隨著數字經濟與數字技術的推動,工業(yè)智能的價值更加凸顯。本文將從技術和產業(yè)雙重角度,梳理工業(yè)互聯網創(chuàng)新發(fā)展模式,也詳述發(fā)展至今工業(yè)互聯網的發(fā)展趨勢:從單點智能到全局智能……

01.工業(yè)類企業(yè)向普惠金融領域發(fā)展
很多人知道工業(yè)互聯網是由美國GE在2012年提出的,但不知道在GE研究工業(yè)互聯網的是一位經濟學家,名叫馬可·安努齊亞塔(MarcoAnnunziata),曾多次提出工業(yè)互聯網解決的是發(fā)達國家經濟增長停滯的問題。
從網絡基礎設施到商業(yè)模式和工業(yè)生態(tài),工業(yè)和金融融合成為一種趨勢。
首先工業(yè)類企業(yè)不存在固有的金融風控模式,其次工業(yè)類企業(yè)對自己供應鏈上下游的中小微企業(yè)了解相對較深,并且工業(yè)互聯網技術也讓對工業(yè)價值鏈的監(jiān)控實現可能。因此在工業(yè)互聯網革命下,工業(yè)類企業(yè)實現產融結合反而比金融類企業(yè)更具有優(yōu)勢。
02.工業(yè)制造類企業(yè)與信息通信類企業(yè)相互轉型發(fā)展
工業(yè)制造類企業(yè)和信息通信類及其相互轉型的技術本質是工業(yè)的數字化。其包含以下兩種類型:
工業(yè)制造類企業(yè)向工業(yè)互聯網平臺企業(yè)轉型
工業(yè)制造類企業(yè)在往互聯網轉型過程中,第一步是要集成自己的資源,尤其是產品設計、生產、制造能力,以及供應鏈上下游和客戶,實現一個自己的“朋友圈”。第二步是要把這套模式推廣到萬千企業(yè),形成工業(yè)互聯網通用性大平臺。
信息通信類企業(yè)向工業(yè)領域延伸
信息通信類企業(yè)在向工業(yè)垂直領域深耕時,本身攜帶互聯網基因,擁有較為開放的機制,能更快適應工業(yè)互聯網開放性的模式。
03.自動化企業(yè)向數字化、網絡化、智能化方向發(fā)展
自動化企業(yè)在本文不是指能夠實現自動化的企業(yè),而是專門提供自動化解決方案的企業(yè),比如西門子、ABB、施耐德等。
自動化和工業(yè)互聯網存在一定的重合,然而本質上來說自動化中核心的信息技術是計算機技術,工業(yè)互聯網中核心的信息技術是互聯網技術。從表象上來看,自動化生產的特點是無人、流程固定和快。而工業(yè)互聯網賦能的生產是在無人和快的基礎上,還能實現數據監(jiān)控和網絡協調,甚至進一步實現柔性智能。
因此自動化企業(yè)可以從提供自動化解決方案,升級為能夠提供工業(yè)數字化、工業(yè)網絡化、工業(yè)智能化的解決方案。
04.工業(yè)軟件類企業(yè)向平臺方向發(fā)展
有一種觀點認為工業(yè)互聯網是以工業(yè)軟件為驅動的,雖然此觀點尚需討論,但毫無疑問的是,工業(yè)軟件是統(tǒng)一了工業(yè)的共性需求而集成出的解決方案。從工業(yè)軟件到工業(yè)互聯網平臺,只需要把軟件平臺化,把以前零散的數據整合,這條路線是四類發(fā)展路線中是最順理成章的。但我國工業(yè)軟件仍需加強攻關。
雖然工業(yè)互聯網行業(yè)呈現出一片繁榮景象,但所有調研的案例都沒有真正達到工業(yè)互聯網理想的模式。按照技術路線的推理,工業(yè)互聯網成熟形態(tài)至少包含以下四大類:
工業(yè)互聯網產融結合
成熟的產融結合是通過打通全產業(yè)鏈的工業(yè)和金融數據,實現產業(yè)全周期、系統(tǒng)性的透明,真正把風險控制的黑箱變成白箱。
工業(yè)互聯網綜合大平臺
應該說,全世界到目前都沒有形成一個工業(yè)互聯網綜合性的大平臺,所有現有的平臺都處于初級階段。工業(yè)互聯網還需要再等上幾年。
工業(yè)智能(/工業(yè)大腦)
剛才說有一種觀點是工業(yè)互聯網是由工業(yè)軟件驅動的,還有一種觀點是工業(yè)互聯網是由人工智能驅動的。這兩種觀點的底層邏輯都是工業(yè)數據的匯聚必須要有價值才會趨于匯聚。這兩種觀點有很大的重合點,因為很多新的工業(yè)軟件都混合了人工智能技術,并且工業(yè)智能被認為是工業(yè)知識和人工智能的綜合體現。因此工業(yè)智能也就算作為工業(yè)互聯網的成熟模式之一。
智能工廠
真正的智能工廠,一是具備足夠的柔性能力,二是可以自我協同,并且還可以通過網絡實現和外界的互聯。智能工廠在工業(yè)互聯網和智能制造的全面融合下誕生,將成為工業(yè)4.0最主要的形態(tài)之一,并徹底改變生產模式和人類生活。

好了,綜上便是業(yè)互聯網的發(fā)展趨勢:從單點智能到全局智能的相關介紹。企業(yè)在向工業(yè)互聯網的過程中會遇到很多問題,受實施成本和復雜度較高、供給側數據難以打通、整體生態(tài)不夠完善等因素限制,目前的工業(yè)智能仍以解決碎片化需求為主。









