華為云Stack，更適合央國企的工業互聯網平臺解決方案
工業互聯網是第四次工業革命的重要基石，是新一代信息技術與工業經濟深度融合的新型基礎設施、應用模式和工業生態，為工業乃至產業數字化轉型提供了實現途徑，展現出勃勃生機和廣闊前景。盡管各國戰略導向各有不同、發展路徑各有特點，工業互聯網已成為全球主要工業國家搶占產業競爭制高點、重塑工業體系的共同選擇。
在中國工業互聯網研究院發布的《全球工業互聯網創新發展報告（2022年）》中提到，2021年，全球工業互聯網產業增加值規模達到3.73萬億美元，年均增速近6%；我國工業互聯網產業增加值超4萬億元，其中核心產業增加值達到1.17萬億元，名義增速超16%，全球工業互聯網產業經濟正處于蓬勃發展時期。
四大挑戰亟待解決
為實現“中國制造2025”數字化整體升級，達到“十四五”兩化融合規劃提出的央國企工業互聯網平臺采用率達到45%的目標，可以預見，未來三年將是中國工業互聯網建設高峰期。
作為行業數字化轉型的主力軍，大型央國企無疑會在工業互聯網建設浪潮中扮演領頭羊的角色。據中央企業數字化發展研究院副院長俞兆強透露，目前已有71家中央企業搭建了超過150個高水平的工業互聯網平臺，關鍵設備聯網率超過50%。
由于工業互聯網平臺的建設不是簡單的單個系統改造，再加上央國企龐大的規模和復雜的體制，工業互聯網平臺的建設仍然存在諸多挑戰。
首先，大型央國企所擁有的工廠一般數量龐大，且分布廣泛，存在明顯的OT數據垂直集成問題，造成“工廠數據上不來，集團管控下不去”的局面。
第二，央國企通常信息化建設開展較早，在長期的建設過程中積累了大量的信息系統，存量系統煙囪林立，缺乏統一的數據采集工具和平臺，重復數采致使效率低下。
第三，受限于設備的工作環境和自身資源的限制，OT數據采集極容易產生各種異常數據，比如數據缺失，數據跳變等，數據質量較低。
第四，工業現場的OT數據量往往是巨大的，一方面點位數量巨大，一個大型的生產園區可能動輒幾十萬點位，對應成千上萬的設備/傳感器；另一方面，點位采集頻率高，比如100ms的頻率，因此產生的數據量將比過去企業的IT數據量高幾個量級。同時OT數據處理對時效性的要求又相比傳統數據要高。因此原始的OT數據需要大量的加工處理方可使用。
打造更適合央國企的工業互聯網平臺
工業互聯網平臺的本質是在傳統云平臺基礎上疊加物聯網、大數據、人工智能等新興技術，構建更精準、實時、高效的數據采集體系，建設包括存儲、集成、訪問、分析、管理功能的使能平臺，以工業APP的形式為制造企業提供各類創新應用。
依托華為三十多年在ICT領域的技術積累和服務經驗，華為云面向政府、金融及大型央國企等政企客戶提供云解決方案。作為部署在客戶本地數據中心的云基礎設施，華為云Stack不僅能幫助央國企打造一個堅實的云底座，提供兩地三中心災備、1+7安全防護、統一云管等功能，滿足央國企對高可靠性和高可用性的要求；還能提供業界最多的12大類90+云服務能力，覆蓋通用PaaS的云原生、大數據、物聯網、人工智能等創新技術，同時兼顧安全合規和云服務持續創新。
可以看出，華為云Stack無疑是更適合打造央國企工業互聯網平臺的云解決方案。
“1+3+1”構建開放共享的工業互聯網
華為云Stack通過“1+3+1”的架構體系（如圖1），面向央國企構建開放共享的工業互聯網，支撐企業生產核心場景的數字化轉型。
圖1 工業互聯網 “1+3+1”架構體系
1個統一的云邊協同基礎架構
通過構建集團統一的云邊端一體化工業互聯網運行時底座，深入工業生產邊緣現場，覆蓋集團總部、分公司、工廠作業區、場站等多層級的生產數字化需求，實現應用、服務、數據、資源的全局協同。
例如針對大型央國企集團行業云場景，基于華為云Stack構建的工業互聯網平臺為其構建了跨國家行業中心云到省公司云到工廠和物流中心，再到機臺設備的多級云邊端統一架構（如圖2），其優勢主要體現在：
首先，通過統一基座屏蔽了云邊端各級運行環境的差異性。
其次，在國家局、省公司、商業公司的中心云上集中開發應用資產和模型，構建行業應用資產商店，統一分發到工廠、物流中心等各個邊緣服務器，再統一分發到端側智能機臺。
第三，提供云邊端統一的多級數據級聯傳輸機制，覆蓋云邊端上下級之間的數據級聯傳輸，以及云邊端水平同級間的數據級聯傳輸。
第四，提供云邊端協同的安全機制，增強了邊緣系統安全防護能力。
圖2 大型央國企集團行業云場景架構
3大數智融合能力
華為云Stack工業互聯網平臺在工業物聯統一OT/IT數采接入、全鏈路生產數據治理、生產AI效能提升上均應用了業界領先競爭力的技術予以支撐。
第一，統一的邊緣OT/IT數采模式有效避免了重復數采；物聯數采支持主流95%+工業協議；設備協議驅動可沉淀復用，支持熱插拔，OTA升級；支持靈活配置點位與物模型字段的映射表關系，遠程動態更新；多維度的數采安全機制也保證了數采的安全性。
第二，生產數據全鏈路治理，覆蓋從邊緣點位數采，到OT/IT(物模型)融合，到大數據湖的全過程。原始OT數據噪聲很大，首先通過在邊緣側的原始點位四則運算、數據清洗、點位拆分，邊緣時鐘同步、自動添加時間戳，低時延邊緣數據采集處理等措施，有效提升了邊緣側數據質量；進而豐富的開箱即用清洗算子 + UDF可定義算子，進一步確保了OT數據和物模型數據的準確性，為建立設備及產線級的數字孿生提供了高質量的數據支撐；進入大數據湖后，OT時序數據庫和IT大數據的存儲和處理實現了物理分離和邏輯統一，可以有效支撐OT及IT數據的高效聯合查詢分析等業務。
第三，以盤古大模型、天籌求解器為代表的華為云AI根技術，為AI進入生產現場提供了支撐。在工業現場，可以被事先枚舉標注的異常場景總是有限的，有大量的異常是非常常見的，而這類異常往往又是一出現就有可能帶來較大事故或損失的異常，傳統的AI小模型不能很好地識別出這類小樣本下的異常問題。通過盤古預訓練大模型，可以甚至在幾十張樣本的情況下，取得對小樣本異常的高精度識別，從而為AI走入生產現場提供了精度保證。此外，盤古行業大模型也具有AI開發門檻低的特征，可以支持非專業人員做面向新場景的快速開發更新，從而使集團企業AI運營變成一類企業完全自主運營的基礎設施。
1個平臺+生態體系
央國企工業互聯網體系的建設，是一個“平臺+生態”的體系化建設過程。一方面，華為云Stack工業互聯網平臺注重通過工業物聯、工業大數據、工業AI建模能力的構建，沉淀行業可以重復使用的工業知識資產（例如設備物模型、系統數據資產、AI算法模型、機理模型等），并提供工業應用低碼開發能力，基于工業知識實現工業APP創新應用的快速迭代升級；另一方面，華為云Stack工業互聯網平臺也打造了開放的體系生態，為央國企行業云建設匯聚來自行業生態的工業知識及應用提供了有力的支持，可以實現業界領先知識及應用的快速注入。進而基于統一行業應用市場及云邊端分發機制，實現集團各個落后企業數字化能力的快速賦能提升。
當前，以煤礦軍團為代表的華為軍團打造的工業互聯網平臺，為制造、能源、交通等行業打造了智慧礦山、智慧油氣田、智慧工廠、智慧電站等一系列工業現場級解決方案，為實現央國企的數字化升級提供了有效的支撐。
在智慧礦山，通過華為云Stack工業互聯網平臺形成的煤礦工業互聯網底座，疊加行業應用，如智能綜合管控平臺、智能輔助作業系統，實現井下“全息感知，遠程集控”；同時作業也變得更加標準化、流程化，使井下檢修效率提升了30%，作業時間每人平均節省2小時。
而盤古礦山大模型（如圖3）的建立，以一個大模型覆蓋了礦山八大業務場景100多個小模型，與傳統小模型對比，在新場景識別精度平均提升23.5%、小樣本識別精度平均提升10%以上的同時，模型訓練工作量平均節省了85%。大模型極大地降低了AI的開發門檻，使傳統企業的IT人員在短期培訓后，即可以獨立實現面向AI新場景的開發，實現集團AI生產中心的企業自我運營。
圖3 盤古礦山大模型
展望未來，華為云Stack將進一步承擔中國工業數字化的使命，在技術縱深度上深挖工業核心根技術，實現技術領先性上的全面自主創新；同時在行業廣泛度上也會進一步拓寬，以支撐更多泛工業類企業的數字化升級，打造更合適央國企的工業互聯網平臺，幫助企業建立先進的“平臺+生態”的工業互聯網體系。
