中文
- 中文
- 英文
中文
作者：德图资本 邱纪铭
工业互联网结构概览
各行业工业互联网应用现状
国内外工业互联网发展情况对比
边缘层、基础层、平台层、应用层拆解
数据来源：Wind、国家统计局数据
银行准备金率变化：
2017年未降准：
此前最近一次降准时间为2016年3月；
2018年降准时间表：
1.2018年1月25日：部分银行下调0.5-1.5%；
2.2018年4月25日：下调1%；
3.2018年7月5日 ：下调0.5%；
4.2018年10月15日：下调1%；
2019年降准时间表：
5.2019年1月15日：下调0.5%；
6.2019年2月25日：下调0.5%；
7.2019年5月5日：区县银行下调1%；
8.2019年9月15日：下调0.5%；
9.2019年10月15日：部分省级银行下调0.5%；
10.2019年11月15日：部分省级银行下调0.5%。
贷款基准利率变化：
2015年10月24日-2018年4月7日；
一年期贷款基准利率 4.30%；
2018年4月8日-2018年8月19日；
一年期贷款基准利率 4.31%；
2019年8月20日：调整LPR定价基准：
2019年8月20日：4.25%；
2019年9月20日：4.20%；
2019年10月20日：4.20%。
我们认为，随着网络基础设施的不断完善，工业互联网最先启动的增长点必然是底层设备的连接入网；随后，当连接数目达到一定量级，各类细分应用及数据挖掘领域才能进入快速成长阶段；最后，当数据积累到一定程度时则会进入工业互联智能时代；即工业互联网产业发展必然经历采集感知、数据归集再到云计算智能化三大阶段；目前阶段，我国传统制造业基础感知层的匮乏依旧是变革的核心痛点。
周报数据源引：《工业与联网平台白皮书》德图整理
边缘层：采集感知并高效的大幅替代人工
机械手臂、数控机床、AGV、RFID标签等实体生产设备；
基础层（IaaS）：云计算的基础支撑
服务器、数据存储、虚拟机等半实体设备为工业制造企业大幅缩减设备投入；
平台层（PaaS）：工业互联网的核心
算法组件、服务框架、开发工具及工业数据汇集、管理、分析的环节；可以狭义的理解为系统平台如Windows、安卓等，主要面对应用开发者；
应用层（SaaS）：客户粘性较高的垂直领域
工业软件应用及数据安全防护。
重资产机械制造业对工业互联网需求最为迫切，围绕设备维护需投入大笔的人力成本和零部件的周转成本，所以降本增效的需求持续整个设备寿命周期，这也提供了传统工业向智能化工业转型的重要契机。
与国外工业互联网发展情况不同，中国工业头部企业带动变革的形势更为明显；
规模化以上的大企业占比67%，远高于国外的46%；
同时，国内基础层IaaS市场规模显著领先于平台层、应用层及工业安全领域，
这也代表了我们现阶段的发展情况，即边缘采集层尚未普及导致工业平台数据不健全，工业垂直应用难以开发的现状。
周报数据源引：工信部工业互联网报告 德图整理
基础层并不依靠边缘采集层的普及，是故得以高速发展；以阿里为首的基础层IaaS云企业仍处于攻城略地的高速发展期，虽未盈利但营收规模4年增速均在90%以上；
而制约中国工业互联网发展的瓶颈依旧为制造业本身的设备数字联网化；我们预计先进制造的设备更迭及底层工控系统的发展将成为现阶段政策鼓励的重点环节，应予以关注。
周报数据源引：公开资料 德图整理
美的集团空调事业部2010年开始引进三轴机床，2017年初并购德国库卡；8年间空调事业部年营收增逾500亿，但工人数量由5万缩减至2万余人。
由此可知传统制造业底层设备的更迭演进时间周期较长，现在来看国内龙头制造企业（海尔、三一、美的、格力等）已经进入数字联网化环节，以龙头带动趋势及工业互联网产业联盟数据来看，未来1-2年间将有大批量制造企业跟进制造设备数字化领域；随后工业互联网边缘采集层发展将对平台层及应用层迅速产生推动效应。
周报数据源引：工业互联网白皮书、Wind
IaaS 的技术门槛和成熟度较高，底层技术直接决定最终产品和服务的性能。我们认为，公有云的核心技术已经相对成熟，后来者很难以技术革新形成突破。
IaaS 前期需要大规模资本支出用于采购服务器、网络带宽等基础设施，因此 IaaS 需要大规模的资本、管理投入，随着近几年的快速发展，达到一定体量的巨头规模优势已经十分明显，市场壁垒已经逐步形成。
根据IDC的数据，2018年全球云计算渗透率仅为9.5%，市场距离饱和仍有极大空间；同时，全球公有云 IaaS 市场前五名 亚马逊、微软、阿里 、谷歌和 IBM，收入整体增长率为 39.0%，行业内其他厂商的收入整体增长率仅 11.1%，未来IaaS市场将呈现更为明显的寡头垄断格局。
周报数据源引：IDC Wind
工业互联网IaaS与非工业SaaS发展将先行于PaaS，倒逼PaaS的发展 ；
IT方面，目前工业数据数据采集量不够大，样本不足，PaaS层的工业大数据建模分析能力薄弱；
OT方面，行业机理模型沉淀能力薄弱，是目前工业PaaS平台建设的主要短板，如何将行业知识形成机理模型是发展4.工业PaaS的关键要素； 目前阶段的工业PaaS巨头大部分都是制造业龙头企业，先天数据优势沉淀为PaaS领先动力；
在基础架构选型方面：59%的平台企业采用自主研发架构，其余的均采用Cloud Foundry、Open Shift等国外成熟的开源架构体系。
周报数据源引：IDC / Wind,德图整理
国内外主要工业互联网平台
平台层需要大量行业机理及数据沉淀，因此主要为工业龙头企业自建孵化；
头部平台推出时间以2016-2017年为主，以传导趋势来看，工业类SaaS及工业云安全应用或于今明两年有较大成长
数据来源：《工业互联网发展白皮书》德图整理
涉及设备和不定向流程较多的行业，（钢铁和服装行业）两化融合及应用层发展相对较慢；
具有行业属性，各垂直行业的工业互联网实施业务场景相对独立，跨行业应用很难大量出现。
工业互联网平台应用场景分类
第一类，设备产品管理：针对工业设备和工业产品开展资产管理服务。覆盖所有行业，是深度应用的前提；
第二类，业务与运营优化：打通OT数据与IT数据，支持企业传统业务和运营优化；
第三类，社会化资源协作：融合工业、金融、服务，整合产业链、价值链各方资源，开展企业业务转型、商业 模式创新，打造新竞争模式。
由于工业行业所处的产业链位置、生产特征、业务需求和两化融合水平存在差异，现阶段工业互联网平台应用推广在各行业步调不一，应用重点和发展路径呈现出较为明显的行业特征。
数据来源：《工业互联网发展白皮书》德图整理
