(shù)字孿生體構(gòu)建技術(shù)，在工業(yè)大數(shù)據(jù)支撐下，數(shù)字孿生技術(shù)從模擬特定場景向模擬復(fù)雜系統(tǒng)擴展，實現(xiàn)對整個生產(chǎn)過程、供應(yīng)鏈網(wǎng)絡(luò)、產(chǎn)品全生命周期等復(fù)雜系統(tǒng)的數(shù)字化建模。二是數(shù)字孿生交互技術(shù)，工業(yè)企業(yè)更加強調(diào)將數(shù)字空間的優(yōu)化結(jié)果及時反饋到物理世界，并獲得期待的經(jīng)濟效益。推動技術(shù)產(chǎn)品在數(shù)字空間與物理世界的雙向映射更加實時，物理對象的智能化協(xié)同水平顯著提高。三是數(shù)字李孿生支持業(yè)務(wù)創(chuàng)新。改進監(jiān)控改善工廠運營成本結(jié)構(gòu)，基于工業(yè)仿真環(huán)境預(yù)測分析和調(diào)度管理，產(chǎn)品對抗性研發(fā)、差異化設(shè)計等。

當(dāng)前，數(shù)字化轉(zhuǎn)型的企業(yè)面臨著自主可控和生態(tài)開放的雙重挑戰(zhàn)，而數(shù)字工業(yè)操作系統(tǒng)將給制造業(yè)數(shù)字化進程帶來自主性和開放性。在自主性方面，工業(yè)企業(yè)將更多通過私有化部署或訂閱方式獲得自主可控的數(shù)字工業(yè)操作系統(tǒng)，并根據(jù)企業(yè)的特點和需求進行定制化開發(fā)和應(yīng)用。領(lǐng)先企業(yè)會嘗試?yán)媚Ｐ蜆?gòu)造能力打造產(chǎn)業(yè)大模型（Industry GPT）。在開放性方面，企業(yè)趨向于基于工業(yè)操作系統(tǒng)的開放式架構(gòu)實現(xiàn)不同工業(yè)設(shè)備、傳感器、控制器的對接和集成，并實現(xiàn)跨行業(yè)、區(qū)域、企業(yè)的數(shù)據(jù)互聯(lián)互通。