2023第23屆中國國際工業(yè)博覽會(huì)新一代信息技術(shù)與應(yīng)用展/工業(yè)互聯(lián)網(wǎng)展(ICTS/IIS)時(shí)間：2023年9月19-23日 地點(diǎn)：國家會(huì)展中心（上海）工博會(huì)總面積：280,000平米主辦：國家發(fā)改委、商務(wù)部、工信部、科技部、中科院、中國工程院、中國貿(mào)促會(huì)、上海市人民政府、聯(lián)合國工業(yè)發(fā)展組織協(xié)辦：中國信息通信研究院、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟承辦：東浩蘭生（集團(tuán)）有限公司第二十三屆中國國際工業(yè)博覽會(huì)將于2023年9月19-23日在國家會(huì)展中心（上海）舉行，設(shè)9大展，展會(huì)面積大于28萬平方米，超過2700家展商參展，同期精彩活動(dòng)50余場，預(yù)計(jì)逾20萬中外觀眾參觀。
    新一代信息技術(shù)與應(yīng)用展（工業(yè)互聯(lián)網(wǎng)展）聚焦量子信息、5G、物聯(lián)網(wǎng)、數(shù)字孿生、人工智能、增材制造等前沿技術(shù)趨勢，以“5G+工業(yè)互聯(lián)網(wǎng)”、“工業(yè)軟件”及“數(shù)字化供應(yīng)鏈”領(lǐng)域?yàn)榘l(fā)展重點(diǎn)，加速新一代信息技術(shù)與制造業(yè)產(chǎn)業(yè)鏈融合，推動(dòng)行業(yè)企業(yè)與合作伙伴共贏，通過展覽展示、高峰論壇、對接、媒體訪談、線上線下直播互動(dòng)等形式，探索數(shù)字化、智能化、網(wǎng)絡(luò)化方案賦能數(shù)字工業(yè)可持續(xù)發(fā)展的國際化的展會(huì)生態(tài)。
工業(yè)互聯(lián)網(wǎng)（Industrial Internet）是新一代信息通信技術(shù)與工業(yè)經(jīng)濟(jì)深度融合的新型基礎(chǔ)設(shè)施、應(yīng)用模式和工業(yè)生態(tài)，通過對人、機(jī)、物、系統(tǒng)等的全面連接，構(gòu)建起覆蓋全產(chǎn)業(yè)鏈、全價(jià)值鏈的全新制造和服務(wù)體系，為工業(yè)乃至產(chǎn)業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展提供了實(shí)現(xiàn)途徑，是第四次工業(yè)革命的重要基石。
工業(yè)互聯(lián)網(wǎng)主要由網(wǎng)絡(luò)、平臺(tái)、安全三大部分組成，其中網(wǎng)絡(luò)是基礎(chǔ)，特別是5G低時(shí)延網(wǎng)絡(luò)是保證工業(yè)互聯(lián)網(wǎng)的基礎(chǔ)，而數(shù)據(jù)和平臺(tái)是工業(yè)互聯(lián)網(wǎng)的核心，安全是保障。
工業(yè)互聯(lián)網(wǎng)廠商非常多，從基本的連接端到云服務(wù)端，從IaaS端到PaaS端再到工業(yè)數(shù)據(jù)分析展示和可視化平臺(tái)再到具體應(yīng)用場景，設(shè)計(jì)仿真、生產(chǎn)優(yōu)化、運(yùn)營管理、資產(chǎn)運(yùn)維、能耗管理、采購優(yōu)化等，都是在工業(yè)里利用物聯(lián)網(wǎng)的數(shù)據(jù)采集和大數(shù)據(jù)分析后才能創(chuàng)造出的應(yīng)用場景。
個(gè)是提出工業(yè)互聯(lián)網(wǎng)概念的GE旗下Digital部門，提出“通過發(fā)掘數(shù)據(jù)的價(jià)值實(shí)現(xiàn)高效的產(chǎn)出”。
不幸的是GE已經(jīng)在2018年開始出售Predix，主要原因有幾個(gè)：一，GE Digital受到燃機(jī)、油氣、電力等系列主營業(yè)務(wù)的市場疲軟影響；二，低估了工業(yè)企業(yè)數(shù)字化進(jìn)程的難度；三，過于強(qiáng)調(diào)云平臺(tái)和IT能力，忽視了客戶對應(yīng)用的需求，盈利模式不清晰；四，進(jìn)行的并購和整合并沒有達(dá)到通過一個(gè)平臺(tái)統(tǒng)一不同的應(yīng)用軟件和交付能力的有效目的。
GE Digital的規(guī)劃目標(biāo)，是希望通過Predix平臺(tái)結(jié)合應(yīng)用Operation Performance Management（運(yùn)營績效管理）和Asset Performance Management（設(shè)備性能管理），通過設(shè)備的健康和可靠性管理、合規(guī)性管理、資產(chǎn)優(yōu)化、策略優(yōu)化，以達(dá)到運(yùn)營性能的管理，包括提升運(yùn)營效率、實(shí)現(xiàn)過程優(yōu)化等。
工業(yè)互聯(lián)網(wǎng)的核心技術(shù)有四個(gè)：一，邊緣計(jì)算是有強(qiáng)剛需的工業(yè)應(yīng)用場景，通過邊緣端的實(shí)時(shí)數(shù)據(jù)采集、云端的數(shù)據(jù)分析和應(yīng)用開發(fā)以實(shí)現(xiàn)高效協(xié)同，是云端應(yīng)用對邊緣端實(shí)時(shí)數(shù)據(jù)采集的響應(yīng)和控制過程；二，大數(shù)據(jù)平臺(tái)也非常關(guān)鍵，以前的工業(yè)數(shù)據(jù)都是小數(shù)據(jù)，很多數(shù)據(jù)處理都在邊緣完成，并沒有匯總起來進(jìn)行相關(guān)性分析和統(tǒng)一趨勢分析，實(shí)現(xiàn)應(yīng)用和數(shù)據(jù)解耦的大數(shù)據(jù)平臺(tái)也很關(guān)鍵；三，數(shù)字孿生，即通過數(shù)據(jù)化方式為工業(yè)設(shè)備定義數(shù)據(jù)結(jié)構(gòu)，結(jié)合數(shù)據(jù)分析對設(shè)備的過去、當(dāng)前和未來進(jìn)行深入的洞悉，完成設(shè)備從物理向虛擬環(huán)境映射的關(guān)鍵描述；四，通過專家經(jīng)驗(yàn)+人工智能的方式，基于專家經(jīng)驗(yàn)指導(dǎo)的大數(shù)據(jù)樣本標(biāo)注，通過人工智能算法訓(xùn)練開發(fā)相應(yīng)的故障診斷和預(yù)測模型，實(shí)現(xiàn)判決。
工業(yè)互聯(lián)網(wǎng)三大高端制造應(yīng)用場景什么是高端制造？高端制造與中高端制造、中低端制造不一樣之處在于：一，生產(chǎn)過程基本上都是連續(xù)的，比如流程制造；二，需要眾多不同大型設(shè)備的高效協(xié)同，屬于復(fù)雜工藝。
像石油、電力、石化、光電、半導(dǎo)體等高端制造的可能有幾百個(gè)不同的子生產(chǎn)過程, 需要保證每個(gè)生產(chǎn)過程都得到嚴(yán)格的管控，才能完成終預(yù)期的產(chǎn)出；三，高度自動(dòng)化的生產(chǎn)過程，可以根據(jù)實(shí)時(shí)采集的各種工況參數(shù)，對控制過程進(jìn)行自動(dòng)化的實(shí)時(shí)響應(yīng)；四，對質(zhì)量、產(chǎn)能、風(fēng)險(xiǎn)、成本等的精細(xì)化管理要求極高，需要非常的過程控制和結(jié)果檢驗(yàn)機(jī)制。
工業(yè)互聯(lián)網(wǎng)在高端制造里應(yīng)用場景很多，而當(dāng)前的高端制造普遍呈現(xiàn)資產(chǎn)密集、資產(chǎn)性能優(yōu)化空間大，數(shù)字化程度高但數(shù)據(jù)利用率低，經(jīng)驗(yàn)驅(qū)動(dòng)、缺少科學(xué)決策能力的局面。
通過結(jié)合工業(yè)互聯(lián)網(wǎng)的賦能，即資產(chǎn)性能管理、運(yùn)營效率提升、能源管理優(yōu)化、安全生產(chǎn)環(huán)保、工業(yè)控制安全，可達(dá)到：一，提高資產(chǎn)運(yùn)營的效率，降低非計(jì)劃停機(jī)帶來的風(fēng)險(xiǎn)影響；二，提高資產(chǎn)利用的效率，降低排放、降低能耗、提高安全生產(chǎn)、實(shí)現(xiàn)環(huán)保，構(gòu)建產(chǎn)業(yè)生態(tài)。
正是因?yàn)楦叨酥圃炱毡榈捏w量都比較大，哪怕提高1%，都能創(chuàng)造巨大的價(jià)值。
高端制造的工業(yè)互聯(lián)網(wǎng)的核心不是數(shù)據(jù)采集，而是一層一層傳遞的數(shù)據(jù)的價(jià)值。
工業(yè)互聯(lián)網(wǎng)平臺(tái)，能夠起到加速整個(gè)價(jià)值傳遞過程的作用，一方面能夠匯聚來自不同設(shè)備和業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，構(gòu)建數(shù)據(jù)中臺(tái)，對數(shù)據(jù)進(jìn)行規(guī)范和治理，以及針對離散化、場景化的數(shù)據(jù)分析；另一方面，它也提供了大量的跨應(yīng)用系統(tǒng)的能力重用模塊，讓應(yīng)用的交付、數(shù)據(jù)的分析變得更便捷和更簡單。
相對于傳統(tǒng)的PLC、DCS、MES或ERP這些傳統(tǒng)的IT和OT系統(tǒng)，工業(yè)互聯(lián)網(wǎng)應(yīng)用著眼點(diǎn)放在了新技術(shù)解決老問題上，它通過運(yùn)用物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算和人工智能等先進(jìn)的IT技術(shù)，去解決原先由于數(shù)據(jù)量、數(shù)據(jù)處理能力、實(shí)時(shí)性等限制而不能得到很好解決的設(shè)備可靠性、工藝質(zhì)量以及企業(yè)經(jīng)營決策等方面問題，可以說是原有IT和OT系統(tǒng)的升級(jí)和重構(gòu)。
高端制造的工業(yè)互聯(lián)網(wǎng)應(yīng)用非常離散化，應(yīng)用場景主要是三類，設(shè)備資產(chǎn)管理、運(yùn)營性能管理和生產(chǎn)經(jīng)營決策。
資產(chǎn)性能管理的目標(biāo)是提高資產(chǎn)（也就是設(shè)備）的可靠性，避免非計(jì)劃停機(jī)；只有保證了設(shè)備的可靠性，才能保證運(yùn)營過程中的產(chǎn)能、質(zhì)量、成本的有效提升，才能優(yōu)化運(yùn)營指標(biāo)；而只有保證了運(yùn)營效率的提升，才能實(shí)現(xiàn)企業(yè)經(jīng)營利潤的提升和經(jīng)營風(fēng)險(xiǎn)的規(guī)避，這三層是通過數(shù)據(jù)的價(jià)值環(huán)環(huán)相扣的。
應(yīng)用場景1：資產(chǎn)性能管理。
大型高端制造都有關(guān)鍵的大型設(shè)備，這些設(shè)備在連續(xù)生產(chǎn)過程中的停機(jī)風(fēng)險(xiǎn)，會(huì)造成很大影響。
普遍來說，進(jìn)行有效設(shè)備維護(hù)的策略有：一是被動(dòng)式維護(hù)，就是壞了再修，這種維護(hù)成本高；二是預(yù)防性維修，為了避免被動(dòng)維修引起的設(shè)備停機(jī)停產(chǎn)，現(xiàn)階段采用較多的是預(yù)防性維修，也就是定期保養(yǎng)；三是視情況維修或基于狀態(tài)維修，因?yàn)榍皟煞N的成本相對比較高，采用振動(dòng)分析、紅外、超聲等檢測儀器，對關(guān)鍵設(shè)備進(jìn)行相應(yīng)的判決和檢測，基于檢測的結(jié)果決定是否要維修，提前修還是推后修；四是預(yù)測維修，基于海量數(shù)據(jù)分析對設(shè)備的實(shí)時(shí)狀態(tài)做評估，再?zèng)Q定是否要維修；第五，RCM或基于風(fēng)險(xiǎn)評估，結(jié)合實(shí)時(shí)數(shù)據(jù)對設(shè)備保養(yǎng)策略的一系列計(jì)算，得到基于風(fēng)險(xiǎn)管控的維護(hù)策略，實(shí)現(xiàn)更的維護(hù)。
目前GE和Uptake已經(jīng)做到了基于可靠性的維修或基于風(fēng)險(xiǎn)維護(hù)的完整策略。
現(xiàn)在的問題是：一，無法實(shí)現(xiàn)實(shí)時(shí)的判決和診斷，無法根據(jù)動(dòng)態(tài)的工況進(jìn)行調(diào)整；二，無法實(shí)現(xiàn)**的故障定位，無法實(shí)現(xiàn)**的指標(biāo)計(jì)算；三，無法實(shí)現(xiàn)**的壽命預(yù)測，無法實(shí)現(xiàn)預(yù)測性維護(hù)；四，無法積累、優(yōu)化和復(fù)制專家經(jīng)驗(yàn)，無法實(shí)現(xiàn)知識(shí)的自我學(xué)習(xí)和進(jìn)化。
資產(chǎn)性能管理系統(tǒng)主要涉及三方面：一是數(shù)據(jù)，即機(jī)器的實(shí)時(shí)數(shù)據(jù)、歷史維護(hù)記錄、失效記錄、產(chǎn)品手冊等；二是機(jī)理，像F***、控制理論等基本的工業(yè)模型；三是數(shù)據(jù)分析，變點(diǎn)檢測、時(shí)序預(yù)測、聚類回歸、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等結(jié)合在一起，才能產(chǎn)生一個(gè)相對完整的設(shè)備資產(chǎn)管理系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測、故障診斷預(yù)測、可靠性管理等一系列功能，終目標(biāo)是降低停機(jī)概率、降低運(yùn)營風(fēng)險(xiǎn)、實(shí)現(xiàn)更快的響應(yīng)能力。
怎么利用數(shù)據(jù)分析實(shí)現(xiàn)資產(chǎn)的高效性能分析呢？主要還是利用機(jī)器的數(shù)據(jù)。
基于機(jī)器的歷史數(shù)據(jù)可以構(gòu)建不同狀態(tài)下的歷史數(shù)據(jù)樣本，開發(fā)各類故障的特征模型，與當(dāng)前傳感器數(shù)據(jù)進(jìn)行對比，從而對當(dāng)前的設(shè)備進(jìn)行實(shí)時(shí)的健康評估。
基于歷史數(shù)據(jù)也可以構(gòu)建性能預(yù)測指標(biāo)，通過對比指標(biāo)就可以知道設(shè)備未來在什么時(shí)間可能會(huì)出問題，可以計(jì)算剩余壽命以優(yōu)化維護(hù)策略。
應(yīng)用場景2：運(yùn)營性能管理。
在工業(yè)生產(chǎn)過程中有很多設(shè)備都產(chǎn)生數(shù)據(jù)，像工藝數(shù)據(jù)、質(zhì)量數(shù)據(jù)、維護(hù)數(shù)據(jù)等，都可以通過工業(yè)互聯(lián)網(wǎng)平臺(tái)采集出來，做工藝參數(shù)優(yōu)化、良率優(yōu)化、虛擬量測、關(guān)鍵指標(biāo)建模、燃燒環(huán)保優(yōu)化、能源管理等一系列分析。
通過實(shí)時(shí)采集生產(chǎn)過程中設(shè)備、工藝、質(zhì)檢、環(huán)保、環(huán)節(jié)數(shù)據(jù)，結(jié)合數(shù)據(jù)挖掘和人工智能分析，可以實(shí)現(xiàn)生產(chǎn)工藝、品質(zhì)還有運(yùn)營效率全方面的優(yōu)化。
舉幾個(gè)簡單例子：一，工作模式自動(dòng)識(shí)別。
在運(yùn)營中對設(shè)備的工作狀態(tài)進(jìn)行識(shí)別，只有識(shí)別了不同的工作狀態(tài)才能區(qū)別出在不同工作狀態(tài)下的工作效率和關(guān)鍵KPI指標(biāo)，這種識(shí)別原來全是手動(dòng)識(shí)別或是專家經(jīng)驗(yàn)識(shí)別，現(xiàn)在完全可以通過機(jī)器學(xué)習(xí)再結(jié)合專家經(jīng)驗(yàn)的方式提取規(guī)則，創(chuàng)造自動(dòng)識(shí)別的過程。
二，異常檢測。
由于能夠區(qū)分不同的工作狀態(tài)，才能對不同的工作狀態(tài)設(shè)一個(gè)穩(wěn)定值，這叫SPEC值。
一個(gè)設(shè)備可能工作在不同的SPEC和不同的工藝過程下，每個(gè)工藝過程要區(qū)分不同的工作狀態(tài)，才能知道應(yīng)該改進(jìn)哪些關(guān)鍵工藝參數(shù)。
三，根因分析。
根因分析就是有多少種原因會(huì)導(dǎo)致終的不良或排放、燃燒等關(guān)鍵指標(biāo)低下。
這種根因分析往往是在不間維度上產(chǎn)生的，可能幾個(gè)小時(shí)之前的一個(gè)工藝參數(shù)會(huì)導(dǎo)致后生產(chǎn)結(jié)果的質(zhì)量、品質(zhì)或關(guān)鍵指標(biāo)的劣化。
數(shù)據(jù)分析需要把不間維度的海量數(shù)據(jù)結(jié)合在一起，通過相關(guān)性分析、相似度搜索等數(shù)據(jù)分析的方式，匹配到有可能產(chǎn)生問題的一個(gè)匹配關(guān)系上。
四，SPEC的快速確定。
在不同工藝上，比方說85%、70%、65%的良率情況下對應(yīng)不同的工藝參數(shù)范圍，很多時(shí)候都需要從歷史數(shù)據(jù)中找出相應(yīng)特定條件下相關(guān)信號(hào)的工作范圍，進(jìn)而確定相應(yīng)的SPEC值，這有助于幫助一個(gè)企業(yè)快速投產(chǎn)、快速從小批量生產(chǎn)進(jìn)入到大批量生產(chǎn)的加速過程。
五，穩(wěn)定性控制和評估。
在關(guān)鍵的生產(chǎn)過程中，有一些海量產(chǎn)出關(guān)鍵指標(biāo)，比如半導(dǎo)體生產(chǎn)過程中的CD值，即關(guān)鍵的線寬要保證在一定的范圍內(nèi)抖動(dòng)。
利用數(shù)據(jù)分析，通過SPC進(jìn)行穩(wěn)定性控制，實(shí)現(xiàn)相應(yīng)的過程控制，以保證關(guān)鍵過程產(chǎn)出的穩(wěn)定性。
六，工藝仿真。
在確定了輸入和輸出之間的關(guān)系后，能否通過回歸或者神經(jīng)網(wǎng)絡(luò)找到一個(gè)線性、非線性的模型，當(dāng)終檢驗(yàn)結(jié)果的良率從85%掉到70%時(shí)，調(diào)整輸入到某個(gè)關(guān)鍵值就能把良率從70%再拉回到85%？這些都可以通過海量的工業(yè)數(shù)據(jù)分析實(shí)現(xiàn)。
以上這些都是圍繞著實(shí)時(shí)工藝的數(shù)據(jù)采集、分析、建模的過程。
通過運(yùn)營效率的提升、數(shù)據(jù)分析、高效的運(yùn)營規(guī)劃，盡大可能的提高工廠的產(chǎn)能和利潤，包括結(jié)合財(cái)務(wù)指標(biāo)、價(jià)格曲線、降成本等都能實(shí)現(xiàn)完整的分析。
只要利用好數(shù)據(jù)分析，就可以產(chǎn)生極大的提升，很多時(shí)候創(chuàng)造的效能遠(yuǎn)遠(yuǎn)不止1%。
應(yīng)用場景3：安全生產(chǎn)管控。
這部分主要針對能源化工等高端流程制造企業(yè)，通過采集設(shè)備端DCS的實(shí)時(shí)數(shù)據(jù)，結(jié)合檢測系統(tǒng)、業(yè)務(wù)系統(tǒng)和外部數(shù)據(jù)，通過大數(shù)據(jù)、人工智能、機(jī)器學(xué)習(xí)等先進(jìn)的信息技術(shù)，實(shí)現(xiàn)包括危險(xiǎn)源在線監(jiān)測、工藝參數(shù)實(shí)時(shí)告警、危險(xiǎn)場景態(tài)勢感知、重大風(fēng)險(xiǎn)預(yù)警預(yù)測在內(nèi)的全面的安全生產(chǎn)管控，達(dá)到企業(yè)經(jīng)營風(fēng)險(xiǎn)和經(jīng)營利潤的優(yōu)平衡。
對于一個(gè)大型的發(fā)電廠或者大型化工企業(yè)，實(shí)時(shí)數(shù)據(jù)可以達(dá)到每秒鐘幾萬到幾百萬萬數(shù)據(jù)點(diǎn)。
一方面，很多關(guān)鍵設(shè)備的關(guān)鍵工藝參數(shù)、環(huán)境參數(shù)以及外部的危險(xiǎn)源，僅靠人工巡檢、實(shí)時(shí)監(jiān)控和專家經(jīng)驗(yàn)判斷，是根本無法全面、實(shí)時(shí)的企業(yè)級(jí)別的安全管控要求。
通過大數(shù)據(jù)的方式，進(jìn)行采集海量的實(shí)時(shí)數(shù)據(jù)并匯總、分析，基于歷史數(shù)據(jù)構(gòu)建起預(yù)測和風(fēng)險(xiǎn)模型，不僅能構(gòu)建起全面的防范體系，還能對關(guān)鍵的監(jiān)控參數(shù)以及風(fēng)險(xiǎn)事件進(jìn)行預(yù)測。
另一方面，通過將不同發(fā)電廠、化工企業(yè)的實(shí)時(shí)數(shù)據(jù)匯總到集團(tuán)的工業(yè)互聯(lián)網(wǎng)平臺(tái)，不僅能實(shí)現(xiàn)對關(guān)鍵工藝參數(shù)、關(guān)鍵風(fēng)險(xiǎn)源、風(fēng)險(xiǎn)事件的管控和指揮，也有助于集團(tuán)層面實(shí)現(xiàn)跨企業(yè)的對標(biāo)分析和優(yōu)化，并實(shí)現(xiàn)對下屬單位生產(chǎn)、耗能、排放等數(shù)據(jù)的實(shí)時(shí)采集，降低數(shù)據(jù)失真帶來的經(jīng)營風(fēng)險(xiǎn)，從行政管控轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的智能決策。
高端制造行業(yè)工業(yè)互聯(lián)網(wǎng)的核心，在于工業(yè)數(shù)據(jù)的分析，而不在于工業(yè)數(shù)據(jù)的采集。
國內(nèi)有很多的工業(yè)互聯(lián)網(wǎng)廠商，但大多都在做基礎(chǔ)數(shù)據(jù)采集和展示。
數(shù)據(jù)采集固然很重要，但在面對不同類型的企業(yè)時(shí)，優(yōu)先級(jí)有很大區(qū)分。
中小企業(yè)可能要看關(guān)鍵的幾個(gè)指標(biāo)做一些告警就夠了，但高端制造客戶還要實(shí)現(xiàn)對設(shè)備狀態(tài)的可靠性分析、運(yùn)營效率的分析、性能和良率預(yù)測等復(fù)雜的數(shù)據(jù)分析。
工業(yè)互聯(lián)網(wǎng)領(lǐng)域?qū)⒊霈F(xiàn)新的“BAT”，但這將是一個(gè)長期的過程而不會(huì)一蹴而就。
眾所周知，工業(yè)是一個(gè)高度復(fù)雜和碎片化的產(chǎn)業(yè)，每一個(gè)細(xì)分領(lǐng)域都需要專門的工業(yè)知識(shí)與實(shí)踐積累。
長期以來，BAT一直想進(jìn)入工業(yè)互聯(lián)網(wǎng)領(lǐng)域，但由于難以形成一個(gè)大而全覆蓋的平臺(tái)，很難像主導(dǎo)消費(fèi)互聯(lián)網(wǎng)那樣主導(dǎo)工業(yè)互聯(lián)網(wǎng)的發(fā)展。
而在另一方面，工業(yè)是中國的立國之本，是實(shí)體經(jīng)濟(jì)的主戰(zhàn)場。
現(xiàn)在的中國工業(yè)大而不強(qiáng)，自主創(chuàng)新能力不強(qiáng)，產(chǎn)品還處在中低端，供給能力明顯不足。
我國工業(yè)還存在著被空心化、邊緣化等問題，亟待轉(zhuǎn)型升級(jí)。
而中國工業(yè)門類齊全，有41個(gè)大類、191個(gè)中類、525個(gè)小類；體量巨大，年增加值30萬億元，一。
無疑，中國工業(yè)的數(shù)字化轉(zhuǎn)型是一個(gè)巨大的ICT市場，存在著巨大的機(jī)會(huì)。
工業(yè)數(shù)字化轉(zhuǎn)型包括智能制造和工業(yè)互聯(lián)網(wǎng)兩大戰(zhàn)場。
其中，智能制造主要是為制造設(shè)備和工廠等實(shí)現(xiàn)智能化、數(shù)字化和自動(dòng)化，主要是將信息技術(shù)（IT）、數(shù)字技術(shù)（DT）與生產(chǎn)制造操作技術(shù)（OT）相結(jié)合。
由于不同工業(yè)領(lǐng)域的特殊性，智能制造更多是面向細(xì)分工業(yè)領(lǐng)域的技術(shù)和解決方案，難以形成較大的創(chuàng)業(yè)機(jī)會(huì)。
而工業(yè)互聯(lián)網(wǎng)則是一個(gè)巨大的平臺(tái)性機(jī)遇。
需要注意的是工業(yè)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)與物聯(lián)網(wǎng)相結(jié)合的產(chǎn)物，融入了云平臺(tái)、大數(shù)據(jù)分析和人工智能等新興科技，是工業(yè)環(huán)境下人、機(jī)、物、企業(yè)、生態(tài)等的全面互聯(lián)，而不是簡單的互聯(lián)網(wǎng)模式，也缺乏相關(guān)的標(biāo)準(zhǔn)。