中国信息通信研究院李海花：互联网和大数据的关系

互联网IDC圈4月27日报道，互联网的发展使得大数据引起人们广泛关注。现如今大数据技术早已渗透到金融、通讯等行业以及生物学、物理学等领域。大数据在容量、多样性和高增速方面的爆炸式增长全面考验着现代企业的数据处理和分析能力，与此同时也为各个行业带来了准确洞察市场行为的机会。迄今为止大数据技术与产品有哪些创新，工业大数据应用面临哪些挑战，金融行业大数据应用现状如何等。围绕这一系列问题，4月27日至28日，由工业和信息化部指导、中国信息通信研究院主办的"2016大数据产业峰会"在北京国际会议中心盛大召开。

其中在27日下午的"大数据与工业互联网"分会坛上，中国信息通信研究院技术与标准研究所副总共李海花作了关于"工业互联网和工业大数据"的主题演讲。

李总首先从三个方面介绍跟大家分享了信通院在工业大数据、工业互联网方面研究的初步的成果。

首先是对工业互联网的理解

说到工业互联网的时候，像美国、欧洲，特别是德国提出工业4.0，包括中国制造2025、智能制造、工业互联网都在推动，包括很早以前我们就在推进的"两化"融合。虽然战略不太一样，但是核心都是推动制造业的转型升级，结合了新一代的信息技术。另外还有一些装备的升级以及工艺材料方面的升级。我们认为工业互联网是很重要的基础和核心。

在这种发展下会有很多新的业务和模式的创新，我们总结成"四化"，个性化定制、智能化生产、网络化协同、服务化延伸。内在有很多，包括互联网内部和公众网上会有一些大的演进和变革，最终为了实现我们的节能减排目标。

首先对工业互联网的内涵，我们当时研究的时候也是针对互联网，做了一个对比。理解互联网的时候都会谈到云管端，有手机、有网络、有云、有平台、有应用。工业互联网对应类比过来，上边是我们对工业互联网的定义。首先我们认为它是产业和应用的生态，我们谈互联网的时候很难抛开网络不谈应用，还有商业的创新和对产业的带动作用。我们认为它是互联网新一代技术与工业系统的全方位深度融合形成的产业和应用的生态。

谈到互联网，互联网大家都知道是很重要的全球互联的基础设施，工业互联网我们认为是架构在现有的公众网络上去，针对工业有增强和演进。所以信息基础设施是很重要的一环。

云管端理念对工业互联网也是适用的，针对的对象和要素稍微有一些差异，我们原来谈互联网更多的强调是移动手机，但工业互联网强调的是机器、产品装备、原材料，还有工业系统相关的要素。在网络层面，除了大网还要考虑工厂内部网络的信息化和信息控制系统的发展和建设。另外在应用模式上有很多新的创新。

汪处长刚才讲到了数据是很重要的一环，我们把它放在很重要的核心。网络互联只是一个基础，但是不是目的，目的应该是数据基于各种网络链接能够流动起来，形成全方位各个层次的数据链条。在此基础上，通过我们的一些建模分析产生各种智能化的应用。

我们在研究工业互联网的时候数据我们认为是最核心的驱动，是工业互联网很重要的一个核心。数据涉及到很多层面，包括底层涉及到数据的传送最基础的，在网络连接的基础上，类似于IaaS层面的。另外我们还要探讨不同的层次在于去用这些采集的数据，包括工业系统比较特别的是工业数据的自执行，还有跨系统数据的共享、流动和建模分析。在我们看来数据和工业互联网是非常紧密的关系。

目前我们也在研究工业互联网体系架构

昨天开会形成了一个初稿，希望在5月份的时候能够发布体系架构，因为这个体系架构包括了定义，怎么看待工业互联网，对工业互联网后期的研究是非常关键的。

我们大概达成一个共识，首先数据是一个非常重要的核心，我们把它放在中间。涉及很多环节，包括数据采集，在微观层面数据实时的集成处理，保证工业处理的实时性。网上有数据的建模分析，再结合各个层次，车间工厂企业层面利用数据实现运营生产的优化。另外还要考虑数据在大网上的闭环。工业互联网大的体系架构就是我们把数据作为核心的要素，跟物理的连接，包括应用采集层面。这是一个大的闭环，不同的闭环对数据的要求，可靠性、分析、数据源都是不太一样的。

另外是网络化安全，网络是基础，安全是很重要的保障。网络含了网络的互联，还有标识解析和应用支撑，IaaS、PaaS、SaaS都有相关的支撑，还有系统的服务化。这是我们对整个工业互联网系统的认识。

简单的跟大家分享一下工业互联网国际上的一些进展。首先德国工业4.0还是推动的比较快的，汉诺威有很多新的步骤。工业4.0平台政府发挥很重要的作用，另外还有企业、高校、研究机构，还有几大协会，包括产业化协会，涉及到不同的电子电器、通讯等等，共同推动工业互联网的发展。他们的协会也是很大的，一个协会有好几千人，我们也想借助联盟加快推动、整合。同时包括产业不同的角色和跨界的合作。

2015年10月份发布的标准路线图2.0版，提出成立工业4.0标准化理事会。另外也发布了参考架构，和我们的架构不太一样，我们叫体系架构。在2.0版本的标准路线图上可以看到关于参考架构的详细描述。包括案例库的收集和测试床。

美国国家层面是有先进制造战略的，有一个标准化委员会推动做很多的工作。我们跟踪比较紧的是美国工业互联网联盟这个组织。目前进展非常快，成员涵盖的251家，涵盖了不同的类型。有大数据相关的企业，有工业企业，还有搞系统集成的做连接的信息通讯的企业，涉及各个层面，十大类型。全球影响力还是很大的，40%多是美国，但德国、亚太的企业也在纷纷加入IIC，发展非常快。

他认为自己不是一个标准化组织，希望提点一些标准化需求，认为是产业推动的组织。目标是提出他的参考架构，在此基础上引领标准的制定和相关的研发。中国已经有11个单位加入，也在组织一些活动，看怎么深度的参与IIC的工作。

梳理几个核心的工作，一个是测试床，进展非常快，待通过的20多个，已经通过的15个左右。另外也征集了很多的案例，提炼一些共性的需求，展示业界具体的经验。他已经和70来个组织建立了关系，希望能够深化标准组织的影响力，把他的成果反映到标准组织里面去，开展标准化的工作。

2015年美国IIC和德国工业4.0都发布了参考架构，两个组织也在进行对接。首先从大的角度来看大家都不希望全球是割裂的，各有各的体系，所以希望协作形成全球化的体系。3月2号的时候，德国工业4.0和美国IIC签署了合作协议，要进行深度的合作。因为参考架构是大家推动相关研究的基础，包括测试床，他们也是做了一个映射。左边是IIC给的架构，从功能视角可以看到有物理、控制、运营、应用、商业，另外就是一些跨层的功能和系统特征。这是德国的，基本是三大集成的理念，纵向的，跟企业组织相关的，端到端的全生命周期管理的，从功能的角度做的一个映射。双方签署了合作意向会进一步推动将来的合作，针对具体的测试床和具体的标准，他们计划5月初在芝加哥开会进一步讨论。

中国这块我们看一下海尔和航天二院。中国的企业在工业互联网方面做的很多的探索，包括海尔智能工厂，有很多相关的宣传。海尔在沈阳的冰箱厂一个产品线能够支持500多个型号的产品生产，在各个维度都有快速的对产品线的调配。航天二院之天智云也是发展非常快，包括协同生产服务和制造资源相关的企业搭建一个大的平台提供协同的设计研发和商业方面的对接，现在已经汇聚了30多个企业。

首先可以看到云、大数据是其中很重要的一环。中国在个性化定制，包括三一的远程运维，包括企业内部的大数据应用都是很多的。现在有很多的实践，这些实践会推动工厂内部和大网发展和演进。

从生产系统改造来看，工业企业也是非常重视的。灰色是现有生产制造的产线和控制系统，很难改造，企业普遍的做法是在设备上叠加一些传感器，这样能把数据采集上来，汇聚到工业数据平台上进行大数据的分析和应用。工业企业发展比较快，同时还有很多互联网的企业，阿里有很多的实践。

简要介绍一下我们对工业互联网的认识以及国外最新的情况总结

简单介绍一下工业互联网产业联盟。工业互联网苗圩担任主任。成员发展非常快，刚成立的时候143家，现在正式会员已经有158家，还有很多加在提出申请。整体来看，我们院是理事长单位，还有9家副理事长单位，34家理事单位。来自工业企业和信息通讯企业会员的数量是持平的，都是30%多，一个36%，一个38%.还有一些安全公司。我们希望做成一个全球化的联盟，也有境外的企业，我们是本着开放的心态推动。

现在一共有七个组，总体组、需求组、技术与标准租、安全组、试验平台组、产业发展组、国际合作组。在总体组下面设了三个特设组，工业大数据、边缘计算和知识产权，也是希望能够对这些重点的方向汇聚力量快速突破，知识产权主要是做支撑方面的服务。

七个工作组主要工作范畴的总体考虑。总体组主要是体系架构的研究和整体工作统筹。需求组涉及到共性和行业特有需求的分析。技术标准租对包括网络相关的、云、大数据相关的基础研究和标准的制定。我们希望跟德国和美国IIC合作，组织相关的试验平台，把我们的研究成果拿到试验环境下验证推动。包括方案在试验平台上的试运行。也会做产业发展推广的工作，包括试点示范，包括解决方案的遴选，最佳实践推荐。另外是跟国际合作的推动。

我担任总体组的组长，阿里的是需求组，航天科工是技术与标准，360是安全，试验平台是华为，中国电信是产业发展，信通院是国际合作，华为是边缘计算组组长。

下次的会议计划在7月份召开，各个工作组的工作同时来推动。

我把大的成果梳理了一下。一个是试验报告，大家可以关注一下，成熟以后会在联盟的网站上发布。试验平台也会搭建水平架构和垂直领域试验平台。产业发展这块也有很多工作要做，包括试点示范、解决方案的输出、优秀案例的发布，另外也有推动标准研制和国际合作的工作。5月份左右开始有成果的输出，节奏应该是很快的，大家可以多关注联盟。

下面是工业大数据。我们把工业大数据放在很核心的位置，含很多环节，包括采集、处理、建模、决策。数据源很多，来自不同的元素，包括传感器、机器、工厂、企业经营数据。通过网络互相衔接形成大的闭环，包括应用的支撑。

我们也对工业互联网与传统的工业数据和互联网数据进行了对比，包括范围、采集的频率、数据量、格式、关联性、实时性的要求。整体来看工业互联网实时性的要求我们觉得更高，特别是在生产制造环节。工业这块的数据量也是非常大的，数据的结构也是并存的，我们也是做了多种比较。实时性比较突出，另外没有呈现出来的，工业门类非常多，不同的行业需要分析不同的特性，关注的数据也是不太一样的。

目前工业架构中的数据应用情况有一个展示，总体来看还是相对割裂的，没有完全形成一个闭环。企业有一个网关，这是防火墙，生产环节的数据基本上还是在这个层面，没有很好的和企业之间衔接起来。我们去调研，很多数据的配置和使用都依赖于员工的调整，没有达到智能化自动的调整。另外，没有形成真正的闭环，以及和企业层面形成大的闭环。

工厂部署环节图。将来工厂内部两个层面，一个是在工厂下面形成一个闭环，将来边缘计算的能力是很关键的，数据汇总到综合的处理平台，通过工厂级的控制，用服务器实现对底层的控制。另外，很多数据能够上到企业级的数据平台上去，包括互联网的数据，包括生产环节的数据。最终通过数据的分析实现对生产经营的决策和反馈控制。

从这张图上可以看到将来数据对信息系统的演进和对外连接也会有很大的影响和推动作用。

这是我们从功能架构给出来的工业数据，分成几个大的层次。这张框架图我们还在讨论修改中，和最终发布的不完全一样，我们分了数据采集，有各个环节的数据采集。然后是数据集成和处理，这些数据采集上来以后，跟实现工业系统的数据对象关联，很多不同的数据进到不同的数据库里。数据采集上来以后要叠加语义进行描述，以便进行数据的分析和建模。最终实现各个环节智能化的应用。在建模上我们跟国外可能有一些差距，不仅是某一个功能，包括产线整体的建模、流程的建模，这是未来很重要的关键。

简单把我们对工业数据的理解介绍一下。联盟下面有大数据的特设组，希望通过特设组快速推动工业大数据的研究。包括整体性的研究、需求框架、标准试验。

这是具体的成果，包括发布大数据行业需求分析报告，对具体行业数据应用情况和需求进行分析。二是针对工业大数据给出一个体系框架，包括后续的实施路径，发布一个白皮书。工业大数据也是和联盟里的很多组是相关的，所以还有一个重要的工作，特设组的工作是将来我们要制定什么样的工业大数据的标准，开展什么试验，开展什么验证内容，由哪些专门的行业来推动，会给出倾向性的建议。