京公网安备 11010802034615号
经营许可证编号:京B2-20210330
物联网产业进入发展壮大期
我国物联网已初步形成完整的产业体系,并赢得一定的国际话语权,在交通、电力、安防等领域形成了规模性应用。未来物联网将迎来井喷式发展,成为推动经济社会智能化和可持续发展的重要力量
从1999年我国启动物联网核心技术——传感网技术的研究开始,物联网产业在我国的发展从培育期进入了发展壮大期,预计今年物联网整体市场规模将达到7500亿元,年复合增长率超过30%……总体而言,我国物联网已初步形成完整的产业体系,并赢得一定的国际话语权。由我国提出的物联网顶层设计被物联网的国际标准、国家标准全面采纳;对物联网的应用也从政策扶持期进入市场导向期,在交通、电力、安防等领域形成了一定的规模性应用。
政策支持力度大
我国于2009年提出“感知中国”战略,推动物联网进入高速发展快车道。2013年初,《国务院关于推进物联网有序健康发展的指导意见》印发,提出要实现物联网在经济社会各领域的广泛应用,掌握物联网关键核心技术,基本形成安全可控、具有国际竞争力的物联网产业体系,使物联网成为推动经济社会智能化和可持续发展的重要力量,并发布了顶层设计、技术研发、标准研制、产业支撑、商业模式、法律法规、信息安全等10项行动计划。
近年来,相关部委支持物联网发展的政策密集出台,工信部发布《物联网“十二五”发展规划》,提出在核心技术研发与产业化、关键标准研究与制定、产业链条建立与完善、重大应用示范与推广等方面取得显著成效;科技部和交通运输部也分别发布关于推动智能电网和智能交通的专项规划和发展战略。不少地方政府也出台物联网专项规划、行动方案和发展意见,从土地使用、基础设施配套、税收优惠、核心技术和应用领域等多个方面为物联网产业的发展提供政策支持。
未来几年,物联网将迎来井喷式发展。经济提质增效和产业转型升级将使物联网发展优势更加突出,社会转型将为国内物联网应用提供更广阔的市场,新技术的突破将带来产业的规模化发展。特别是在工业自动控制、环境保护、医疗卫生、公共安全等领域开展了一系列应用试点和示范,并取得了初步进展。
物联网的广泛应用不仅将改造提升传统产业,促进先进制造业的发展,更将培育发展新兴产业,促进现代服务业的发展。
发展遍地开花
我国物联网发展与全球基本同步。统计数据显示,目前我国物联网及相关企业超过3万家,其中中小企业占比超过85%,创新活力突出,对产业发展推动作用巨大;已初步形成环渤海、长三角、泛珠三角以及中西部地区四大区域集聚发展的空间格局,已有4个国家级物联网产业发展示范基地和多个物联网产业基地。
当下,我国物联网已形成包括芯片和元器件、设备、软件、系统集成、电信运营、物联网服务在内的较为完整的产业链,2014年产业规模超过6000亿元,其中机器到机器(M2M)终端数量超过6000万,无线射频识别(RFID)产业规模超过300亿元,传感器市场规模接近1000亿元。
“‘全面感知’是物联网区别其他信息系统的特征之一,而感知技术的先进与否是实现‘全面感知’的关键。物联网感知技术可分为二维码技术、RFID技术、传感器技术、多媒体采集技术、地理位置感知技术这五大类。”工信部电子科学技术情报研究所信息产业与技术研究部主任夏万利对《经济日报》记者说。
产业瓶颈需破解
“传感器已成为我国物联网发展的瓶颈。”工信部电子元器件行业发展研究中心总工程师郭源生认为,“国内传感器种类很少,而且物联网发展所需的高灵敏度、智能化、小型化的传感器仍有许多难以克服的技术难题,寿命和成本也达不到规模应用的要求。由此也造成了物联网系统成本较高,推广阻力较大,难以全面普及和广泛运用”。
据介绍,尽管我国从上世纪50年代初就开始发展传感器技术,产业门类基本齐全。但由于此前发展传感器技术主要用于科研和军工领域,较大程度制约和影响了技术推广和产业化发展,造成科研与产业化、市场化长期严重脱节现象,产业化水平很低,国内市场至今仍依赖进口,被国外高价产品长期控制和垄断。
专家建议,应针对传感器行业的顶层设计,开展系统化、科学化的研究和规划,应出台具有延续性的产业发展政策,加强产业宏观引导和统筹规划。由国家设立传感器产业专项资金或专项基金,以政府资金为先导,运用市场机制引入社会资本与专业管理公司,设立产业发展股权投资基金,对行业中的骨干企业、重大项目和创新企业进行投资,加快产业资源整合,创造有利于产业发展的投融资环境。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14