“时代抛弃了你，可能连声再见都不会说。”海尔集团总裁周云杰在今年7月的世界工业互联网产业大会上用这样一句话，强调工业互联网是“继移动互联网之后最大的经济机会和经济活动”。
确实，随着BAT等消费互联网大企业的全面to B，工业互联网在正在承接着越来越大的关注度。而国家不遗余力的政策支持，也让工业互联网承载着推动中国制造崛起的重任。
现在的工业互联网可谓冰火两重天，一方面，政策支持不断，大量企业也进入这个领域，包括三一重工、中联重科、徐工集团、航天科工集团、中船重工等大型制造业企业，用友、浪潮、东方国信等IT企业，BAT这样的互联网巨头，以及智能云科、寄云科技、黑湖制造这样的创业公司，据不完全统计，国内工业互联网平台超过300家，行业非常热闹；另一方面，工业互联网普及度不高，中国制造业大而不强的局面并没有得到改变，经济不景气的情况下制造业日子不好过，工业互联网似乎还没帮上什么大忙。
一位从业者对虎嗅精选表示，很多企业对于引入工业互联网的诉求已经显现，但仍然有不少企业对于如何运用工业互联网产生商业价值，没有清晰的概念，虽然行业已经对数字化应用达成初步的共识，但在实际付费买单的时候，大部分还处于观望状态。
为什么会这样？在帮助中国制造方面，工业互联网的作用在哪里，又有哪些局限性？
工业互联网还处在与大型企业合作做示范的阶段
其实并非工业互联网没有作用，工业互联网的落地案例正在逐渐增多，也在产生着价值。我们先来看一些案例。
煤炭行业的一个痛点就是如何保障安全生产。每年的矿难事故总是让人心痛。挖煤过程中最大的隐患就是瓦斯泄漏，相信大家听过不少瓦斯爆炸形成的安全事故了。挖煤产生瓦斯在所难免，重要的是及时把瓦斯排出去，控制井下的瓦斯浓度。当设备出现问题时，就容易出现因瓦斯排不出去而形成的事故。
现在工业互联网试图去改善煤矿井下的安全环境。例如山东能源集团下属的正通煤业与浪潮云在井下联合部署了一套感应系统，将所有跟安全相关的设备连接起来，形成设备运营的大数据。基于大数据做模型来预判设备可能的损坏，例如风机坏了就会导致瓦斯排不出去，及时发现就能防止因为设备故障造成事故。
用友是以ERP服务见长的公司，旗下的精智工业互联网平台与天瑞水泥合作，采集材料、能源、工艺、设备运行、投入产出等数据，在物流平台接入了十几万辆水泥灌浆车，去做生产运行监控与分析、生产资源集中调度管理、利用算法指导节能降耗等业务尝试。
上海电气通过工业互联网与分布在全国的140多个风力发电场、5500多台风机互联，借助在上海的20块大屏幕，可以实时了解各风场的运行状态以及各项指标，并及时发现运行不健康的风机。
杭州某家叉车零部件公司与智能云科合作，在工厂的发那科机床上安装终端设备“智能魔盒”，帮助工厂的机械设备上云，“智能魔盒”有边缘计算能力，对工业数据进行分析，去提高机床的生产效率。
这里面的系统就是工业互联网。
翻看知名工业互联网平台的资料，都能列出一堆应用案例，列举出很多效果数据，如为客户节省了多少工时、降低了多少能耗、减少了多少人工成本、避免了多少损失等。虽然这些是精挑细选过用来宣传的数据，但至少说明价值是有的。
不过从总体来讲，工业互联网还没有发展到可以给我国制造业带来整体性改观的时候。现在还在早期阶段，普及度不高，工业互联网平台大多还在与大型企业磨合的阶段，在头部企业把效果做出来，获得验证后再下沉。
浪潮云工业互联网总经理赵文慧在与虎嗅精选交流时表示，在业务发展中，核心示范做大型，赋能做中型，因为只有大型的企业才有实验的环境，才能训练出平台的普适能力，小企业没有这个能力。收入上基本上遵循2/8原则，用户数上来看还是长尾的多，但占20%的企业贡献了80%的营收。
智能云科相关人士表示，其客户群体中，大型企业以整体自动化方案结合工业互联网的形式来做，投入大金额高，基本实施周期在半年左右。而中小型企业不太会花费大量成本去投入，大多只会选择一些工业互联网平台上的SaaS类服务。
某知名公有云厂商的高管在接受虎嗅精选采访时也曾表示，在其平台上工业客户很少，远少于互联网企业。这些工业企业客户更多还是想用一下人脸识别等功能而上云。
这样看来，工业互联网普及度还不高，特别是离大量的中小企业还比较远。
究其原因，工业互联网有三个显著特点，即涉及到的技术比较杂，形成的应用比较杂，客户构成也比较杂，这导致快速推广不太现实。工业互联网全面产生价值，还要等很长的时间。这很正常，新技术新应用产生价值没有一蹴而就的。
工业互联网是个筐，里面装了很多技术
先来看看技术体系的“杂”，工业互联网涉及到多种技术与应用，复杂程度还是很高的，其中一些技术应用并不成熟，导致想要达到预期的效果并不容易。
从企业客户这个角度看，工业互联网本质上就是设备互联，形成数据，数据上云，做数据分析去改善业务。而从工业互联网平台来看，工业互联网是融合了边缘的感知层与计算层、PaaS层、SaaS层的IT软硬件系统。
用友精智工业互联网平台的构架
树根互联平台的构架
看看几个平台的构架图，都是如此，底层做设备的数据化与网络接入，PaaS层去封装核心技术能力，SaaS层做一些具体应用程序。
首先要做的的是连接，工厂现场是边缘，在那里部署传感器、网关、摄像头等硬件，去让设备产生数据并联网。当然，边缘设备是多种多样的，如智能云科的联网设备是一种叫智能魔盒的产品，安装在机床上，实现设备上云，利用魔盒的边缘计算功能，帮助优化机床的运转模式，提高生产效率。工业互联网的感知、接入这一层就是典型的工业物联网。
这一层有不少技术难点，主要体现在，工业设备实在太多，种类各异，各种工业协议不一致，想要把各种设备连接起来是有一定技术难度的。
形成数据后联网，上云，因此工业互联网平台需要构建企业云服务。IAAS层一般构建在其他公有云基础之上，去做数据的运算。
工业互联网平台重点需要做的是形成PaaS层，这层是核心。在这里，封装大数据分析能力、形成算法的能力与建模能力，为上层的SaaS层、应用层提供基础平台，也是平台去给企业做解决方案的技术基础。
PaaS层可以将工业知识、行业经验、企业生产工艺等抽象出来，去构建工业机理模型，包括行业的基础理论模型、流程管理模型、零部件模型、工艺模型、故障模型、仿真模型等，把生产制造相关的理论与实务都数字化了，再根据这些模型结合客户的实际情况去做应用，就像上文所提到的去预测机械故障，就要在零部件模型、故障模型等基础上，再去结合企业设备的情况去做解决方案。
还有就是大数据模型，用统计学的原料，从获得的大量数据中去构建模型，找出统计意义上的规律。工业机理模型更重因果关系，大数据模型更注重找规律，在实际应用中，往往出现行业专家与大数据专家的认知偏差，行业专家更注重工业机理，而大数据专家更注重找规律。真正好的平台需要将二者进行融合。比如针对发动机的密封性问题，树根互联为发动机厂商做了封性测试模型，基于工艺知识以及大量的工艺数据包、测试结果，去生成模型，去识别哪些部分会泄露。
数据建模这块是重点，因为很多核心应用如设备预测性维护、节能降耗等背后都得依靠数据算法。数据建模同时也是很大的难点，建个模型容易，建立一个可以指导工业生产的模型却很难。这也是工业互联网平台往往不能给客户带来真正价值的原因。
为什么难？
因为工业生产对模型要求非常高，如果模型不准确，就有可能给客户带来损失。模型要求有很高的可靠性；工业过程是非常复杂的，影响 “一个设备在什么时候损坏”这一结果的，可能有几十个变量甚至更多，维度丰富，建模就很困难。这就像用算法预测股市很困难一样，影响股市的因素太多了，建模就很难。另外就是工业数据往往不过不够丰富。
此外，PaaS层还可以封装平台开发的一些核心技术能力，如计算机视觉识别的能力、语音识别的能力、数据智能的能力等，供做解决方案时或者开发工业APP时调用。
在工业互联网平台上，还可以将ERP服务、MES（制造企业生产过程执行系统）、CAD（计算机辅助设计）、CAE（工程设计中的计算机辅助）等软件云化，更专业的一些软件如PLM（产品生命周期管理系统）、PDM（产品数据管理系统）、CAM（数控编程）等，都可以加入去丰富平台的核心能力。
还可以在上层开发工业APP，以SaaS的形式向客户提供。工业APP可以看做是平台解决方案的一种补充，以APP提供更标准化、可复用的服务。平台自身会研发APP，当然更多是做生态引进更多的开发者与专业企业，基于他们对工艺、业务流程的更深入理解，去形成更多的服务能力。
能否形成优秀的、成规模的工业APP，浪潮云赵文慧认为，关键还是在于平台底层技术能力的稳定性、完善度与结构，让第三方开发者能基于这些能力去开发。
浪潮云工业互联网平台的部分工业APP
可以看到，工业互联网涉及到的技术其实是很杂的，并不是一种新技术新应用，而是已经成熟的技术与新兴技术的混搭，集成到一个平台上，去应用到工业场景当中去，完成制造业企业的数字化。这其中像ERP、MES等应用早已出现很久了，设备的数字化连接也已经提了很多年，这些都在工业互联网的框架中。
而像AI技术、大数据技术、工业仿真等新兴技术还不太成熟，但也在工业互联网的技术框架中。这些技术结合在一起，要做的就是让生产环节以及上游产业链都充分数字化，再从数据中去挖掘价值。
应用繁多，哪个是杀手级应用？
说了半天，工业互联网到底能为工业制造业企业做些什么呢？将设备联网，生产过程、组织管理过程数字化了，能做些什么事呢？
工业互联网的具体应用，其实也挺杂的。工业互联网产业联盟的划分方式是，从大的角度看，包括设备管理、生产过程管理、企业运营管理、资源配置协同管理、设计制造与工艺管理等。这些功能基本涵盖了企业生产经营中的大部分环节。
工业互联网应用分布统计（资料来源：工业互联网产业联盟）
理论上能做的事很多
假设你有一家工厂，你会关注营收与成本，继续拆解，在成本这块，有设备引进与管理，原材料的引进与管理，员工的成本管理，研发成本管理等等，在收入这块，需要关注产品质量，从而打开销路，此外就是品牌、渠道管理等等。再往大的角度看，还有企业发展战略，业务扩张战略等等。
这其中工业互联网能做什么呢？挺多的。
设备要维护，不能出问题耽误生产。工业互联网可以在物联网感知的基础上，收集数据，实时监测设备的运行状况，对设备做预测性维护，这个功能目前是多个平台主打的功能。
把设备安置好了，进入生产过程，在生产过程中，要监控产品的质量，提高良品率；
要想办法降低能耗，去节省能源成本；
要优化工艺流程，让制造的产品质量指标更好；
要理顺生产流程，不能卡在一个环节，比如制衣工厂里，负责面料的环节人手不够，导致后面各个环节的工人都闲着；
要做好生产过程中的员工管理，保证安全生产，又要防止有些员工偷懒或者不按规定来操作，等等。
这些工业互联网都有解决方案，如使用机器视觉的技术，代替人去检测产品中的瑕疵；可以用计算机视觉技术去检测是否有员工没有带安全帽，或者是逗有人没有按流程来操作，减少事故的发生；可以基于数据形成各种能耗方面、工艺流程方面的大数据模型，测试各种参数，预判哪种参数带来的效果更好，形成更有的工艺水平，以及能耗管理水平；生产流程管理方面，则可以用ERP的工具去建立数据监控模型，将各个环节都在一个平台上进行全局性掌握，生产流程中哪些环节容易卡壳，都能一目了然。
再往上延伸，就是企业的供应链管理了。要保持供应链的稳定，保持各自原料能够稳定供应。工业互联网可以将供应商的数据与企业的进销存数据打通，原材料订购、运输、入库、出库、加工，都能掌握。而在对企业资源与供应商资源可以充分掌握的情况下，又能对市场需求做快速反应，实现小单快反。此外，还可以在企业经营方面，帮助企业做财务管理与人力资源管理。
在研发、设计方面，工业互联网通过工业仿真技术以及CAD等工具去辅助做研发。
除了这些，工业互联网可实现的细分功能其实还有不少，例如通过算法去预判已经售出的产品什么时候需要更换或维修，去做针对性的售后服务。毕竟工业互联网是集合了多种技术应用在一个平台上，而且AI等技术日新月异，能做到的功能会越来越多。
看了这么多，什么感觉？工业互联网在应用很驳杂，毕竟工业客户的需求太多样化了。但你却很难三言两语说出工业互联网具体是做什么的。
在应用上缺乏聚焦
与消费互联网以及众多SaaS企业单点切入的方式不同，现在大部分平台是集合了众多功能，形成了各种能力，再去找客户去试，聊需求，把需求抽象出来，再基于平台的能力去做解决方案，形成了各种不同的功能与应用。
消费互联网公司以及做B端的SaaS公司有不同的发展逻辑，这些公司都是从一个需求痛点出发去坐实这个解决方案，形成一定客户规模后再做功能的扩张。而大部分工业互联网平台是把若干项核心能力，如对设备的分析能力、对生产现场的人员的行为分析能力、大数据建模能力，建立起来并封装在PaaS里，再去客户那里碰需求，这样就形成了各种功能的应用，这样有合理性，可以接触到更多客户的需求，但随之也产生一些问题，在有限的资源与能力之下，在应用上并不聚焦，不能在一个功能点上做透彻，各种解决方案去做交付，也不容易形成可复用的东西去提炼，解决问题的能力与交付能力都不能得到更快的提高。
这就导致，上述所说的这些功能只是有实现的可能性，或者已经达到一定精准度，但还谈不上成熟。工业互联网解决问题的能力还没那么充分。例如在检测产品缺陷这类应用中，识别准确度还没有想象中的高，一些产品还是需要人去复检。所以现在AI质检只是在3C等部分行业应用较高，在大多数行业普及度还很低。
预测性维护也被不少业界人士看做是工业互联网可能的杀手级应用，但如今预测性维护的发展也低于预期，贝恩咨询今年初对欧美600多名企业高管的调研显示，这些客户对预测性维护的态度已经由热衷转变为理性，真正实施和计划采用预防性维护方案的企业比例都有所下调，很多企业都调节并减缓了预测性维护的推进节奏。其他应用也都有类似的问题，还不能彻底解决客户的需求。
为什么应用不达预期？有很多理由，如设备部署的传感器数量少，导致数据量不足；从数据中挖掘价值实现商业洞察很难；一些应用如预测性维护回报周期太长，可能一年才能预测出一次潜在事故，等等。但一个绕不过的问题是，这些功能都只是工业互联网平台的一种功能而已，并没有哪家工业互联网平台是专门做预测性维护的公司，或者智能检测的公司，并不能从资源和组织上去保障把这项功能做完善了再去推其他的功能。
现在在研发上对企业的帮助不多
真正能够给一家制造业企业带来质变的，其实是工艺水平的改进，以及研发能力的提升。在这方面，工业互联网的作用现在还没有体现得很明显。数字化对研发肯定有帮助，但不是决定性的。
对于工业互联网在企业技术研发中的价值，浪潮云工业互联网总经理赵文慧认为是协同设计。一是内外部资源的协同，二是内部协同，三是产业链协同。所谓内部的协同就是开发团队基于一个平台去开发。内外部协同就是共享经济，比如我是一个钢厂，要解决一个问题，另外一个钢厂的能力能不能被我所用。如果一个IP是合法的，他们之间也可以去协同。第三个是供应链的协同，类似于浪潮的服务器卖给了阿里，阿里用的服务器在产品设计的时候，双方团队可以做供应链的协同，即合作开发。
这样来看，工业互联网对研发的支持更多在协作共享的层面。另外工业互联网搭载的工业仿真、CAE、CAPP、CAM等技术或者工具，可以帮助提升研发效率，但很难帮助企业去实现技术上的突破。技术上能实现突破，需要基础理论的提升去明确技术路线，需要不断地去试各种参数。
一位水下设备制造业领域的创业者对虎嗅精选表示，任何一个产品都是一个技术状态矩阵，研发过程中，技术状态矩阵的关键点在哪里，企业要清楚，这个关键点的其他辅助参数要清楚。搞清楚的过程没有捷径，要改进性能，就是不停的实验。例如涉及到材料的问题，包括选用什么材料，采用什么工艺，加工精度在什么程度上，装配的时候需要什么工装卡具，这些细节都要不断去试，才能得到根本上的解决。
这样，工业互联网可以给企业研发提供便捷的工具，可以提供知识产权的共享，甚至可以在数据丰富后用算法模型去辅助做工艺的改进，但不能缩减研发基本流程，企业还是要一步步跨越各种坑才能改进技术。
节流明显，开源不明显
另外， 你要是有一间规模不算大的工厂，你最关心的是什么？最关心的是怎么去获得更多营收，其次是怎么控制成本。
从工业互联网的各项功能看，其实更多是降本、增效，但能够给客户带来更大营收增长的能力并不多，主要能力还是帮助企业节流，而不是开源。
无论是设备管理还是生产过程的管控，能耗的控制，质检的智能化，更多都是指向成本的控制，通过更精细化的运营去降低各个环节的成本。成本控制当然是有价值的，但成本的降低幅度是有明显的天花板的，百分之十以上的成本下降幅度是很难实现的，大多都是个位数的下降。这对于一家大企业很有价值，毕竟一个百分点的成本下降都是百万千万级的利润，但对于中小型企业来说，就不太明显。
对中小企业来说，怎么获得更多订单是最重要的。现在工业互联网对于中小企业增收的支持能力不太明显，包括产业链协同、柔性化生产等应用可以给企业带来产能的增加，不过在产能过剩的背景下，其实产能并不是瓶颈问题，增长也不一定能带来增收。
客户群体复杂多样，怎么交付？
“工业互联网的客户群体画像是怎样的？”
“工业互联网的客户所能提供的数据量是不是不够多呢？”
“项目交货周期大概有多久？”
在回答以上问题时，浪潮云工业互联网总经理赵文慧表示，这些问题其实很难回答，因为客户群体实在太泛了。智能云科相关负责人也表示，工业互联网的客户群体画像一般很难直接的被描述出来，分散在不同的细分行业，多大规模的企业客户也都有。
这显示，工业互联网的客户群体数量及其庞大，种类繁多，不同行业，不同规模，具体的需求点更不相同。这对于工业互联网平台的解决方案交付其实是很大的挑战。
赵文慧表示，首钢和某一个小钢厂比，没法比；食品生产和药品生产、机械设备生产的又不一样；十个人和几万人的企业也不一样；企业从几千万到几千亿的也不一样。这就是企业的特征，千人千面、千企千面。相同的行业里面，不同阶段的企业又不一样。虽然都是服装制造和服装生产的，但有些是新设立的，有些是个老厂，也不一样，相同营收的生产设备又不一样。
面对这么复杂的客户群体，怎么去服务？一个显而易见的难点是解决方案的交付难度大。每个客户都不会满足于标准化方案，都需要做定制，需要工程师驻场。而且客户群体差异这么大，怎么去寻找可复用的模块去降低交付难度，都是难题。
不同企业的数字化水平不同，一些企业数字化水平较低，现在要做设备上云，难度可想而知。一位业内人士对虎嗅精选表示，在实际部署中，要对对客户进行操作培训，部分企业培训后，实际操作却没有按照正确的操作方法进行，从而影响使用效果，也增加了后期维护成本，而且还使客户对工业互联网平台的效果产生疑问。
这样来看，工业互联网虽然声势浩大，但要推广起来，难度不小。工业互联网有价值，而且数字化也是中国制造的必由之路，但这条路走起来注定会比较长。就像用友网络CEO陈强兵所说的：工业企业上网，上互联网、上物联网，这是最难的，人上网还没搞明白，现在已经在企业上网、设备上网、机器上网。工业互联网也是最难的互联网，很复杂，不能一蹴而就。
评论