工業互聯網是互聯網和新一代信息技術與工業系統全方位深度融合所形成的產業和應用生態，是工業智能化發展的關鍵綜合信息基礎設施。

近些年，工業互聯網作為新型基礎設施建設的重要組成部分，在國家大力推進新基建建設的背景之下，取得了長足發展。工業互聯網是第四次工業革命的重要基石，是企業智能制造和數字化轉型的實現途徑。工業互聯網的核心是要聯接各種需要監控的設備和產品，包括放置在工廠和各種使用現場的固定或移動設備，以及產品的運輸和使用過程，實現過程追溯、設備狀態的遠程監控、故障預警等，在此基礎上實現智能工廠和智能服務。

工業互聯網平臺發展迅速，服務能力不斷加強

工業互聯網包括三大體系，網絡、平臺和安全。其中，工業互聯網平臺是面向制造業數字化、網絡化和智能化的需求，構建基于海量數據采集、匯聚、分析的服務體系，支撐制造資源泛在連接、彈性供給、高效配置的工業云平臺，包括邊緣、平臺(工業PaaS)、應用三大核心層級。最近幾年，工業互聯網平臺發展迅速，逐漸從概念走向落地，多層次、系統化的平臺體系基本形成，為承接產業轉移、加快企業轉型、有序復工復產等提供了有效支撐。

工業互聯網與消費互聯網的一個非常明顯的區別是，工業互聯網在各個行業、各個領域、甚至各個環節都有非常明顯的個性化特征，其發展需要特定行業知識的積累，不會像消費互聯網一樣形成一家獨大、強者恒強、贏者通吃的局面。

當前工業互聯網仍處于早期發展階段，需要鼓勵產業鏈上下游各方積極地開展各種探索，雖然會面臨一些重復建設的問題，但還是應該容許更多的探索與試錯。根據目前技術發展和實踐經驗來看，工業互聯網平臺要發揮作用，首先要全面推動制造資源的數據化、模型化，即將人、機、料、法、環等物理世界的資源要素建立數字世界的虛擬映射。其次要將這些數據模型進行加工、組合、優化，形成模塊化的制造能力，通過平臺化的部署和在線交易，實現制造能力的共享利用。

工業互聯網平臺是工業云平臺的延伸發展，其本質是在傳統云平臺的基礎上疊加物聯網、大數據、人工智能等新興技術，構建更精準實時高效的數據采集體系。建設包括存儲、集成、訪問分析和管理功能的使能平臺，實現工業技術、經驗知識模型化軟件復用化，以工業APP的形式為制造企業各類創新應用，最終形成資源富集、多方參與、合作共贏、協同演進的制造業生態。

中國工業互聯網平臺已超過600家，有影響力平臺超100個

工業互聯網平臺的價值主要體現在它的服務能力水平上，能否優化企業管理，創造價值，例如幫助企業實現降本增效。在具體實踐過程中，國內目前涌現出了一批具備一定實力的工業互聯網平臺，其中跨行業、跨領域的工業互聯網平臺的培育是工業互聯網創新發展的重要組成部分。

據不完全統計，目前中國工業互聯網平臺已超過600家，具有一定影響力的平臺數量超過100個，連接設備數超過7300萬臺套，最有影響力的是‘雙跨’(跨行業、跨領域)平臺。

1、工業互聯網體系架構

工業互聯網平臺是面向制造業數字化、網絡化、智能化需求，構建基于海量數據采集、匯聚、分析的服務體系，支撐制造資源泛在連接、彈性供給、高效配置的工業云平臺。

邊緣層解決數據采集集成問題。一是需兼容各類協議，實現設備/軟件的數據采集；二是統一數據格式，實現數據集成、互操作；三是邊緣存儲計算，實現數據預處理和實時分析。

工業互聯網laas層是指把IT基礎設施作為一種服務通過網絡對外服務。具體來說，工業互聯網laas層是基于虛擬化、分布式存儲、并行計算、負載調度等技術，實現網絡、計算、存儲等計算機資源的資源池管理，根據用戶適時調度資源，確保資源使用的安全與隔離，為客戶提供云基礎設施服務。

工業PAAS層是核心，下半部分是工業PAAS層的通用部分，包含了數據存儲、數據轉發、數據服務、數據清洗，上半部分是工業PAAS層核心中的核心。在工業PaaS層要做微服務和模型，將大量技術原理，基礎工藝經驗形成算法和模型。對于工業PAAS層來說最為核心的就是模型和算法。工業PaaS層解決工業數據處理和知識積累沉淀問題，形成開發環境，實現工業知識的封裝和復用，工業大數據建模和分析形成智能，促進工業應用的創新開發。

工業APP解決不同細分行業、不同大型企業各種問題。應用層解決工業實踐和創新問題，通過工業SaaS和APP等工業應用部署的方式實現設計、生產、管理等環節價值提升，借助開發社區等工業應用創新方式塑造良好的創新環境，推動基于平臺的工業APP創新。

總的來說，工業APP是關鍵，形成滿足不同行業、不同場景的應用服務。工業PaaS是核心，構建一個可擴展的操作系統，為應用軟件開發提供一個基礎平臺。IaaS是支撐，使計算、存儲網絡資源池化。數據采集是基礎，構建精準、實時、高效的數據采集體系。

2、工業PaaS平臺的核心

工業PaaS平臺的核心是在工業技術原理、行業知識、基礎工業、研發工具規則化、模塊化、軟件化基礎上形成的數字化模型。

工業互聯網的本質：數據+模型=服務

模型和算法在工業領域里面分成兩種：第一種是機理模型，第二種是數據模型。機理模型是上世紀80、90年代開始針對原理的數學建模，用數學公式來進行原理的描述。數據模型是數據驅動的模型，在工業領域用機器學習的算法，用深度學習的算法，用神經網絡的算法，由海量的數據和計算力提升所帶來數據模型。

數據驅動的模型最核心的不是算法而是數據，數據從物理設備上來，包括設備運行數據，從生產流程中來，以及其它來源。有了模型，有了大量的數據進行運算，可以很好去提升良品率，降低庫存水平等等。有了模型之后可以利用現場大量的傳感器數據來進行實時的分析和科學的決策，通過自動去精準執行或者是通過人工干預介入來進行精準的執行，最終能夠使得企業做到提質、降本、增效。

3、工業互聯網平臺發展展望

為提供更適用于工業場景需求的數據分析和應用開發服務，平臺不斷深化對機理模型和數據模型的積累，不斷提升分析結果的準確度。同時，平臺積極探索業務模型的沉淀，支撐形成貼合業務需求的綜合性工業應用。數據建模與分析工具向組件化和圖形化發展，大幅降低數據科學應用門檻。

從長期看，數據管理、分析、展示工具功能向平臺不斷沉淀，可催生聚焦工業數據的服務體系，有望大幅降低分析門檻，提升分析效率。伴隨著技術成熟普及，通用化數據分析工具將向底層通用PaaS平臺下沉，與工業場景深度結合的數據分析與可視化平臺逐步向業務PaaS平臺和工業SaaS演化。