2025工业互联网面向应用的确定性技术总体框架蓝皮书

I编写说明随着我国不断深入推进新型工业化，工业企业的数字化、网络化、智能化升级需求越来越高，工厂中涌现了机器视觉质检、AR 等大量新型的工业应用，这些工业应用除了对网络通信提出了低时延、低抖动等要求，也对计算能力提出更高的低处理时延、周期同步等要求。未来在工业场景下，生产线需要确保多个生产环节在一个约定的时间内完成，这迫切需要工业企业对网络资源和算力资源进行统一调度。因此，如何协同网络通信与计算处理过程，保障工业应用的确定性，已成为行业热点。确定性技术研究正逐渐从网络层向应用层延伸，成为新型工业网络的关键技术方向。2023 年，工业互联网产业联盟网络组组织产学研用相关单位，共同开展了面向应用的确定性技术研究，提出面向应用的确定性系统架构，旨在建立工业算力和工业网络之上的资源综合调度机制和系统，以保障工业生产流程中工业应用协同的确定性。通过梳理典型应用场景并分析重点技术方向，本蓝皮书为相关产业的技术研究与发展以及新型工业应用的部署提供了方向指引。组织单位：工业互联网产业联盟编写单位（排名不分先后）：中国信息通信研究院、中国科学院沈阳自动化研究所、北京邮电大学、紫金山实验室、清华大学、北京交通大学、首钢集团有限公司、重庆大学、普天信息工程设计服务II有限公司、中国电信集团有限公司、北京首钢自动化信息技术有限公司、中国联合网络通信有限公司、中电福富信息科技有限公司、中国电子科技集团有限公司电子科学研究院、北京理工大学、中电科普天科技股份有限公司、中国电信研究院、中国移动通信有限公司研究院、中兴通讯股份有限公司、山东浪潮科学研究院有限公司、华为技术有限公司、中国铁塔通信技术研究院、中国信息通信研究院西部分院编写组成员（排名不分先后）：张恒升、付韬、李栋、俞雪婷、朱海龙、黄韬、张华宇、彭开来、贾庆民、杨峥、贺骁武、王泽宇、杨冬、张维庭、张丙龙、宋扬、李明妍、郭松涛、陈昕、郭惠军、李果、张东、贾雪琴、韩政鑫、李凯、税洪静月、张腾飞、李丹、程栋、张岱、马锐、张振、曾军、蒋铭、刘鹏、黄震宁、马万明、彭伟杰、王晶、李斌、楚俊生、赵孝武、张昊彦、陈李昊、郭宇辉、马鸿泰、李然、唐华苹、吕玲III目录一、 背景 ............................................ 1二、 面向应用的确定性内涵与架构 ...................... 3（一） 面向应用的确定性技术内涵 ...................... 3（二） 确定性服务内涵 ................................ 4（三） 面向应用的确定性系统架构 ...................... 5（四） 面向应用的确定性技术特征 ..................... 10三、 重点技术方向 ................................... 14（一） 基础共性技术 ................................. 14（二） 监测分析技术 ................................. 15（三） 跨系统协同技术 ............................... 15（四） 资源调度技术 ................................. 16（五） 跨系统控制技术 ............................... 17四、 面向应用的确定性应用场景 ....................... 18（一） 服装整理的生产线机器人 ....................... 18（二） 控制即服务的实时生产线 ....................... 20（三） 跨园区确定性的云化 X 服务 ..................... 22（四） 确定性数字孪生的智能车间 ..................... 24（五） “用户到产线”的定制生产线 ................... 26（六） 确定性巡检的地下综合管廊 ..................... 28（七） 精准自动化的光学元件装配 ..................... 31（八） 确定性边端协同的冶金产线 ..................... 32（九） 冶金行业确定性机器视觉检测 ................... 34五、 展望 ........................................... 37六、 附录 ........................................... 39（一）术语表 ...................................... 39（二）参考文献列表 ................................ 391一、背景随着工厂的数字化、网络化、智能化水平不断提升，工业网络、工业算力与工业控制呈现出新的架构与特征。一方面，工业算力从生产线分离出来，物理上分成现场级、边缘级和中心级。另一方面，逻辑上工厂全流程管控逐步向一体化、无人化发展。随着工厂中涌现了机器视觉质检、AR 等大量新型的工业应用，这些工业应用除了对网络通信提出了低时延、低抖动等要求，也对计算能力提出更高的低处理时延、周期同步等要求，需要建立网络与算力的更紧密联系。未来在工业场景下，生产线需要确保多个生产环节在一个约定的时间内完成，这迫切需要工业企业对网络资源和算力资源进行统一调度。因此，工业企业管理网络和算力的复杂度和难度持续增大，不得不付出更多的人力、资金、设备来管理工厂网络。目前国内外企业积极开展算力与网络一体化研究并研制相关产品，相关产品依据工业应用的需求对计算能力与网络通信能力进行协同优化。例如，对于需要大量数据传输的机器学习模型训练任务，在网络带宽有限的情况下，可先对数据进行压缩或预处理，减少数据传输量，同时优化网络传输协议，提高数据传输效率。与互联网中应用的服务质量不同，工业应用需求普遍具有较强的时间敏感要求。由于缺乏工业算力的确定性参数协调机制及接口，如何准时、精确地协同工业应用成为了未来工业网络中的挑战。2一是大范围确定性协作难度大。PLC、数字化机床等生产设备往往要求操作时延达到不高于毫秒级误差，但 OT 设备引入智能算法后，分离的生产系统、算力系统和云服务增加了生产流程的总时延。目前各类设备仅实现了业务编排和数据互通，但在无法将确定性参数分配给工业算力的情况下，缺乏有效的计算任务动态调度机制，难以完成整个生产流程确定性的弹性控制。二是算力与网络资源控制不灵活、效率低。工业算力和工业网络各自独立配置，在生产线任务变化后，难以动态、高效地调整跨设备的网络资源和计算资源，只能通过预留过量资源来平衡多种生产任务对共享资源的需求。例如，机器视觉装配任务在识别复杂图像中的线缆弯曲时，边缘计算运行的分类算法需要实时处理大量图像信息，一旦网络转发时延超出预期时，边缘计算无法动态地缩减时延。因此，机器视觉应用需要预留额外的带宽和独立的边缘计算容器，为类似工业应用部署独占的服务器极大提升了生产线成