华为新型工业互联网平台参考架构.pdf

践行深度用云新型工业互联网平台参考架构主 编 单 位编 委 顾 问编审组成员参 编 人 员责 任 编 辑华为云计算技术有限公司尚海峰 胡玉海 李金锋徐 俊 王 飞马 奇 王 立 钱 沛 张金东 刘国锋 史梦婷 孙晓光 洪宏能 舒 文 陈泽腾 王 瑞编制委员会P R E P A R A T I O N C O M M I T T E E（排名不分先后）02 业是国民经济繁荣发展的前提和基础，工业也是技术创新的主战场。据统计，美国工业占国内生产总值比重不到20%，但70%的技术创新直接或间接依托于工业领域的高质量发展。因此，没有工业化的高质量发展，便不会有经济的高质量发展。数字化与智能化是工业腾飞的翅膀，融合了云计算、AI、大数据、IoT等创新技术的新型工业互联网平台，正在成为新型工业化的关键推动引擎。随着平台与制造、矿山、油气、电力等行业的深度融合，未来工业将向着柔性智能、产业协同、个性定制和低碳排放的方向发展。基于此，将重构新的生产关系，新的商业模式也将持续创新孵化。未来工业将把劳动者从重复性、危险性、繁重性的工作和环境中解放出来，并为人们创造安全、体面、更富创造力的工作，还将为人类带来安全丰富的能源供给、智能便捷的交通出行、舒适宜居的建筑，以及更美好的环境，将人类带向更美好的明天。在新型工业互联网平台参考架构中，我们分析了制造、矿山、油气、电力等行业的数字化与智能化进展、典型行业应用场景，洞悉了全面迈向“数字化、智能化、绿色化、可持续化”的未来工业发展趋势，并提出了基于混合云与AI大模型的“新型工业互联网平台”架构体系。华为作为一个涵盖研发到生产、销售、服务的全链条工业企业，通过全面的数字化转型，华为的产品开发及试制周期缩短了20%、订单履行周期缩短了76%，销售效率和服务质量都得到了有效提升。同时，我们积极应用智能化技术，生产线所有关键工位都采用视觉AI质检，在工厂内全流程实现自动化配送，使得平均每年生产效率提升27%。经过多年的深入实践，华为已成为具备较强数字化与智能化能力的实体经济企业，我们希望利用华为在云计算、AI、大数据等方面的技术积累，聚焦工业场景，探索新型工业化转型之路，为客户创造价值。在过去1年中，华为和相关产业机构、行业领军企业、合作伙伴一起探索基于混合云与AI大模型的新型工业互联网平台，携手取得了一些实践尚海峰华为主机上云军团CEO、混合云总裁工序言P R E A M B L E经验与案例，也集结于本书中，以期能与业内同仁共享成果，并对产业实践贡献力量。在实现新型工业化的征程上，全面数字化、云化、智能化是大势所趋，未来已来，时不我待！我们愿与产业链上下游产业同仁、客户、伙伴、广大开发者一起，为推动工业与信息化深入融合，加速数字化与智能化转型共同努力、共创共赢。目录D I R E C T O R Y工业互联网是新型工业化必由之路3.1 新型工业互联网参考架构概述3.2 工业云边协同3.3 工业智能数采3.4 工业数据融合3.5 工业数智协同3.6 工业应用开发新型工业互联网平台定义与架构体系010306-092.1 工业互联网平台进入实践深耕阶段2.2 工业IT架构向全互联开放架构演进2.3 各行业工业互联网建设特点与场景需求工业互联网产业趋势洞察0210-1516-324.1 制造4.2 煤矿4.3 电力4.4 油气行业典型应用场景未来展望与推进建议0433-496.1 未来展望6.2 推进建议5.1 鄂尔多斯：打造基于AI大模型的工业互联网产业集群5.2 长安汽车：构建智慧工厂数字底座，实现C2M柔性制造5.3 广西电网：构建云数一体的新一代计量自动化系统5.4 山西：全面推进煤矿智能化和工业互联网平台建设行业应用案例0550-690670-73工业互联网是新型工业化必由之路“数字化、智能化、绿色化”已成为全球经济发展主旋律，也是工业领域如制造、电力、油气、矿山等行业转型升级的重要方向。云计算、人工智能、大数据、IoT等新一代信息技术加速突破，与工业深度融合创新，将推动工业的生产方式、发展模式和企业形态发生根本性变革。放眼世界，中国、美国、德国等主要工业大国均出台了国家顶层战略规划指引，加快推动工业数字化与智能化转型，强化工业核心竞争力，抢占竞争制高点，夺取发展主动权。全球工业大国均在布局工业数字化与智能化转型略等系列战略规划，意图提高德国工业的竞争力，在新一轮工业革命中占领先机。中国在2015、2016年分别提出了“智能制造”和“工业互联网”建设目标。在新时代的征程中，又提出了新型工业化的新内涵，近期明确提出了在2035年基本实现新型工业化，强调坚持把发展经济的着力点放在实体经济上，广泛应用AI技术、数字化技术、绿色技术，促进科技创新与产业升美国多年来持续并强化布局先进制造业，自2011年起发布先进制造业伙伴计划、成立工业互联网联盟、发布2022国家先进制造业战略等一系列战略与计划，意图引领工业数字化发展，持续扩大工业领域的核心竞争优势。德国是全球率先提出工业4.0概念的国家，自2010年先后提出高技术战略2020、工业战略2030、人工智能战略和德国新数字化战图1.1 全球主要工业国的工业数字化战略区别代表国家产业主张德国工业4.0美国工业互联网中国聚焦行业制造业为主泛工业（能源、医疗、制造、交通）泛工业（能源、医疗、制造、交通）典型场景智能装备、智能工厂、智能生产工业大数据分析和预测维护智能化生产、服务化延伸、网络化协同价值驱动降本增效、柔性生产、产品智能服务卖产品卖服务（基于大数据）政策牵引、模式创新、产业集群升级切入环节关键体系主导厂商西门子、博世、SAP，以及德国众多细分行业、细分领域的“隐形冠军”信通院、三一集团、航天云网、海尔、中国电信、华为等特点及阶段标准化、现场技术强；顶层设计已完成处于商业推广落地关键时期事实标准、云端技术强、现场能力不足从大企业转为小企业技术创新驱动时期场景丰富、数据丰富，制造业大而不强顶层设计与商业推广同步走，政策强牵引工业互联网+智能制造云端（协从）大数据分析、互联网服务系统平台（核心）CPS信息物联系统终端设备（重点）传感器+机器人+装备网络（协从）物联网IP化/无线化OT强推动力云端（核心）大数据分析、互联网服务终端设备（协从）传感器+嵌入式智能分析软件网络（协从）物联网IP化/无线化IT强推动力工业互联网平台网络强基标识解析数据汇聚融合应用创新安全CT/IT强，OT大，产业集群广设计生产维护设计生产维护设计生产维护供应链5大发起公司：GE、思科、Intel、IBM、AT&T07级，加快传统制造业向智能制造与服务型制造的转型升级，推进新型工业现代化进程，加快建设制造强国、网络强国、数字中国。因此，推动工业数字化和智能化升级，是实现工业往高端化、绿色化转型的重要支撑。工业互联网是新一代信息通信技术与工业经济深度融合的关键基础设施。通过人、机、物的全面互联，构建起覆盖全要素、全产业链、全价值链的全新制造与服务体系，为工业数字化、网络化、智能化转型提供升级路径，是我国实现新型工业化的关键基础设施和重要驱动力量。根据中国工业互联网研究院最新发布的中国工业互联网产业经济发展白皮书（2023年），工业互联网产业增加值总体规模持续提升，成为经济稳定增长的有力支撑，预计2023年的情况如下：工业互联网核心产业增加值将达到1.35万亿元，带动渗透产业增加值3.34万亿元，工业互联网产业增加值总体规模达4.69万亿元，占GDP的比重上升至3.72%，是支撑我国经济向上发展的重要力量。工业互联网带动增加值规模超过千亿元的行业达到9个，在第二产业中，对制造业、采矿业的带动作用最为明显。可以看出，工业互联网对各行业数字化转型升级的赋能作用持续凸显，与各行业融合发展正在向更广范围、更深程度、更高水平迈进。工业互联网是工业数字化转型的关键基础设施制造业19993.14信息传输、软件和信息技术服务10027.71批发和零售业3148.35采矿业2411.96金融业2322.66交通运输、仓储和邮政业1636.9电力、热力、燃气及水生产和供应业1547.4租赁和商务服务业1487.55增加值规模（亿元）房地产业1269.270 2500 5000 7500 10000 12500 15000 17500 20000图1.2 工业互联网带动多个行业增长08工业互联网是围绕全产业链、全价值链、全要素的全面链接，通过构建新一代信息技术来赋能制造业，强调海量生产要素的互联互通，运行数据的价值挖掘和工业知识的沉淀复用，为应用AI和大模以智能化为核心，赋能新型工业化高质量发展型提供了天然土壤。根据工业互联网产业联盟最新发布的2023工业大模型技术应用与发展报告显示，在过去3年期间，工业AI企业增长了近5倍，AI与工业融合展现了强劲产业增长势头，预估到2032年市场规模将高达895.3亿美元。AI大模型具有强大的泛化能力和更好的跨模态、跨领域应用能力，在研发设计、生产制造、运维管理、培训服务等工业环节具备广泛的应用价值。通过将大模型服务融入到工业互联网平台，实现从单点应用、局部优化到业务贯通和协同发展的智能化升级，打造高效率、低成本、绿色化的工业智能解决方案。在2024年政府工作报告中，也专门提出深化人工智能研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。国内以矿山行业为代表的头部能源大省和矿业集团，率先通过部署以混合云与AI大模型为核心的工业互联网进行探索。如鄂尔多斯和华为合作，建设了三统一（统一标准、统一架构、统一规范）的煤矿工业互联网平台体系，实现260多家煤矿统一接入。针对煤矿生产主要涉及的掘进、采煤、主运等96个细分作业场景，借助华为AI基础设施和盘古大模型视觉、预测能力进行AI智能化改造，探索实现矿山生产的全场景智能应用，提升煤矿行业安全高效发展水平；并依托工业互联网平台，提供统一的AI算力和创新资源，聚集煤矿产业上下游生态，吸引行业合作伙伴和开发者落户鄂尔多斯。数字化方兴未艾，智能化已然到来，以混合云和AI大模型为核心的新型工业互联网平台，将成为工业“数字化、智能化、绿色化、可持续化”的核心推动引擎，也是新型工业化高质量发展的必由之路。10000800060004000200002020 2021 2022 2023*数据来源：coresignal、VC、CB lnsights工业 其他40178312301834AI初创企业数量（个）100080060040020002022-2032工业AI市场规模（亿美元）2022 2023 2026 2028 2030 203220.429.8103.7213.8445.1895.3CAGR 46%*数据来源：marketresearchfuture、MMR图1.3 AI初创企业数量与工业AI市场规模预测09工业互联网产业趋势洞察2020年国务院颁布关于加快推进国有企业数字化转型工作的通知及十四五规划，提出智能制2.1 工业互联网平台进入实践深耕阶段造2025，央国企工业互联网平台普及率2025年达到45%，带动工业互联网建设进入急剧增长期。截止2022年底，工业互联网建设普及率仅为17.5%，要达成45%的目标，我国工业体系建设面临重大挑战。依据工业互联网平台普及率评判标准体系，工业企业需要从“战略与组织”、“基础条件”、“平台应用”、“业务创新”、“效能效益”5个一级指标方面加强建设，其中“平台应用”作为工业互联网的数字化转型底座，主要围绕设备上云、业务上云、工业APP应用与创新、边云协同和大数据挖掘应用5个维度开展建设。2017年11月国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见工业互联网上升为国家战略2019年10月习近平主席出席工业互联网全球峰会，持续提升工业互联网创新能力2020年3月工信部关于推动工业互联网加快发展的通知提升工业互联网平台核心能力2020年8月国务院关于加快推进国有企业数字化转型工作的通知及十四五规划2022年2025年智能制造2025（未来3年）：工业互联网平台普及率达45%14.6%17.5%45%图2.1 我国工业体系建设面临重大挑战图2.2 工业互联网平台企业应用水平和绩效评价体系工业互联网平台企业应用水平和绩效评价体系一级指标（5项）二级指标（20项）三级指标（34项）工业互联网数字化转型底座战略与组织数字化战略战略定制与执行组织设置人员保障资金投入设备数字化设备联网网格覆盖情况网格融合水平标识解析基础数据基础管理信息安全设备上云规模设备云端管理业务云端运行工业 应用水平边缘端处理能力边云协同水平工业知识沉淀复用数字化管理水平网格化协同水平智能化生产水平个性化定制水平服务化延伸水平研发能力业务效率产品质量服务水平应急响应成本降低效益增长节能减排社会贡献组织和人员资金投入设备基础异构网格融合数据基础管理信息安全设备上云业务上云工业APP应用与创新边云协同大数据挖掘应用大数据价值挖掘能力数字化管理网格化协同智能化生产个性化定制服务化延伸竞争力经济效益社会效益基础条件 平台应用业务创新效能效益APP工业 创新能力APP11国家工业信息安全发展研究中心数据显示，当前国内工业企业云边协同采用率、设备上云率、数据管理云化率均不足15%；工业APP与应用创新方面主要依赖于国外工业软件厂商。为推进工业体系数字化、智能化进程，保障国民经济健康发展，国家政策将牵引工业互联网平台发展进入实践深耕阶段，未来3年工业企业向云化、智能化转型，是达成工业互联网数字化转型目标的关键步骤。图2.3 工业互联网平台企业应用水平和绩效评价体系描述分类现状评估国家工业信息安全发展研究中心边缘端处理能力，边云协同水平9.3%采用云端协同13.1%边云协同设备上云设备上云规模，设备云端管理36.46%（集中在状态管理，非生产业务）数据管理：15%（非云），38%（云）知识沉淀：3%10%/业务上云大数据挖掘应用工业APP与应用创新业务云端运行大数据价值挖掘，工业知识沉淀复制工业APP应用水平，工业APP创新能力化。随着工业控制器、传感器等越来越多设备连入云端，工业企业需要实时性、安全性更强的数据采集，更深层次的数据链路打通，和更复杂的数据分析与决策能力。因此，全互联开放的工业互联网架构，需要从以下4个维度构筑：新应用体系：工业互联网平台+工业APP（小而快，敏捷创新）；全互联互通：L1/L2设备云边互联，工业数采打破数据孤岛；统一数据湖：IT/OT数据融合，统一数据入湖，充分发挥数据价值；智能新生产：机理模型等知识沉淀为资产，AI辅助无人化、少人化。传统的工业IT体系架构采用垂直整合的模式，层层汇聚和抽象，缺少完整的数据信息，造成特定问题（如产能、质量、效率、能耗等）无法进行全面、及时的分析，难以实现精准决策，主要体现在以下4个方面：系统层级多，决策链长，难以快速闭环决策；数据孤岛多，难以进行全局协同与优化；系统封闭，垂直紧耦合，迭代速度慢，无法快速灵活响应；工业知识靠“传帮带”，难复制，企业创新依赖或受制于个人。“新型”工业基础设施呈现出全产业链、全要素、全价值链互联，通过数据流转实现多层次闭环优2.2 工业IT架构向全互联开放架构演进图2.4 传统工业IT架构和工业互联网架构产业链企业工厂传统工业IT架构：垂直构建，五层架构工业互联网架构：水平解耦，大平台+小应用企业1L4L3L2L1L0企业2工业软件与APP研发设计、生产控制、业务管理、工艺优化、智能质检边缘计算计算、存储、OS、AI工业控制与感知工控、传感、数采、视觉工业数字化装备通用、专用装备，仪器仪表工业互联网云平台统一数据、机理模型库、工业知识库、开发组件库等企业3工业软件工业自动化工业装备L4L3L2L1L0CAXPLMERPSCMMESSCADASCADASCADA厂商A厂商B厂商CDCS/PLC工业装备DCS/PLC工业装备DCS/PLC工业装备生产创新工业智能工业物联工业互联网网络工业互联网安全数据融合云边网端安1314根据华为在电力、煤矿、油气和制造等行业项目的深度实践，认为当前工业互联网体系建设阶段呈现出以下三个特点：建设模式围绕生产中心拉远：早期互联网架构以集团企业为中心集中建设为主，目前工业互联网平台云边建设模式呈现行业云、集团云+工厂云两种模式，算力和数据的布局逐步拉远至中心节点以外，以实现多级组织，甚至跨集团、跨行业的业务协同；技术重心从传统数采向智能化演进：早期的工业互联网技术重心主要面向设备、系统间联结和数据采集；新型工业互联网正逐步向数据治理、工业智能和传统应用开发方向发展；不同行业呈现不同建设特点：制造、电力等行业聚焦工业数采，煤矿行业聚焦数据治理，并且向工业智能演进，油气行业已开始探索智能化与生产场景的结合。针对行业三个特点与业务发展诉求，工业企业需在如下5大业务场景持续做好能力建设：2.3 各行业工业互联网建设特点与场景需求图2.5 各行业工业互联网建设特点与场景需求制造煤矿工厂/作业区工业现场（场站/车间/井场）区域/分公司集团行业云烟草集团工业互联网平台电网柔性物联平台矿业公司数据标准化区域分公司销售物联网区域分公司边缘计算平台油气集团销售物联网生产智能化平台矿井智能矿山煤矿集团数据标准化汽车制造生产智能化平台省烟草工业云边协同工业数采工业数据融合工业数智协同电力油气煤矿集团煤矿大模型煤炭工业互联网图2.6 工业互联网5大业务场景业务场景业务诉求轻量化边缘自治：工厂模式下边缘数采需求旺盛，需提供轻量化云边协同的部署能力云边协同工业数采海量设备接入：OT数据采集在多设备、多协议面临挑战高数采性能：海量数据入湖分析场景下，数采性能存在较大调优空间OT/IT数据融合工业智能工业应用高入湖效率和数据分析实时性：设备实时数据经多组件处理，难以满足工控实时性需求AI云边协同：大规模边缘推理场景，需具备完善的云边协同AI能力场景化大模型能力：能快速基于大模型开发新场景算法，提升企业AI自闭环能力自主创新的工具链：软件工具链、硬件开发工具链新型工业互联网平台定义与架构体系华为云Stack工业互联网参考架构，面向工业企业生产核心场景数智化转型，提供“工业云边协同”、“相对传统工业IT体系架构较为严苛的层次划分，“工业互联网平台+工业APP”的扁平化架构大大降低了水平/垂直维度集成的难度；更重要的是，扁平化架构能够将传统的工业知识和经验转变为数字模型沉淀下来，转变为数字模型沉淀下来，作为平台层核心使能层。通过做厚平台，做轻做薄应用软件形成工业APP，极大的加速工业应用上线节奏，满足企业在数字化转型过程中各种敏捷应用创新的需要。华为云Stack工业互联网架构以云平台为基础，融合网络、平台、安全、工业智能、应用等数字化资源与能力，通过与传统工业体系架构之间相互作用和深度融合，构成了新型工业互联网体系架构：基于物联架构的云边端协同是基础，将工业互联网的网络连接对象延伸到机器设备、工业产品和工业服务。数据采集和数据融合分析是工业互联网的核心，汇聚大量现场数据并沉淀为行业知识，催生出以边缘为核心的自适应智能生产系统。工业智能是生产管理模式变革的驱动器，基于对海量数据清洗、处理、挖掘和萃取，形成行业知识模型，将人工智能使能到生产系统和生产过程中，通过持续训练来提升工业生产效率和降低生产成本。新型工业互联网体系架构的核心价值是为工业企业提供智能化业务底座，以支撑企业构建“数据+行业知识（工业Know-How）”驱动的应用架构体系。为了帮助企业充分利用既有投资和实现主业务的平滑演进，新型工业互联网架构部署时需要实现与企业现有系统（基于ISA95架构）的无缝集成，“双活运行”，逐步替代。3.1 新型工业互联网参考架构概述现场装备层感知器&执行器经营研发层ERP/CAX/PLM生产管理层MES/APS/QMS过程监控层SCADA/HMI现场控制层DCS/PLC传统工业系统架构（ISA95架构）新型工业互联网体系架构L4L3L2L1L0工业软件工业自动化工业装备工业软件与APP研发设计、生产控制、业务管理、工艺优化、智能质检边缘计算计算、存储、OS、AI演进工业互联网云平台统一数据、机理模型库、工业知识库、开发组件库等数据融合工业控制与感知工控、传感、数采、视觉工业数字化装备通用、专用装备，仪器仪表工业互联网网络工业互联网安全安端网边云图3.1 传统工业IT体系架构向工业互联网体系架构演进17工业智能数采”、“工业数据融合”、“工业数智协同”和“工业应用开发”5项关键能力。工业云边协同：通过构建多级的工业云边协同部署架构，实现云边端一体化设备管理协同，工业应用、数据模型、AI模型等生产应用的部署协同，满足工业企业生产边缘差异化建设需求；工业智能数采：支持从边缘侧对工业现场的各类设备和应用系统进行高性能数采和临场实时分析，助力工业企业实现工业数字孪生；工业数据融合：构建工业大数据湖及数仓，与工业云边协同系统进行拉通，通过数据链路集成和多源数据协同分析，形成全链路工业数据治理及资产沉淀；工业数智协同：构建企业人工智能中心，通过湖仓智一体、工业大模型等能力，实现从AI平台、生产大模型到工业智能工作流开发的全流程支撑，助力企业提升生产效率，降低运行成本，预防风险事故；工业应用开发：为企业提供工业软件云，全流程软件开发工具链，工业轻应用平台（aPaaS）等产品，使能工业应用创新生产线。其中，“工业云边协同”是工业互联网平台架构的基础，支持工业企业从集团到分公司，再到工业现场的多级云边架构，为应用/算法分发，设备管控等业务，提供统一的多级云底座和云边协同的能力支撑。从业务流角度看，通常先由“工业智能数采”提供各类工业OT数据的实时接入、清洗和入湖能力，然后通过“工业数据融合”提供工业OT数据和生产IT数据的融合治理能力，最后由“工业数智协同”和“工业应用开发”提供AI算法模型/智慧化应用的平台能力。制造煤矿电力油气交通.生产过程可视化质量过程分析&追溯生产能耗优化设备预防性维护工业数据融合DWS|MRS|DataArts Studio|CDM|DRS|ROMA工业数智协同ModelArts|工业智能中枢工业云边协同标准Region|边缘Region|IoTEdge工业智能数采IIoT|IoTDA 工业应用开发CodeArts|工业软件云|集成工作台数据分析数据治理数据推理应用管理图3.2 华为云Stack工业互联网解决方案架构传统PLC设备制造管理系统智能设备3rd物联平台百万点位，1000+工业协议中心云集团/分公司边工厂/作业区端场站/车间18报告免费分享+V：R t h e 4 52边缘节点规模限制：对于工厂、矿井等工况复杂场景往往不适合大规模建设云计算平台，因此需要轻量级的边缘云或边缘节点（边缘Region或小型集群），以兼顾边缘计算能力和成本诉求；3端侧管理困难：设备端侧往往存在位置分散，设备厂商、种类繁多，新老设备掺杂等问题，企业有对边缘设备进行统一设备接入、统一数据标准、统一运维等诉求，以降低边缘设备管理成本。因此，传统的云平台大集中建设模式难以满足新型工业互联网架构下的云边协同要求。3.2.2 参考架构多级云边架构灵活适配不同企业差异化部署需求，覆盖总部、分公司、二级子公司、工厂、作业区、场站等，实现应用资产、数据、资源、运维的云边端协同一体。工业企业在设计工业互联网架构时，需要根据不同的企业组织模式来设计多级云架构，通过中心云，边缘云，边缘节点多种产品形态灵活组合来满足业务管理诉求。比如在企业边侧场景中，由于企业业务体量有限，需要轻量级边缘Region方案，提供丰富的边缘服务能力的同时，兼顾低成本诉求；在端侧，客户需要对边缘设备进行统一设备接入，统一运维，降低边缘设备管理成本。3.2.1 业务挑战工业生产管控场景下的云边协同主要包含以下几方面的挑战：1架构协同复杂：由于区域行业、集团、园区、工厂等层级组织的管理范围不同，工业互联网架构的协同范围也有所不同，对应平台建设过程中会出现中心云、边缘云、边缘节点、边缘网关等多层级、多种形态灵活组合的协同方式；3.2 工业云边协同华为云Stack云底座（华为云Stack/边缘Region）关注云服务轻量化华为云Stack(IoT)Edge底座超融合/一体机/服务器集群华为云Stack(IoT)Edge底座工业网关盒子/工控机应用类型：物联数据+AI(视觉)+智能综合轻量物联应用华为云Stack(IoT)Edge底座智能边缘设备轻量AI应用边缘云大型分支机构（分公司/二级公司）（工厂/作业区）工业微型末端场景（车间/场站）工业微型末端场景（场站）边缘计算节点边缘计算平台端侧节点集团总部云边协同“业务一体化管控”（应用/模型/数据）云-云 云管一级/两级云（云联邦）云-Edge基础管控（资源/运维）中心云华为云Stack云底座中小型边缘图3.3 满足生产边缘差异化建设需求的工业云边协同19在传统的总部中心云的基础上，提供边缘云、边缘计算平台、端侧计算单元3类工业“泛边缘”基础设施，通过灵活组装各个基础“泛边缘”单元，适配支撑工业不同的生产业务结构需求。例如在一些大型分支机构和生产现场，可以采用边缘云的方式支持边缘数智化业务运行。对于中小型生产边缘如工厂、作业区等，可以基于一体机、服务器集群的方式，提供对生产边缘数智化业务支持。对需要深入到工业微型末端场景，如煤矿矿井、油气井场等，可以通过工业网关、工控机的方式，在端侧现场实现对物联的接入，轻量AI业务运行等功能。华为云Stack工业互联网通过云服务能力组合，可提供以下三大关键能力：1全系列产品形态：提供华为云Stack（标准Region），边缘Region，及边缘物联网关等三类产品形态；其中标准Region下可以承载大数据、PaaS中间件、AI、云安全等华为云Stack全栈云服务，作为集团中心云或大型分公司的大规模应用或数据底座；边缘Region支持数仓、容器、数据库等部分云服务部署，面向较小部署规格的场景，可被中心云统一管理，集中运维；边缘物联网关支持通过物理服务器、虚拟机、容器等形式部署在厂房、矿井等工况复杂环境，计算资源消耗少，支持云服务的轻量化部署，可用于边缘设备对接、协议解析、数据采集、指令下发等场景功能；2应用高效管理：依托与边缘物联网关提供容器/算法应用编排和插件运行底座，支持将中心云上开发的容器镜像、容器或AI算法分钟级推送到边缘进行快速部署；支持中心云对边缘网关定期巡检，提前发现设备或应用异常；3边缘设备管理：支持工业边缘网关等边缘设备一键注册，完成批量设备快速升级，实时更新漏洞并修复；面向鸿蒙生态，支持鸿蒙设备通过IoT鸿蒙SDK自动发现并链接至云平台，提供系统OTA升级能力，降低运维成本；通过设备集成鸿蒙扩展板卡，可实现老旧工业设备低成本智能化改造。面向泛制造、油气、电力和煤矿等行业，华为云Stack工业互联网可提供如下图所示的四大行业云边协同的参考架构：20工业智能数采通常包含“高性能OT数采”和“临场实时分析”两大类业务场景。3.3 工业智能数采制造总部云省分公司边缘云省分公司边缘云工厂工厂机台设备机台设备复烤点薄片点网关/工控机油气集团云油气田分公司边缘云油气田分公司边缘云作业区作业区井场井场联合站联合站网关/工控机管里面 云生产面 边端侧设备电力总部云省分公司边缘云省分公司边缘云变电站换流站 集控站低压站网关/工控机煤矿图3.4 四大工业行业云边协同参考架构集团云二级单位边缘云大型矿中型矿采煤机掘进机皮带运输机小型矿小型矿网关/工控机输电表计变电数据开放事件分析指标计算孪生建模物模型点位预处理数据转发协议解析传统数采车间中控应用平台煤矿综合管控平台场景描述：焊装车间老旧产线机械臂传感器老化，导致监控数据抖动、冲高、缺数等问题频发(20%几率)，导致告警误报、漏报焊装车间焊接机器人预测性维护系统场景描述：矿井安全生产要求环境安全告警实时(2的协同效应，数据效应不明显；缺标准，定制化多：同一类数据在不同业务系统应用厂商中的数据模型不一致，缺乏统一数据标准，导致数据流通和协同困难；由于应用系统数据源不统一，数据血缘关系难追溯，数据可信度低等问题均需专业数据治理厂商分析才能解决；缺规划，重复采集加工：前期数字化平台建设重“采存”，轻“算管”，数据库、数据湖和数仓中存数以贴源数据为主，开放给业务应用自行采集使用，导致部分业务数据被重复采集、加工、计算，数据源负载飙升，浪费算力资源的同时，还会带来数据处理标准不统一、时效差异等问题，严重时会影响业务运行；缺能力，效率低下：不同于数据库时代一库走天下，面对各种各样数据类型的海量分析场景，主题数仓的使用将极大提升某一类数据的分析处理效率；例如对时序数据的处理可以适用时序数仓，对于大宽表的计算分析可以适用Clickhouse之类的列式数仓；但主题数仓的使用需要有较强的专业知识积累，一般工业企业客户难以掌握数仓的选型、数据链路设计和数据链路调优，导致数据应用难以满足工业时效性要求。3.4 工业数据融合了面向边缘OT数据实时分析的临场实时分析能力：设备状态计算：基于设备物模型+预置点位算子，低代码定义设备状态指标，可以进行各种指标、虚拟点位的计算；临场事件感知：提供6大类（延时判断、条件过滤、多条件组合、关联计算、连续事件、自定义脚本）预置事件规则，零代码构建事件捕获算法，实时感知并上报异常事件；可基于现场OT数据，实时捕捉各种价值事件，帮助企业提升运营管理效率；设备级物模型建模：基于标准建模语言DTML，实现单设备、设备组合级孪生建模，结合多源数据实时输入，反映设备实时状态、运行规律；高效数据转发：支持标准REST格式API，同时支持订阅推送机制等多种数据开放能力，满足客户各类实时应用场景需要。电力、煤矿及各类流程型、离散型制造企业从客户订单生成、原料采购到生产计划、工厂制造、仓储物流和售后服务的全流程都在产生数据，这些数据已成为企业的核心资产，如何分析处理这些核心资产，是工业企业首先要面临的问题。通过OT和IT数据融合，可以对各类采集数据进行治理和对外提供服务能力，促进数据流闭环和数据价值的挖掘。24OT数据一键入仓：通过“OT数据源IIoTDWS-GDSDWS”的数据链路，建立智能工厂、智慧矿井级统一数据仓库和数据治理体系，支撑厂站本地的统一数据存储与分析，实现工厂侧的精细化运营。如在上述煤矿项目中，平台汇集了矿井本地50多个系统数据，支持OT数据一键入仓，实现了矿井本地数据全量入仓、数据资产管理和数据可视化智能分析。OT数据一键入湖：通过“OT数据源IIoTMRS-KafkaMRS-CDLMRS-Hudi数据集市”的数据链路，支持建立集团级、省级统一数据湖，汇聚、存储并治理全量数据，实现集团级跨域精细化运营。3.4.2 参考架构工业企业所产生的数据涵盖非结构化、半结构化和结构化等多种数据类型，包括工厂现场设备运行情况、环境参数等设备和产品运行状态的OT数据，和企业信息系统产生的生产经营类IT数据。工业典型数据集成场景可以归结为以下7类：OT数据直通应用：通过“OT数据源 IIoT 业务应用”的数据链路，支持将工厂侧OT数据实时上报工业应用系统，满足工厂侧工况实时监控的目的。例如，在陕西某煤矿项目中，平台实时采集井下工况数据、六大灾害数据并上报煤矿综管平台，确保了井下生产情况的实时监控。业务应用系统级数据资产建模工艺参数智能调优历史明细数据交互式分析HetuEngineMRS云原生数据湖实时查询ClickHouse明细查询HBase时序数据库loTDB实时分析Doris设备预测性维护实时数据运行监管平台生产管理优化敏态DWS云数据仓库稳态贴源明细数据（MRS-Hudi、HIve）DataArk(数据资产沉淀)OT数据IT数据工业物联平台（IIoT）OT设备PLC上位机SCADA图3.6 工业数据融合方案架构IT系统ERPOA25IT数据批量集成：构建工厂侧或集团侧统一数据湖仓时，当源系统为数据库、对象存储、大数据、文件时，通过批量（首次全量）及微批（后续增量）对海量数据进行采集。可通过“源系统 CDMDWS/MRS(Hudi/Hive/HDFS/Hba-se/ES)”的数据链路实现。IT数据准实时集成：在构建工厂侧或集团侧统一数据湖仓时，从GaussDB、MySQL等数据源实时采集数据变更、数据实时流转。可通过“数据源MRS-CDLMRS-Hudi数据集市”及“数据源DRSMRS-KafkaMRS-Flink MRS-Hudi 数据集市”的数据链路实现。IT数据消息集成：在构建工厂侧或集团侧统一数仓时，IT源系统不允许直连其数据库，但可以将数据发送到消息队列进行数采。针对这种场景，可通过“IT系统ROMA MQSROMA FDIDWS”的数据链路实现。IT数据API集成：当构建工厂侧或集团侧统一数仓时，IT源系统不允许直连其数据库，但可以开放API接口提供数据，并通过微批方式采集入仓的情形。可通过“IT系统ROMA FDIDWS”的数据链路实现。工业生产中涉及大量的安全生产巡检，危险区域识别监控等实时观测场景，需要及时发现生产风险，调整生产计划策略对工业生产至关重要。这类场景下，传统生产过程一般采用专人值守，存在几方面问题：1危险区域实时观测对值守人员的人身安全威胁很大；2人为因素有可能影响风险、事故上报的及时性和准确性；3对于现场值守人员的安全保障措施往往影响生产效率和运营成本。另一类场景下，工业企业在生产过程中存在很多优化工艺参数的场景，如煤矿的焦化配煤、产量预测，电力的用电峰谷预测、用电负载平衡等。这类业务以往强依赖于专家操作经验，且难以保持配置最优。因此，近年来，以矿业、冶金等行业企业开始积极探索通过AI对视频流的识别技术识别和发现风险异常，或通过大模型技术来优化生产配置。3.5 工业数智协同图3.7 工业数智协同典型场景防冲卸压智能洗选焦化炼钢连铸轧制电厂配煤能效优化智慧勘探管运优化缺陷检测 水泥窑磨优化煤矿制造电力油气新能源/新材料支持智能生产模式创新26AI和大模型技术存在前期投入大、技术门槛高的特点，如何建设满足自身业务要求的AI平台和大模型算法，也是近期工业企业客户重点关注的问题。3.5.1 业务挑战工业企业在生产场景下应用AI能力主要面临以下三大挑战：场景碎片化：工业场景分散独立，算法通用性差，作坊式的模型开发难以规模复制，应用AI能力成本高；算法精度低：训练样本需要大量的人工标注，算法不能针对新的异常场景持续优化；安全保障难：算法训练需要将数据导出到线下开发环境训练，存在数据泄露的风险。3.5.2 参考架构工业数智协同把工业大数据、人工智能的技术引入工业互联网架构，打通数据到AI生产线的全流程实现湖仓智一体。基于华为云盘古大模型根技术，提供开箱即用的场景化套件、工业行业大模型、AI运营管理平台等能力，实现AI的全生命周期管理，帮助企业沉淀AI应用资产。具体包含以下关键能力：1湖仓智一体：提供业务生产数据到训练数据的加工处理能力，整体提升样本数据的质量。2.“懂行业”的盘古大模型套件：分层式大模型预训练架构，将AI开发从过去低效的“作坊模式”转化为高效可大规模复制的“工厂模式”。根据应用场景的范围和颗粒度，分层式的大模型预训练架构分为L0（通用层）、L1（行业层）及L2（场景层）。其中在L0通用层，通过开源数据集和海量互联网大数据训练通用的大模型，如：CV和预测大模型，作为整个大模型预训练架构的底座；在L1行业层通过公开和采购等渠道收集、匹配行业的多种场景和数据，基于L0层的预训练底座形成行业的预训练模型，L0层与L1层共同构成AI开发的“工厂”。当前华为云Stack已具有多个行业实践经验，包括矿山、钢铁、电力、油气、制造等领域，提供行业预训练大模型和AI工作流，行业用户基于小样本数据获得更匹配自身业务的高精度模型。图3.8 煤矿行业工业智能业务价值辅助检测，减少重复劳动辅助验收，保障作业安全辅助工艺参数优化，沉淀专家经验效率提升提升安全保障提质降本皮带检测电力巡检作业序列检测配煤优化273开箱即用的场景化套件：场景化工作流以业务为中心，不断沉淀场景化模型构建的经验，包括数据集、运行参数、资源配置等。匹配当前工业场景的机器视觉、预测类业务，提供全域智能感知和决策优化两类服务，