大热的工业互联网 现在咋样了

　　原标题：大热的工业互联网 现在咋样了 

　　自从卡奥斯、树根互联变成工业互联网独角兽后，有关“国内是否会诞生下一个GE”的讨论，几乎在2020年停滞。

　　相较于工业互联网独角兽的难产，消费互联网和产业互联网近年来的风头越发走俏，前者最近几年冒出大量新锐玩家，比如元气森林、泡泡玛特等，后者完成最近1年新一轮融资并晋升独角兽的企业已达13家，赛道里的汇通达不久前刚刚上市，唯独工业互联网，前景很大，但一直不温不火。

　　粗略计算，这个新物种在国内兴起，距今已经有5年时间。

　　从2018年明确工业互联网进行为期三年建设起步阶段，赛道内大量玩家涌现；次年要围绕制造业打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能；2020年推进智能制造；到2021年的搭建更多共性技术研发平台，提升中小微企业创新能力和专业化水平；今年又强调“加快发展工业互联网，培育壮大集成电路、人工智能等数字产业，提升关键软硬件技术创新和供给能力”。

　　如果按照一般重大事物发展的流程，“3年打基础、5年见成效、10年成格局”，那么今年也应该是工业互联网初见成效的一年。根据《2021年全年GDP初步核算数据》，制造业31.38万亿元的产值占总产值近27.43%，较前两年比重有所下滑，但量级上仍居行业之首，虽然预测2023年市场规模将超过万亿元，但目前的行业现状是仍不及市场预期。

　　根据相关数据统计，截至去年8月底，全国具有一定行业和区域影响力的工业互联网平台超过100家，连接工业设备总数达到7600万台，转型依然押宝在制造业。显然，除了“数字产业”和“软硬件技术”成了工业互联网的重中之重，在发展速度和规模体量上，仍需要一段时间培育。

　　01 初代工业互联网

　　“工业互联网”的概念最早由GE在2012年提出，这家曾在08年金融危机中濒临破产的大公司，决定由设备制造商向智能服务商转型。

　　从出发点看，工业互联网将智能化数字化和制造业结合起来，初阶模型类似游戏《红警》，玩家通过操纵面板的信息数据，采集资源，生产和规划各种作战防御单位，配备武器资源，进行人力、能源等方面的生产管控，一切生产工作通过鼠标键盘操控，而决定游戏输赢的是玩家的操控效率。

　　2015年，GE推出面向工业数据分析的工业互联网平台Predix，从以流程驱动的业务系统，变为以数据驱动的平台应用，Predix的这种范式转变推动工业生产从关注产品转向关注产品+服务。Predix就像手机应用商店，工业客户使用软件，而GE则可以从客户对APP的使用中赚取利润。但事与愿违，Predix的问世让GE的营收和利润增长几乎停滞，一直在烧钱的数字集团未能盈利，最终在2021年被分拆为三家独立公司。

　　GE折戟工业互联网，对于行业来说其实是一件好事。

　　从企业角度看，GE成立独立的GE Digital部门，除了希望利用Predix对各工业部门的服务进行整合，避免IT重复开发，还希望向外部拓展其服务能力形成新业务格局。然而它低估了数字化转型，仍然沿用传统管理模式，进行部门每季度考核业务绩效。这样一来，部门为了生存，欲速则不达，关注点聚焦在快速的短期收入而非长期价值。

　　彼时GE Digital产品和商业模式并不成熟，沿用传统软件研发和推广模式，通过绑定设备制造商售卖软件来服务市场。虽然已有用于敏捷开发、提高创业成功率的Fast Works项目，但一直未在GE Digital落地。内部运维软件发展过来的Predix，专业化程度太高，平台上大部分软件都来自GE Digital内部或付费合作伙伴，不够为广泛客户带来充足价值。

　　而就在这样的情况下，聚焦高端装备制造领域的GE，激进地要Predix大而全地服务所有工业企业，这显然高估了Predix的通用性。没有与数字化转型相配套的创新商业模式，广为流传的1%增长理论对于中小企业的参考有限，种种原因之下，平台生态作用没有充分发挥，外部合作伙伴稀缺，设备维修服务商等广大第三方市场没有参与其中，GE业务增长缓慢，规模化更是举步维艰。

　　结合GE互联网战略“智能化改造，建数据中心，做分析决策”的三步走战略来看，机器、分析和专业IT人员是成事关键。与此同时，这也对设备自身价值是否值得改造、数据安全性要求以及对设备了解通透、掌握数据分析技能的专业型人才提出了更高的要求。

　　这其中的矛盾，虽然高举着战略，但因局限性落地难。GE仅将Predix作为实现工业互联网的技术手段，但对平台的押注程度已大到对工业互联网的概念产生了以偏概全的反噬作用，这些都成为GE工业互联网发展的掣肘，由此来看，工业领域每一个细分行业都有很强的个性化，PaaS仅作为云计算的服务模式之一，当考虑企业能不能成为平台客户的时候，对方是不是仅用一家平台也不一定。

　　02 落不了地的“繁荣“

　　2017年底，国内各大互联网和制造业巨头纷纷入局工业互联网，据新眸不完全统计，当年出现的工业互联网平台近270个。

　　《工业互联网平台白皮书》显示，西门子、施耐德等领先企业已经实现跨行业、跨领域的规模化扩张；而国内企业的工业互联网平台到2019年尚处于初级阶段，大多聚焦材料、化工、电子、家电等垂直领域，真正应用工业互联网平台的企业数量较少，占比不足10%。

　　事实上，与我国工业互联网的如火如荼进展形成对比，Gartner发布的《工业互联网平台魔力象限》报告一直显得比较克制：在2020年以前，全球并没有一家供应商有资格进入“领导者”象限，2021年国内仅树根互联能够跻身在“特定领域者”位置。换句话说，工业互联网在短期内实现爆发发展并不容易。

　　结合边缘计算、大数据、云计算、AI等技术，IT如同大脑一样对数据进行分析处理，CT像神经血管进行信息传输，将指令分发给OT，后者则像四肢一样负责数据采集和设备执行；与其说工业互联网是一个平台，倒更像一个创新集成系统，将生产过程中所有要素连接整合。

　　一般来说，工业互联网的产业链不仅长，而且协同性更强。上游通过智能设备实现大数据收集，中游平台进行数据处理，才能在下游企业中进行应用。任何一个环节缺失都会导致链的效用丧失，个人消费品电商容易做，工业企业的交易充满不确定性。

　　因此，无论是技术还是经济实力，工业互联网的入行门槛更高。过去的报告中透露，传统工业企业的创新基因支撑不起对人才、资金的长期持续投入；互联网大厂低估了技术壁垒，将工业互联网误判为互联网在工业中的应用，套用消费互联网模式，落入CT到OT之间的技术陷阱。

　　投入高，回报周期过长，挫伤了进展信心，很多国内企业最终选择要么不做，要么趋利避害盲目依赖国外软件。据统计，国内超过80％的先进传感器和芯片依赖进口；高端PLC、工业互联网协议市场被西门子、施耐德等国外厂商垄断，使用的高端工业软件如CAE、MES、PLM大多来源进口，本土工业软件集中于经营管理类，基础技术空心化严重。

　　在市场规模预估一度逼近万亿的情况下，工业互联网行业总收入却不足50亿，这一场自上而下进行的工业革命，部分业内人士谈起“工业互联网”时也表示迷茫。做互联网的人不了解工业，做工业的人对互联网恐惧，不少认知依旧停留在买自动化设备、上ERP和MES软件的层面，在打通和利用设计、开发、生产、销售等全流程数据方面还存在很大不足。

　　03 挑战和机遇

　　反观产业互联网，近几年无论互联网巨头还是新兴企业，发展势头都较为强劲。

　　究其原因，产业互联网的范围更广，偏向互联网主导的万众创新，融合了互联网+、大数据、AI等技术，协调经营管理与生产管理，将整体产业链中大量分散的上下游厂商进行资源整合；而工业互联网则由政府主导，不论是应用领域还是技术要求，都更偏向工业、制造业为主的技术业务体系。

　　鲁春丛（工联院院长）认为，由于工业门类众多，工控协议复杂多样，设备互联互通的难度大，不同企业数字化水平差异明显。研究显示，约40%的中小企业数字化处于起步阶段，仅有不足10%进入深化，亟须形成一批可复制、可推广的商业模式和应用场景。

　　不同于消费互联网将电子商务、广告竞价作为主流模式，现阶段工业互联网平台以专业服务、功能订阅为主。实际效果上看，以工业富联为例，在主营收多达四千多亿的情况下，工业互联网收入仅占其0.33%，总体而言，平台的商业模式不够成熟，企业盈利手段较为单一。

　　从需求层面切入，大部分的工业互联网招标文件的项目要求上，“安全、数据、设备、用户组织“作为关键词位居前列，延伸出的安全数据、报警设备、用户功能等被企业客户重点关注；安全监测、数据管理、态势感知能力成为工业互联网发展的核心技术。

　　具体在于企业上云之后，网络安全、边缘安全、内部协议安全等问题凸显，而统一的安全体系尚未建立。在智能制造过程中，对协议的实时性、容错率等各方面都有高要求，但相较于面向中小企业的私有云服务仍缺乏时效性，资金雄厚的大中型企业的私有云应用也未得到足够重视。

　　过去几年，工业互联网的数据量呈几何级数增长，存储与查询问题影响数据质量，但由于传感器设备本身的精度与环境的干扰问题，数据丢包时有发生；数据集成也面临困难，离散制造业要考虑动态变化，流程制造业要考虑不同工序中的时序变化，数据呈现很大的异质性，传统数据管理已经无法解决这些问题。

　　而且，在通信协议的标准方面，不一样的设备、甚至不一样的层级，通信协议就可能不一样。在当下，5G成为推动工业互联网应用抓手时，如何将这一技术深入企业的具体生产流程中成为多方思忖的关键，将传统软件改造为数据服务并非易事，老设备上采取新的数据采集和互联，还需花费高额成本和时间。

　　软硬件也是制约当下行业发展的因素，如果提供商没有成熟的软件系统，面临的将是得不偿失的系统开发和实施服务，甚至比不上细分行业“小而精“的MES软件厂商。考虑到目前多数系统构建的出发点在于服务政府职能部门，但大规模的数据往往来源企业，新旧问题交织下，当价值不能流向后者，行业积极性必然减弱。