1 Copyright © 赛迪顾问 未经协议授权，禁止提供给其他单位或个人。目 录产业定义或范畴 .1一 赛迪重大研判 .2二 产业政策分析 .3（一）产业环境 . 31、新一代信息技术提升工业大数据应用价值 .32、工业互联网标识解析体系助力工业大数据互联互通 .3（二）政策导向 . 3三 产业链全景图 .4四 价值链及创新 .5（一）基础层净利润增长趋于稳定 . 5（二） 平台层提供工业应用软件服务的企业盈利能力较好 .5（三） 应用层上市企业盈利空间较大，工业 APP产品上市企业规模占据重要位置 .6五 区域分布格局 .6（一）产业资源分布 . 6（二）产业规模分布 . 7六 行业龙头动向 .8七 市场规模预测 .9（一）2022 年，中国工业大数据市场规模将接近 350亿 .9（二）工业大数据应用层所占比重最大 .10八 赛道选择建议 .11九 资本市场动向 .11（一）工业大数据领域投融资案例主要集中在 Pre-A轮 .11（二）工业大数据投融资金额以 1000万元 -5000万元为主 .12（三）工业大数据投融资市场较为保守 .13十 最具价值企业 .13报告说明 .15关于赛迪 .162 阅览更多研究报告请访问满天星产业大脑 : mtx特别声明 .16图目录图 1 工业大数据产业链全景图 .4图 2 2019年中国工业大数据价值链分布情况 .5图 3 2019年中国工业大数据产业规模分布图 .7图 4 2017-2022年中国工业大数据市场规模及预测 .10图 5 2017-2022年中国工业大数据市场结构及预测 .10图 6 2020年中国工业大数据投资价值趋势图 .11图 7 2018年及 2019年中国工业大数据投融资轮次占比 .12图 8 2018年及 2019年中国工业大数据投融资金额占比 .12表目录表 1 中国工业大数据产业主要政策 .3表 2 2019 年中国工业大数据资源分布 .6表 3 2019年中国工业大数据行业重大事件 .9表 4 2019年赛迪工业大数据最具价值企业 .131 Copyright © 赛迪顾问 未经协议授权，禁止提供给其他单位或个人。1产业定义或范畴工业大数据是指在工业领域中，围绕智能制造模式，以数据采集集成、分析处理、服务应用为主的各类经济活动 所产生的数据总称，包括从客户需求到销售、订单、计划、研发、设计、制造、采购、供应、库存、售后服务、运维等整个产品全生命周期各个环节。工业大数据以产品数据为核心，延展了传统工业数据范围，同时还包括工 业大数据相关技术和应用。工业大数据的主要来源主要可以分为三类，分别是生产经营相关的业务联网数据、物 联网数据、外部联网数据。赛迪顾问结合对企业调研数据，将工业大数据市场规模界定为工业大数据供应商对产 业链基础层、平台层、应用层的相关产品、服务、解决方案销售后所得的总营收。另外，工业企业自建自用或未产生营收的工业大数据产品或服务数据，将不会纳入工业大数据市场规模计算。2 阅览更多研究报告请访问满天星产业大脑 : mtx一 赛迪重大研判1、中国工业大数据应用市场处于起步阶段未来潜力巨大，在政策和技术的推动下，工业大数据市场将成为下个蓝海。2、工业大数据市场主要分布在华东、中南地区，而华北地区的工业大数据企业规模偏大，市场需求量大。3、人工智能、边缘计算等新兴技术将持续助力工业变革和制造商业模式变革。4、根据国内投资市场情况来看，我国工业大数据投资主要集中在前期，投资额普遍偏低。5、从基础层来看，数据量的激增和相关软硬件技术的成熟，工业企业不断完善基础层部署；从平台层来看，随着各项大数据相关技术不断趋于成熟的发展，工业大数据平台层设计不断优化。从应用层来看，随着大数据技术 在传统工业领域的融合应用持续深化，各类工业大数据应用，如设备设施预测性维护、工业生产流程优化、生产 过程可视化和供应链优化等市场需求持续扩大。3 Copyright © 赛迪顾问 未经协议授权，禁止提供给其他单位或个人。3二 产业政策分析（一）产业环境1、新一代信息技术提升工业大数据应用价值在信息技术高速发展的今天，工业信息化过程中从研发制造到服务环节产生大量数据，工业数据模态多样、结构 关联复杂，工业大数据融合了传统大数据、自动化数据、产业链上下游及跨界数据，工业大数据相较于其他领域 的大数据应用更需要和其他新一代信息技术进行融合创新。随着大数据、云计算、物联网、边缘计算、人工智能 等领域的技术突破与发展，工业大数据与这些新技术领域的联系更加紧密，物联网、边缘计算技术的发展将极大提高数据的获取能力，提升数据平台层数据质量；云计算与人工智能技术深入地融入数据分析体系，提升数据平 台层多维度数据价值。新兴技术的融合创新不断地涌现并持续深入，使工业大数据的数据获取量更大，存储管理 更便捷，分析产出更智能，实现最大化的商业价值。2、工业互联网标识解析体系助力工业大数据互联互通工业互联网标识解析系统通过工业互联网标识，构建人、机、物全面互联的基础设施，将唯一可标识的工业系统 对象，如生产设备、网络接口卡、智能仪表、传感设备等联通起来，实现标识对象的交互与协作，以便各类信息 处理系统、资源管理系统、网络管理系统对目标对象进行相关管理和控制，实现工业设计、研发、生产、销售、服务等产业要素的全面互联，提升协作效率，对促进工业数据的开放流动与聚合、推动工业资源的优化集成与自 由调度、支撑工业集成创新应用具有重要意义。（二）政策导向近年来，我国将智能制造作为两化融合的主攻方向，并出台了一系列“两化融合”“互联网与制造业融合”等综 合性政策，随着大数据应用时代的到来，工业大数据作为“智能制造”和“工业互联网”的关键支撑及两化融合 的重要基础逐渐受到重视。我国正在系统部署大数据发展工作，推动大数据技术在工业研发设计、生产制造、供 应链协同管理、智能营销、智能化服务全生命周期各环节的应用，加快了信息化技术和工业的深度融合，创新实 现新技术、新产品和新模式。国家政策在工业大数据的需求端和供给端均出台了相应的政策文件，全面指导我国 工业大数据技术发展、产业应用及其标准化进程，并积极推动工业云、大数据等技术在工业领域的集成应用，探 索建立工业大数据实验中心，建设工业大数据应用示范工程，增强制造业转型升级新动能。 表 1 中国工业大数据产业主要政策颁布时间 颁布主体 政策名称 关键词2017 年 国务院 关于深化 “ 互联网 +先进制造业 ”发展工业互联网的指导意见 互联网 +先进制造业2018 年 工业和信息化部 工业互联网发展行动计划 （ 2018-2020 年） 工业互联网2018 年 工业和信息化部 推动企业上云实施指南 （ 2018-2020 年） 企业上云4 阅览更多研究报告请访问满天星产业大脑 : mtx数据来源：相关部门，赛迪顾问整理，2020 年 2月三 产业链全景图工业大数据产业主要集中在基础层、平台层、应用层三个层面。基础层：主要包括数据资源、技术组件与集成两部分。各技术组件帮助采集工业大数据的数据，并实现不同系统间数据交互 功能。另外，工业大数据主要来源于三部分，分别是外部联网数据、生产经营相关业务联网数据及设备物联数据。平台层：主要包括数据处理、数据管理、工业应用软件三方面。工业大数据平台层从功能上来说是基于工业应用软件，建立 主题数据库，完成原始数据清洗转换，海量数据的交互查询、批量计算、流式计算和机器学习等计算任务，同时提供数据可视化、统计分析和数据安全等服务。应用层：主要涵盖工业设计、生产、协同、服务、个性化定制、资源共享的工业产品全生命周期各环节，包括自动化设计数 字化仿真优化、生产效率综合优化生产故障预测、设备联网与智能控制过程协同与透明化、产品智能化远程维修、全流程建 模数据贯通、生产能力共享生产资料共享六方面。工业大数据应用层基于数据分析结果，形成优化决策建议或产生直接控制 指令，从而对工业大数据系统产生影响，实现个性化定制、智能化生产、协同化组织和服务化制造等创新应用模式。 图 1 工业大数据产业链全景图数据来源：赛迪顾问，2020 年2月5 Copyright © 赛迪顾问 未经协议授权，禁止提供给其他单位或个人。5四 价值链及创新 图 2 2019年中国工业大数据价值链分布情况数据来源：赛迪顾问，2020 年2月（一）基础层净利润增长趋于稳定随着云计算和人工智能等技术的进步，中国大数据基础支撑层市场稳步发展。基础层提供了工业大数据产品和服务正常运转 所需的多样化软硬件资源，与大数据存储、网络和计算相关的软硬件产品和服务，充分结合了当前的技术发展趋势，为结构 化和非结构化海量数据的存储、传输和分析挖掘奠定了坚实基础，用于采集数据的各类传感器，融合边缘计算技术的智能终 端，以及整合多样化终端的系统集成平台，也日益成为基础层的发展重点。当前，工业数据基础层发展越来越快，除去工业自动化企业，网络通信企业、信息技术企业等上市公司更倾向于做一小部分 工业大数据基础层业务。工业数据基础层供应商主要分为三类企业：一是工业自动化企业，从自身核心产品能力出发，主要 为工业数据采集提供接入设备，作为工业数据采集的源头，二是工业网络服务企业，主要为工业数据采集提供工业网络协议转换、传输、安全等配套设备和服务，三是工业数据采集解决方案企业，主要提供工业数据采集解决方案、系统集成等服务。 目前，我国部分企业已经具备自主研制的工业大数据平台，在工业大数据平台的工业大数据采集、工业大数据存存储管理等 技术上有所突破。在工业大数据基础层中，边缘计算、人工智能，以及“软件定义计算、存储和网络”等技术的发展，使得 基础层硬件的高性能化成为大趋势，其利润率仍保持较高位置，工业大数据基础层上市公司的产品中传感器、PLC、DCS等细分产品占据主要市场位置。在对计算、存储和网络等资源开展集中管控和高效应用等方面，客户需求相对类似，产品较 难体现出差异化优势，各供应商的核心竞争力主要体现在产品性能的上，这种技术上的差异，新兴公司最初会占据一定优势， 随着开源技术的普及，大部分集成商会逐步赶上，技术的差距会逐步缩小，此部分净利率略低。总体上来说，由于近年来各工业企业对大数据基础层的投资持续增加，中国工业企业信息化程度日益加强，云端存储、物联 网设备采集等技术已不断在基础层实现应用，边缘计算等新兴技术在一定程度上刺激了基础层净利率的提升，但网络传输、集成、存储等方面，企业竞争激烈，技术带来的红利逐渐缩小，因此工业大数据基础层净利润增长趋于平缓发展，工业大数据基础层市场规模将放缓增速。（二）平台层提供工业应用软件服务的企业盈利能力较好6 阅览更多研究报告请访问满天星产业大脑 : mtx2019 年，工业大数据平台层企业创新持续活跃，更多企业加速进入工业大数据应用层，目前平台层上市企业数量是三层中最多的。工业应用软件是当前工业大数据平台层市场需求最旺盛的领域，工业应用软件是工业企业信息化发展的关键，其净 利率在平台层市场中表现最为突出。随着智能制造的兴起和发展，制造业企业对 ERP、MES、PLM 等系统实施服务的需求持续强劲，工业企业信息化软件总营收保持快速增长，供应商自有产品系统整体架构实现升级，并不断强化机器设备互联 互通的能力，逐渐形成工业应用软件规模化发展。基于云平台的工业应用软件实现了云基础架构与云平台到广泛、全面、智 能的企业级云应用，深度赋能工业大数据生态可持续发展与价值创新。同时，由于企业的信息化需求越来越多样化、个性化， 供应商通过加强自主研发面向微服务架构思想和分布式应用架构研发的分布式应用开发平台，扩充产品矩阵，将业务触角延 伸至 CRM、HRMS、ERP 等各细分领域，增强跨产品线整合的能力，强化多样化产品组合的能力，使得工业应用软件的总营收不断提升。数据处理的营收紧随其后，从数据清洗到数据分析再到数据可视化，贯穿工业数据周期管理周期。其中，数据分析是核心环节，几乎涉及到应用层的所有由于场景，其利润率也是三个细分领域中最高的，工业对数据可靠性依赖较高，提高了数据分 析的价值创造门槛，工业大数据分析难点，通常不是计算机存储和处理数据的能力，而是数据关联关系的复杂性，因此，如 果没有合适的数据分析方法，工业数据的价值会大部分流失。（三）应用层上市企业盈利空间较大，工业 APP 产品上市企业规模占据重要位置目前，因工业各领域都有各自独特的知识领域和机理形成的行业门槛，每一个工业场景在不同行业、不同企业中的需求也会 差异较大，工业大数据应用层上市企业不断提升在各领域应用的深度和广度，聚焦行业痛点问题，将技术突破、模式创新与 实际需求相结合，涌现形成更多面向特定场景、具有更大价值的行业解决方案，产业整体发展更加务实。应用层企业不断开 拓应用行业、应用场景的同时，势必会带来利润的增长，目前看来，企业在钢铁、电力等行业提供的产品和服务较广泛，大 量场景还未被深入挖掘，因此，未来工业大数据应用端将成为相关企业布局的重点。同时，大多数推进工业 APP 研发生产的公司注重产品自主研发和云化安全，既强调产品具有整体解决方案能力，又在工业机理方面积淀深厚，此类企业具有持续 开发以及发展基于大数据的行业云应用的实力，对应用领域内细分工艺理解透彻，在新的蓝海市场中竞争力强，有望在新技 术路径下享受更多行业红利。盈利状况较好的企业纷纷布局工业 APP 业务，积极开展工业 APP 研发和测试工作。由于我国工业互联网发展尚处于初级阶段，工业 PaaS 层赋能不足，导致工业 APP 数量少且基础薄弱，未来工业 APP 将在工业大数据应用成熟过程中批量爆发，其中，部分优秀的工业 APP 能够大范围被工业企业应用，具有较强的实用性，开发此类工业 APP 的企业也将受工业大数据市场重点关注。五 区域分布格局（一）产业资源分布工业大数据是大数据中的一个重要细分领域，目前，我国工业正在进行全方位、多层次的数字化转型，工业大数据尚未形成 明显的产业集聚区，工业大数据产业的资源分布也是基于大数据产业发展的，大数据产业园是集聚大数据产业资源的重要载 体。当前，不仅八个国家级大数据综合试验区（贵州、京津冀、辽宁、内蒙古、上海、河南、重庆、珠三角）的大数据产业 园/基地快速发展，与这些试验区其毗邻的区域，如安徽、湖北、四川、陕西、浙江、山东和江苏，也都加快落实“大数据产业园区/基地“建设，意图增强数字经济发展实力，加速产业转型升级。当前，工业大数据地域布局中，其中工业大数据上市企业较少，多分布在北京以及东部沿海地区。 表 2 2019 年中国工业大数据资源分布7 Copyright © 赛迪顾问 未经协议授权，禁止提供给其他单位或个人。7区域 载体、平台 创新资源 企业资源华北 国家级大数据综合试验区2个； 国家级高新区12个；国家级自主创新示范区2个；国家级经济技术开发区20 个 一流高校10 所；国家实验室（包括筹备建设）9家；2019 年国家级科技企业孵化器 23 家 规模以上工业企业单位数 29139 家东北 国家级大数据综合试验区1个； 国家级高新区16个；国家级自主创新示范区1个；国家级经济技术开发区22 个 一流高校4所；国家实验室（包括筹备建设）2家；2019 年国家级科 技企业孵化器7家 规模以上工业企业单位数 16324 家华东 国家级大数据综合试验区1个；国家级高新区 63个；国家级自主创新示范区6个；国家级经济技术开发区 100个 一流高校11 所；国家实验室（包括筹备建设）6家；2019 年国家级科技企业孵化器 77 家 规模以上工业企业单位数 181245家中南 国家级大数据综合试验区2个；国家级高新区46 个；国家级自主创新示范区5 个；国家级经济技术开发区35 个 一流高校7所；国家实验室（包括筹备建设）1家；2019 年国家级科技企业孵化器 70 家 规模以上工业企业单位数 107585家西南 国家级大数据综合试验区2个；国家级高新区 17个；国家级自主创新示范区 2个；国家级经济技术开发区19 个 一流高校4所；国家实验室（包括筹备建设）1家；2019 年国家级科技企业孵化器 12 家 规模以上工业企业单位数 30943 家西北 国家级大数据综合试验区0个；国家级高新区 15个；国家级自主创新示范区 1个；国家级经济技术开发区23 个 一流高校5所；国家实验室（包括筹备建设）1家；2019 年国家级科 技企业孵化器8家 规模以上工业企业单位数 9370 家数据来源：赛迪顾问，2020 年2月随着智能制造步伐的加快，工业大数据集聚特征开始初显，其中珠三角、长三角地区和北京、山东等环渤海地区发展水平较 高。环渤海地区主要以锻压机械、数控车床、高速龙门铣床、龙门加工中心生产为主，长三角地区以磨床、电机加工机床、板材加工机床、工具和机床功能部件生产为主，珠三角地区主要布局数控车床、数控系统、功能部件制造，东北加工数控车床、加工中心、重型机床、锻压设备及量刃具居多，西北主要生产齿轮磨床、数控车床和加工中心、工具和功能部件，中部 重点生产重型机床、数控系统，西南以小型机床、齿轮加工机床、专用生产线及工具生产为主。（二）产业规模分布 图 3 2019年中国工业大数据产业规模分布图