离上班时间还有最后5分钟，程序员小王匆匆跑进位于北京CBD的公司总部大楼，结果却发现电梯意外出现了故障，检修师傅至少还要半个小时才能赶来。30层的高度，爬楼梯还是不爬，这是一个问题。

与此同时，远在德国的麦克同样愁眉苦脸。他是一家磨床机械制造商的负责人，研磨机械里的刀具一旦磨损到一定程度，工件的加工质量就会不合格，甚至不得不停产去更换备件。要是备件库里恰好没有存货，还得临时去订购或调货，严重耽误生产效率。

类似的情景正在各行各业里频繁上演：航空公司因为飞机发动机的意外故障，每年要损失上百亿美元的运维费用；农场主因为没法有效监测安装在广袤农场里的灌溉设备，每年要浪费大量的水资源；市政管理人员因为没法及时维修故障的路灯，为夜间的行人和车辆带来难以估量的交通隐患……

需求和痛点是滋生创新的最好“土壤”。既然消费领域的亚马逊、阿里巴巴等公司都在通过对消费者网上行为大数据的积累和分析，以更好地进行商业决策，那么积累了大量物理信息的工业领域为什么不能进行同样的变革？于是，得益于物联网（IoT）、大数据、人工智能等技术的成熟， “工业互联网”/“工业4.0”/“中国制造2025”等概念随之兴起，“数字化”理念开始逐渐深入人心。

工业互联网平台诞生记

工业互联网的本质在于挖掘工业大数据中蕴藏的价值。

挖掘数据价值的前提是要获得数据。所以方案提供商首先要在设备端安装大量传感器，给原来“愚笨”的设备赋予“智慧”，使其变成“互联互通的产品”；接着，采集到的数据按照实时性的要求，要么直接在本地进行处理，要么进一步借助通讯技术传输到云端；工业云平台则通过人工智能等技术对采集到的数据进行分析，形成有价值的洞察；最后，平台将洞察结果反馈于设备，辅助决策，进而实现运营优化。

物联网给各行各业带来的变革是显而易见的，涉及到国计民生的制造业恐怕对此体会最深。除了生产效率的提升、运营成本的降低，客户满意度的增加，传统制造商的商业模式也发生了翻天覆地的变化。

制造商们突然意识到“客户不是要买电钻，而是要买墙上的那个洞”，即客户并不是为了买设备，而是为了买设备的功能。既然如此，为什么不能将传统出售设备的“一次性买卖”变为提供设备功能的“长期服务”呢？就此，制造商的商业模式从传统的“以产品为中心”，转向了以“效果交付”为目标的全新模式，这就是所谓的“产品即服务”。

例如，基于工业互联网的概念，RollsRoyce公司不再只是向客户出售飞机引擎，它推出了一项称为TotalCare的服务产品，只销售每台引擎的工作小时数，Rolls Royce负责为引擎的性能保驾护航。

商业清洁设备制造商ICE开创了清洁设备的按月计费租赁模式，并在客户租赁期间保证设备的正常运行，通过物联网技术，该公司能够远程监控其所有清洁设备的性能。

也就是说，在各行各业，许多企业已经发现了物联网技术带来的价值，并针对不同应用场景提出了不同的解决方案，但这些方案往往是零散的、不互通的。可是纵观这些方案背后的业务逻辑，似乎又都是相似的：设备实现互联互通→采集传输数据→平台分析数据→业务优化改进。

如果能将所有物联网解决方案背后相似的业务逻辑抽象出来，形成一套可扩展、可衡量、灵活的系统架构，包括工业互联网在内的解决方案价值可能会出现爆发式的跃迁。这种变革，无异于当年淘宝平台的诞生——于是，从亚马逊的AWS IoT、阿里的Link物联网平台到GE的Predix、西门子的MindSphere、施耐德电气的EcoStruxure……无论是传统巨头、互联网大佬还是初创企业，都在争相布局的平台这块“香饽饽”。

5月30日，施耐德电气在杭州举办的“施耐德电气2018创新峰会”上介绍了其新一代的EcoStruxure架构，我们便以此为例进行说明。

正如宣传的那样，EcoStruxure是一套具备交互性、可实现大规模部署、基于物联网的开放系统架构；它将业务逻辑抽象为从互联互通的产品到边缘控制再到应用、分析与服务的三个层级。

图：施耐德电气EcoStruxure架构图

“架构”二字，其实传达了一点很重要的信息——EcoStruxure不仅仅是传统意义上的工业互联网平台，更是一套完整的生态系统。如果把EcoStruxure架构比作一棵树的话：

· 底层“互联互通的产品”就是深埋于地下的根须。一棵树要想茁壮成长，就必须从根须中汲取养分，同理，平台要想充满活力，也必须从互联互通设备铺就的土壤中吸取大量的数据养分；

· 中层的“边缘控制”层是大树的枝干。枝干自身既需要加工、吸收一部分营养，又起到将养分进一步向上传输的作用，而在工业现场，部分数据的价值跟实时性有着紧密的相关性，对于那些实时性要求较强的数据，必须由边缘设备直接在本地进行处理，其余部分传输到云端，进行更进一步的复杂分析；

· 最上层的“应用、分析与服务”则是大树结出的甜美果实。采集和分析数据只是过程，从数据中获取洞察，并以应用软件的方式提供服务才是目的。分析结果还能进一步反馈于设备端，帮助生产过程的持续改进。

这三层架构相互之间有机的结合在一起——没有底层类似开关、表计、柜子、变频器等互联网互通的产品供给大量数据，中间的平台就成了“无本之木”、“无源之水”；更无法奢谈通过上层的数据分析产生洞察了。

基于这样完整的架构，施耐德电气的Ecostruxure可以实现三方面的能力：

· 用智能传感、嵌入式计算、IP网络与边缘分析等核心技术实现嵌入式连接和智能化

· 以云端管理中用于控制、管理、自动化与优化的组合模块作为实现智能运营的交互式基础

· 用基于云端的应用、分析、服务、控制和监控作为云端数字化服务的基础设施

同样，强调“生态”和“整体性”的工业互联网平台还有西门子基于云的开放式物联网操作系统MindSphere。

MindSphere向下为连接各类设备提供了统一的接口，实现不同设备之间的互联互通；向上为各种各样的应用软件提供良好的开发、运营环境。用户从MindSphere上获取应用程序和服务就像从智能手机的应用商店里获取App一样简单。整个工业领域中的数据采集开发者、系统集成商、应用开发者、渠道合作伙伴、设备制造商和最终客户，都是MindSphere生态系统中不可或缺的重要角色。

图：西门子MindSphere架构图

工业互联网平台的三大门派

§ 随着工业互联网平台的蓬勃发展，越来越多的玩家相继入局。如果将工业互联网比作江湖，那么按照企业各自的不同特质，可以划分出主要的三大门派——互联网派、工业派和创业派。

少林——互联网派

这一派别以阿里、谷歌、微软、AWS等为代表，它们在云计算、大数据分析以及软件服务等方面有着足够的经验积累。看到这里你可能会奇怪，为什么阿里这样的互联网公司也会涉足工业互联网？

在笔者看来，这些公司是将工业互联网概念扩大化了。前文所述的工业互联网，很重要的一方面是用预测型维护让机器运行更有效率。

比如东方航空公司曾基于Predix搜集了500多台CFM56发动机的高压涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型。再比如施耐德电气的EcoStruxure 可以让机械设备制造商通过平台监测其设备运行状况，以便在全球范围内有效提供服务，缩短设备停机时间。

从商业模式上来说，这是M2M（Machine-to-Machine，机器对机器，是一种以机器终端智能交互为核心的、网络化的应用与服务），是B2B。

但是阿里强调的工业互联网，把产品（这里指工业产品）从研发、生产到、消费再到反馈、迭代的整个产品生命周期全都考虑了进来。重点在于产品生产出来后消费者的反馈如何能影响厂家再次迭代、改进产品。

这是C2M。

§ 阿里等互联网企业口中的工业互联网，是大数据时代的工业互联网，最主要的支撑要素就是外部得来的数据，数据也是阿里云平台最大的优势和核心资源。这和以外功见长的“少林派”武功何其相似。

武当——工业派

这一派别以国外的GE、西门子、施耐德电气和国内的树根互联（由三一集团孵化）等为代表。原来，他们或者是以提供硬件解决方案为主的老牌传统工业巨头，或者是全球能效管理领域的领导者，一觉醒来，却都纷纷要向软件公司转型了。

转型的阵痛无可避免，但这些公司的优势也很明显，即在工业Know-how以及专业技术上有着深厚的行业积累。工业领域每个细分行业应用千差万别。例如，铸造行业对工业互联网的应用场景涉及很多的具体应用；风电行业中，整个风电如何通过工业互联网进行管理有着自己的一些规律；而在制药机械行业，又有自己独特的行业应用……如果不是深耕于行业的专家，根本无法提供满足客户需求的解决方案。

工业巨头的优势在于行业积累，和以内家功夫见长的“武当派”不谋而合。但这也意味着它们在平台技术上不如传统互联网公司，所以往往会选择和相应的合作伙伴强强联手。比如西门子的MindSphere就是其联合SAP基于开源的Cloud Foundry架构打造的；施耐德电气的EcoStruxure 则是基于微软强大的Microsoft Azure，有许多方便的软件应用。

丐帮——创业派

创业工业互联网平台企业情况相对比较复杂，表面看起来，它们一不如互联网企业财大气粗、资金雄厚，二没有工业巨头的百年底蕴和深厚积累，活脱脱一个苦逼的“丐帮”。

实际上，这些公司的创始人往往来自于行业内牛哄哄的大企业，所以创业基因可能包含了前东家自带的ICT技术服务、互联网模式等。它们一般会在某一细分技术领域有着独门绝技——“打狗棍法”，但想成为一个全行业覆盖全球的通用型工业服务平台有较大的阻力。

从制造业发展趋势来看，制造业正成为全球经济发展的焦点，传统产业转型升级需求迫切。作为转型升级的“利器”，工业互联网平台发展是时代的产物，是历史的必然。

工业互联网平台的“杀手锏”

既然说了这么多，那么在众多的工业互联网平台中，究竟哪一派别才能够更好的推动传统制造业的转型升级呢？笔者认为，传统工业巨头隐藏着新兴互联网公司和初创企业所不具备的“杀手锏”。

首先，是数据资源的问题。那么究竟谁才能够真正触及海量的数据资源？看到这个问题，很多人第一时间会想到类似阿里巴巴、亚马逊这样的电商巨头，因为他们能够通过自身平台接触大量的用户消费数据。话是没错，可这只是企业数据金矿的一部分。企业的数据资源应该来自于三个维度：第一是企业生产经营活动的利益相关者，客户数据当然是其中非常重要的一环，但还应包括他的供应商、合作伙伴和竞争对手的数据；第二是企业本身的产品或服务背后蕴藏的数据；第三是企业生产经营活动中产生的数据。

这时我们就会发现，在第二和第三维度上，传统工业巨头相比“轻资产”的互联网企业拥有显而易见的优势。像施耐德电气这样的企业，不但为OEM提供解决方案，自己也坐拥包括智能断路器，可编程控制器和变频器在内的无数硬件设备——工厂里的每一台设备都是一个塞满数据的宝箱，每一条产线都是一条流淌着数据的小河，多年生产经营活动的历史文本更是一个堆满数据的图书馆，这些数据有着非同寻常的价值。

更重要的是，传统巨头具有深入行业的“know-how”。

虽然很多问题都是“旁观者清”，但是在工业生产中，“当局者清”的描述才更为恰当。即使是同一台设备，由于工况差异其劣变程度也会有所不同，如果没有深厚的行业积累，即使企业收集到了大量的数据，将数据制成了各种精美的图表，看不懂数据背后的意义，也就产生不了有价值的洞察。只有专精于某个垂直市场的传统企业才会对具体应用场景里的规律有自己最精专的洞见。

以施耐德电气为例，它有一个远端的400人的专家库，可以帮助工程师诊断复杂性的事件。这个专家库相当于什么级别？我们不妨拿协和医院类比一下，很多人愿意把生命的最后一次机会交给协和医院，你到协和医院去看病遇到的第一个大夫叫一线大夫，称为L1，当一线大夫看不了你的病他自己会呼叫L2，L2是国家级的专家，L2不行L3。施耐德电气这个专家库就相当于协和医院的L3，一旦设备出现无法解决的问题，就可以寻求专家库来解析机器性能曲线。目前，施耐德电气正在采用“AI训练”的方式让机器去学习这些老专家的经验，从而将“人的经验”进一步转化成“系统的经验”，以期未来的诊断更有效率。这种宝贵的行业专业资源是互联网巨头和初创公司难以企及的。

总之，工业互联网为人们的生产生活带来了巨大的变革。将城市中的路灯、汽车、楼宇连接在一起；将工厂里的控制器、驱动器、各种底层设备连接在一起，能让我们的生活更便捷，工作更轻松，生产更高效。期待在不久的将来，程序员小王再也不会因为电梯故障而迟到了……