工業互聯網平臺是工業資源配置的核心，是全球制造大國競爭的戰略焦點。本文指出，從供給側來看，我國工業互聯網平臺在工業數據采集、大數據建模分析、行業機理模型沉淀、工業APP培育等方面面臨四大“卡脖子”瓶頸，需要盡快取得突破。

《國務院關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》提出，“到2025年，形成3-5個具有國際競爭力的工業互聯網平臺”。培育具有國際競爭力的工業互聯網平臺，事關未來10-15年工業操作系統主導權之爭，事關一個國家制造業競爭優勢的確立、鞏固和強化，打造本土工業互聯網平臺時間緊迫、任務艱巨、使命偉大。從供給側來看，我國工業互聯網平臺在工業數據采集、大數據建模分析、行業機理模型沉淀、工業APP培育等方面面臨四大“卡脖子”瓶頸，亟需盡快取得突破。

瓶頸一：工業數據采集能力薄弱

數據采集是工業互聯網平臺的基礎，工業互聯網平臺首先要解決的問題是連接工業中的人、機器設備和業務系統，但是設備連接在工業現場并不是一件容易的事情。當前，我國規模以上工業企業里，80%以上的機器設備都是沒有聯網、不會說話的“啞”設備，只有20%的設備聯了網、會說話，但是這些設備遵循不同的通信協議，存在嚴重的“語言障礙”，成為制約工業互聯網平臺建設的卡脖子瓶頸。

一方面80%的設備沒有聯網，設備數字化水平低。我國制造業總體水平處于2.0向3.0過渡階段，老舊設備多、數字化水平低，2017年我國規模以上工業企業生產設備數字化率為44.8%、數字化設備聯網率為39.0%，需要通過加裝傳感器等方式實現設備聯網，導致工業互聯網平臺數據采集難、成本高、效率低。

另一方面20%的設備聯網了，但通信協議不統一。近30年來，全球各類自動化廠商、研究機構、標準化組織圍繞設備聯網推出了成百上種現場總線協議、工業以太網協議和無線協議，協議標準眾多且相對封閉，工業設備互聯互通難，嚴重制約了設備上云，亟需構建能夠兼容、轉換多種協議的技術產品體系。

瓶頸二：工業大數據建模分析能力薄弱

工業設備聯網不是目的，目的是在賽博空間對工業設備建立數字鏡像，利用工業大數據和人工智能“訓練”出解決實際業務痛點的工業APP。工業互聯網平臺的本質就是對機器設備和業務系統產生的數據進行建模分析，將數據轉化為指導設備和業務進行優化的應用服務。當前，受限于數據采集瓶頸和工業大數據自身的專業性、關聯性、流程性、時序性和解析性等特點，工業大數據建模分析需要平臺企業兼具工業基因和大數據基因，導致現有工業互聯網平臺工業大數據建模分析能力較為薄弱。

一是數據種類不全，制約了工業大數據建模分析和工業APP功能。相對于互聯網大數據注重數據的“量”和“相關性”，工業大數據更注重數據的“全”和“關聯性”，以保證能夠從數據中提取出工業設備真實狀態的全面信息。受限于設備數據采集能力不足，數據源不全，這在一定程度上會制約工業大數據建模分析和工業APP的開發，當前，基于單一數據源開發的工業APP多，基于設備和業務系統等多源異構數據開發的工業APP少。

二是數據質量不高，制約了工業大數據建模分析和工業APP性能。工業大數據往往會出現遺漏、分散、斷續等現象，低質量的數據會直接導致建模分析結果無法利用或者更為嚴重的后果，需要對數據質量進行預判和修改，因此數據“清洗”工作甚至會占到工業APP開發時間的70%左右。基于數據質量問題，當前工業互聯網平臺上狀態監測、故障診斷類工業APP較多，預測預警類尤其是智能決策類工業APP較少。

瓶頸三：行業機理模型沉淀能力薄弱

行業機理模型是工業PaaS的核心，是平臺技術能力的集中體現。行業機理模型就是通過軟件技術對工業研發設計、生產制造、經營管理等制造全過程運行規律進行顯性化、模型化、代碼化，每個行業機理模型都是一個積木式的模塊，可供工業APP開發者靈活調用，促進工業知識的沉淀、傳播、復用與價值創造。當前工業互聯網平臺面臨的突出問題是開發工具不足、行業機理模型缺失，遠遠不能完全滿足工業級應用需要。

一是我國工業軟件落后，很難把線下能力快速遷移成線上模型。中國制造業體量占世界制造業的份額20%強，但是中國工業軟件的市場份額僅占世界工業軟件市場份額的1.7%，同時中國90%以上的工業軟件靠進口，這充分說明我國工業技術軟件化水平和積累遠遠不夠，缺乏短時間內把行業機理模型化、代碼化的線下實力。

二是我國工業門類龐雜，建立體系完整的行業模型庫尚需時日。我國擁有39個工業大類，191個中類，525個小類，是全世界唯一擁有聯合國產業分類中全部工業門類的國家，每個行業均有自身獨特的行業知識，把每個行業的工業基礎原理、關鍵基礎材料、核心基礎零部件（元器件）、先進基礎工藝、產業技術基礎封裝成數字化模型是一項系統工程，需要政府和全社會共同努力。

瓶頸四：現象級工業APP培育能力薄弱

工業APP是工業互聯網平臺的關鍵。但是受限于工業互聯網平臺發展尚屬于初級發展階段，工業PaaS平臺賦能不夠，工業互聯網平臺上所謂的工業APP基本上都是工業云平臺上的云化軟件“移民”而來，依靠工業PaaS上的行業機理模型“生長”出來的 “原居民”工業APP較少，現象級工業APP更是匱乏。

一方面，基于工業PaaS平臺開發的工業APP數量少。據GE預測，2020年左右工業互聯網平臺將出現類似于消費互聯網平臺的爆發式增長，Predix平臺工業APP總量將超過50萬個。根據航天云網、海爾、樹根互聯、東方國信、徐工信息、用友、索為、清華紫光、浪潮、浙大中控、智能云科等國內領先工業互聯網平臺企業公開的數據，我國工業APP數量不超過5000個，遠遠難以滿足企業上云求。這5000款工業APP中，很多是傳統軟件云化而來的，只能算是工業互聯網平臺上的“移民”，真正從工業PaaS平臺“生長”出來的工業APP屈指可數。

另一方面，工業互聯網平臺尚沒有培育出現象級工業APP。美國初創企業Uptake圍繞卡特彼勒工程機械開發了狀態監測和故障預警的工業APP，接入了超過300萬的工程機械，公司目前的估值已經達到23億美金。截至目前，盡管我國很多企業都在朝著建設跨行業、跨領域工業互聯網平臺的方向努力，但尚沒有一家企業開發出現象級工業APP，來引爆工業互聯網平臺的應用推廣。

對策建議

工業互聯網平臺領域跨度大、體系復雜，從技術、產業到應用均處在發展初期，打造具有國際競爭力的工業互聯網平臺，需要有戰略定力，需要堅持政府引導和市場主導，需要10-15年的長時間努力。

（一）補短板，夯實“一硬、一軟、一網、一安全”四基

工業互聯網平臺不是一項孤立的技術，而是一套綜合技術體系，是現代信息技術的集大成，當前要以“一硬、一軟、一網、一安全”四基為重點，加大支持力度，推進關鍵技術研發和產業化。一是提升自動控制與感知產業支撐能力，加快推動智能傳感器、可編程邏輯控制器、分布式控制系統、數據采集與監控系統等研發和產業化。二是實施工業技術軟件化工程，推動工業云操作系統、新型工業軟件、工業大數據建模分析、微服務組件等核心技術的研發和產業化。三是夯實工業互聯網平臺網絡基礎，推進工廠內網的IP化、無線化、扁平化、柔性化技術改造和建設部署，加快NB-IoT等新型網絡技術部署，加快軟件定義網絡、網絡功能虛擬化等新一代網絡技術研究和部署試點。四是構建工業互聯網安全保障體系，強化設備、網絡、控制、應用和數據的安全保障能力，實現對工業生產系統和商業系統的全方位保護。

（二）建生態，大力培育工業互聯網平臺開源社區和開發者

當今時代，軟件開源和硬件開放已成為不可逆轉的趨勢，掌控開源生態，將已成為全球工業互聯網平臺的焦點。一是建議培育開源社區，引導自動化企業開放各類標準兼容、協議轉換的技術，實現工業數據在多源設備、異構系統之間的有序流動，確保工業設備“聯得上”，引導工業互聯網平臺企業開放開發工具、知識組件、算法組件，構建開放共享、資源富集、創新活躍的工業APP開發生態，確保模型行業機理模型“跟得上”。二是加快工業APP開發者人才隊伍建設，支持工業互聯網平臺企業舉辦開發者創業創新大賽，打造基于工業互聯網平臺的 “雙創”新生態，推動工業APP短時間內“上數量”。

（三）重測試，堅持建平臺用平臺測平臺協同發展

堅持“建平臺” 、“用平臺”、“測平臺”協同推進，邊建設、邊測試、邊推廣，以測帶建、以測促用，打造平臺功能豐富與海量使用雙向迭代、互促共進的良性循環。一是跨行業跨領域工業互聯網平臺培育方面，建議參照國家制造業創新中心培育方式，出臺工業互聯網平臺遴選標準，堅持“一事一議、成熟一家、遴選一家”的原則，用三年時間培育10家跨行業跨領域平臺。二是在工業互聯網平臺應用推廣方面，建議加強部省聯動，遴選一批地方積極性高、企業上云基礎好的省作為工業互聯網平臺應用示范省，推動示范省“塊狀經濟”產業集聚區內的企業整體上云。三是在工業互聯網平臺是試驗測試方面，圍繞設備協議兼容性、平臺功能完整性、數據安全性等內容開展試驗驗證，為工業互聯網平臺大規模應用提供基礎支撐。