年份：2022年

长期以来，养殖业界的投资力度较为薄弱，管理粗放、效率低下、成本较高、环境污染、信息化、智能化程度低等问题突出。对于AI、大数据、物联网等新一代信息技术，养殖业似乎更是难登大雅之堂。

近些年来，随着国家对养殖业政策扶持力度加大，早在“十三五”规划期间，我国对农业发展规划就提出在畜禽养殖上，精准饲喂、发情监测、自动挤奶等在规模养殖场实现广泛应用；“十四五”更是强调了提高养殖智慧化水平的建议；2020年国务院办公厅印发《关于促进畜牧业高质量发展的意见》要求到2025年畜禽养殖规模化率和畜禽粪污综合利用率分别达到70%以上和80%以上，提出构建现代化养殖体系，加强大数据、人工智能、云计算、物联网等技术在畜牧业的应用。

养殖业的转型在政策的加持，技术的支撑下不断推进，智慧养殖在人们视野中逐渐活跃起来，不少创新的企业正通过科技来开辟养殖新路径。例如，近期，内蒙古蒙牛乳业（集团）股份有限公司新增投资企业为海南云养牛科技有限公司，其经营范围包括人工智能应用软件开发；互联网销售；地理遥感信息服务；农业机械租赁；环境保护监测；兽医专用器械销售；畜牧专业及辅助性活动等。

10f94ae9113c015dc2c40c89b0d212ef.jpg

1、智慧养殖赛道火热

资本看到广阔的市场前景，对智慧养殖的关注力度持续提升，智慧养殖应用在畜牧、水产、家禽等多领域，其中智慧养猪是热门赛道。例如，百度、京东、阿里、网易等互联网巨头纷纷进军智慧养养猪业。

早在2009年，网易就开始投入养猪业务，采用全自动液态粮饲喂系统；百度提供了一套可利用“电子围栏”实时监测猪棚活动的方案；2018年，阿里推出了利用ET农业大闹，利用视频图像分析、人脸识别、语音识别、物流算法等实现智能养猪；紧接着，京东发布了“神农大脑”，整套智能养殖计划包括AI、IoT、SaaS三大板块，其中猪脸识别技术饱受关注；2020年，华为也推出了“南泥湾”养猪计划，实现智慧管养等，之后华为又推出“智慧养猪解决方案”，用AI赋能养猪业。

说起智慧养殖，跨界合作的案例比比皆是。除此之外，工业界更是不乏布局者。例如，西门子与新希望集团合作，为其提供10万余台自动化设备服务于新希望旗下的养殖场，双方还将开展数字化农牧业试点项目；施耐德电气ATV310变频器在智慧养猪场大展拳脚。（关于智慧养猪，可以点击阅读前文“养猪厂也开始内卷了，正在和大厂抢夺985毕业生”）随着养殖企业对自动化、智能化的投入，工业自动化企业在智慧养殖的广阔市场中将大有可为。

2、智慧养殖有多智慧？

随着科学技术的进步，农牧业的发展模式也产生了变革，信息化、数字化、智能化技术加持下，养殖业变得更加高效便捷。

智慧养殖是指利用各种传感技术、信息化环境监测技术、养殖环境控制技术、RFID无线电子标签标识技术、局域无线通讯技术等自动控制技术，集成对生物个体识别、环境信息智能感知、数据采集与转换、数据有线或无线传输、数据的智能分析与处理，以及对生产行为的智能干预和精确、精细饲养于一体的养殖模式，是物联网、移动互联网、云计算、边缘技术、大数据等现代信息技术发展到一定阶段的产物。

213e67f891b65f2a82e8f461809833c7.jpg

物联网传感技术

通过物联网设备，可采集空气温湿度、二氧化碳浓度、甲烷浓度、光照度等多种环境参数并及时上传研判。

管理者也可通过远程控制现场设施设备，包括供暖、通风、光照等设备，提高管理效率。

RFID技术

通过RFID技术，可为每只动物建立电子档案，基于物联网技术建立疫病智能监测、预警和诊断系统，通过针对个体的远程传感、图像和视频监测系统，实时监测牲畜的生长状况，及时发现疫病，给出预警信息和诊断方案，保障牲畜健康。

大数据

通过智慧养殖大数据平台，集成牧场全方位信息，无论是数量、分布、育肥存栏、疫情监测还是市场信息等多种数据，均可通过大数据平台一目了然，辅助管理者科学化监管，提供决策依据。

AI

近些年AI技术在智慧养殖业的渗透度越来越高，通过AI识别技术监测动物的情况。近期，中国移动（成都）产业研究院在邛崃市建设了智慧养猪示范场。以AI算法为牵引，依托于中国移动自研智慧养猪管理系统——对猪只生命周期的管理，结合视频监控系统、智能饲喂器等物联网设备及AI视频图像分析技术，实现盘点猪只数量和智能测量猪只体重的功能，节省了猪场人力，提高养殖生产效率。

3、颠覆与革新

科学技术的应用，对传统养殖业是一场巨大的颠覆与革新。（关于传统养殖行业的智慧化建设，此前我们专门针对奶牛养殖业进行了深度解析，可以点击阅读前文：深度解析|传统行业智能化建设调查-奶牛场篇）智慧养殖可谓彻底打破传统养殖“差不多”的思维弊端，传统养殖有着太多不可控的因素，只能依靠差不多的评估和判断，而智慧养殖借助新兴技术可以做到精确、精准、高效的发展。

智慧养殖必定是养殖行业未来发展的大方向，未来的养殖行业将由分散经营转变为集约化、规模化经营，成为技术密集的行业。

有人说，养殖业跟制造业没多大区别，都是转型的过程，养殖业的发展也可借鉴制造业现代化发展的经验，一步步做起。的确，智慧养殖如同智能工厂，是一门多学科、技术融合应用的产物，除了软件系统外，配套的硬件设施，需要丰富的现场操作知识，尤其是对特定应用场景的深刻了解。只有积累了丰富的现场生产知识，与技术相结合，才能打造出成熟完善的解决方案。

智慧养殖的市场虽大，不过也存在一定的阻力，相关软硬件受限于行业知识的积累和应用场景的深入。可以说智慧养殖目前也尚处于摸索期，业内也统一的标准和方向，例如在数据的收集层面，考虑到设备的兼容性或开放性问题，数据采集的接口标准必须要统一，而现在很多设备接口并不统一。

如同制造业的数字化转型升级一般，大多数养殖行业目前只经历了机械化到自动化的升级，在信息化、数字化、智能化层面的探索还有较长一段路要走。同时，对于中小养殖户来说要想生存下来，就要积极拥抱变化，转变思维。

企业级SaaS市场有望破千亿

服务商的产品却走得有点慢

艾瑞咨询《中国企业级SaaS行业发展报告》显示，截至2021年底，我国SaaS厂商数量达到4500家，SaaS用户数915万家。2022年，SaaS预计的市场规模将会超过1000亿元。同样，SaaS的火爆也体现在资本市场。据不完全统计，刚刚过去的2月份，SaaS收获12起融资，平均不到三天就会宣布一个融资。

比较数据市场的“喜讯连连”，SaaS实际运用市场却面临重重问题。整体来看，厂商的交付能力显著弱于用户的认知，譬如企用SaaS最大的云ERP版块，不少客户反馈仍在采用短板筛选的方式做选择。也正因如此，企业SaaS整体服务满意率不高。“麻烦”和“不适用”正逐渐取代“人才匮乏”成为企业客户发展SaaS的困扰。

SaaS：

美好的框架，续费的重压

续费是SaaS产品的生命线。在这样的服务关系下，一方面软件的技术提升成为厂商的“职责”，从客户角度看，较之买断型软件的效益立竿见影;一方面，服务商也可广泛抓取客户的共性需求，快速完善产品。

但当SaaS产品做大的过程中我们会发现：客户的需求多种多样，这些需求站在客户的业务特性上都是合理的，可完全实现的话，又会影响产品的标准化。

所以针对企业客户的诉求，服务商必须有所取舍。然而现实中，服务商对小型客户需求充耳不闻，对KA客户缺乏合理的沟通立场，并不少见。当服务的天平进一步失衡，这些占比74%的中小、成长型企业的客户会集团失声、循环流失，反过来使服务商变成了服务几家大客户的“IT部”。这并不是一个良性的趋势。

KA客户：

串联“数据孤岛”，

自研、中台再上日程

同时，站在大型集团的发展角度，一旦企业拥有自建数字化的能力，往往基于安全性和适配性的考虑，回归自研道路。例如在酒店行业，锦江的Wehotel、华住的“易”系列数字化矩阵、首旅如家的首客首享平台……而根据IDC数据，全球SaaS的市场规模已达到2000亿美元，而中国的SaaS市场仅占全球的7%，SaaS行业覆盖率接近90%。冲刺猛攻业内的龙头、大客户，不是服务商们的诗和远方。

服务商：

深度垂直+PaaS+阶段兑付

或成破局利剑

| 进击的“垂直玩家”：越专业越具发展潜力

首先，SaaS服务商需与实际业务有更强联系。SaaS企业的价值核心不在于软件兑付，而在把握技术业务化方向，这是其实一道“文科题”。比如，从自助化、管理端切入数字化转型往往更易实现更受客户欢迎，但这样的数字化转型是否匹配所有的客户?如何解决用户体感不清晰、收效评估困难的问题?垂直化的服务商，能调动更多资源从目的、周期、实现力给予用户建议。

| PaaS的“降维打击”：供需矛盾的另一种解

其二，SaaS服务商需更好理解客户的需求，提升业务高度。比如，一家订单来自全球各地，酒店遍布各个城市的集团酒店，如果要满足业务需求，需要定制几十种计算模型、结算比例，并且数据要和PMS、OTA、CRM打通。这样依托开发运维人力太过恐怖，那是否可以评估模块工具化的问题，让客户自己来实现?这也是目前所说的PaaS。

| 只谈“干货”：现实问题解决能力受重视

第三，服务商应为客户之间的“信任关系”付出更多规划。商业角度的信任，一方面来自于行业以往的成功价值案例，一方面来自于短期的收益兑付能力。服务商将业务技术系统长期的实现，拆解成一个个可视的节点目标，同样是对客户负责的行为。

多向奔赴，驶向未来

SaaS服务，其实可以看作是针对企业的“共享经济”。企业化SaaS的发展，也离不开服务商与客户间的双向奔赴。利用这部单车“灵活”、“快捷”、“好掉头”的优势，淡化公司的“结构性迟钝”，提速企业发展，或许是比业务更重要的议题。

据央视财经报道，3月1日，日本丰田汽车公司因零部件供应商受到“勒索软件”攻击，决定停止日本全国所有工厂运行。丰田虽已发布消息称3月2日将恢复生产，但此次停工影响了14家工厂的28条生产线、涉及约1.3万辆汽车的正常生产计划。

就在此次攻击后不久，丰田旗下子公司-日本电装株式会社遭遇疑似勒索软件攻击，大量内部资料被黑客获取，如果这一事件的性质属实，也意味着这是丰田供应链在短短两周内连续遭遇网络安全攻击。

除了此次电装被勒索，仅2019~2022年期间，丰田公司至少曾遭受过四次网络攻击。工业网络环境日益复杂，与丰田类似的事件并不是第一次发生。2021年网络安全评级机构Black Kite发布的一份报告曾显示，其调查的100家汽车制造商中，50%的汽车制造商和17%以上的汽车供应商面临勒索软件攻击的高风险。

信息安全面临诸多挑战

随着全球各行业加快数字化转型，数据的价值进一步凸显，数据的窃取成为网络攻击的主要目的，工业领域面临的网络安全环境也愈发复杂。

据国家工业信息安全发展研究中心发布的《2021年工业信息安全态势报告》（以下简称“报告”）显示：2021年，全国工业信息安全指数为53.7，处于“中危”水平，工业信息安全态势总体平稳，未发生重大安全事件。全国工业信息安全指数连续4个季度小幅上升，整体增幅达7.5%。

报告指出，境外对我国的攻击威胁持续加剧。2021年国家工信安全中心完成全国工业控制系统威胁诱捕网络部署工程，全年共捕获来自境外105个国家和地区对我国实施的扫描探测、信息读取等恶意行为超过600万次。

我国工控安全漏洞形势依旧严峻，2021年CICSVD新收录工业信息安全漏洞1504个，其中通用型漏洞1464个、事件型漏洞40个，高危漏洞保持高位。

2021年新收录的漏洞中，高危及以上漏洞共计964个，其中超危漏洞210个、高危漏洞754个，合计占比高达64.1%。

2021年新收录的漏洞涉及220个工控品牌产品，较2020年增长35%。从受影响产品类型来看，共涉及10个大类64个小类，其中工业软件、SCADA、组态软件排名前三。

在高利润和高回报率的影响下，勒索病毒、APT攻击、数据泄露等传统网络威胁持续向工业领域蔓延，勒索攻击等新型攻击模式不断涌现，严重影响工业企业的生产和业务运营。甚至有一些企业更是因此不希望将设备与外网连接，就是因为单位网络安全会影响到正常生产。

业界“知名”的“WannaCry”勒索病毒就曾致国际知名汽车企业停产，WannaCry波及范围超过150个国家和地区，造成经济损失80多亿美元，中招电脑超过23万台，受影响用户超过30万名。

还有专门攻击电力工控系统的恶意软件“Industroyer”。黑客曾在2016年利用Industroyer恶意软件攻击乌克兰一所变电站，导致基辅等地区电力供应短暂中断，对电网等基础设施的安全运行构成严重威胁。

近年来，网络安全事件层出不穷，一系列新型攻击手段愈发成熟，冶金、能源、电力、天然气、通信、交通、制药等众多工业领域不断遭受安全攻击。

在今年3月10日，“匿名者”声称入侵了俄罗斯能源巨头-俄罗斯石油公司位于德国的分公司，并从中窃取了 20 TB 的数据。3月17日，由俄罗斯国家控制的石油管道巨头Transneft表示也遭受黑客攻击，导致79GB数据泄露。

一旦发生安全事件，不仅会造成设备故障、系统瘫痪、生产停滞，甚至还会引发安全事故，造成不可预估的影响。

工业网络安全需求快速增长

种种趋势表明，勒索手段呈现复杂化、专业化，高级别专业力量正在入场，大型企业成为网络攻击的重要目标。因此，在合规与刚需的双重驱动下，全球工业互联网安全市场发展迅猛。

相关数据显示，全球制造行业客户在安全方面的支出占网络安全总体支出市场的16.5%，仅次于金融行业。

网络安全需求呈指数级增长的原因：

一方面，工业企业上云成为主要趋势，传统行业迎来数字化转型升级高潮，工业互联网打破了传统工控系统的封闭格局，智能设备、工业应用、生产数据、系统运维都要与外网联通，增加了企业联网设备的数量，也加剧了对网络安全的需求。

另一方面，信息安全监管越来越严格，相关法律法规密集出台，诸如网安法、数据安全法、网络安全审查等，在相关法律法规加强引导下，迫切需要相关产品保驾护航。

工业信息安全涉及工业领域各个环节，在OT与IT融合过程中，带来了产业结构和体系建设的巨变，如何有效防御网络攻击减少损失，成为工业企业迫切需要解决的难题。

目前，我们使用的很多自动化的技术以及设备都主要是来自国外，部分企业存在安全意识不够强、防护措施不到位、技术产业支撑能力不足等问题，工业信息安全产业发展尚未形成良性发展。

当工业企业变成勒索攻击的头号目标，再通过支付赎金解决问题，就会产生恶性循环。很多企业更是只有在遭受病毒攻击后才会真正的加以重视，而在建设时却过多的强调解决目前阶段紧迫性问题，缺少系统性顶层规划设计，安全建设不能着眼于全局，缺乏必要的前瞻性和开拓性。

随着数字化的越来越普及，未来的网络安全环境将更加复杂，网络安全建设首先应从建设初期就同步介入，树立基本和正确的信息安全观。不能先做好数字化转型，转过头来再考虑信息安全。数字化转型和数字经济与信息安全密不可分，要共同考虑。其次，应用先进的技术与最新的攻击技术对抗，因以开放合作的心态，与高校、监管机构、规则制定者、研究单位、客户等开展广泛的合作和联系。

互联网时代下,线上线下相融合成为现今最为普遍的商业模式。随着最近的元宇宙概念大热,许多企业也在关注着元宇宙能为企业带来什么样的效益。同现实中土地一样,在元宇宙中,也存在属于虚拟世界的数据空间,元宇宙将成为企业获客的第二个世界,但元宇宙中数据非常庞大,每个企业需要的数据都有所差别,只有选对了数据,才能到事半功倍的效果。从客户数据管理到微信朋友圈、社群等的私域流量运营,智能营销趋势在市场上广受欢迎。但是随着信息更加的碎片化,面对庞大复杂的客户数据,企业好多时候也陷入迷茫的境地,只能在营销推广上盲目加大投入,而所获得的的回报常常也是不确定的。

数据对于任何一家企业来说都是至关重要的。智能营销的核心便是将数据价值最大化,帮助企业降低成本,提升企业智能获客能力。在各行各业,已经通过智能大数据营销不断扩展业务。如房地产行业,与房产相关的网站通过大数据建模实时精准抓取客户资源数据、访客时长、访客活跃度等分析,为新房、二手房等抓取到可发展用户上千的客量。大数据精准营销渗透到地产、汽车、教育等各领域。

显然,数字经济浪潮下促进了企业服务的发展。市场上出现了许多帮助企业解决获客痛点的营销平台。当企业下定决心数字化转型后,就需要一个高效率低成本的智能获客平台去很好地连接消费者。

“2019年,在国家积极发展数字贸易等政策号召下,广东鸿威国际会展集团有限公司在会展服务领域推出了自主研发的数字孪生精准获客平台—云展动力,成功将线上与线下会展双线运营,推动会展服务与制造业融合发展的新格局,借助云展动力平台,许多传统制造企业释放了活力。”鸿威会展集团董事长王照云说道。

据了解,云展动力已经形成覆盖全产业链的平行世界数字孪生服务系统,从产业生态搭建到丰富应用场景,能够帮助企业实现获客、留存、转化、客户管理的数字营销闭环,赋能企业数字化转型升级,高效解决获客难题。云展动力整合1.32亿全球客户数据,其中覆盖了932个垂直细分行业,9000万个专业采购商、4000万家供应展商,企业在云数据中可以搜索目标行业客户,个性化筛选标签,轻松获取目标客户,打造专属客户库,企业选取客户数据就可以在线邀约,信息精准触达目标客户。元宇宙时代下,在云展动力实现精准营销才是制胜法则。

系统将从十大维度记录、分析、描绘用户画像,实时全面捕捉用户行为,全方位洞察客户需求,比如,在云展动力平台中,用户浏览了企业相关的动态、3D内容、产品、直播等,系统会实时推送商机给企业,帮助企业精准定向潜在客户,实时掌握营销效果。这不仅大大节省了企业查找客户的时间,同时帮企业筛选一些精准的客户数据,根据用户的需求,智能匹配商机。

除此之外,云展动力是企业实现员工营销管理的不二选择,系统实时汇总分析企业员工营销数据和排名,实时同步员工的客户资源,无需再担心因员工离职而导致客户数据流失的情况出现,员工销售业绩随时监控,帮助企业实现内部管理数字化、智能化。

市场的狂风暴雨中,对海外企业和国内企业来说都是严峻的考验。面对消费群体的多元化、个性化,智能精准营销是必不可少的。只有精准定位客群,才能最大限度的发挥企业生产的作用。

强大的信息控制可以提高自动化水平，帮助制造商做出更好的决策

在自动化过程中注入人工智能（AI）和机器学习（ML)，以开发闭环控制，可以释放更多价值

机器视觉还可以帮助制造商发现生产过程中的瑕疵或缺陷

工业自动化和信息化正在以飞快的速度发展。无论是协作机器人、自主移动机器人（AMR），还是高速生产线，全球的工厂都在需要提高效率、优化工作流程、增加安全性和提高生产率。

然而，在工厂中，自动化有一个常常被忽视的好处 —— 信息。如果使用得当，那么在产品生产过程中获得的数据可以帮助工程师做出深思熟虑、更明智的决策。

问题是，许多工厂没有适当的自动化或控制机制，将产品从步骤 A转移到步骤 Z。这常常减少了在产品生命周期中收集到的信息。

更好的自动化意味着更好的流程、更多的制造信息

如果在工厂生产线上没有利用自动化技术，收集到的数据只能与当前的人工的过程相同。一步步地收集信息意味着失去了对产品在其过程中实时演变的可视性。生产团队几乎很难甚至不可能理解潜在的挑战或缺陷，因为他们只关注客户的要求。

这种遗留过程或全面质量管理，能够确保生产团队得到以下问题的基本答案：

在这个步骤中，你做了什么？

产品是如何满足规格的？

我们遵守要求了吗？

虽然满足客户的要求是优先考虑的，但如果没有自动化，生产团队就会错失可以帮助提高产量、减少不必要的工作、减少停机时间和浪费的大量数据流。

制造应用中的数据流

帮助提供生产线洞察的数据往往以不同的数据包、大小和形状出现。收集到的第一组数据与制造阶段的质量和产品性能相匹配，其他超出了产品属性的信息，能帮助回答以下重要问题：

制造产品花了多长时间？

在这个特定的项目上花了多少小时？

是否使用了正确的工具？

制造产品的正确组件和材料清单是什么？

这一层信息来自于整个控制线，有助于生产团队坚持标准操作程序，并确保根据基于周期时间及其他领先标准的规范生产产品。

同时，全自动生产线也能使工程师获得比人工或半自动生产线更多的性能反馈。这是因为信息控制通过自动化的工具，传递产品生产过程中的数据，这些数据可以在监视器上被捕捉并看到。例如，生产团队可以在产品紧固件上看到扭矩值等步骤，以确保在组装过程中（而不是之后）满足要求。

全自动生产线还可以更轻松地将关键信息传递给客户。例如，对于医疗器械来说，自动化数据收集能够让生产团队以准确、及时、高效的方式记录并向客户交付防水、测试、密封及其他关键因素的信息。对于汽车等其他有严格要求的行业同样如此。

让工厂生产线达到这样的自动化和数据收集水平需要时间、规划及专业知识的支持。

为自动化成功设置生产线

对于机器和设备的自动化控制，有两种选择。

第一种是可编程逻辑控制器（PLC)，可用于同步生产线控制，包括速度，物料进出之间的相互作用，以及其他方面的控制。借助PLC，操作员可以坐在装有机器视觉摄像头的传送带前。当产品被放置在传送带上时，摄像头会看到并进入下一个周期。尽管PLC能正确地执行控制反馈，但在这个过程中没有数据收集——只是被动、半自动的进行控制。

为了充分地利用自动化和相关数据的优势，工厂应该考虑将工业PCs (IPCs)与高速自动化和传感器相结合。这些系统为PLC的逻辑编程提供了先进的计算能力和信息控制。这种设置也可以由边缘网关来支持，以帮助管理数据流。

获取实时分析数据的三个步骤

企业在获取最终实时分析数据之前需要采取的步骤包括：

更好地理解投入——产出机制

使用合适的传感器来收集数据

通过低代码/无代码应用启用闭合循环控制程序

该智能系统有助于在整个产品生命周期中进行数据收集，从而获得诸多文章上述的优势。这些数据还可以被传输到云端进行大数据分析，或者在边缘（也就是接近机器的位置）进行实时处理。在此基础上，通过将人工智能（AI）和机器学习（ML）注入自动化过程，以开发闭环控制，可以释放更多的价值。

利用 AI和 ML释放价值的五种方法

ML可以从闭环控制中获取大量数据，并将其合成可操作的信息，以便驱动更好的流程和更明智的决策。ML帮助生产团队将信息用于控制，这些控制可以实时调整生产线上的参数，而无需停止生产。ML还可以用于识别和消除工作中的非增值方面，例如在一段时间后对产品的测试。

AI和 ML价值的另一个驱动因素是视觉。例如，从工业 PC的闭环系统中获取数据，机器可以检测出划痕等产品上的瑕疵或其他缺陷。这种异常检测功能允许系统映射导致这些问题的热点，并能够标记出要检查的潜在问题区域。

然而，为了最大程度地利用这些解决方案，考虑以下问题很重要：

1. 由你来构建 AI/ML，还是通过第三方购买？

2. 跨生产线的可扩展性如何？

3. 谁来创建算法和教学模型？

4.是否有足够的数据科学家来支持该项目？

5.是否有正确的系统和员工来理解和解释数据？

当自动化发挥其最大能力时，它可以执行生产过程中的战略原则。自动化是一种受控机制，它让机器对机器（M2M）接口以正确的步骤顺序驱动产品，从原材料到转化后的成品。产品性能、质量、周期时间的信息流和管理进出工位的材料流也是通过自动化同步完成的。当自动化与AI或ML相结合，便能够带来无限的可能。