当前我国的工业互联网行业仍处于产业发展的初期，未来会进一步扩大自己的影响范围，互联网领域也会成为各方势力追逐资本的最新热点

　　当前我国的工业互联网行业仍处于产业发展的初期，未来会进一步扩大自己的影响范围，互联网领域也会成为各方势力追逐资本的最新热点。

　　据工信部最新的统计数据显示，去年中国工业互联网的产业规模为5700亿元创新观的四个原理，预计到2020年这个数字将达到1万亿元。在整个工业互联网体系中，处于产业链重要地位的三个细分领域分别是:工业软件、工业云平台及工业大数据。

　　工业软件是指应用于工业领域，为提高工业研发设计、项目管理和过程控制管理水平的相关软件及系统。从宏观的角度来看，工业软件包括生产控制软件、信息管理和嵌入式工业软件，主要承担工业大数据采集和处理工作。

　　工业软件具有鲜明的行业特质，不同行业、不同生产模式、不同产品类型的制造企业，对工业软件的需求差异很大，因此，工业软件需要很强的可配置性，并具备二次开发能力。工业软件蕴含着业务流程和工艺流程，包含诸多算法，因此在企业应用需要结合企业的实际需求进行实施和落地。制造企业需要应用的工业软件类型众多，要取得实效，需要实现工业软件的集成应用，构建集成平台。

　　近年来，随着制造业竞争的加剧和客户需求的个性化，制造企业对工业软件提出了越来越高的要求;而互联网、物联网、移动通信的快速发展，计算和存储能力的迅速提升，软件开发技术的不断创新、虚拟现实/增强现实以及三维技术的普及，也为工业软件发展带来新的机遇。

　　工业软件的重要程度不断提升。软件成为体现产品差异化的关键，70%的汽车创新来自汽车电子，而60%的汽车电子创新属于软件创新;智能手机的核心差异化主要体现在操作系统和应用软件，直接影响用户体验。工业物联网的广泛应用涉及到诸多工业软件，为工业设备插上了智慧的翅膀。

　　工业软件的应用模式从单机应用到C/S，B/S，走向云部署和边缘端部署(嵌入式软件)。早期的工业软件是基于PC机单机应用，很多软件带有“加密狗”。后来创新观的四个原理，软件应用出现了网络版。

　　ERP、SCM等管理软件的应用是基于客户端/服务器的应用模式，时至今日，仍然有很多工业软件是C/S模式，需要在客户机和服务器上都安装软件大数据计算应用场景，在服务器端安装数据库。互联网的兴起，使得越来越多的工业软件转向浏览器/服务器架构，不再需要在客户端安装软件，直接在浏览器上输入网址即可登录，这样使得软件的升级和迁移变得更加便捷。服务器虚拟化、桌面虚拟化等技术则可以帮助企业更好地利用服务器资源。

　　很多智能装备，例如无线通信基站和程控交换机内部，也部署了诸多嵌入式的控制、检测、计算、通讯等软件。这就是华为、中兴等企业位居中国最大的软件企业前列的原因之一。近年来，设备端的边缘计算能力迅速增强，一些原来PC上部署的软件也移植到设备端，更高效地进行数据处理和分析。

　　工业软件的部署模式从On premise(企业内部部署)转向私有云、公有云，以及混合云。以往，制造企业购买的管理软件都是在企业内部自行部署、自行管理。而云计算技术的发展，使得企业可以更高效、安全地管理自己的计算能力和存储资源大数据计算应用场景，建立私有云平台;中小企业可以直接应用公有云服务，不再自行维护服务器;大型企业则可以将涉及关键业务和数据的应用系统放在私有云，而将面向客户、供应商及合作伙伴，以及安全级别要求不高的应用系统放在外部的数据中心，实现混合云应用。

　　工具类软件的销售方式从销售许可证(License)转向订阅模式(Subion)。例如，Autodesk公司的CAD软件目前已经不再销售License，只支持订阅方式;PTC的CREO软件也在大力转向订阅模式。订阅模式的软件并不一定都是基于云部署，可以仍然是在企业内部安装，但是通过订阅定期获得授权密码。

　　工业软件的架构从紧耦合转向松耦合，组件化、平台化、服务化，PAAS+SAAS。早期的工业软件是固化的整体，牵一发动全身，修改起来很麻烦。后来出现了面向对象的开发语言，进而产生了SOA架构，软件的功能模块演化为Web Service组件，通过对组件进行配置，将多个组件连接起来，完成业务功能。

　　工业软件正在解构为运行于工业云平台或者工业互联网平台上的工业APP，可以实现即插即用，操作简便易用大数据计算应用场景，随需而变。工业APP蕴含了工业技术和Know-how。随着工业PAAS的标准不断完善，不同企业开发的工业APP将可以实现互操作，从而催生工业APP Store，方便地进行交易和应用。

　　工业软件的开发环境已从封闭、专用的平台走向开放和开源的平台。Linux操作系统的广泛应用显著降低了企业的IT成本;JAVA以其跨平台应用的特点，得到了工业软件开发商的青睐;人工智能领域，Google推出了Tensorflow开源引擎，使得企业可以快速开展相关应用;智能机器人领域的开源操作系统ROS，使得IT专家能够快速开发机器人应用;ARM公司则发布了开源的物联网操作系统Mbed OS。在CAD软件领域，Intellicad Technology Consotium(ITC组织)提供了一个类似AutoCAD的CAD开源平台，也在全球吸引了很多软件开发商。

　　工业软件的运行平台从以PC为主，走向支持多种移动操作系统(安卓、苹果、微信小程序等)。如果要开发支持多个移动操作系统的APP，对于工业软件开发商而言，无疑需要并行维护多套系统。因此，很多工业软件开发商选择了基于Html5来开发适应Windows和多种移动操作系统的软件。

　　不论工业软件的架构、运营方式、开发模式、运行平台等方面如何演化大数据计算应用场景，但更好地满足制造企业客户的需求仍然是硬道理!只有能够从工业企业的需求出发，在实践当中不断总结最佳实践，将工业技术和工业知识体现在工业软件之中，工业软件才会有持久发展的生命力。

　　我们这里所说的工业云平台不是现实的工业产业集合体，而是基于数据采集、汇集、分析的服务体系，支撑优势资源的高效配置，其面向的群体主要是在制造业数字化、网络化和智能化等方面有需求的企业。

　　全球科技争夺赛日益激烈，工业制造这个与互联网粘性极强的领域，自然受到了上至各国政府、下至大中小型企业的高度重视。

　　在中国，工业互联网正乘着物联网、边缘计算、数字孪生等技术的高速列车，向新的发展阶段跨越。不过，这一跨越并不轻松，单有技术突破并不能带动庞大的工业转身，而政策、市场、模式、资本等各方因素正重塑着中国互联网的未来。

　　而在中国工业自主探求两大难题的过程中，有一个角色“异军突起”并在推动工业与互联网融合、OT与IT融合的大潮中起到越来越重要的作用，它桥接了政策和产业之间的重要环节创新观的四个原理，并为工业的诸多细分行业提供各自差异化发展的沃土，它就是工业云平台。

　　平台竞争加剧，工业云平台领域竞争尤其激烈，从业者一直在寻找能够助其脱颖而出的平台能力。工业云平台所处的要塞位置，决定了它使命之重。

　　工业领域碎片化严重并将长期持续，这是物联网时代必选题，也是考验物联网平台企业综合能力的的重头戏。高度的碎片化，必将促使工业云平台的格局向多平台分化、各平台各司其职、各具优势、各有价值的方向演进。即，较通用型平台、行业专有型平台的划分将更清晰创新观的四个原理、双方关系也将被重新界定。

　　赋能行业:解决行业痛点、企业难点才是工业云平台正道，工业互联网是OT与IT的融合，OT作为工业实体的承载，其生产效率、工艺流程、成本能耗、供应链能力等各个重要环节在工业互联网化的过程中能够切实得到解决或明显改善，才是IT趋势的体现，也是工业云平台价值的直接证明。

　　这就需要平台对不同行业的客户需求准确定位、并从技术、模式方面构建、定制、实现诸如快速接入、数字孪生、工业物模型、数据可视化、建模分析、智慧巡检、设备预测性维护、远程监控、线上运营等不同层面的赋能。工业互联网平台面对的终端客户种类很复杂，需要快速定位客户需求，从成本、性能等方面以高性价比的方式满足客户需求。

　　虽说中国工业互联网产业仍有漫漫长路待跋涉，但在当下这一重要的跨越关键节点，正透过一批具备创新性的平台企业如阿里、浪潮、华为、海尔、优制云等，借助平台优势赋能行业、促进应用繁荣，从而瞭望到下一阶段的生机和崛起，这对于我国现状而言极具可行性。

　　当众多中小型企业处于工业2.0左右，而普适性的工业互联网平台，在这一阶段更能为其发展提供适时、恰切、可见的裨益。

　　这一领域主要包括企业生产经营相关业务数据创新观的四个原理、设备运行数据、外部数据等，工业大数据对数据的实时性、真实性和完整性有更高的要求。工业大数据是指在工业领域中，以智能制造模式为基础，从客户需求到销售、订单、计划、研发、生产、交付、服务等整个产品全生命周期的各个环节中，所产生的各类数据及先关技术和应用的总称。

　　工业大数据的价值在于:用过去产生的数据，让现在的业务活动做得更好--这就是二次应用。大数据主要用于做好的持续优化阶段。

　　两类承载。承载信息、承载知识。大数据首先是用来承载信息的，同时，大数据也是可以承载知识的，即把知识提炼出来、用大数据承载--在某些应用中，应该先把知识有效地组织起来(如产品设计数据、设备标准状态数据)、事先把数据的质量管好，而不是用的时候再产生知识。这样，用的时候就方便了。

　　总之，不论承载什么，都要便于应用为目的。工业大数据的优势归结为三个:不纠结于因果(区别于“是相关不是因果”、“一定是因果”);样本=全体(区别于大数据是PT级别);混杂性(叫多角度似乎更好)。

　　所谓“不纠结于因果”指的是保证具有因果关系，而具体应用时不必再去按照因果逻辑计算。这一条，使得人们可以从大数据中得到各种类型知识(特别是经验知识、感性认识)、获得知识的方法也简单了很多。“样本=全体”。从应用的角度看，数据不在“多”、而在“全”。全了以后，就总能找到自己需要的知识和信息;这样对应用的价值非常大。

　　“混杂性”是保证知识质量和准确性的、因为我们可以从多个角度印证知识。当前，前提是大数据记录的信息完整。我们知道，在工业中，高质量的知识才有用。

　　不过工业数据中经常遇到的问题是:混杂性不足。因为工业过程的数据常常来自某个工作点附近。数据量大却来源单一创新观的四个原理。这使得很多分析结果的可靠度不够高。要解决这个问题大数据计算应用场景，必须与实验和科学知识结合在一起。

　　2019年是“新旧动能转换”真正意义上行动落实的一年，当前我国的工业互联网行业仍处于产业发展的初期，未来会进一步扩大自己的影响范围，互联网领域也会成为各方势力追逐资本的最新热点。

　　本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：tel/20/21。

　　汉云区域疫情防控信息管理解决方案获评工信部“支撑疫情防控和复工复产工业互联网平台解决方案”