2018年德国培训交流回顾
2018年赴德国参加云计算、大数据及物联网技术与应用培训交流，时间已过两年，基于技术发展的大部分预测基本变成现实，回顾一下，继续前进。
一、基本情况
培训由工信部组织，培训成员由中国电子、中国船舶、信通院、中国移动、中国电信、中国联通、中国铁塔、北京汽车、大连理工等央企和高校人员组成。培训班的重点是学习德国产学研的机制和经验、先进理念和核心技术，了解德国云计算、大数据、物联网的技术成果，学习工业4.0标准化体系建设和工业大数据战略，推动包括数据安全、行业治理和数据经济的实践。
培训分为课程讲授和公务访问，讲授的课程47门，公务访问8次，培训地点为斯图加特、柏林、波恩。
课程讲授主要在弗劳恩霍夫协会相关研究机构举行，该协会是欧洲最大的应用研究机构，其研究目标明确定位于“为经济和社会在短期带来进步的应用技术”。协会包含有 72 个研究所和研究组，拥有超过 2.5 万名雇员，每年 23亿欧元的研究经费，其中大约 2/3 来自于工业企业和各类公众研究项目，1/3来自于政府和政府背景的基金项目。授课专家分别来自弗劳恩霍夫协会IAO（劳动经济和组织研究所）、IPA（生产技术和自动化研究所）、IOSB（光电、系统技术及图像处理研究所）、FOKUS（开放通信系统研究所）、IIS（集成电路研究所）、ISST（软件和系统技术研究所）、IML（物流和后勤研究所）、IAIS（智能分析和信息系统研究所）、FIT（应用信息技术研究所）、SCAI（算法和科学技术研究所）、LBF（生产和系统可靠性研究生）、IGD（图像数据处理研究所）等研究所。授课内容包括：德国云计算和大数据开展概况，云计算实践方案，物联网架构和标准及平台实施，大数据数据安全，人工智能中的知识表达和语义网利用，边缘计算和智能实践，工业4.0和CPS系统，大数据和智慧物流，数字商业模式，多媒体和图像数据处理，社交媒体信息处理，智慧城市服务，生命科学中的语义和大数据处理，仿真测试和机器学习，大数据和能源结合应用等相关理论和方法。
公务访问包括了 Fellbach VDC（虚拟中心）、弗劳恩霍夫协会IAO 虚拟工程中心、柏林欧瑞府零碳能源科技园区、施耐德电气集团、杜伊斯堡-埃森大学、弗劳恩霍夫协会IML智能物流实验室、达姆工大智能工厂实验室、SAP公司，访问的内容包括：虚拟工程和虚拟现实、智能城市的智能能源、智能物流、工业4.0中的智能制造和智能工厂。
二、主要收获
1、德国产学研的体制健全完善，有利于新技术的孵化成长。
弗劳恩霍夫协会是公助、公益、非盈利的科研机构，其80%的经费来源于科研合同，科研主要方式是设计出解决方案、原型和标准，通过验证后以专利授权的形式提交给企业投产。主要特点有：
（1）弗劳恩霍夫协会研究所和大学关系比较紧密，绝大部分研究所都毗邻当地大学校园，固定研究人员有相当一部分是来自于大学师资队伍，其余流动人员大多来自于在校的实习学生，实习结束的学生大部分会在毕业时进入企业工作，这种人才培养和输出方式，一方面可以在理论创新上保持原创动力，另一方面可以缩短学生向高技能产业工人的转变过程，同时还可以保证理论研究和市场需求的一致性。
（2）产学研模式持续投入。欧洲和德国的专利管理比较严格，并且研究所大部分课题与工业新问题和新趋势有密切的联系，所以弗劳恩霍夫协会能够吸收较多的社会资本，同时德国政府也持续投入，使得产学研模式得以持续。这种模式下，研究的周期适当弹性自由，研究的结果相对也具备前瞻性强和体系性全面的特点。
（3）弗劳恩霍夫协会各个研究所具有充分的自主权，研究所各自负责争取科研合同，之间存在一定程度的竞合关系，但协会作为整体，可以平衡多个研究所的利益，必要时组织联合攻关（如ISST和IML在智能物流的合作研发），以加强品牌效益。
对比国有企业的研发方式有两个问题：
（1）国有企业技术水平大体来说受供应商的影响仍然偏大，大部分企业成立实体或者虚拟组织进行自主研发，偏重于应用开发类，前瞻性和体系化新技术研发不足，人员、岗位、研发和生产运营机制比一线互联网公司也有一定差距，在培养新兴人才、新型技术应用有一些的成果，但促使企业和社会变革的生产力尚显不足。
（2）研发实体较为分散，协同效应不足，与高校合作较少，缺乏品牌效应。
2、德国大数据体系规划全面。
从初步观察的情况，德国在大数据和人工智能的研发应用基本与我国基本上处于同一水平线，甚至某些应用领域我国较强，但其在整个体系规划更健全，其中令人印象深刻包括了工业数据空间（Industry Data Space）、数字孪生（Digital Twin）和语义网（Semantic Web）、数据安全管理规范。
工业数据空间被定义成一个使用标准和通用治理模型的虚拟数据空间，以促进安全交换和商业生态系统中数据的简单链接。工业数据空间连接着工业平台和物联网，为创建/使用智能服务和创新的业务流程提供了基础，同时确保数据所有者的数字主权。工业4.0平台架构解决了工业相关问题的建筑层，而工业数据空间则关注数据层和经济性，适应性比工业4.0平台架构的范围更广，还包含智能服务场景。
数字孪生是数字化过程和产品的基础，它是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多尺度、多概率的仿真过程，在虚拟空间映射成数字对象，从而反映相对应的实体装备的变化过程。利用数字孪生可以简便对员工进行培训和生产指导，有利于人机交互，对VR、AR和各类仿真应用的发展有较大的促进作用。
在课程的内容中工业数据空间、数字孪生、智慧城市、生命科学等多个场景都提到语义网的应用，可见语义网建设是德国工业4.0的IT基础设施建设中非常重要的一环。语义网是一个通用框架，允许在应用程序、企业和社区之间共享和重用数据，提供了整合不同来源的数据的通用格式和记录数据与现实世界对象对应关系的语言，目标是使得机器能够理解世界，促进高效的信息共享和机器智能协同。德国语义网部署合理，但仍有存在以下问题：
（1）语义网建设存在效率较低的问题，目前主要通过人工方式介入，本体论（Ontology）工程管理目前还无法自动通过机器的方式实施，需要大量的资料和专家介入，时间成本高。
（2）大数据转换与语义网联动实施尚未说明明确案例，在实际应用中，需要考虑数据处理中数据转换与语义标记的串并行效率问题（以国内运营商为例，每天产生的数据量以数十PB计算），需要评估运行效率与成本。
德国的数据保护法律比较系统和规范，1977年德国《联邦数据保护法（BDSG）生效，奠定了德国数据信息保护法律的坚实基础，而2018年生效的欧洲通用数据保护条例（GDPR）的更加强了对个人信息安全的保护。数据保护并不意味着成本的增加，它还带来数据信任、新的商业模式和相应的市场空间。除了在法规和执行上加强落实，在技术上强调数据脱敏、加密、接入认证和非必要的数据清理之外，研究所还介绍了隐私影响评估（PIA，Privacy Impact Assessment）的操作方法，有助于检测IT安全问题。
3、德国在边缘计算实践上具备有较强的前瞻性。
在物联网平台建设介绍中，研究所专家多次提及了边缘计算（或雾计算）。边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点移往网络逻辑上的边缘节点来处理。边缘计算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。由于边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据的来源，可以实现去中心化设计，更适合处理实时大数据。
边缘计算的主要驱动因素是物联网设备增长迅猛、连接用户侧和云的通信网络通道时延较大、云基础设施的负载较重，机会则来自于5G通信和移动IPv6协议的应用和发展。根据媒体报道，各大云计算巨头如亚马逊、微软等正采取措施，增加可扩展的间歇连接边缘设备计算控制器和软件，来防止工作负载脱离云平台轨道。
目前研究所的专家尝试标准化定制边缘计算节点模组，采用Arm板加外设方式实现，如采用树莓派、神经网络计算棒、相机、红外成像仪、MIC阵列、传感器等组成智能节点，部署在用户侧附近（如接入路灯或者控制桩），这种计算节点设备的特点是低能耗、低成本和小尺寸，适合处理数据量不太大、短时延的场景，可以结合深度学习算法实时处理视频和音频流，应用场景包括道路异常检测与控制、快递柜控制等。智能节点间通信方面则通过WIFI、LIFI或者小范围基站，同时也尝试使用了区块链技术实现系统信任。
在对边缘计算的分配问题，研究所的专家的意见并非完全统一：哪些计算放在云上，哪些应该放到本地，较多的倾向于轻量化的计算本地解决，重度计算如大规模神经网络场景本地预处理后再上云解决，云上下发控制指令。因此，还结合应用场景来选择合适的解决方案。从目前状况看，边缘计算的标准、协议和演进路径尚未清晰。
4、智慧物流系统令人印象深刻。
现代社会运转，物流占据了几乎40%的生产活动，企业要想高效率、低成本地履行订单，一套自动化、智能化的仓储系统显得尤为重要。德国移动机器人系统、自动化立体仓库、无人机、大数据交互和模拟仿真在工业的原型设计和应用令人印象深刻，基于机器人的“货到人”方案可以完成补货、整箱拣货、拆零拣选、退货等物流作业，市场需求巨大。在智慧物流解决方案中，以用户为中心而不是以流程驱动的商业模式将成为主流，工业互联网和大数据是推动物流实现智慧的核心要素，新的物流软件和服务必须支撑通过数据和用户来驱动的商业模式。
三、工作建议
1、我国国有企业应该继续加强自主研发力度，掌握自主知识产权
（1）继续鼓励国有企业实施产学研和成立实体\虚拟研发机构，鼓励加强与高校的联系和合作，在保证安全的前提下鼓励使用开源技术和开源社区力量，鼓励新技术产品化和成型应用。对于处于孵化阶段的新技术，可以通过虚拟组织进行临时管理，待产品投产有社会效益后进行实体化。国有企业的研发机构具备资格参与到各级基金项目、科技项目和企业项目中，作为该研发机构的研发经费的来源。
（2）成立新技术研发与应用行业协会，对研发实体进行分类分级管理和行业指导，一定程度上鼓励研发实体竞合关系，对于重大攻关型研究性课题，由协会进行联合多家研发机构实施，实体化运作。创建国有品牌，参与国际化市场。
（3）加强新兴科技的培训教育，促进国有企业和高校人员交流（包括普通学术交流活动、借调和任职），继续促进新型人才培养和使用。
（4）鼓励国有企业对科研人员实现市场化薪酬管理，鼓励科研人员或团体申报专利，让科研人员在新技术孵化和市场化推广应用中获得一定收益。
2、我国应成立数据中心，加强大数据建设和数据安全规范
（1）建议由政府牵头主导成立国家数据中心，国家、省两级设置，以便数据的统一利用、存储和提高社会管理效能。数据中心既可以包括各类工业设备、物联网设备产生的数据，也可以包括各类人和应用产生的数据。数据中心创建安全的数据区，参考工业数据空间思路设立相应的数据交换基础设施、标准化授权模型、标准化价格模型、可信的第三方仲裁和数据价值评估机构、数据集市，灵活运用区块链、PKI、容器等技术，形成相应的数据标准、系统架构和使用协议，使各行各业的公司能够以主权方式管理其数据，并在广泛的数据关联上更大的发挥数据价值。
（2）鉴于语义网络以及语义网是人工智理解世界的基础，建设至少行业级别的语义网，有助于形成社会规模的知识转换中心，有利于人机交互和机机交互，因为需要投入较多的时间成本和人力成本，越早建设对智慧城市的建设、人工智能服务等数字中国的推进越有利。目前运营商基本上都有元数据建模的经验，有一定的技术基础，可以由运营商进行试点建设，成熟后推广。语义网的本体论（Ontology）自动化工程管理是一个前沿的研究方向，建议开展类似研究以提高知识转换效率。
（3）伴随数据中心和语义网的建设，数字孪生相应地具备持续发展的通道，结合相关AR、VR和仿真技术，可以产生较大的经济效益。运营商可以积极采用虚拟现实设备结合数字孪生进行试点应用，如宽带装维、设备维修和组装的教育培训，移动站点规划与优化仿真等。
（4）加强对数据安全法规的完善、执行，参考隐私影响评估（PIA）优化现有系统安全评级标准，对处理个人数据的组织和系统拟定市场准入规则，并通过各类技术手段完善数据安全量化评估模型，定期出具评估报告。
3、推进边缘计算的接入网、传输网络、控制系统、计算结构和安全标准建设。
（1）建议成立专家组组织边缘计算的标准协议栈制定，通信网有大规模物联网应用基础和遍布全国的通信站点等基础设施，因此可以先在通信网试行。
（2）边缘计算的调度和安全是核心技术问题，也就是任务拆解、分配、容灾、异地调剂和安全可信机制问题，建议在有能力的运营商中进行试点。
4、加强整体智慧物流规划建设，降低流通成本
成立全国互联的物流平台是国家层面可以考虑的选择，通过物流平台形成连接生产车间、仓储和运输的联系纽带，接入现有的物流企业IT系统，对不同的商业需求实现灵活调度，减少条带化的管理，有效降低社会流通成本，降低交通运输和仓储压力。但建立智能物流准入协议和标准，工作量较大。
5、加强运营商与制造业的联系，发挥客户和工业桥梁作用
在德国工业4.0的设计场景中，从用户自定义定制产品下单，到工厂智能化自动化生产，到自动投递到用户家完成消费，全是流水线作业。运营商在联系个人客户有天然的优势，并且有多年的信息化技术的积累，可以利用这一长处，为工业界提供一站式服务，包括：用户自定义产品门户、网络通信服务、工业数据托管、云计算能力提供、物联网接入平台等。对于工业生产自动化能力的服务化过程和智慧物流系统建设，也可以发挥积极作用。
转载自原文链接, 如需删除请联系管理员。
原文链接：2018年德国培训交流回顾，转载请注明来源！