2019工业互联网峰会刚刚落下帷幕，从这一届峰会参与者（包括重量级组织、展商和参会者）的数量与质量来看，已非常直观地反映出工业互联网稳扎稳打、夯实底座的势头了。
在小编幽灵般游荡于各个展台和各大主、分会场的两天里，听到了来自政府、学研机构、ICT企业、AI/云/IT企业以及工业各细分领域的代表各抒己见，他们各自从不同的角度观察产业，以不同的优势助推产业，最终走上“融通创新”的共赢之路。
这一融通的实现离不开“智联赋能”，也离不开工业自身的变革决心，本文就从这一角度来为您再现工业互联网峰会现场的精彩。
“智、联”如何“赋能”
马克思曾指出，推动事物发展的根本原因是内因。工业也不例外，在电力、能源、化工、制造和其他泛工业领域，其生产、管理、销售及运维等整个环节长期以来存在诸多痛点。虽然中国工业起点低且进度参差不齐，但总的来说，有以下几点明显痛处：
●自动化、数字化、智能化程度低，主要以人力为主；
●制造流程、设备管理、能耗管理等关键环节粗放、产能提高难；
●生产、管理和运维各系统间较为割裂、管理决策无法得到精准和高效提升。
对于工业领域企业而言，它们对行业需求有着最精准、最深切的感知，因此长期以来在自动化、数字化的道路上摸爬滚打。本次峰会上，小编看到诸多传统工业均已提出较完备的工业互联网转型战略，主动吸收新技术、新思路、新架构，（如国家电网、中船互联、家电制造类企业）它们作为传统工业最坚实的力量，拥抱智、联，主动寻求转型，是实现工业互联网真正启动跨越式融通创新的基础。
那么，针对工业用户如此老大难的问题，产业链各环节的企业将如何各显其能、扮演何种角色？我们不妨尝试从中几家“智、联”服务类企业身上寻找答案，并沿着工业互联网的终极形态“工业智联网”的架构来漫谈。
众所周知，物联网的四层架构大致可分为感知、连接、平台和应用。但若放到不同行业中，又会发现，以行业和市场需求为出发点，则每一层的现状和挑战都千差万别，侧重也随之变化，参与者（尤其是智能化服务伙伴）的构成也不一样。我们一一来看。
就工业领域而言 ，针对其设备重、流程重、价值重以及自动化程度低的综合特点，在感知这一层就面临极大挑战（相对于消费类产业对比而言）。
首先，工业涉及的范围广、行业多、设备类型多，这导致获取不同设备的数据变成一项大工程。对此，精准而全面的数采模块、传感器等感知类设备企业就迎来广阔市场。在不同行业或不同工业场景中，还要满足更多需求：
●对不同类型、不同型号、不同接口、不同信号类型的设备实现广泛采集，
●除了对常用数据外，还要对实际场景的特殊关键参数实现精准采集，
●支持不同通信协议、在工业场景需求下实现一定程度的互联互通，
●当然，还有贯穿全程的安全性。
综上所述，全面覆盖、精准采集、安全传输，是工业场景对感知层的综合诉求。因此，在这一层，那些深耕于工业现场经验丰厚、对不同行业设备见多识广、又对大部分工业协议和传输协议一网打尽的底层硬件类企业会更具竞争力，如在工控领域积累深厚的研华科技。当然，研华除了依据优势不断拓展感知层和通信层，还推出自家工业物联网平台，形成较为完整的生态和全面的解决方案。
工业领域“重”的特点对通信连接层也提出更为苛刻的要求。
我们知道，工业大数据价值高、时效性强，好不容易采集来的关键数据若未经及时传输、有效分析，价值可能会直接断崖。尤其对于流程工业，数据即时性直接决定着生产效率和生产质量。当然，也有些非关键性工业数据对时效性要求并不高，反而低功耗网络更适用。因此，面对工业纷繁多样的工业场景，多元化的通信技术和方案是必然趋势，我们主要来看看在前一种场景中，“智、联”类企业的两大武器：TSN和边缘计算。
ICT巨头华为提出，工业智能化的三个发展历程可分为：
●通过数据平台+网络+芯片来实现全面采集；
●通过人工智能优化全面数据感知，实现识别问题、故障预测和根因探究；
●通过多余协同四线对生产系统的全面优化、高级决策。
显然，华为在30年的ICT技术发展路上，早在多方面将技术投入了工业实践中。除了4G和NB-IOT等常见通信技术在工业部署之外，华为还推出更满足工业即时处理场景的TSN（时间敏感网络）相关产品，提供高可靠、超低时延的工业操控环境。华为同时也在网络、云服务、边缘计算、AI芯片、工业云平台、EI大脑等诸多方面都有发力。在后边的平台层、应用层再展开。
●在去年2018德国汉诺威工业博览会上，工业互联网产业联盟(AII)、Avnu联盟、边缘计算产业联盟(ECC)、FraunhoferFOKUS、英特尔、华为、美国仪器（NI）、施耐德电气、贝加莱（B&R）等20多家国际组织和业界大厂还联合发布了包含预测性维护网络、运动控制同步场景、绘图运动控制等工业互联六大场景的TSN+OPCUA测试床，助推高价值工业场景进一步走向成熟。
除了让数据快速传输，还可通过新鲜消化来保证关键数据的实时价值，边缘计算技术在这一类场景中得以施展。英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士向物联网智库表示，工业OT与网络IT的两大系统的融合难度决定了工业互联网的传输、计算比其他行业需要更多的技术投入，除了实时性还有高可靠性、高计算性能、高安全保障，以及对行业Know-how的提炼、AI与场景适配性。
对此，英特尔根据多年在计算领域的深厚积累，在边云协同方面持续布局。基于多年积累的边缘计算和人工智能技术优势，推出了适用于边缘计算，涵盖芯片、板卡以及软件工具的人工智能产品的全栈解决方案。
此外，因特尔还从工业实际需求和场景出发，关注大型、中小型制造业企业升级转型的实际需求。尤其对于中小型制造企业而言，不具备完备的IT基础能力，因此英特尔联合合作伙伴推出了非侵入式和易部署的基于视觉AI的工业物联网方案，在产能预估、智能排产方面有效提升效率。同时，基于至强处理器、GPU、Movidius加速器和FPGA等多样化的高性能处理器平台，推出适用于产品缺陷检测、人脸识别等方案，并联合国内多家伙伴（如阿里巴巴、华为等）在制造企业中展开实践落地，在重庆、浙江、广州等地已有成熟案例和试点。
再过工业互联网平台这个赛道的竞争上 ，已从占地为王走到大浪淘沙。毕竟，工业应用有别于其他行业，碎片化程度之高、开发周期之长、价值的不确定性都决定了工业互联网平台生态不易快速繁荣、应用不易全面爆发，但同时，它又十分重要，因为平台和应用的质与量仍是直观反映工业互联网成效的标尺。今年年初，工信部大手笔在工业互联网的关键节点之年画了一个圈：“到2020年培育30万个工业APP，那么这届峰会来看，这个小目标能实现吗，如何实现？
在华为展示的工业互联网平台Fusionplant中，它实现了端（智能设备如摄像头、机器人、采集设备等）、边（边缘计算类芯片、服务、应用）、云的完整华为云EI架构，成为工业智能化新引擎。目前已推出百项功能，包括柔性质检、节能减排、智能排产、预测维护、图像识别、语音识别、优化算法等。同时，为了鼓励更多工业应用的诞生，华为还携手伙伴打造工业开发的黑土地，在石化、汽车、冶金、电力、工程机械、装备制造等细分领域都建立专属行业平台，推出多项开发微服务，悉知行业know-how、优化开发流程。
另外，专注于行业或场景的工业应用平台也是一条发展之路。索为系统展示了在航天、传播、重型机械领域的APP开发培育体系。它将开发所需的各类资源都建立合理调度、互通互联，如设备性能、远程监测、生命周期管理、生产排程等，并通过沉淀这些领域的技术、工艺、知识，将工业技术软件化，形成高质量工业APP。
当然，这一趋势也在业内得到了多重证实。阿里工业云平台、树根互联等国内主要的工业互联网平台也都在争夺工业应用的话语权，因此豪掷重金或联合政府力量举办各种工业APP大赛。不难看出，30万个工业APP的理想确实有些远大，但在政府政策引导、产业共同推动之下，还是有望达到的。一方面，工业的行业和场景众多，另一方面，IT/IoT/AI等技术正快速融入OT实践中，其开发成本和门槛不断降低，而价值正被逐渐挖掘。从工业中来到工业中去，工业APP作为服务于工业升级的重要抓手，已逐渐走向正轨，承担起历史使命。
