中国自动化行业有望在

2030年前实现跨越式增长

——数字化解决方案在企业工厂自动化中越发重要。69%的受访者表示数字化解决方案当前已经成为其自动化工作的重要一环。此外，有更多人（94%）表示，这类解决方案对其未来的自动化举措尤为重要。技术进步的步伐正在带动工业自动化实现成熟、实用的解决方案，数量不断增加的合作和共同开发项目印证了这一点。

——更多企业选择合作方式搭建工业物联网平台，而非自主开发。工业物联网平台是制造环境的基础设施， 建立在通用架构和标准化通信协议之上，可帮助工业用户监控、管理和控制互联设备。工业物联网平台让制造商能够分析和优化工厂产生的大量数据，从而获取价值。54%的受访者表示，他们目前搭建工业物联网平台的机制是与OEM合作，有30% 的受访者选择使用大型供应商的现有产品，10%的受访者表示正在与合作伙伴共同部署单个灯塔项目作为概念验证，而7%的受访者表示他们正在使用自主开发平台。这一结果与2019年的自动化问卷调查结果差异显著，当时超过一半的受访者表示正在使用自主开发的工业物联网平台。

——开放性和系统兼容性是用户选择工业物联网平台的核心购买要素。与现有传统软件解决方案平台（如企业资源规划系统ERP、制造执行系统MES、产品生命周期管理和客户关系管理系统CRM）的易集成性是用户选择工业物联网平台时的首要因素， 其次是工业物联网供应商的服务水平。“应用程序的现成可用”也常被提及，尽管受访者中终端用户对其的重视程度不如供应商。但是，终端用户比供应商更加看重“工业物联网平台是否采用开放标准”。

——在DCS 领域：电力、石化、油气等重点行业过去10年已初步完成国产化，DCS的国产化率已达到60%以上。国内龙头供应商凭借服务响应快、价格优惠等本土化优势获得市场认可。

——在PLC领域：国产PLC市场份额持续扩大，小型PLC国产化率超20%，中大型PLC市场CR6（前六大厂商）仍由海外企业主导，但国产厂商凭借优良性能和较高性价比，通过行业专用类产品及方案，在新能源、纺织、包装、3C等行业提升了市场占有率。在伺服系统领域：部分国内企业在包装、3C电子等中低端伺服市场取得突破，凭借性价比高和对国产设备兼容性强的优势获得市场认可。但在半导体制造、精密机床等高端应用场景， 国产伺服系统在响应速度、动态精度和抗干扰能力等方面还有差距。

——在工业软件领域：中国工业软件国产化率从2023年的15%提升至2025 年的25%，其中经营管理类软件国产化率达70%，研发设计类软件从5% 提升至10%。国产工业软件供应商主要在中小制造企业中通过价格优势和本地化服务取得认可。

“平台化、敏捷化、智能化”

三大技术趋势有望重构产业逻辑

——软件定义的智能制造基础软件平台体系架构。针对现有的工业应用普遍存在定制化开发程度高、工程实施工作量大、烟囱式部署、异构系统难以互联互通互操作、上层应用与底层资源耦合度高、制造资源难以复用和灵活调配等问题，构建软件定义的智能制造基础软件平台体系架构是大势所趋。结合工业4.0、信息-物理系统（CPS）、软件定义和数字孪生的思想，利用工业信息模型、知识图谱、图数据库等技术，将人、机、料、法、环等工业生产要素从物理空间映射到信息空间，构建统一的数字化、虚拟化孪生信息模型，并利用信息空间对数据综合分析处理的能力，对来自物理实体的实时数据进行分析，理解对应工业生产过程的变化，进行有效决策，并做出响应到物理实体。通过这种软件定义机制， 各工业生产要素对象变得高度模块化，可实现积木式搭建和动态组合； 上层应用和底层生产要素解耦分离， 可实现制造资源的灵活复用和按需调配；物理实体与孪生信息模型之间交互联动、虚实映射，通过数据融合分析、制造过程全流程仿真、决策迭代优化等手段共同作用，实现工业生产制造过程的持续优化。通过对工业生产制造过程中的经验、领域知识和模型进行显性化、模型化、数字化、系统化、智能化的软件定义，构建标准的工业知识库，并以组件的方式开放给各工业应用，实现工业知识的沉淀、转化与复用。

——模型化数据底座：通过采用模型驱动的设计思路，平台以模型为中心，通过“模型+数据+服务+工具”的方式，统一数据体系，实现工业应用的模型化、组态化开发和部署。通过对象模型对各工业要素进行刻画和描述，并高效组织和管理数据，创建的模型实例通过接口形式对外提供服务，各应用通过与模型实例的交互获取数据，提高对象之间、数据之间的交互效率。平台提供多维度统一建模集成环境和数据模型建模工具，以图形化方式构建和管理数据模型，并通过统一模型调度框架和标准化数据服务接口，提供统一的模型和数据服务，实现异构数据的集成和模型化管理。通过模型化的数据组织和服务，为工业AI应用和全局智能优化提供标准数据支撑。通过提供多模态异构数据接入能力，统一的模型标识、统一的模型定义、统一的数据存储、统一的模型服务接口、统一的模型数据可视化支撑，为智能化的AI+ 应用提供垂直行业数据的底座能力。用户可结合应用场景，基于统一的数据底座能力，构建属于用户自己的模型结构，保证数据的开放性及资产化属性。

——分布式智能调度：通过分布式服务中间件，并采用服务契约机制，规范模型服务、逻辑服务、应用功能与数据接口之间的交互，使应用能够灵活接入、快速集成、按需替换或升级，无需对架构进行大幅调整。作为业务功能与基础服务的桥梁，分布式服务中间件实现了服务与服务之间的解耦， 使应用能够独立开发、灵活部署。通过统一的服务访问入口，屏蔽应用与认证鉴权服务的直接交互，支持GraphQL和RESTfulAPI服务，并兼容发布订阅和点对点通信模式。此外， 还内置可复用的消息推送、缓存管理等组件，并支持审计日志采集，确保系统高效、稳定运行。分布式服务中间件支持快速构建分布式系统，内置服务发现、负载均衡、容错机制，屏蔽底层实现细节，使应用开发者专注于业务逻辑。通过认证鉴权组件，实现服务间和服务-客户端之间的统一认证，避免重复鉴权开销，所有用户请求通过中间件进行统一鉴权管理， 确保安全性和一致性。

——内生型安全管控：新一代平台在设计、编码、测试、构建、发布、部署等每个开发环节，都更加重视系统和数据安全的端到端保证。完善的安全等级设计，防御性强的编码规则， 基于数字证书等高级验证手段的更加安全的身份管理、通信管理和数据管理，都将为新一代自动化平台提供更加稳定可靠的运营环境。

——全生命周期应用工具链：通过打造一套面向应用开发、工程配置、集成调试、运行维护的完整工具链，全面提升工程应用效率。平台工具链覆盖从软件开发到工程配置、从规划到运维的全部工程实施流程，并统一提供部署和管理能力。平台为行业应用开发人员提供应用开发基础环境及开发工具，采用低代码开发设计思想，通过业务应用开发和服务编排实现行业应用功能快速开发。工程组态环境主要是面向工程实施人员和系统配置管理人员，提供多种开箱即用、具备组态能力的工程配置工具，包括算法逻辑组态工具、数据模型组态工具、HMI图形组态工具、工业智能算法编程工具等，加速生产系统行业应用软件从现场数据初始化到上线的过程，实现项目快速交付和系统便捷配置。在线运行环境主要提供实时（RTE）/非实时运行服务，通过分布式服务中间件，实现各服务之间的高效协作和交互，同时支撑实时控制与非实时应用服务的整体部署和调度。运维环境提供硬件资源-平台服务-应用任务多层级监控能力，可监控所有服务器节点的系统状态及运行日志，并提供可视化界面方便查看及分析。

——虚拟化PLC：可编程逻辑控制器 (PLC)是一类坚固耐用的工业计算机， 因其可靠性和时间确定性而被广泛用于控制制造过程，例如控制机器人系统和其他自动化机器的动作。虚拟化PLC让任何计算机都可以作为PLC运行，同时保持开放架构。这种架构使得控制指令以更灵活的方式运行，并且使设备可以执行超出机器控制的计算功能。虚拟化PLC正在推动IT和OT的融合，这意味着程序员不必站在设备旁边，他们可以远程工作，让控制程序变更、修复和生产过程优化进一步提速。同时，人工智能可能也会显著提升虚拟化PLC的效率，生成式AI有可能自动创建虚拟化PLC的应用程序。

——低代码/无代码开发：伴随对于生产力和响应能力的更高要求，以及软件开发劳动力的短缺，企业对于低代码/无代码软件开发的兴趣与日俱增。低代码/无代码软件让企业无需投入大量精力或无需具备IT知识便可编程。生成式AI将进一步降低代码编写要求，可能让完全没有编程经验的人也能开发好用的软件。这意味着IT工作负载降低，需求响应速度加快。

——多源异构数据融合。随着现代制造业沿着自动化、信息化、智能化方向快速发展，生产过程中会产生大量多源异构数据，其数据量庞大，来源丰富、类型多样、结构复杂，而且由于制造业不同的部门和系统的数据来源、存储形式等各不相同，数据源也存在异构性、分布性和自治性。数据类型既包括数字、关系型数据等结构化数据，也包括文本、图像、音频等非结构化数据。对多源异构数据的有效融合至关重要，可实现产品质量、产量、能耗、排放等目标与生产全流程各工序相关机理知识、经验知识和数据知识的协同关联、深度融合，可为用户提供更有效的产品设计、生产管理、计划调度及设备管理等服务，从而提高生产质量和效率。

为此，平台建立了多源异构数据采集、集成、分析的完整体系，有效融合多源异构数据。数据采集是多源异构数据融合的基础，只有准确、实时采集生产过程中产生的大量原始多源异构数据，后续的集成与分析才有的放矢。平台通过设备接入及协议转换等技术，完成从传感、设备、系统等多种数据源的异构数据采集。数据集成整合来自多个数据源的数据，屏蔽数据间类型和结构上的差异，解决多源异构数据来源复杂、结构异构问题，从而实现对数据的统一存储、管理和分析，实现用户无差别访问，充分发挥数据价值。平台通过数据存储管理、数据清洗与转换、数据降维等关键技术完成多源异构数据集成。数据分析是多源异构数据处理的关键，在数据采集与数据集成的基础上提取工业生产数据的信息和知识，通过分析和处理集成的多源异构数据，提取有价值的信息和知识，可用于提升产品质量、提高生产效率、降低生产成本。平台通过数据挖掘、机器学习、统计分析等技术完成多源异构数据分析工作。

平台通过整合以上技术手段解决了多源异构数据的有效融合问题，建立了多源异构数据采集、集成、分析的完整体系，实现了异构通讯协议数据源的集成与访问、实时数据接口的统一、多源异构数据集成、数据质量评价与清洗、实时计算和分析处理等诸多关键技术。

——工业AI智能体（Agent）：利用开源大模型、LangChain、LangGraph等大模型框架，以及MCP、RAG、FunctionCall、Text2SQL、Text2KG等大模型技术，构建工业Agent基础框架和能力，为工业场景提供创新解决方案。工业智能体是一种特殊的人工智能体，它专门针对工业生产制造场景设计和优化，满足工业智能应用在确定性、可信性、适用性、可控性、工程化等方面的严格要求。工业智能体具备对企业生产过程、人员、设备、环境等多方面的感知和控制能力。通过传感器网络，它能够实时获取生产线上设备的运行状态、环境参数等信息，并根据这些信息进行智能决策和控制。在人员交互方面，它能够实现与生产人员的智能高效交互，提供直观的操作指导和建议，满足人机协同的高精度操作需求。工业智能体采用确定的行业知识及生产企业专有知识，而非简单的生成内容，确保决策和操作的准确性与可靠性。它能够集成现有成熟的工业技术及工业软件能力，有机结合传统自动化控制技术、工业仿真软件等，形成强大的工业智能解决方案。工业智能体还具备协同对接生产企业上下游产业链的能力，通过数据共享和协同决策，优化整个产业链的生产效率和资源配置。

——生产全过程仿真与智能优化：随着智能制造的飞速发展，生产相关的各类需求愈加复杂多变。例如离散智能工厂面向3C产品小批量、多品种、快速迭代需求；面向航空、航天、船舶零部件超大型、结构复杂、轻量化、高质量的生产需求；面向对大型燃气轮机、电推进发动机等高性能发动机的制造需求；面向汽车产品多系统、多部件及个性化定制需求。及时高效应对这些复杂多变的生产需求对制造业智能化提出了更高要求，是企业智能化程度的重要体现。

为解决以上问题，根据平台发展目标针对某些特定行业构建了从设计、工艺与生产，到仓储、物流全流程的仿真验证与智能优化的闭环系统，快速响应生产需求及其变化，仿真与优化相互结合综合运用，从众多可行方案中提供最优解决方案。通过设计与仿真软件对制造过程进行全流程仿真、工艺参数决策，实现制造模式选择及多类别、多模式混合加工制造，综合提升产品性能和制造效率。仿真系统将来自多传感器、多尺度的信息和数据，在一定准则下加以分析和综合，并融合异构数据与结构性数据，将机理模型和数据模型相结合，实现全流程多层次多尺度多场耦合的一体化建模，将不同领域的仿真模型软件通过统一接口，软件总线、数据共享或网络等技术，集成为具备多种功能的综合仿真软件系统。在进行大规模复杂系统仿真时，平台通过采用协调一致的结构、标准和协议，利用网络设备将分散在各地的仿真设备进行互联，形成综合性仿真环境。

智能优化决策技术与系统可以从全部可行性方案中快速选出能实现最优目标方案的技术和系统。智能优化决策技术包括最优性条件、凸优化、线性优化、无约束优化的求解方法、约束优化的求解方法、动态规划、求解优化问题的智能算法、决策论、对策论、图与网络分析、排队论、存储论等。智能化决策系统采用工况协议智能解析技术、多源异构数据融合技术、信息深度感知为特征的高维非线性强耦合过程统计学习理论、多质量指标逆映射建模方法、以及基于数据的知识学习与规则提取方法，实现自愈控制和自优化。通过全流程仿真与智能优化融合，平台在应对复杂多变的需求时构建了多方案全流程仿真以及最优方案智能决策闭环系统，为产品设计、工艺与生产、仓储、物流等提供有力的辅助决策功能，极大提高生产智能化程度。