5G+现场网的六个发展趋势和六个技术维度

随着产业数字化转型不断推进，行业客户的定制化生产需求逐渐显现，网络和平台正朝着扁平化、无线化、IP化、智能化、可控化、精准化方向演进。

一是网络架构更加扁平化。现场网络结构复杂，有多种工业总线协议、工业通讯协议和工业无线协议，还有用于设备和人员监测和定位的Zigbee、UWB 等技术，呈现碎片化。同时，为了采集和处理不同协议的数据，信息系统出现“烟囱式”。网络架构的扁平化有利于数据归一化管理，需要数据按照统一的协议进行采集和传输。

二是网络连接更加无线化。2020年全球工业网络市场份额中，有线占比 94%，无线占比 6%。随着对设备“剪辫子”的需求逐渐增加，无线网络开始替代有线网络，无线取代有线在带来便利性的同时，也引入了不可靠因素，导致企业对生产环节引入无线通信较为谨慎。5G+现场网技术有望结合两者优势，促进网络连接向无线化发展。

三是网络传输更加IP化。传统工业网络多为点对点的层二通信，暂时无法实现数据溯源，灵活路由以及精细化业务网络管理，而工业生产对网络的可扩展性、高质量、可运维性、可靠性、稳定性和安全性都提出了很高的诉求，网络IP化改造需求已越来越迫切。IPv6有丰富的地址资源，可为每个网络设备分配IP地址。IPv6还提供了对流量和业务的管理能力，便于实现网络SLA保障。

四是行业应用更加智能化。现阶段智能分析能力主要依赖云平台，部分工业场景如安全生产、工业质检等对大带宽、低时延和数据隐私要求较高，需要实现关键数据与业务的现场级智能分析和处理，提升业务响应速度，保障业务连续性。利用边缘智能技术，可以实现预测性维护、故障检测、人脸识别、工业质检等智能业务在工业网关上“就近”处理。

五是现场网络更加可控化。传统网管系统尚未延伸至现场网络，无法实时感知客户端侧网络参数，需要实现对现场网络、设备和业务的可视可管可控。通过将质量探针部署在端侧，提供现场级的设备状态、网络覆盖、业务质量等关键信息的监测、分析和告警，有效弥补网管数据的不足，使“端侧不再黑盒”，有助于快速进行故障的定位定界，保证现场客户的网络感知。

六是设备控制更加精准化。随着5G和确定性网络技术发展，网络时延和抖动大大缩短，使设备分布式部署，控制集中化管理成为可能。在远程设备操作、设备协同作业等场景中，通过 5G 网络采集传输现场数据，基于软件实现工业控制功能，实现设备远程精准控制。

针对扁平化、无线化、IP化、智能化、可控化、精准化六大发展趋势，需要构建“感、通、算、数、智、用”较全面的5G+现场网技术体系，提供标准的软硬件接口，将现场网、协议适配、边缘智能、质量探针等技术模块化，以满足行业的多样化需求。

1、“感”-感知

“感知”在数字孪生三层架构中的实体层，代表传感器，是行业现场信息的源头。传统生产线存在感知单元不联动、全自动化难以实现等问题。针对智能制造中传感智能化、无线化需求，通过智能传感器技术，实现物联网数据实时和动态的收集，将多源异构的行业现场数据汇聚到行业网关，为边缘侧的数据处理、业务分析以及向上的确定性传输提供数据支撑。

2、“通”-通信

“通信”在数字孪生三层架构中的实体层。以工厂为例，其可能拥有数以万计的传感器和执行器，需要通信网络的海量连接能力作为支撑，且车间与中心云控制平台之间的实时通信、传感器与人工智能平台的可靠计算、人机界面的高效交互，都对通信网络的无线化提出了更高的要求。针对不同网络需求，通过 5G+ 现场网融合技术，为用户提供低时延、高可靠的无线传输能力以及数据本地化分流能力。

3、“算”-计算

“计算”在数字孪生三层架构中的能力层。工业 AI 服务大多基于深度神经网络算法，需要高算力、低功耗的计算单元，而传统存储和计算分离的冯诺伊曼架构的计算单元能效很低，不能满足深度神经网络计算需求。针对存储/计算性能瓶颈问题，利用存算一体芯片技术、算力协同与编排技术，实现计算加速和能效提升。依托边缘智能、负载均衡、分段路由等技术，将区域内的网关算力汇聚为现场级边缘计算资源池，实现统一的算力感知、算力编排和算力调度。

4、“数”-数据

“数据”在数字孪生三层架构中的能力层，目前存在两大问题。一是传统工业网络层级化严重，协议众多且互不兼容，难以实现数据互通。二是行业客户需要实时感知现场级的设备状态、网络覆盖、业务质量等关键信息，传统网管只能感知到核心层。针对数据灵活接入、现场设备与网络监测的行业需求，一方面，统一对接接口、接入规范、配置规则，云平台智能识别南向协议并下发插件，实现设备即插即用和快速部署;另一方面，通过质量探针技术，采集网关的网络质量数据、网关及下挂设备数据，以及下挂设备的业务数据，提供设备接入多协议适配能力，以及 5G 和现场网的网络监测和网络运维自治能力。

5、“智”-智能

“智能”在数字孪生三层架构中的能力层。传统云计算存在时延高、能耗大、不利于数据安全和隐私等问题。针对工业现场大数据、低时延、高隐私的需求，边缘智能将计算和智能能力扩展到工业现场，将与云侧智能协同满足行业数字化在实时业务、计算优化、应用智能、安全与隐私保护等方面的关键需求。一是提供边缘 AI 模型智能部署功能，根据原始模型、资源需求，快速实现模型部署和状态监测;二是通过云边协同、轻量级持续学习，实现模型个性化更新;三是利用模型拆分等技术，智能权衡通信时延和计算时延，最大限度降低 AI 服务时延;四是通过内置工业质检、安全监测等场景的预训练模型，提供现场级智能分析能力。

6、“用”-应用

“应用”在数字孪生三层架构中的应用层。在控制应用方面，传统PLC采用封闭软硬件架构，存在成本高、碎片化、难扩展等问题。云化PLC基于开放架构，通过软件实现工业控制逻辑，实现SCADA下沉，降低PLC硬件成本，构建灵活、可扩展的工业控制系统。数字化应用方面，物联网行业应用场景复杂，普遍存在网络异构化、定制化现象。现场网数字孪生支撑网络与业务全生命周期管理，提供网络的可视、可管、可控能力。通过数字孪生平台，提供孪生可视服务能力和智能运维能力，实现网络的低成本试错、高质量运维和智能辅助决策，改善用户体验。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

完整报告来源：【三个皮匠报告网站】。