昨天在廣州舉辦的工業互聯網大會上， 工業互聯網聯盟的《工業互聯網平臺白皮書》也正式發佈。 筆者對此做了快速的流覽， 整體而言， 這個報告整體內容比較翔實， 而且披露了很多不同的技術細節。
圖1：工業互聯網平臺白皮書示意圖
白皮書中給出了一個基本定義：工業互聯網平臺是工業雲平臺的延伸發展，
其本質是在傳統雲平臺的基礎上疊加物聯網、大資料、人工智慧等新興技術，
構建更精准即時高效的資料獲取體系，
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、經驗知識模型化軟體複用化，
以工業APP的形式為製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、協同演進的製造業生態。
定義比較長， 這裡開始直接分享心得吧。
邊緣計算爆炸， 改變雲統的格局邊緣計算在過去的一兩年的時間， 異軍突起。
中國電信在工業領域密集佈局， 表現出比中國移動更加進取的姿態。 中國電信 CPS平臺以生產線資料獲取與設備介面層為基礎， 初步實現資料彙聚、大存儲、安全保障、工業資料清理和分析展現應用的能力。 對於傳統上習慣了做通用管道而言， 中國電信深度彎腰做工業攻堅，
無論是演算法模型成為新勢力， 還是直接在晶片系統的原生集成。 這使得工業級的毫秒級回應的應用， 逐漸將不再成為門檻。
其中一種做法就是在邊緣層進行資料預處理， 剔除冗餘數據， 從而減輕平臺負載壓力。 有意思的是， 軟體陣營和硬體廠商紛紛上手。 SAP Leonardo Edge Platform與Dell邊緣閘道集成， 實現邊緣資料的即時預處理；而華為推出EC-IoT解決方案基於敏捷閘道， 能夠大幅縮短上線時間。
與此同時， 基於作業系統和晶片的原生集成正成為重要創新方向。 如Intel推出Wind River Edge Management System嵌入式管理系統， 實現設備與Intel IoT Platform的直接互聯。 Ayla IoT Platform與博通、高通、意法半導體等晶片巨頭合作， 將平臺介面內嵌在晶片中， 直接從晶片層面支援邊緣與雲端的互聯。
OPC UA和時間敏感網路TSN也在迅速上位。 一個解決機器交互操作問題， 一個推動工業乙太網邁向百萬位元組時代， 這有望迅速成為掃平工業設備複雜性、協定多樣性和即時性的障礙， 為5G的工廠級應用和萬物互聯的智慧工廠， 提前鋪平道路。
從APP到微服務的平民化工業互聯網平臺的三明治模型中（前言中安司長語）， 中間的PaaS平臺（Platform as a Service）是最重要的部分。 目前最有雄心壯志的選手， 都在聚焦這個地方。 新型API技術和容器部署方式， 使得平臺本身的快速部署和應用， 也成為可能， 非專業人士（當前很多企業的設備維護都是這一類人員）也能輕鬆部署——PTC的視覺化做的非常好。 與此同時， 為各類APP開發者提供滿足場景應用開發的微服務，
圖2：平臺架構
西門子通過在設備端部署資料獲取模組MindConnect Nano，
實現通用協定相容和私有協定轉換，
至少在西門子自有的設備陣營輕鬆完成設備連通。
工業互聯網平臺走向平民化， 非IT的專業人士也可以輕鬆上手。 這是一個巨大的進步。
知識黑盒仍然是競爭的焦點工業互聯網不會因為BAT進來而失去其固有的工業複雜性。這其中最為核心的仍然是工業技術如何體系化、軟體化表達的地方。GE、西門子等原有的工業技術積累，依然是巨大的壁壘。即使在所謂的開源、開放的平臺上，仍然是存在各種巨大的知識“黑盒”，很難探得究竟。以為工業互聯網就能抄近路的想法，不僅是錯的，而且錯了一個量級。因為軟體固化的知識，跟硬體固化的知識不同，前者將更加難以洞察。模仿變得更加困難。
然而這個骨頭，對中國工業而言，必須啃下去。甲方、乙方的通力深度合作，是必經之路。工業互聯網的普及，顯然資料分析方法與工業機理知識正在受到更多的關注。對複雜工業資料的深度挖掘，正在成為共識。報告中提到上海隧道工程公司通過與寄雲合作，借助平臺採集工業檢測設備中的各類圖像、距離、位置等全部資料，基於岩土知識、扭矩曲線等工業知識機理標記異常資訊，對歷史資料進行特徵提取與模型訓練，再接入即時資料進行異常預警，從而解決盾構硬岩掘進機TBM施工過程中的難題。這是攜手共進的結果。
大象螞蟻齊搬家各家工業企業都在搬家。最忙的還是各種工業終端使用者，例如波音、卡特彼勒等需要把自己的業務細節和關鍵洞察，都搬到雲上去。ABB這種既是工業互聯網平臺的提供者，又是製造的關鍵使用者，也在忙不迭的搬家。ABB正將其面向20多個工業領域的180余項工業解決方案向Ability平臺遷移；而且，還將這個平臺向微軟的Azure上遷移。
一個全民搬家、一片混亂的局面。張飛鬥嶽飛的情勢，也不斷發生。西門子MindSphere先是甜蜜地與SAP聯姻，然後迅速就分開而轉向亞馬遜的AWS雲。
這是一個整體局面混亂的時代。很多事情想不清楚，很多事情只能做了才知道。但毫無疑問，將現有工業應用向雲端遷移，構建應用服務平臺，實現應用的靈活部署與調用，成為主流。包括施耐德EcoStruxure平臺、發那科FIELD system平臺、和利時HiaCloud平臺，都在忙著搬家。
工業知識的洪流四濺，大東家也在四處遷移，就像雨前的十萬螞蟻大軍。真是難得一見的大場面。
工業互聯網社區的崛起建立生態體系，其實還是一個遙遠的夢。工業APP是當前工業互聯網平臺最弱的地方。這使得，每一個野心勃勃的平臺提供者，都不得不一邊建平臺搭場子，一邊說服行業聯盟者，一邊自己擼袖子下地去搬磚頭開發應用。在這個過程，如何抓住工程師的興趣和需求，從大小不一的社區出發，建立各種豐富的垂直應用。才可能搶先建立出生態體系。
與電商平臺的贏者通吃（winner-taking-all）的模式不同，筆者認為工業互聯網平臺不會出現一兩家獨大的局面，而是將出現“山”結構字形，也就是基礎平臺之上，會站立很多不同、大大小小的山頭。這些山頭，首先更容易圍繞著企業供應鏈做起。白皮書中提到的航太雲網的案例之一，就是從航太科技集團的內部企業河南液壓氣動公司進行部署。這對於那些擁有成熟供應鏈的企業如美的，建立美雲智數MeiCloud都是順利成章的事情，對多個分工廠的雲管理也變得從容不迫。
而目前，仍然是工業互聯網平臺發展的春秋時代（見工業雲的春秋時代），連戰國七雄的影子都沒有。霸主出現的日子，還得等一陣子。
很多細節的披露該報告覆蓋了很多工業互聯網的公司和細小的場景描述，值得仔細研究。文中首次提到了西門子MindSphere的底層架構是基於Cloud Foundary。這一點以前一直沒有披露，西門子似乎有意無意地避開了這個問題。
再例如，PTC 在美國工業互聯網非常受推崇，也屢獲各種IDC、美國Quadrant Knowledge Solutions、歐洲PAC諮詢公司等大獎。而在白皮書報告中指出， ThingWorx平臺中集成能夠即時發現邊緣設備異常的模組 ，並與雲端分析交互共用，實現模型反覆運算生長。這種“邊緣與平臺協同”，解釋了PTC會被很多其他物聯網平臺作為支撐的一個重要原因。
其實物聯網平臺的突破，體現在很多方面。英特爾晶片windriver、Ayla的技術不太為大家所知的細節。例如，新型API技術為多源異構系統的快速集成提供有效支撐，實現邊緣設備與雲端的集成、傳統工業軟體與雲端的集成、平臺內部不同軟體和功能的集成。目前，Ayla、Intel IoT、Zatar、Xively、Eurotech等平臺更是以REST協定為核心手段實現設備、應用程式、後端系統的全要素集成。
這些細節，需要慢慢地消化了。
小結快速讀完這篇報告後，感覺工業時代的發展還是非常快。攔路虎固然很多，但騰飛鳥也不少。工業互聯網平臺，簡單而言可以概括為雲端設施、設備聯網、資料獲取、知識複用、平臺支撐和APP生態。但這裡面牽扯了工業體系大量的場景、細節和技術，因此也是一個令人望而生畏的迷宮。業內人士在其中難言掌握全域，外部人士如ICT新貴也沒有取巧之計。這使得白皮書中有些案例的總結，難免有點拼湊之意。這是一個尷尬的遺憾。不過對整體水準而言，也無傷大雅。
各方人馬齊聚，工業互聯網平臺的闖關繼續。恰如一個建設金字塔的工地現場，來來往往的人群，很難知道對方都是在幹什麼。然而，大方向既定，局部洪流也在突破，雄壯的金字塔自然也會假以時日，合龍而出。
作者：林雪萍（南山工業書院發起人，北京聯訊動力諮詢公司）
若對您有所啟發和幫助，請關注並留言讓我們知道，這是我們最大的樂趣和成就！
這是一個巨大的進步。知識黑盒仍然是競爭的焦點工業互聯網不會因為BAT進來而失去其固有的工業複雜性。這其中最為核心的仍然是工業技術如何體系化、軟體化表達的地方。GE、西門子等原有的工業技術積累，依然是巨大的壁壘。即使在所謂的開源、開放的平臺上，仍然是存在各種巨大的知識“黑盒”，很難探得究竟。以為工業互聯網就能抄近路的想法，不僅是錯的，而且錯了一個量級。因為軟體固化的知識，跟硬體固化的知識不同，前者將更加難以洞察。模仿變得更加困難。
然而這個骨頭，對中國工業而言，必須啃下去。甲方、乙方的通力深度合作，是必經之路。工業互聯網的普及，顯然資料分析方法與工業機理知識正在受到更多的關注。對複雜工業資料的深度挖掘，正在成為共識。報告中提到上海隧道工程公司通過與寄雲合作，借助平臺採集工業檢測設備中的各類圖像、距離、位置等全部資料，基於岩土知識、扭矩曲線等工業知識機理標記異常資訊，對歷史資料進行特徵提取與模型訓練，再接入即時資料進行異常預警，從而解決盾構硬岩掘進機TBM施工過程中的難題。這是攜手共進的結果。
大象螞蟻齊搬家各家工業企業都在搬家。最忙的還是各種工業終端使用者，例如波音、卡特彼勒等需要把自己的業務細節和關鍵洞察，都搬到雲上去。ABB這種既是工業互聯網平臺的提供者，又是製造的關鍵使用者，也在忙不迭的搬家。ABB正將其面向20多個工業領域的180余項工業解決方案向Ability平臺遷移；而且，還將這個平臺向微軟的Azure上遷移。
一個全民搬家、一片混亂的局面。張飛鬥嶽飛的情勢，也不斷發生。西門子MindSphere先是甜蜜地與SAP聯姻，然後迅速就分開而轉向亞馬遜的AWS雲。
這是一個整體局面混亂的時代。很多事情想不清楚，很多事情只能做了才知道。但毫無疑問，將現有工業應用向雲端遷移，構建應用服務平臺，實現應用的靈活部署與調用，成為主流。包括施耐德EcoStruxure平臺、發那科FIELD system平臺、和利時HiaCloud平臺，都在忙著搬家。
工業知識的洪流四濺，大東家也在四處遷移，就像雨前的十萬螞蟻大軍。真是難得一見的大場面。
工業互聯網社區的崛起建立生態體系，其實還是一個遙遠的夢。工業APP是當前工業互聯網平臺最弱的地方。這使得，每一個野心勃勃的平臺提供者，都不得不一邊建平臺搭場子，一邊說服行業聯盟者，一邊自己擼袖子下地去搬磚頭開發應用。在這個過程，如何抓住工程師的興趣和需求，從大小不一的社區出發，建立各種豐富的垂直應用。才可能搶先建立出生態體系。
與電商平臺的贏者通吃（winner-taking-all）的模式不同，筆者認為工業互聯網平臺不會出現一兩家獨大的局面，而是將出現“山”結構字形，也就是基礎平臺之上，會站立很多不同、大大小小的山頭。這些山頭，首先更容易圍繞著企業供應鏈做起。白皮書中提到的航太雲網的案例之一，就是從航太科技集團的內部企業河南液壓氣動公司進行部署。這對於那些擁有成熟供應鏈的企業如美的，建立美雲智數MeiCloud都是順利成章的事情，對多個分工廠的雲管理也變得從容不迫。
而目前，仍然是工業互聯網平臺發展的春秋時代（見工業雲的春秋時代），連戰國七雄的影子都沒有。霸主出現的日子，還得等一陣子。
很多細節的披露該報告覆蓋了很多工業互聯網的公司和細小的場景描述，值得仔細研究。文中首次提到了西門子MindSphere的底層架構是基於Cloud Foundary。這一點以前一直沒有披露，西門子似乎有意無意地避開了這個問題。
再例如，PTC 在美國工業互聯網非常受推崇，也屢獲各種IDC、美國Quadrant Knowledge Solutions、歐洲PAC諮詢公司等大獎。而在白皮書報告中指出， ThingWorx平臺中集成能夠即時發現邊緣設備異常的模組 ，並與雲端分析交互共用，實現模型反覆運算生長。這種“邊緣與平臺協同”，解釋了PTC會被很多其他物聯網平臺作為支撐的一個重要原因。
其實物聯網平臺的突破，體現在很多方面。英特爾晶片windriver、Ayla的技術不太為大家所知的細節。例如，新型API技術為多源異構系統的快速集成提供有效支撐，實現邊緣設備與雲端的集成、傳統工業軟體與雲端的集成、平臺內部不同軟體和功能的集成。目前，Ayla、Intel IoT、Zatar、Xively、Eurotech等平臺更是以REST協定為核心手段實現設備、應用程式、後端系統的全要素集成。
這些細節，需要慢慢地消化了。
小結快速讀完這篇報告後，感覺工業時代的發展還是非常快。攔路虎固然很多，但騰飛鳥也不少。工業互聯網平臺，簡單而言可以概括為雲端設施、設備聯網、資料獲取、知識複用、平臺支撐和APP生態。但這裡面牽扯了工業體系大量的場景、細節和技術，因此也是一個令人望而生畏的迷宮。業內人士在其中難言掌握全域，外部人士如ICT新貴也沒有取巧之計。這使得白皮書中有些案例的總結，難免有點拼湊之意。這是一個尷尬的遺憾。不過對整體水準而言，也無傷大雅。
各方人馬齊聚，工業互聯網平臺的闖關繼續。恰如一個建設金字塔的工地現場，來來往往的人群，很難知道對方都是在幹什麼。然而，大方向既定，局部洪流也在突破，雄壯的金字塔自然也會假以時日，合龍而出。
作者：林雪萍（南山工業書院發起人，北京聯訊動力諮詢公司）
若對您有所啟發和幫助，請關注並留言讓我們知道，這是我們最大的樂趣和成就！