導 讀
大規模的資料應用和平台架構在金融、電信等行業經歷了充分的驗證和演進，加上政策的催化作用，構成了工業智慧型拐點到來的先決條件——
工業一般分
為流程工業和離散工業。兩者最大的差異在生產的自動化程度、資料的可得性和工業的複雜度，而最大的共性在於，每乙個場景都需求各異，進入任何乙個細分領域都需要有足夠深厚的行業knowhow和上下游資源整合能力。
智慧型，可以理解為資料化以及建立於此之上的ai。以產線自動化為始，多源異構的工業資料被採集、流轉、分析並幫助形成決策和控制，端到端的解決方案就形成了當前行業player的典型畫像。
為什麼是工業智慧型？
藍海
工業尤其是製造業的gdp總量遠高於零售、金融、建築等行業。而工業領域每天產生的有效資料量其實不亞於bat等網際網路公司，乙個大規模的工廠每天產生的資料量甚至能達到幾十億到上百億條。
壁壘
雖然工業場景每天產生高頻、海量的資料，但是大量的原始資料本身並沒有直接意義，且有可能產生大規模時延和佔據大量頻寬。我們不僅需要在某些場景做實時的監控和分析，也需要把更多資料採集到雲端做更多維和更長期的經濟效益及價值分析，這是雲計算的價值。而雲計算+邊緣計算，這是比傳統消費網際網路更細的顆粒度和更複雜的架構，這也意味著更高的壁壘。
拐點
網際網路一條邏輯叫做「copy to china」，「copy to 工業」是同樣的道理。大規模的資料應用和平台架構在金融、電信等行業經歷了充分的驗證和演進，加上中國製造2025在政策一側的催化作用，構成了拐點成立的先決條件。
工業智慧型的玩家畫像
現階段的使用者需要的不是單個產品，而是端到端的整體解決方案。乙個合格的工業智慧型公司，應該具備整體解決方案的構造能力。
首先，使用者需求永遠是第一位，不滿足需求的技術都是偽命題。此外，一套好的解決方案從乙個完美的架構開始。對於工業場景而言，從內、外部多源資料的整合開始，到雲+端的平台架構，知識庫的建立，合適模型的選擇，再到反向決策和控制，只有完整打通，才能形成閉環。
整體來說，工業智慧型呈現一橫（整體架構）+n縱（多個細分行業）的格局。
工業智慧型的路徑選擇
對於工業領域的大b客戶來講，現階段需要的不是單個產品，而是端到端的整體解決方案。這雖說是現狀，其實也是工業創業者的終極目標。然而路徑選擇很重要。
關於發展路徑，業內主流認為自動化-（資料化）-資訊化-智慧型化是工業使用者高階的合理順序，並且前一階段是後一階段開始的必要條件。因此國內工業智慧型領域的企業在很長一段時間內只關注自動化領域的機會，甚至將工業智慧型等同為「機械人」或者「工業自動化」。從使用者現場的大量實踐來看，這幾個階段存在著顯著的先後順序，但同時交叉滲透，迭代進行。
具體來看，離散製造行業大部分客戶自動化程度不夠，所以優先完成產線自動化。一些廠商以工業乙太網和板卡實現裝置互聯，打通裝置級資料，經過mes反饋到平台層，在不更換原有工控裝置的基礎上實現初步物聯，使用者接受度很高，業績每年翻幾番增長，趨勢非常明顯。這一類模式，我們可以稱之為「以m2m裝置物聯為核心的系統整合」。
更進一步的需求，來自於離散製造業的超大型頭部客戶和流程製造行業的絕大多數客戶，由於產線自動化程度本身較高，我們觀察到這類客戶對於資訊化的接受程度本身也較高。
另外有一類廠商可以直接從頂層設計切入，在平台層以工業大資料平台或者場景化的ai模型服務使用者，實時的解決業務問題。反過來在資料採集層，在一些資料不完善的區域性加裝感測器，加裝智慧型化的檢測裝置，甚至於做小段的產線整合等等。這一類模式，使用者接受度往往更高，這意味著專案的溢價往往也更高，我們可以稱之為「以資料應用為核心的系統整合」。
所以，我們可以看到三條發展路徑，面對不同的客戶，不同的場景，不同的發展階段，有不同的路徑選擇：
一、以產線自動化為核心的系統整合；
二、以m2m裝置物聯為核心的系統整合；
三、以資料應用為核心的系統整合。
當然，殊途同歸，最終都是給使用者提供整體解決方案，以滿足使用者需求為核心。
工業智慧型之工業大資料
首先，資料在**？
▲一類是管理資料：結構化的sql資料為主，如產品屬性、工藝、生產、採購、訂單、服務等資料，這類資料一般來自企業的erp、scm、plm甚至mes等系統，資料量本身不大，卻具有很大的挖掘價值；
總的來講，由於場景的割裂和分散，工業資料本身具有量大、多源、異構、實時性要求高等特點，而且隨著未來280億裝置逐步接入，這些特性將會進一步加強，這是做工業大資料服務的核心難點之一，和網際網路大資料不僅量級不同，結構不同，應用也完全不同。
其次，基於這些工業資料，平台層應該提供哪些服務？
▲完整的協議解析：資料採集首先要完成工業協議的打通。以應用層協議為例，ethernet/ip和profinet的市場占有率最大，其次是ethercat、modbus-tcp和ethernetpowerlink；
▲標準化的資料整合：採集上來的資料要做統一的主資料管理，第一步是建立標準。一般來講，我們先要用iso或其他業內標準，制定統一的編碼、結構、流轉方式和屬性，確保資料的一致性，這一點非常重要。
在專案實施的歷程中，逐步積累行業知識庫、合適的演算法元件以及相關機理模型，這一點也很重要，這是從資料標準進化到業務標準化的關鍵一步，是為實現真正的產品層面的微服務化打下基礎。
強大的paas支援：工業資料本身的特殊性導致平台必須要有強大的中層支撐能力。我們以時序資料庫為例，它是裝置工況和感測器資料的典型品種。這類資料頻率高、量大，用傳統關係型資料庫處理，需要每次把所有值拉出來計算，吞吐量極大，效能很差。所以，乙個高壓縮、高效能的時序資料庫，就是平台層必備的能力之一。
最後，我們應該做哪些應用？
▲廠級：計畫排產。工業智慧型的最終目的是要實現大規模的個性化定製，即c2m。這一問題的目標是實現當時當地的產能最優，約束條件來自企業的產線裝置、人員、產品屬性、**鏈資料等等，通過歷史資料的學習和訓練，不難形成乙個較好的**模型。
這一模型能根據產線和工廠的實時資料動態分析，動態調整，以幫助企業實現準確把控，最大化經濟效益。
在可以預見的未來，隨著資料的完整性和可靠性越來越高，場景越來越豐富，資料應用層面會誕生相當多的優先企業，他們幫助工業使用者降低成本，提高效率，能解決實實在在的業務問題。
專家合作：nq1919
下乙個風口 物聯網！
物聯網不是趨勢，它是現實，引領很多科技公司製造的產品延伸到物聯網技術領域。美國是全球的科技創新領袖。近年來，美國實現了製造業的復興，在推進智慧型製造和工業物聯網應用方面取得了卓越成就。2015年4月底至5月初，e works成功舉行了首屆美國考察 2016年5月底至6月上旬，成功舉行第二次美國考察。...
移動辦公，下乙個「風口」
移動辦公也稱 3a辦公 即 you can do anything for anytime and anywhere.它的出現得益於通訊產業的發展與網際網路技術的完美融合，瞄準現代人對辦公時間 場所的多元化需求，堪稱對傳統辦公模式的顛覆。事實上，移動互聯時代個人使用者市場的爭奪已被巨頭們給出答案，而...
科技圈下乙個風口 智慧型家居不容錯過
會學習無人車目標鎖定 零事故 今年ces上，一輛嶄新的寶馬bmw i8汽車引起了不少人的關注。當乘客進入到駕駛艙，只需戴上微軟hololens頭戴式顯示器，眼前便會呈現關於行駛資料 交通和天氣狀況以及其它參考資訊。通過這樣一種模擬未來駕駛體驗的方式，讓你感覺彷彿置身於真實的駕駛環境之中。而利用英特爾...