前言
第四次工业革命（工业4.0）既扩大了数字化转型的可能性，又提升了其对组织的重要性。它联系并结合了数字技术和物理技术，譬如人工智能、物联网、增材制造、机器人、云计算等，旨在帮助企业做出更明智的决策，朝着更灵活、反应更迅速、更互联互通的方向发展。
过去一年多以来，全球工业互联网平台市场持续保持活跃的创新发展态势，一批工业技术解决方案企业积极探索转型，推出自己的工业互联网平台服务，一批制造企业依托自身行业和生产经验，孵化成立独立公司开展平台建设并对外服务，一批以大数据分析处理见长的初创平台企业正不断涌现并为产业注入新的发展动力，已经推出平台的企业则不断完善和升级平台服务能力，巩固先发优势。同时，工业互联网平台对制造业数字化转型的驱动能力正逐渐显现，无论是大企业依托平台开展工业大数据分析，以实现更高层次的价值挖掘，还是中小企业应用平台上的云化工具，以较低成本实现信息化与数字化普及，抑或是基于平台的制造资源优化配置和产融对接等应用模式创新，都正在推动制造业向着更高发展水平迈进。
当然，工业互联网平台还有很多问题需要突破和解决，在过去一年多的发展中也面临不少挑战和困难。如很多平台还需要大幅提升实际解决制造企业生产和运营优化的能力，还需要不断探索应用模式和路径，还需要加快商业模式的创新和突破，特别是要在平台建设投入与市场回报之间取得较好平衡，以支撑平台的可持续发展。但总体看，制造业数字化转型已是大势所趋，工业互联网平台对于制造业数字化转型的支撑作用将会越来越强，当前平台发展中遇到的问题更多是产业爆发前期在技术、应用和商业方面的不断试错和修正，都将不断推动工业互联网平台走向成熟和完善。
在这样一个发展阶段，金准产业研究团队希望从应用、技术、产业和商业等方面研究和分析工业互联网平台的发展脉络和最新状况，并一定程度上对未来发展方向有所预见，为业界厂商、政府机构和投资者等利益相关方提供有益参考，共同促进工业互联网平台发展成熟。
一、工业互联网平台的整体态势
1.1工业互联网平台展现驱动工业数字化转型的巨大潜力
当前，工业互联网平台正在驱动工业全要素、全产业链、全价值链实现深度互联，推动生产和服务资源优化配置，促进制造体系和服务体系再造，在现阶段的工业数字化转型过程中开始发挥核心支撑作用。
从宏观看，平台模式、平台经济正在持续变革和颠覆传统工业形态。一是颠覆了传统工业软件研发体系，GE、PTC、西门子、华为等平台企业纷纷打造云端开发环境，构建开发者社区，引入低代码开发技术，吸引大量专业技术服务商和第三方开发者基于平台进行工业APP创新，以往需要大量投入、研发周期长达数年的工业软件研发方式正在向低成本、低门槛的平台应用创新生态方式转变，不但研发周期能够缩短数十倍，而且也能够灵活地满足工业用户个性化定制需求。二是变革了传统工业企业竞争方式，企业竞争不再是单靠技术产品就能取胜，已经开始成为依托平台的数字化生态系统之间的竞争。例如以往单纯销售工程机械产品的企业，现在通过平台与供销商、客户、技术服务商等建立数字化的合作关系，快速感知用户需求和设备状态，及时与供销商合作调整供货、生产计划，与技术服务商联合为用户提供整体施工方案，甚至是联合金融机构帮助客户进行产品投保，从而形成整体性的竞争优势。三是重新定义了工业生产关系与组织方式，平台打破了产业、企业之间的边界，促进制造能力、技术、资金、人才的共享流动，实现生产方式和管理方式的解构与重构。例如已经开始有企业利用平台连接各类工厂企业，按照订单需求的不同，灵活方便地在平台中组织形成“虚拟工厂”，并将订单按照“虚拟工厂”内部各个主体的实际能力进行分配和管理，实现制造技术与生产能力的共享协同。
从微观看，平台正在改变企业的设计、生产、管理和服务方式，重新定义和优化整个价值流程。一是平台驱动产品创新，通过多渠道深度交互精准洞察用户需求，并借助数字化的先进设计工具和网络化的创新资源组织打造智能新产品。例如海尔、红领、奥迪等家电、服装及汽车领域企业利用平台对客户的个性化需求实现更深洞察，用大数据分析来进行市场预测以指导销售，并通过基于平台的众包、众创来加速产品创新。二是平台驱动生产与运营创新，借助先进的数字化技术和强大的工业数据分析能力，支撑企业实现先进制造、生产与运营管理优化、供应链协同和智能化决策。例如卡特彼勒、富士康等制造企业将机器人、数控机床等生产设备数据接入平台进行监控和分析，改进提升生产过程的效率和质量；而英国石油、石化盈科、宝信等石化钢铁企业则利用平台优化工艺参数、降低生产能耗，并进行原材料供应的协同。三是平台驱动商业模式变革，推动金融、物流、农业等领域与制造业融合创新，促进原有产品体系和服务方式演进转变。例如PTC、SAP、用友、金蝶等国内外工业软件企业都在产品云化的基础上加快推动订阅服务，既降低客户成本又实现了持续服务营收；还有树根、天正等装备及自动化企业则通过采集分析设备运行数据，联合金融公司推出各类融资、保险商业服务。四是平台驱动组织管理体系重塑，推动企业内顶层决策到底层生产的端到端集成，促进资源配置优化，实现扁平化管理及社会化协同。例如航天科工、华能、大唐电力等一些大型集团企业一方面用平台实时监控分布在各地工厂的运行状态，及时进行调度管理，另一方面也通过平台汇聚产业链上下游信息，推动企业间的供需对接和制造协同。
未来，以工业互联网平台为载体，以C2M为核心的社会化制造模式也将逐渐孕育形成。领先的工业互联网平台企业将有能力通过平台对客户需求进行深度感知与交互，从而为产品定义与研发设计提供精准的指导；在产品设计与制造过程中，企业将借助平台整合各类设计与制造资源，有效组织并管理研发设计与生产制造过程，既保证产品设计的创新性与方案最优化，同时也寻找最适合的制造企业进行生产，在确保产品质量与交付周期的前提下实现生产成本最低；在产品交付后，平台将持续提供产品的运维服务与增值服务，不断为企业创造新的价值。在这一过程中，平台还将充分发挥集中采购、统一物流、金融服务等综合服务能力，进一步实现交付成本下降与运营效率提升，并提升客户购买能力与企业资金周转效率。这将真正实现工业全要素、全产业链、全价值链深度互联集成，实现制造资源的更高效配置利用，形成新的制造与服务体系。
1.2全球工业互联网平台保持活跃创新态势
全球工业互联网平台市场持续呈现高速增长态势。根据研究机构Markets and Markets统计数据显示，2017年全球工业互联网平台市场规模为25.7亿美元，2018年初步估算将达到32.7亿美元，金准产业研究团队预计2023年将增长至138.2亿美元，预期年均复合增长率达33.4%。美国、欧洲和亚太是当前工业互联网平台发展的焦点地区。随着GE、微软、亚马逊、PTC、罗克韦尔、思科、艾默生、霍尼韦尔等诸多巨头企业积极布局工业互联网平台，以及各类初创企业持续带动前沿平台技术创新，美国当前平台发展具有显著的集团优势，并预计在一段时间内保持其市场主导地位。而紧随其后的是西门子、ABB、博世、施耐德、SAP等欧洲工业巨头，立足自身领先制造业基础优势，持续加大工业互联网平台的投入力度，欧洲平台领域进展迅速，成为美国之外主要的竞争力量。中国大陆、印度等新兴经济体的工业化需求持续促进亚太地区工业互联网平台发展，亚洲市场增速最快且未来有望成为最大市场。尤其值得一提的是，以日立、东芝、三菱、NEC、发那科等为代表的日本企业也一直低调务实地开展平台研发与应用探索并取得显著成效，日本也成为近期工业互联网平台发展的又一亮点。
各类企业围绕工业互联网平台的参与热情和布局力度保持高涨势头。一是更多工业企业投身工业互联网平台领域，在不同领域涌现出一批新的平台产品，如自动化与装备制造领域，KUKA Connect平台、安川MM cloud平台、霍尼韦尔Sentience平台等崭露头角，成为各家企业围绕产品提供增值服务的良好载体；在生产制造领域，日立、东芝则分别构建了Lumada平台和SPINEX平台，在优化自身价值链和降低运营成本的同时，还能够为客户提供创造价值的新服务。二是ICT企业不断强化自身平台对工业场景的适配能力，以微软、亚马逊为代表的IT巨头在平台中提供各类大数据、人工智能方面的通用算法框架和工具，与工业企业客户联合进行研发，形成可视化管理、质量分析优化、预测性维护等工业解决方案；而类似思科这样的通信巨头也开始将平台连接和服务能力向工厂内渗透，从各种工业以太网和现场总线中获取实时生产数据，支撑形成工业智能应用。三是以数据为核心的初创企业表现更加活跃，除了Uptake、C3IoT外，还有QiO、Mnubo、Particle等越来越多初创企业将工业大数据、人工智能技术与平台进行深度结合，满足工业领域日益深入的数据分析需求；此外，Sieraa Wiless、Telit、Device Insight等M2M通信领域初创企业也充分发挥在数据连接方面的技术优势，帮助工业企业实现资产的远程连接和在线管理。
1.3我国工业互联网平台呈现蓬勃发展良好局面
过去一年多来，我国平台发展取得显著进展，平台应用水平得到明显提升，多层次系统化平台体系初步形成。
涌现出更多知名工业互联网平台产品。全国各类型平台数量总计已有数百家之多，具有一定区域、行业影响力的平台数量也超过了50多家。既有传统工业技术解决方案企业面向转型发展需求构建平台，除了航天云网、海尔、树根互联、宝信、石化盈科、用友、索为、阿里、华为、浪潮、紫光、东方国信、寄云等起步较早的平台，还有华能、国网青海电力、北汽、浙江中控、朗坤、中科院沈自所等行业领先企业也纷纷推出平台产品，将工业技术能力和先进制造经验转化成高效、灵活且低成本的平台服务。也有大型制造企业孵化独立运营公司专注平台运营，例如徐工、TCL、中联重科、富士康等大型集团企业剥离和整合内部相关资源，注资成立聚焦工业互联网平台业务的独立运营子公司，在服务好集团的基础上对外输出成果。还有各类创新企业依托自身特色打造平台，例如索为、安世亚太等软件服务企业凭借技术优势推出设计仿真研发平台；华龙迅达、明匠智能等系统集成企业凭借专业知识与经验积累构建行业服务平台；而优也、昆仑数据、黑湖科技等互联网技术企业则依托平台为用户提供智能数据分析或是云端管理软件服务。
形成一批创新解决方案和应用模式。围绕行业生产特点和企业痛点问题，平台企业持续创新服务能力，开发形成了一批具有亮点的创新解决方案和应用模式。在研发设计方面，涌现出索为研发设计与产品运维一体化、安世亚太基于工业知识生态的先进设计以及华为“沃土”云仿真设计等平台服务。在生产制造方面，形成了富士康ICT治具智能维护、航天云网精密电器智能化生产、紫光钣金行业企业云图等一批平台解决方案。在企业管理方面，用友、金蝶、天智智能、黑湖科技等平台利用云ERP、云MES、云CRM等服务解决企业的生产运营管理、供应链协同与客户管理问题。在产品服务方面，树根互联、徐工信息将工程机械远程管理解决方案进行推广，实现纺织机械、工业机器人、数控机床等设备产品的远程服务。在应用模式创新上，树根互联、智能云科、天正、生意帮等企业也探索出了“平台+保险”、“平台+金融”、“平台+订单”等新模式新业态。
1.4工业互联网平台仍然处在发展初期
相比于传统的工业运营技术和信息化技术，工业互联网平台的复杂程度更高，部署和运营难度更大，其建设过程中需要持续的技术、资金、人员投入，商业应用和产业推广中也面临着基础薄弱、场景复杂、成效缓慢等众多挑战，将是一项长期、艰巨、复杂的系统工程，当前尚处在发展初期。
在技术领域，平台技术研发投入成本较高，现有技术水平尚不足以满足全部工业应用需求。一是平台连接能力面临挑战，工业设备种类繁杂、数量多、通信协议与数据格式各异，当前尚缺乏有效的技术手段能够低成本、便捷地实现工业设备快速接入平台，导致绝大部分平台的设备接入数量有限。Gartner曾预测2020年全球可联网设备数量将达到260亿台，目前平台的设备接入水平还与此有很大差距。二是平台数据分析能力面临挑战，根据对国内外366个平台应用案例的统计分析可以看出，有40%的平台应用集中在以产品或设备数据预测性分析为主的资产运维优化领域。而在涉及数据范围更广、分析复杂度更高的经营管理优化和资源匹配协同等场景中，多数平台现有数据分析能力还无法满足应用要求，还需要进一步推动数据分析技术创新以及实现长期的工业知识积累。三是平台提供专业工业服务的能力相对较弱，目前大部分平台对于工业知识、模型和历史数据的沉淀远远不够，面向特定行业或工业场景提供服务时，要么难以满足制造企业的业务需要，要么需要进行大量定制化开发，导致服务成本和周期大幅增加。
在商业领域，平台市场还没有出现绝对的领导者，大多数企业仍然处于寻找市场机会的阶段。一是平台回报周期较长，很多企业尚在投入阶段。GE、PTC、罗克韦尔、西门子、ABB等美欧工业巨头在平台领域的投入水平普遍达到了数十亿美元，我国航
金准产业研究团队了解到，天云网、海尔、树根互联、徐工信息、东方国信等领军平台企业的平均累计投入也有数亿元乃至十数亿元，但目前平台直接带来的收益在企业整体利润中占比并不高。而国内外绝大多数初创平台企业的财务状况都还处于亏损状态，融资规模则普遍在亿元水平，企业估值相对较低。二是平台商业模式不够成熟，企业盈利手段较为单一。当前面向特定工业场景提供智能解决方案的平台企业基本都还是以专业服务的方式为客户交付产品和服务，而具有IT和工业软件背景的平台企业则主要是基于云提供按需订阅服务方式实现盈利，广告竞价、应用分成等其它消费互联网领域较为常见的商业模式在工业互联网平台领域还应用较少。
在产业领域，优势互补、协同合作的平台产业生态也还需持续构建。一方面，大部分平台企业在发展中仍以单打独斗为主，特别是在平台建设中，部分平台企业尝试自主构建端到端完整的平台架构，在自身不擅长的领域投入不必要的资金和人力，增加了经营风险。在平台应用实施中，部分平台企业遇到不熟悉的业务或技术领域时，未能很好整合外部力量，影响了项目实施效果。另一方面，基于平台的产业创新生态构建仍然前路漫漫。微软、PTC、西门子、Soft ware AG等领先平台企业不断完善开发者社区建设并提供全面的技术资源和应用推广支撑，广泛各类生态合作伙伴。而我国平台企业的生态合作伙伴类型和数量都还明显不足，大部分平台尚没有构建开发者社区，即使已构建开发者社区的，入驻平台的开发者数量也普遍在千人左右，远远落后国外数万人的水平。
总体而言，上述各方面所面临的挑战充分说明，当前工业互联网平台仍然处于发展初期，还存在众多不确定性因素，金准产业研究团队预计还需要很长时间才能真正达到成熟发展阶段。
二、工业互联网平台的应用路径
2.1平台应用广泛开展，价值规律初步显现
2.1.1应用场景逐步聚焦，国内外呈现不同发展特点
基于对国内外366个平台应用案例1的分析发现，当前工业互联网平台应用主要集中于设备管理服务、生产过程管控与企业运营管理三大类场景，占比分别达到38%、28%和18%。资源配置优化与产品研发设计获得初步应用，但总体仍有待培育，占比分别为13%和2%。
图：工业互联网平台应用分布统计
具体来说，国内外制造企业数字化基础不同，在平台应用路径上各有特色。其中，国外制造企业数字化水平相对较高，平台应用更加侧重于设备管理服务，占比接近50%。如设备健康管理应用占比39%，产品后服务占比10%。同时，在现有生产管理系统基础上，依托工业互联网平台进行更加有效的生产过程管控也是国外平台应用的重点，占比24%。如生产监控分析占比9%，能耗与排放管理占比6%，质量管理占比5%。此外，国外平台应用另一特点是数据的深度挖掘，依托大数据开展重点应用已较为普遍，重点应用如设备健康管理、产品远程运维已可达到预测水平，部分基于管理系统数据的商业智能决策已初步实现。
图：国外工业互联网平台应用分布统计
与国外类似，我国平台应用同样关注设备管理服务，在所有应用中占比27%，体现了设备物联与数据价值挖掘的共性趋势，这在电力、石化、钢铁等流程制造业和高端装备领域的应用最为普遍。与国外不同的是，我国平台应用更加关注生产过程管控、资源配置优化等场景，占比分别达到32%和21%。金准产业研究团队分析，其主要原因一方面是我国制造企业生产管理系统需求旺盛但普及率低，因而形成了一批提供云化生产管理应用的平台企业，开展了大量应用实践；另一方面是我国有大量中小型制造企业，这些企业通过使用工业互联网平台，将自身的能力融入社会化生产体系，借助制造能力交易获取订单和潜在市场机会，并通过创新性金融服务解决贷款难等问题。
图：我国工业互联网平台应用分布统计
金准产业研究团队通过以上数据分析可以发现，国内外工业互联网平台应用分布差异较大，其与数字化发展水平、工业基础能力和企业分布构成等多种因素有关，应用数据分析深度、工业机理复杂度等程度不同，导致平台应用成熟度和所处阶段也不尽相同。我国受限于数字化发展水平不一、中小企业较多、工业底层基础能力仍有差距等原因，部分应用发展水平仍停留在可视化描述与监控诊断层面。未来，随着相关影响因素的成熟，各类平台应用也将呈现不同的演进路径和层次。
2.1.2数据分析深度与工业机理复杂度决定平台应用优化价值和发展热度
图：工业互联网平台应用优化价值视图
根据上节数据统计分析，可以发现，工业互联网平台在各类工业场景中的应用热度不尽相同，这是由于不同类型平台应用的开发复杂性不同，优化成效与收益回报也不同，其商业成熟度与受追捧热度存在较大差别。平台应用能否获得良好的优化价值和效果，从而在市场中获得客户，实现自身商业价值，主要由两方面因素决定：
一是平台应用的收益，数据分析深度是应用价值提升和贡献的主要衡量指标。数据是平台核心资产，也是平台价值创造的来源。数据分析、挖掘和利用的深度在很大程度上决定了平台的应用价值高低。结合深度数据分析的设备健康管理、产品后服务、能耗与排放管理、质量管理等应用为工业企业创造了大量直接优化价值，带来了设备运维成本降低、能源消耗降低、产品质量提升、服务价值提升等收益，因此，从图2.1-2.3可反映出，资产管理服务和生产过程管控占比共达到60%-70%，在工业场景中热度高居不下。
二是平台应用的开发与使用成本，工业机理复杂度是影响这一因素的核心。越是与工业机理深度融合的平台应用，其在应用开发的过程中，具有较高的行业壁垒，需要深度融入特定领域的工业知识和机理模型，以及结合应用场景进行大量定制化二次开发，这都导致应用的交付成本高昂，优化成效也难以保证，因此可以从图2.1看到，具有高机理复杂度的应用开展不足，数字化设计仿真、数字化工艺与制造辅助仅占总应用案例的3%。
2.1.3现阶段平台应用呈现三大发展层次
在应用价值规律驱动下，工业互联网平台应用呈现“热点深度数据分析-孕育云化资源对接-数据机理沉淀探索”三个发展层次：
（1）基于“模型+深度数据分析”的资产设备管理服务、生产过程管控场景创造平台优化高价值，并成为当前热点应用。
图：工业互联网平台应用价值层次Level1视图
基于平台的“模型+深度数据分析”在设备运维、资产管理、能耗管理、质量管控、工艺调优等场景获得大量应用，并取得较为显著的经济效益。当前，GE、西门子、ABB、富士康、东方国信、日立、C3IoT等企业已经推出了上百个上述类型的应用服务，如Uptake帮助美国最大核电站PALO Verde，通过提高资产性能，实现每年1000万每月的成本节省，成本降低20%。又如青岛纺织机械厂依托海尔COSMO Plat平台通过数据采集及分析实现设备远程运维，每年可节省96万元，宕机时长从每次的三天缩短为一天，可降低直接损失64万/次。
（2）基于上云、物联、可视化的生产过程管控、企业运营管理和资源优化配置场景初步获得商业化实践。
图：工业互联网平台应用价值层次Level2视图
基于平台的“连接+数据可视化”初步获得应用。其中，在生产监控分析领域应用最为广泛，在物料管理、排产调度等方面也有初步探索。PTC、微软、思科、罗克韦尔、宝信、阿里云等企业的平台均推出了面向生产过程可视化应用。这类应用主要提供数据汇聚和描述基础，帮助管理者直观了解工厂运行状态，其更高价值的实现依赖于在此基础之上的更深层次数据挖掘分析。
基于平台的“软件上云+简单数据分析”在客户关系管理、供应链管理和部分企业计划资源管理领域获得应用，有效降低中小企业软件使用成本。如SAP、Oracle、Sales force、微软、用友浪潮、金蝶等企业提供大量管理软件SaaS服务。如Sales force所提供的云化CRM软件服务已聚集超过15万客户，同时除通用软件工具之外，还提供基于社交网络的客户关系与需求分析，为中小企业提供销售渠道服务。用友提供采购、供应链、物流、财务、人力资源等工业云服务，服务工业企业客户44万家。
深层次的全流程系统性优化主要为局部的初级探索，但已形成一定特色。无论是产业链、价值链的一体化优化、产品全生命周期的一体化优化、还是生产与管理的系统性优化，都需要建立在全流程的高度数字化、网络化和模型化基础上，仅有个别龙头企业具备相关基础并开展了简单实践。
（3）产品研发设计、制造与工艺管理场景仍需工业机理和数据的长久积累，尚无典型优化价值创新，处在探索阶段
图：工业互联网平台应用价值层次Level3视图
基于平台的产品研发仿真服务已取得一定进展，但价值创造仍不明显，潜在市场空间尚未明朗。达索已基于平台提供Solid Works的云化服务，Auto desk、PTC等国外设计软件厂商和CAXA、中望等国内企业也推出类似服务，ANSYS通过与微软Azure合作提供基于平台的仿真验证服务。但由于设计仿真软件较为复杂，其整体迁移成本过高，潜在客户对象不明，因此其目前提供的平台应用大多为简化版本，主要面向中小企业客户。面向工艺管理与制造执行等机理强相关场景的平台应用目前还较为少见。此类应用既需要平台企业对工艺、生产有较深理解，同时也需要制造企业客户将多年的生产经验和工艺积累向平台迁移，从而实现基于平台的有效管理，其难度过大，目前还鲜有平台提供。
2.2大中小企业基于平台并行推进创新应用与能力普及
2.2.1大企业围绕“强化数据、创新模式”重点聚焦
图：大企业平台应用优化价值视图
大企业具备较好的信息化基础，借助平台提升数字化分析决策能力，布局两大类高价值应用：一是对特定场景进行深度的数据分析挖掘，优化设备或设计、生产、经营等具体环节，在现有基础上借助平台增强能力；二是对产业链条进行要素打通并叠加一定程度的数据分析，提升上下游协同与资源整合能力，积极拓展创新型应用。
面向资产管理服务场景，大企业优先在设备健康管理中，借助平台进行大数据深度分析优化，降低设备运维成本，提高资产使用效率。例如，针对高单值设备，为有效避免设备故障造成的巨大损失，西安陕鼓动力与北京工业大数据创新中心合作，基于平台对远程机组状态进行数据分析，为设备健康运行与维修保养提供有效指导，实现正常检修工期缩短33.3%以上，平均节约设备管理内耗成本42%。针对大量一般性设备，机理模型与大数据分析经验易于复用，能够形成规模效应，富士康通过BEACON平台对吸嘴状态数据进行分析优化，保养频率由25000次升至80000次，吸料率由99.7%提高到99.96%，节省近22万元的成本；并与天泽智云合作，结合多源数据的特征提取，针对CNC机床进行刀具寿命预测，预计可降低60%的意外停机，质量缺陷率从6‰降至3‰，节约16%的成本。
面向生产过程管控场景，大企业重点关注能耗与排放管理、质量管理等应用，在现有生产管理系统的基础上，依托平台大数据分析能力进行优化，减少产品质量缺陷、降低能耗排放。针对排产调度、工艺管理等个性化较强的领域，大企业仍主要使用原有信息管理系统。以质量管理为例，航天电器利用INDICS平台建立多种因素与质量关键KPI的关联关系模型，对设备、工艺、检测等数据进行质量关因分析，实现不良品率降低56%。以能耗与排放管理为例，山钢集团借助优也Things wisei DOS平台，部署应用EEWise能效优化系统，对跨工序能效数据进行动态寻优，实现年化能源降本8000多万元，能耗成本降低11.4%。面向企业运营管理场景，大企业将大数据分析能力与供应链管理、财务管理等业务结合，实现更精准智能的决策。以供应链管理为例，华峰集团构建面向新材料领域的工业互联网平台，整合众多上游厂商，并基于数据分析提供大批量材料集中采购等服务，降低采购成本30%，提升供应链协同效率3倍，提高了资源配置效率。以财务管理为例，食品公司都乐利用甲骨文平台对商业数据进行全面的可视化与智能分析，以往需要数天完成的财务报表减少到几分钟即可完成，预付成本降低90%。
面向资源配置优化场景，大企业在全流程系统性优化应用中，借助平台实现现有各类系统的互联互通、数据分析与整体优化。虽然总体尚处在起步阶段，但个别领先企业已探索布局。围绕产品全生命周期优化，为加速产品的创新迭代、提升用户体验，本田公司利用IBM大数据分析技术，使自身100人的工程师团队能够以更高的效率分析上百万份司机行为数据，并结合产品材料、结构设计等数据，初步实现产品全生命周期优化。再如海尔基于COSMO Plat平台对用户需求、反馈与制造能力数据进行整合与分析，某新产品上市周期由6个月降低至45天，一年时间内产品实现3次迭代升级，价格提升10%以上。围绕产供销一体化，中国石化基于石化盈科Pro MACE平台实现从原油采购、石油炼化、库存管理到成品油销售的整体性优化，在保证原油低点买入、成品油高点售出的同时，实现相对最小库存，试点企业综合优化增效10亿元。围绕制造能力交易，智能云科iSESOL平台开放共享自身生产力，提高闲置设备的利用率，目前已对24000台机床提供超过533万小时的交易共享服务。
2.2.2中小企业围绕“抓资源、补能力”诉求布局平台应用
图：中小企业平台应用优化价值视图
中小企业以工业传统应用的普及为主，部分创新型应用更为聚焦。一方面，基于平台SaaS服务部署的经营管理类云化应用，以及基于广泛连接的简单生产管理系统应用，构成了存量“补能力”的主体；另一方面，“抓资源”诉求使中小企业聚焦于金融服务等创新型应用。
订单与资金是决定中小企业生存发展的关键因素，通过平台融入到社会化生产体系中以获得潜在的订单与贷款，成为当前中小企业平台应用的核心诉求，一是发现潜在商机，如仅有27名员工的小微企业Fire clay，利用Sales force的客户关系管理平台对客户关系与订单数据进行分析与价值挖掘，现有客户满意度提高90%、潜在客户增加400%。二是获取生产订单，如依托生意帮的协同制造管理平台，62家具有闲置产能的中小企业获得了总数为470万个车牌的生产订单，盘活了153台闲置设备，交付周期由90天缩短至14天。三是争取融资信贷，如超过13000家中小微企业接入至天正公司的I-Martrix平台，通过对生产设备数据与工业信用数据的交叉分析，使金融机构能够更准确评估中小企业的信用等级，从而实现精准放贷。目前已为超过1200家中小微企业提供了近13亿元的放贷额。
通过平台获取经营与生产的信息化管理能力，也是中小企业使用平台的重要目的。针对数字化能力补课需求，中小企业通过平台低成本云化部署MES、ERP等系统，成为中小企业上云的重要场景。一是以进销存为代表的经营管理类云化应用，在此基础上叠加简单数据分析。例如，南康家具加工中小企业通过租用江西工业云平台的云化SaaS服务，提升企业经营管理与产业协作水平，平均每家企业可节约10万元/年的成本。再如中型企业Blue Microphones选择甲骨文Net Suite云化ERP服务代替了原有的财务系统，实现了实时可视化的财务、库存与人力资源管理，每年节约成本8万美元。二是以生产过程可视化、设备OEE和物料管理为代表的简单生产管理系统。例如，东莞爱电电子通过部署盘古信息的智能管理系统，实现了物料、工单信息的可视化与生产异常的实时报警，错料事故由每月4次降为0，工单完工清尾时间较少45分钟。再如杭州蕙勒借助根云平台实时采集机床工况、加工产量、运行参数等数据，提升车间可视化水平，日计划完成率增长10%以上，废品率下降2%左右。
2.3垂直行业平台应用走向纵深
2.3.1高端装备行业重点围绕产品全生命周期开展平台应用
高端装备行业具有产品复杂、价值高、生命周期长以及生产与管理复杂等特点。当前平台应用以全链条打通的协同设计、基于模型开展深度数据分析的设备健康管理等创新应用为主，兼具数字化分析的工艺调优及软件上云叠加简单数据分析的供应链管理等传统应用。主要表现在以下四个方面：
在研发设计环节，重点关注复杂产品多专业协同设计与仿真验证。例如，为提升研发效率，波音基于达索3DEXPERIENCE平台实现了多专业协同设计，提升数字化协同能力，降低40-60%成本。再如，中国航天科工集团第四研究院基于索为SYSWARE平台实现商用航天的固体火箭发动机总体论证，通过13个设计流程、30个专业算法、7个工具软件开展仿真，设计人员工作效率提升14倍。
在生产制造环节，重点关注关键生产工艺优化。例如，德马吉森精机基于CELOS系统将工件生产的整个工艺流程在计算机上进行1:1仿真，根据仿真验证结果优化加工工艺，从而确保加工计划完整正确，有效避免碰撞并最大限度缩短装卡时间。
在经营管理环节，重点关注供应链深度协同与优化。例如，空客集团依托富士通Colmina平台整合众多上游供货厂商，通过平台的自动标识与数据分析服务，实现飞机制造零部件的高效管理与精准采购，减少供应链成本20%。
在设备运维环节，重点关注高价值设备的预测性维护。例如，泰隆减速机公司基于徐工信息汉云平台对机床联网采集数据，结合机床机理模型，通过大数据分析技术对机床进行实时监测与预测性维护，设备利用率提高了7.65%，设备运维成本降低20%。再如，中联重科通过中科云谷平台建立基于机理和机器学习的模型，对主油泵等核心关键部件进行健康评估与寿命预测，实现关键件的预测性维护，从而降低计划外停机概率和安全风险，提高设备可用性和经济效益。
2.3.2流程行业以资产、生产、价值链的复杂与系统性优化为应用重点
此类流程行业具有原材料与产品价格波动频繁、资产价值高、排放耗能高、生产安全风险大等特点，由于其连续生产要求，行业普遍具有较高的自动化与信息化基础。现阶段平台应用多为全流程系统性优化的全价值链一体化、运用新技术的资产管理等创新型应用，部分为基于模型开展深度数据分析的生产管理优化、能耗及安全管理等传统应用。具体包括四个方面：
一是开展高价值设备的资产管理优化。例如，中化能源科技依托中化工业互联网平台，运用工业大数据及人工智能等技术，对泵机群、压缩机、蒸汽轮机等装备进行健康管理，实现了设备故障的诊断、预测性报警及分析，设备维护成本每年减少15%。
二是生产环节通过对原料配比与控制参数的优化，提升生产效率。例如，中国石化依托平台对近4600个批次的石脑油原料进行分析建模，形成13个典型操作类型，组成了操作样本库。通过该方法计算优化工艺操作参数，使汽油收率提高0.22%、辛烷值提高0.9，实现生产工艺优化。再如，华能重庆珞璜电厂基于华能AIdustry工业互联网平台，构建18个设备的热力学模型，通过历史数据基于模型计算出平均工况下最优发电技术煤耗比平均发电煤耗降低了2.2克/千瓦时，可节省7480吨标煤，全年节约598万元左右。
三是提升能耗、排放与安全管理水平。例如，为降低成本，酒钢集团基于东方国信Cloudiip平台通过大数据分析计算出不同设备和系统的能源数据实现能耗管理，单座高炉每年降低成本2400万元、单座高炉每年减少碳排放20000吨，冶炼效率提升10%。再如，为增强安全保障，河南能源化工集团基于寄云科技的安全生产管控平台，将设备数据和运营管理系统数据集成与分析，实现对下属多个化工园区及厂区的重点工艺和设备、环保设施、重大危险源等信息的安全监控及历史数据查询，提高安全管理水平。
四是基于平台的产业链、价值链一体化协同。例如，为加强产品竞争力，推动向“基地间生产合同分工制造”的转变，宝武集团基于宝信工业互联网平台将多属地云平台集成为一个整体的分布式平台系统，并叠加生产与经营管理数据的分析，促进多基地生产、销售等层面的协同与整合，实现整体产销能力的提升。
2.3.3家电、汽车等行业侧重于规模化定制、质量管理与产品后服务应用
此类行业具有产品同质化严重、市场竞争激烈特点，在工业互联网平台的应用中，创新型应用重点关注全流程系统性优化的大规模定制、基于产品大数据分析挖掘的产品后服务等场景，传统应用升级以大数据分析优化的质量管理为代表。主要聚焦于以下三个方面：
一是开展大规模定制，通过产品差异化提升利润水平。
例如，康派斯房车基于海尔COSMO平台开展大规模定制，用户参与到定制需求提交、设计解决方案交互、众创设计、预约下单等产品全生命周期，综合采购成本下降7.3%，生产周期从35天缩短到20天，产品溢价达63%。
二是拓展产品后服务市场，提升产品附加值。例如，北汽福田汽车通过车联网建立基于客户“车生活”的生态系统，开展车队管理、汽车金融服务、数据服务、车货匹配及影音娱乐等增值服务，提高市场竞争力和占有率。再如，一汽集团基于平台依托车联网开展车载娱乐、道路救援、智慧停车、车险服务等增值业务，现已有200万入网车辆得到服务。
三是提升质量管理水平，降低不良品率。例如美的基于M.IoT平台通过对系统中品质数据进行大数据自学习优化，品质一次合格率从94.1%提升到96.3%。
2.3.4制药、食品等行业的平台应用以产品溯源与经营管理优化为重点
此类行业具有产品安全要求高、市场销售压力大、资金周转与库存管理难度大等特点。平台应用以软件上云叠加数据分析的库存管理、销售与财务管理等应用为主，部分为产品溯源等特色创新型应用。当前主要聚焦在以下两方面：
一是产品溯源，保证食品药品安全。例如茅台酒厂基于浪潮平台通过由浪潮质量链发码系统实时提供的酒瓶二维码，可追溯每瓶酒的生产、原料等数据，并且通过APP将扫描的销售时间、地点等信息更新到平台，以保证酒的品质。
二是提升库存、销售与财务管理水平。例如，今麦郎基于金蝶财务管理平台规范业务流程，并制定各类销售政策，实现集团对子公司业务管控，业务流程匹配度由40%提升到95%，销售政策执行的有效性由90%提升到100%，财务结账速度由10天缩减为5天，库存呆滞发生的可能性由100%降低到5%，提升运营效率。
2.3.5电子信息制造业重点关注质量管理与生产效率提升
该行业具有产品种类多、升级换代周期短、生产质量要求较高等特点。当前平台应用以软件上云叠加数据分析的库存管理等应用为主，同时开展了基于模型开展深度数据分析或运用新技术的质量管理等应用。当前聚焦以下两方面：
一是基于平台的大数据分析能力，提升产品质量。例如富士康基于电子元器件表面贴装制造平台开展车间设备实时可视化、设计与制造协同、大数据智能决策，从而实现人均产出提升20%，产品良率提升30%。再如，华星光电依托TCL格创的Getech东智平台通过海量图像样本库和基础算法库，基于AI开展视觉检测和缺陷判定，目前的缺陷识别速度达到50毫秒，缺陷分类识别准确率为90%，为华星光电每年增收约1000万元。为加强质量管理，华为打通供应商、研发、制造、市场返还等产业链全流程关键质量数据，构建全球测试大数据质量预警体系，实现供应商来料质量预警、制造过程质量预警及网上返还质量预警，驱动质量管控从事后拦截向事前预测、预防方向转变，批量问题起数降低9%，开局坏件数改进15%，早期返还率改进24%。
二是生产效率提升与库存优化，提升企业运营效率。例如顺络迅达电子公司基于航天云网INDICS平台通过大数据分析，实现产品从设计研发、采购、生产、质量、销售、物流等全业务流程的监控和运行调度，使其生产经营效率提高30%，年度生产成本降低200万元。再如新华三基于紫光云引擎平台将印刷机、贴片机、AOI等设备接入，采集设备运行数据和工艺数据，实现企业全过程数据融通，新华三生产库存周转率在过去三年提高50%以上，运营效率得到提升。
三、工业互联网平台的技术进展
近一年多以来，工业互联网平台技术创新持续深化，技术体系从支撑“建平台”走向支持“用平台”。在这一过程中，基于IT技术的平台架构与应用开发技术创新、以及通过工业模型沉淀和场景化二次开发所带来的平台服务功能提升，成为两条鲜明的技术发展主线。一方面，容器、微服务与应用开发技术不断提升平台的资源利用效率，推动功能解耦与复用，加速应用开发与创新；另一方面，各类工业模型的沉淀、面向工业特点的数据管理和分析、以及平台功能向工业现场的不断下沉，持续提升平台工业服务能力。
图：工业互联网平台关键技术
具体而言，一是平台边缘功能由数据接入向智能分析演进，传统的定制化的数据接入方案逐步演变成平台服务；而边缘数据分析功能从简单规则引擎的应用向人工智能等复杂分析延伸；边缘功能的变化的背后是通用IT软硬件架构的下沉，给边缘数据分析和应用运行带来更好的支撑环境，使整体平台架构更加统一，降低平台系统应用的综合成本。二是模型的沉淀、集成与管理成平台核心能力，信息模型的集成与统一成为提升平台工业要素管理水平的关键，为平台资产、功能提供统一的语义描述；机理模型、数据模型、业务模型快速在平台中沉淀，使平台化的提供工业个性服务成为可能；数字孪生由概念走向落地，多类模型融合集成，支撑全企业的系统优化。三是数据管理与分析从开源工具走向成熟商业方案，平台聚焦工业特色需求，普遍开展定制化开发强化工业数据管理能力；工业现场的实时性业务需求驱动平台大力发展实时流分析能力，人工智能技术进一步扩大了平台处理工业问题的深度和广度；平台不断丰富数据分析和可视化工具，催生工业数据中台，有望大幅降低分析门槛，提升分析效率。四是平台架构向资源灵活组织、功能封装复用、开发敏捷高效加速演进，以Kubernetes、ServiceMesh为代表的容器、微服务技术演进推动平台基础架构加速成熟，大幅提高平台功能解耦和集成的效率；新型集成技术发展将有效提升平台功能复用效率，推动平台功能由“内部调用”走向“多云集成”；DevOps与低代码提升开发效率，降低开发门槛，新兴平台架构和应用开发技术推动工业APP交付更快、应用更广。
3.1边缘功能重心由接入数据向用好数据演进
3.1.1数据接入由定制化方案走向平台通用服务
数据接入难度和成本是制约工业互联网平台应用的核心痛点之一，平台正尝试提供面向不同设备的综合性接入技术方案，推动平台快速应用落地。存量设备接入仍以边缘协议解析为主要方式，逐步从个性方案发展成为平台通用服务。具有较强工业协议积累的企业正在将接入方案转化为平台服务，将解析能力下发至边缘设备实现数据接入。例如，研华WISE-PaaS3.0中集成了多协议数据采集微服务，基于Edge X Foundry开源框架在多类网关中部署和运行。博世IoT集成了10余种工业协议，基于模块化OSGi架构下发至网关设备上进行灵活配置。未来，数据接入方案将内嵌在新增设备中，直接连平台有望成为重要趋势，SDK等数据接入方案在商业物联领域已普遍应用，正在加速向工业互联领域延伸，例如Thing Worx基于SDK实现了与工业机器人、3D打印机、AR等设备的双向实时数据传输。COSMO Plat基于MQ-SDK实现了工业机器人、纺织机械、数控机床等设备与边缘管理云平台的连接。从长期看，平台企业将与硬件厂商合作直接把接入能力集成至芯片中，类似小米9.9元IoT WiFi模组和谷歌人工智能芯片Edge TPU都有望向工业领域渗透。
3.1.2边缘数据分析从简单规则向复杂分析延伸
为满足工业实时性要求，降低网络和IT资源消耗，在边缘侧开展数据分析正在成为工业互联网平台的普遍做法。基于“IF-THEN”的简单规则支撑边缘侧的大部分数据应用，PTC Thing Worx、博世IoT、施耐德EcoStruxure、东芝SPINEX等平台都在边缘侧集成了规则引擎，IBM Watson IoT可以根据监控数值的大小和频率执行不同操作，在边缘识别并警告质量缺陷、安全风险等，AWSIoT1-Click可以快速执行定义好的Lambda程序，提升车间运行效率。在边缘进行基于机理和数据的复杂分析成为重要探索方向，西门子Mind Sphere在边缘控制器上集成分析引擎，通过运行RMS速度、零峰值速度、波峰因数等七类算法进行振动分析，实现设备预测性维护。ADAMOS平台集成德玛吉森CELOS系统，支持在机床中部署机器学习算法，根据温度补偿刀头位移。天泽智云在边缘端部署特征提取算法，对火车轴箱轴承等核心部件进行故障诊断。边云协同实现落地应用，Predix、Uptake、谷歌IoT、AWSIoT等平台基于工业智能公司Fog Horn的Lightning边缘智能技术，将云端训练形成的机器学习乃至深度学习模型推送到边缘设备上运行，支撑半导体产能优化、离心泵状态检测、电容器缺陷检测等多类应用。以云计算为代表的集中式计算、以边缘计算为代表的分布式计算，在成本、可靠性、灵活性、安全性等方面各具优势，适用于不同的工业场景，平台的边缘和云端将会相辅相成、有效整合、共同发展。
3.1.3通用IT软硬件架构向边缘侧下沉，为边缘应用创新提供更好载体和环境
边缘设备从“功能机”走向“智能机”已经成为平台发展必然趋势，将大幅提升边缘应用深度和广度。当前主要聚焦网络设备的智能化，未来将进一步向工业设备延伸。现阶段“通用处理器+通用操作系统”成为边缘网关的主流架构，例如HPE Edge line边缘网络设备采用Atom、i5、Xeon处理器，为Windows和Linux不同版本提供了全套驱动，更好支撑数据处理、边缘分析、自主运维等功能。英特尔、思科、戴尔、华为、惠普、研华、西门子、GE等边缘网关也采用了类似的技术架构。未来“专用处理器+通用处理器”混合结构将应用于工业设备，同时满足实时控制和数据分析功能。AWSIoT为开发者提供通用开发板，采用ARMCortex-A9处理器+赛灵思Zynq-7000FPGA芯片，其上运行Amazon Free RTOS操作系统，能够支持高性能电机控制等边缘工业需求。Mind Sphere边缘控制器中集成了英特尔Movidius MyriadX视觉处理器，强化自动分拣和缺陷检测等计算视觉应用。
开源技术向边缘侧下沉，在边缘侧形成一个统一的数据和应用创新生态。Edge X Foundry、Azure IoT Edge、Cloud IoT Edge、EclipseKura、Kube Edge、Open Edge等边缘架构将推动边缘设备的开发标准化，提升互操作性。博世融合Eclipse开源组织，围绕博世IoT打造了一个从数字双胞胎到嵌入式编程的边缘开放生态。MOBY、Kubernetes等容器管理和编排技术推动边缘软硬件资源更高效和灵活的管理，Azure IoT Edge支持MOBY和Kubernetes，推动边缘网关快速灵活的建立和更新业务逻辑。ApacheNifi/MiNiFi等数据管理和集成架构将进一步改变边缘数据集成方式，工业平台Sciemetric与数据接入平台Attunity和数据管理平台Hortonworks合作，基于ApacheNifi实时采集边缘制造数据，构建工厂数据湖，支撑流程优化、预测性维护、供应链优化等分析应用。