智能制造的下半场：不是在云端，而是在“网”端

作者 | Richard Aspinall

制造商持续推进数字化转型：在投资物联网（IoT）的同时，也在部署并整合云服务、人工智能（AI）等新兴技术。智能制造的未来，并不会由谁拥有最多的机器人或AI算法来决定，而是由谁能够构建一个安全、统一且具有韧性的网络架构来支持这些创新的大规模应用来决定。

制造商们不能再依赖于孤立的解决方案。他们需要一个全球性的、安全的网络平台，能够保持工厂的持续运行、防止中断，并在边缘、云和核心环境之间实现连接——这正是我们需要讨论的原因，也是为什么网络基础设施是一项关键竞争力的原因。

01

实时网络的需求

与过去几代相比，现在的工厂车间已经发生了彻底转变。它们不再只是由重型机械和人工劳动构成，而是演变为复杂的数字化环境，在这里智能传感器、机器人、数字孪生和远程操作并行运行。每一种工具都会生成大量数据，这些数据必须在各个站点和系统之间可靠、安全地收集和传输，以便进行监测和分析。

以Röchling Automotive公司为例，该企业需部署一套高性能、安全且可靠的工业网络，以保障其全球 40 个生产站点的连续运行。工厂单日停机损失可高达数百万，这正是工业网络连接关键性的直观体现。工业设备每日可产生千兆级海量数据，一座现代化智能工厂往往依赖数百套此类系统协同运转。对制造商而言，搭建具备可扩展、自适应能力的网络系统，已成为满足生产需求的核心前提。

如果数据无法快速传输以支持预测性维护、实时分析或安全监控，生产运营将陷入停滞，而维持这些能力的关键, 很大程度上取决于底层网络的韧性。

02

云策略的演变

与许多行业一样，最初云应用的浪潮伴随着尽可能多地将工作负载转移到公共云的热情。然而，随着云解决方案的逐渐成熟，制造商开始采用多云和混合策略，权衡哪些工作负载适合放在云端，哪些应适合保留在运营附近。

根据最近的云趋势报告，许多制造企业正在远离公共云，原因通常涉及成本、性能或主权问题。在欧洲，GDPR 和 GAIA-X 等倡议进一步强调了主权意识策略的必要性。

一个日益增长的趋势是所谓的“AI工厂”在边缘的崛起。例如，西门子和NVIDIA最近扩大了他们的合作伙伴关系，建立了“工业元宇宙”数字孪生工厂，包括一个FREYR Gigafactory项目。这些工作需要确定性的、低延迟的网络；如果同步滞后，数字孪生就会失去预测价值。

这一需求正推动部分工作负载从公有云迁回私有云或本地环境，主要原因通常是成本、控制或安全。所有这些因素共同创造了一个更复杂的IT生态系统，它要求在本地系统、边缘部署和制造商选择的云环境之间，实现无缝连接。在最初的设计中，许多传统网络并未包含这种级别的互操作性。不兼容性、延迟和带宽限制都可能带来风险，从而破坏即使是最精心制定的计划。

03

打破网络基础设施的瓶颈

尽管关于制造业创新的讨论，往往集中在机器人或AI上，但对于不太显眼的基础设施来说挑战也同样重要。没有合适的数字化支撑，这些技术的潜能就无法实现。

据IDS-INDATA的研究预测，仅2025年一年，英国和欧洲的制造商就会因停机损失超800亿英镑。在能源价格波动与供应链风险压缩利润空间的环境下，每一分钟的停机时间，都意味着息税折旧摊销前利润（EBITDA）面临损失的风险。

由AI驱动的过程、自动化质量控制以及机器人支持的生产线，都依赖可靠且安全的网络。如果网络出现故障，单个工艺过程甚至整个运营都可能受到威胁。最大的挑战并非工具本身，而是支撑这些工具的 “隐形架构”。

正因如此，基础设施与技术能力之间的缺口不仅是技术问题，更是竞争力风险。无法实现连通性现代化的制造商，必然会落后于能做到这一点的同行：他们可能面临更长的停机时间与错失的机遇，即便投入大量创新举措寻求竞争优势，最终可能也会落空。

现代制造业转型的关键之一在于连接性。制造商不能只着眼于应用程序与云策略，还需重视网络基础设施在所有转型举措中的基础性作用——对低延迟、高带宽连通性的投资，是保障性能的基础。

制造商可与托管服务提供商（MSP）合作，设计能满足智能工厂日益增长需求的系统。系统需求、安全级别与可扩展性都应从项目初期就纳入考量，而非事后补充。

制造业数字化转型的下一阶段，并非简单地采用更多AI或迁移更多工作负载到云端，还需要构建能消除带宽瓶颈的基础设施，以此支撑这些技术的持续发展。那些认清这一现实并采取行动的企业，将最有机会充分释放数字技术的潜力；而那些对此视而不见的企业，则面临被时代淘汰的风险。

▲本文来自于控制工程中文版杂志（CONTROL ENGINEERING China）2026年1-2月刊《技术之源》栏目：云、人工智能与网络连接性