【太平洋机械】工业互联网专题报告：工业互联网进入爆发增长期

刘国清18601206568/刘瑜18323287945/吴栋栋/徐也/钱建江/曾博，欢迎电话交流！

报告摘要

工业互联网体系架构再梳理：根据架构体系，我们可以简单的将工业互联网分为感知识别层、网络连接层、平台汇聚层和数据分析层。其中的参与者可以分为工业体系参与者（自动化设备、传感器等）、ICT体系参与者（云计算、通运营、网络设备等）、平台参与者（大数据平台、云平台）以及安全保障参与者。

行业发展的动力从自上而下的政策推动转变为自下而上的企业自发需求：从政策层面来，2018年是行业政策密集出台的一年，国家顶层设计从框架到具体目标、标准基本完善；地方从补贴到优惠政策纷纷落实。从市场规模来，我国工业互联网市场继续快速发展，宏观预计规模有望保持每年18%的复合增长率至2020年达到近万亿元；微观，某云平台改造数字工厂数目呈几何式增长，宏微观相互印证。行业发展的动力从自上而下的政策推动转变为自下而上的企业自发需求，工业互联网的应用为企业带来实实在在的降本增效。对标全球，整个产业链在ICT系统端已经接近或者达到世界领先水平，在工业系统端仍有差距。

对我国工业互联网未来1-2年发展的几判断：1）基于渗透率远没到饱和以及技术不断革新对新应用、新需求的催化，行业仍将保持快速增长。2）相较于投资更大、回收期不确定的自动化设备渗透率提升，见效更快的息化推进进度会更快，当然自动化和息化相互促进。3）行业快速发展催生云平台数量继续快速增加，然后后发的、同质化竞争的过剩平台将会被整合。4）现阶段工业互联网云平台处于跑马圈地状态，市占率提升是第一要务，对盈利得比较弱，工业互联网和自动化设备企业是短期直接受益者；长期随着云平台的竞争格局趋于稳定、模式进入成熟期、规模效应起来，变现的能力和弹性会释放。

投资建议

当前国内工业互联网的发展已经进入实际推广时期，工业互联网的推进，对国内制造业战略意义巨大，具备长期逻辑；再加上科创版等催化因素，可能成为贯穿全年的投资机会。重关注拓斯达、埃斯顿、金卡智能、罗博特科；建议关注能科股份、维宏股份、海得控制等。

风险提示

工业互联网政策推进不及预期的风险；工业互联网项目落地进展不及预期的风险等。

报告正

前言

在我们前期的深度报告《工业互联网助力智能制造、实现产业升级》中，对我国工业互联网的基本情况进行了梳理，当前正值《工业互联网发展行动计划（2018-2020）》发布一周年之际，本篇报告主要从2018年行业的进展角度进行进一步思考。

1 工业互联网的体系架构再梳理

1.1 对架构体系的梳理

工业互联网的概念最早是由GE公司在2012年11月发布的《工业互联网：突破智慧和机器的界限》中提出的，工业革命和互联网革命在此前数百年时间独立推动制造业进步后，将综合作用，带领制造业不断发展。事实上，工业互联网是一个通过互联网将全球工业体系中的智能物体、工业互联网平台与人相连接的系统，组成要素包括了1）全面互联的工业系统中大量的智能物体；2）具有知识的工作人员；3）互联网；4）工业互联网平台；5）工业数据的分析工具。

根据架构体系，我们可以简单的将工业互联网分为感知识别层、网络连接层、平台汇聚层和数据分析层。

感知识别层负责智能物体的数据采集，是工业互联网架构体系的基础。智能物体的息主要包括标识、位置、状态、场景等。

网络连接层解决智能物体的接入和感知识别层获得数据的传输问题，是工业互联网体系架构的神经系统，通常包括互联网接入和网络连接两个阶段。

平台汇聚层提供数据存储服务和供数据分析的计算能力，是工业互联网体系架构的大脑。

数据分析层提供各类智能物体工业数据的分析工具，是工业互联网体系架构的核心。通过平台层提供的强大且低成本计算能力对感知识别层获取的海量数据进行分析，从中获得机器智能并反馈到工业过程中，达到提高效率、提升生产力的目的。

1.2 架构体系各个环节的参与企业

在整个架构体系中主要有几类参与者：

工业体系参与者，包括提供工业智能装备的企业（如西门子、GE、博世以及各类自动化专机设备提供商等）、工控企业（如和利时、ABB等）、传感器企业（如欧姆龙等）和工业网络（如思科、振兴通讯等）；

ICT体系参与者，包括云计算、通运营（如移动、联通、电等）、网络设备（如中兴、华为等）及数据管理分析；

平台参与者，包括大数据平台（如百度、昆仑数据等）、云平台（如阿里、华为、腾讯等）；

工业软件参与者（如用友、宝等）；

互联网安全参与者（如360等）。

目前来，国内企业基本在上述每个领域的每个环节都有了覆盖，建立起了完善的产业链，但在工业体系部分（尤其是工控、传感器）仍然较弱，有较大的发展空间，而在ICT以及上层云平台的部分起步快，先进性也更高。

2 对我国工业互联网2018年发展情况的跟踪

    总的来说，从2018年开始，行业从政府、学术界主要推动转变为下游企业受降成本压力影响的自发需求推动。目前国内主要工业互联网云平台处于跑马圈地状态，近几年行业增速将呈几何数增长。政府在行业发展中的作用主要是政策制定，通过补贴和奖励推动行业。

2.1 政策持续发力，从顶层设计向下进一步细化

国家及地方政策主要从两个方面对行业进行推动，一方面是制定可供实施的方案、目标；另一方面是提供补贴等财政支持、奖励（根据我们的产业链调研，到2025年我国政府预计将累计投入补贴5000亿量级）。

从国家层面，从年初政府工作报告到年末中央经济工作会议，再到国家制造强国建设领导小组下设工业互联网专项工作组，发展工业互联网的战略部署不断加码。工部发布“工业互联网三年行动计划”，对工业互联网产业体系的建立、上云企业的数量等提出了具体目标。随后，工业互联网平台推广指南、企业上云实施指南等一系列具体措施逐步出台，整个顶层政策框架体系搭建完成。同时，工部的工业互联网创新发展工程也对共计91个项目进行了财政支持。

在顶层设计逐步完善的同时，地方层面的政策也不断推出。上海、北京、天津、浙江、江苏、广东等主要制造业省市密集出台了各自的工业互联网产业发展政策，通过政策引导、资金补贴、规范标准、政府部署一系列动作，加快工业互联网建设。可以说，当前在政策层面已经为工业互联网的发展铺好了道路。

2.2 工业互联网市场快速增长

从2018年开始，国内工业互联网行业得到了快速的发展。

从行业角度，根据我们的专家访谈，我国2013年工业互联网市场规模为207亿，2015年规模为2800亿，2017在规模为5700亿，按每年18%的复合增长率预计2020年市场将达到近万亿元的规模。从增长率来讲，2018-2020年我国工业互联网将实现快速增长。

从微观层面，也可以对产业的爆发式增长进行相互印证。根据国内某知名互联网云平台的数据，其从2017年左右开始布局工业互联网改造数字工厂，2018年已经完成了100家数字工厂的改造，2019年预计这个规模将达到1000家。

2.3 行业发展的动力从上层推动转变为企业主动需求

过去20年主要工业国家的实际劳动力经历了快速地增长，这主要是得益于传统的工业数字化（以PLC和DCS为代表）的推进，而目前这一推进动力的边际效应已经越来越弱，进入一个瓶颈期。而工业互联网的应用能够有效打破这一瓶颈，推动生产效率的进一步提升。

工业互联网能够得到如此快速的发展，从根本上讲还是实体企业自发的需求推动的，是工业互联网解决了实体企业的问题、满足了实体企业的需求，这一已经得到了越来越多的企业的认可。下面，我们主要通过AII发布的几个优秀案例进行说明。

案例一——工业 PON 网络在潍柴车间内的应用

实现方法：采用工业 PON 网络技术，在潍柴 1 号工厂进行智能车间改造试，在总装车间、试车车间等8个车间部署工业PON网络，涵盖了加工、装配、试车、涂装四个部分试整套装备系统，对420余台智能设备进行网络联网，并通过集成各种主流的工业协议（ Profibus/Prof、Modbus、OPC DA/UA 等），为潍柴实现了各种先进制造设备的数据采集，为后续潍柴智能工业互联网建设打下坚实的网络基础。

优化方式：制造车间产线、制造质量工艺等数据通过网络传输至本地服务器存储。工业互联网大数据平台定期远程采集到存储在服务器中的始数据，获取之后进行对始数据的采集、清洗并完成入库操作。通过数据采集后对螺栓拧紧的拧紧方式、参数进行分析，从扭矩、角度、斜率等结果来判断螺栓一致性，从而可以及时发现螺栓拧紧中出现的问题，降低了产品的缺陷率，提升了产线生产效。

效果：实现了试车间内的设备的联网及数据采集，通过利用生产数据进行预测性维护分析及产品过程质量分析等应用分析，提高产线生产效率10%，降低缺陷产品率40%，降低设备故障停机时间50%。

案例二——基于EC-IoT 解决方案的迅达梯联网可预测性维护

实现方法：EC-IoT 解决方案包括终端通模块（PLC-IoT/RF6LowPan），边缘计算网关（AR502系列产品）， 边缘计算核心板（HiGrid T1和EC Core-L-1）和敏 捷控制器（Agile Controller），其中终端通模块支撑终端层设备间的智能互联，边缘计算网关负责对这些设备进行智能管理，而敏捷控制器通过开放的API与合作伙伴们的行业应用系统进行对接，实现预测性维护，保障高价值设备安全运转。

效果：降低运维成本50%（自动化的电梯运营管理，降低人工巡检次数，管理效率提升）；业务中断时间降低90%（从被动等待到主动上报，从人员现场排除到在线提前分析，故障排除更及时）；前瞻性维护提升安全性，降低故障率（智能的电梯平台及网络服务，构建部署智能应用，提前对电梯健康度评估并及时保养， 将安全隐患消除于萌芽，延长电梯寿命和保障乘客安全）；开放架构， 便于电梯厂商提供广告媒体及数据增值业务，为电梯厂商提供了一种新的商业模式创新。

事实上，工业互联网的应用除了在上诉大型企业有不错效果以外，在中小型企业中的效果更为明显。以阿里系的几百万家以纺服箱包为主业的淘工厂为例，其目前的生产过程中自动化水平十分有限，更谈不上智能化和数字化；阿里云仅仅通过简单的数字化（仅依靠系统集成商安装摄像头、传感器以及在云平台共享目前成熟的工业软件）改造对其生产、物流等环节进行优化（提供标准化的算法优化产线员工配比、通过淘宝端大数据对市场需求进行预测从而对存货的健康水平进行测算）就能降低其成本至少10%以上。

由此，在经过很短一段时间的政策大力推进后，敢于尝试的部分企业尝到了甜头，也给同行业其他企业提供了成功样本。在制造业竞争激烈、人力成本上涨、产业转型升级的大背景下，成本端的下降、生产效率的提升对企业管理者的吸引力是巨大的，催生企业对工业互联网应用自发的需求。

2.4 国内工业互联网行业与国外的比较

从需求种类来，美国做工业互联网最早做得比较多的是GE，GE最主要的一个方向是资产优化，产品销售出去之后，进行远程的运营维护，比如发动机、能源设备，通过工业连接、数据进行分析和优化；德国最突出的是生产技术的结合，进行生产工艺的优化；日本主要是自动化，对机器人+的应用比较多；这些基本上在中国都可以找到类似的案例。同时，由于中国工业体系的复杂化、多元化，国内对于工业互联网需求也会更多元化，有些甚至是发达国家没有的，比如基于工业互联网的融资、贷等。

从组成体系的各部分来，中国在ICT端的一些新东西和国外差距并不大，通过数据采集、关联学习，可以找到新的规律进行弥补，甚至还有新的领域是可以反超的；但在工业体系端（传感器、自动化专机等硬件设备）和国外仍有差距，这主要是由于中国在工业上的积累还不够所造成的。

从推进的接受度来，受益于国内消费互联网大发展对实业界思想的渗透和启示，国内企业对互联网技术的接受度相较于国外更高；同时，中国工业化本身时间不长、积淀不够深，反而没有那么大的包袱也是接受度更高的一个因。

3 对国内工业互联网未来1-2年发展的几判断

行业规模仍会保持快速增长

主要基于两：1）目前行业仍处于发展初期阶段，所覆盖的下游实业远没有到饱和的时候，基于前面企业的成功经验，不愿被淘汰的后发企业会源源不断的跟进；2）相关技术仍在发展过程中，并没有成熟定型，新技术的出现有望推动新应用和新需求的诞生。

相较于自动化设备的渗透率提升，偏软方面数字化推进会更迅速

以自动化设备为基础的工业自动化、智能制造实现周期较长（至少需要10年时间），且设备更换对资金投入要求高、有可能对现有工艺进行改变，投资回收期有可能会比较长，中小企业决策难度大；相反，工业互联网具有迭代发展和平台经济性，且对于数字化程度很低的中小企业见效快，更容易在当前资本密集投入的模式下进行推广。当然自动化和息化相互促进。事实上，根据中国通院的调，目前工业企业对于数据资产管理的重要性已经形成了一定的认识，98.6%的工业企业都认为数据管理工作值得投入，且已有87.8%的企业开始投入或正在规划数据管理相关的工作。而根据我们的产业链调研，目前国内某互联网平台对于下游中小企业的改造也还是重在数字化软件方面，对于企业的自动化及工艺流程并没有进行改造，由于当前水平的数字化改造所需资金投入相对较低，且效果明显，下游企业接受度很高。

云平台数量会继续快速增加，然后进入大规模整合期

根据工业4.0研究院的统计，截至2018年底，国内共有工业互联网应用案例涉及云平台60余家（含海外10家）；预计随着工部和各个地方政府上云计划的推进，到2019年这一数字会超过200家。如果未来这些云平台无法形成自循环的盈利模式，再加上工业互联网天然的规模效应、先发优势以及对技术快速迭代的要求，国内工业互联网云平台集中度会迅速提升，各种后发的、同质化竞争的过剩平台将会被整合。

工业体系企业和工业软件是短期直接受益者，长期平台盈利潜力大

当前国内的工业云平台企业仍处于跑马圈地的状态，市占率是第一要务，对盈利的考核不强，行业快速发展期能够直接赚到钱的往往是安装传感器、摄像头等设备的系统集成商、以及专业化工业软件（比如ERP、MES等）的提供商（例如，国内某互联网公司云平台对于中小企业的服务基本不收取费用，中小企业只需要付系统集成商的安装费用以及云上共享工业软件的使用费用即可）。长期，等云平台的竞争格局趋于稳定、模式进入成熟期、规模效应起来，变现的能力和弹性会释放。

4 投资建议

当前国内工业互联网的发展已经进入实际推广时期，工业互联网的推进，对国内制造业战略意义巨大，具备长期逻辑；再加上科创版等催化因素，可能成为贯穿全年的投资机会。重关注拓斯达、埃斯顿、金卡智能、罗博特科；建议关注能科股份、维宏股份、海得控制等。

5 风险提示

工业互联网政策推进不及预期的风险；工业互联网项目落地进展不及预期的风险等。