数据应用是数字化转型的核心，但企业传统业务及系统架构存在的客观问题（系统集成、数据格式、接口标准等），导致设备与设备之间、设备与人之间、系统与平台之间都存在着数据孤岛，数据交互难度大，影响决策的制定和执行，拖慢智能制造数字化改造进程。

　　缺乏数字化人才

　　《“十四五”智能制造发展规划》提出，到2025年，70%以上的制造业企业要基本实现数字化、网络化。随着智能制造行业数字化转型进入深水区，推进企业数字化转型需要相应的数字化人才规划与执行，但传统制造业在这方面相关的人才储备不足，导致数字化转型的推进效果不佳，近年来企业对于数字人才的需求量也持续增加。

　　据人瑞人才与德勤中国近日联合发布的《产业数字人才研究与发展报告(2023)》的数据显示，当前智能制造相关的数字人才需求高涨，有50%受访企业表示供不应求，而预计到2025年该行业数字人才缺口达550万人，其中研发类、营销类和生产制造类数字人才尤其紧缺。 以工业软件为例，当前国内业界认为国内仍处于“黑夜中的探索”阶段，“卡脖子”问题尤为突出。从学科的角度看，工业软件主要涉及控制工程和信号与信息处理两个学科，即主要由软件来完成控制方面的计算以及信号与信息处理方面的计算。与工业软件进行交互的是机械、电子电气、液压等领域的对象，无论是让软件实现对特定对象的实时控制，还是在边缘设备或云上开展有效的信息处理，符合功能要求的工业软件必然要融合各类对象的机理知识，也就是说，开发者要综合工业领域的专业知识和计算机领域的知识，才能做好工业应用软件的开发。

　　形成这一问题的原因很复杂，要想解决也不是短时间可以达成的，目前国家已经针对这一问题推出了多项政策，从费用支持、人才引进、市场激励等层面进行刺激，同时拓展替代性的国际合作渠道，重新布局国家、区域和全球多圈层的产业链格局。

　　智能制造产业链

　　当前我国制造业正处于从传统生产模式向数字化、网联化、智能化演进的阶段，智能制造作为我国实现碳中和与走向制造强国的重要一步，产业规模日益增长。在数字经济的背景下，工业互联网通过全面构建人与人之间的互联互通，有效支撑了工业制造业各要素、产业链和价值链信息的全环节，机器和材料。无人工厂、智能生产线、绿色生产线等等高效且环保的新技术正在快速地改造着制造业，同时形成了初步的产业体系。

　　物理基础关键产品技术链

　　　表：智能制造产业链示意图

　　来源：观知海内咨询、a&s

　　表：AI赋能工业应用图谱

　　资料来源：工业互联网产业联盟，中金公司研究部

　　目前在工业场景中，AIoT技术从设计到物流环节的大量重复性场景中，已经实现了落地，机器视觉、语音技术、机器学习等技术大幅提升传统工业的效率，帮助工业企业实现降本增效。a&s plus认为，AIoT赋能制造业主要体现在以下五个环节：1）设计端，数字孪生仿真与规划验证；2）生产端，场景智能决策+自动化控制；3）运维端，AI算法智能双碳管理；4）检测端，机器视觉增强检测精准度；5）物流端，智慧物流控制台。海康威视基于制造企业的实际需求，依托智能物联的能力，立足于企业园区管理、生产过程管理、物流管理、营销管理四大环节，帮助企业提质增效，创新发展，实现企业透明化管控，为企业数字化转型提供助力。以设备设施管理应用为例，海康威视通过多样化数据采集技术获取全量全要素设备数据，提供设备设施巡检，实现设备状态的智能化监测、设备资产管理及设备智能检修。在数字化转型浪潮中，制造业都在敏捷响应市场变化，革新制造业价值链的各个环节，持续推进精益改善。“人治到数治”已成为其核心特点，全面实时地感知生产过程中的设备设施运行状态、人员规范行为和物料实时流转，从而在产研销供等全领域日益发挥出巨大的效用，为企业创造新的商业价值。

图：企业数字化转型重点建设趋势

　　来源：海康威视

图：不同制造模式下业务创新方向关注

　　来源：海康威视

　　厂商类型代表性企业业务重点

　　表：智能制造主要参与者