文 | 新眸，作者 | 葉靜，編輯 | 桑明強

 

　　自從卡奧斯、樹根互聯變成工業互聯網獨角獸后，有關“國內是否會誕生下一個GE”的討論，幾乎在2020年停滯。

 

　　相較于工業互聯網獨角獸的難產，消費互聯網和產業互聯網近年來的風頭越發走俏，前者最近幾年冒出大量新銳玩家，比如元氣森林、泡泡瑪特等，后者完成最近1年新一輪融資并晉升獨角獸的企業已達13家，賽道里的匯通達不久前剛剛上市，唯獨工業互聯網，前景很大，但一直不溫不火。

 

　　粗略計算，這個新物種在國內興起，距今已經有5年時間。

 

　　從2018年明確工業互聯網進行為期三年建設起步階段，賽道內大量玩家涌現；次年要圍繞制造業打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能；2020年推進智能制造；到2021年的搭建更多共性技術研發平臺，提升中小微企業創新能力和專業化水平；今年又強調“加快發展工業互聯網，培育壯大集成電路、人工智能等數字產業，提升關鍵軟硬件技術創新和供給能力”。

 

　　如果按照一般重大事物發展的流程，“3年打基礎、5年見成效、10年成格局”，那么今年也應該是工業互聯網初見成效的一年。根據《2021年全年GDP初步核算數據》，制造業31.38萬億元的產值占總產值近27.43%，較前兩年比重有所下滑，但量級上仍居行業之首，雖然預測2023年市場規模將超過萬億元，但目前的行業現狀是仍不及市場預期。

 

　　根據相關數據統計，截至去年8月底，全國具有一定行業和區域影響力的工業互聯網平臺超過100家，連接工業設備總數達到7600萬臺，轉型依然押寶在制造業。顯然，除了“數字產業”和“軟硬件技術”成了工業互聯網的重中之重，在發展速度和規模體量上，仍需要一段時間培育。

 

　　01 初代工業互聯網

 

　　“工業互聯網”的概念最早由GE在2012年提出，這家曾在08年金融危機中瀕臨破產的大公司，決定由設備制造商向智能服務商轉型。

 

　　從出發點看，工業互聯網將智能化數字化和制造業結合起來，初階模型類似游戲《紅警》，玩家通過操縱面板的信息數據，采集資源，生產和規劃各種作戰防御單位，配備武器資源，進行人力、能源等方面的生產管控，一切生產工作通過鼠標鍵盤操控，而決定游戲輸贏的是玩家的操控效率。

 

　　2015年，GE推出面向工業數據分析的工業互聯網平臺Predix，從以流程驅動的業務系統，變為以數據驅動的平臺應用，Predix的這種范式轉變推動工業生產從關注產品轉向關注產品+服務。Predix就像手機應用商店，工業客戶使用軟件，而GE則可以從客戶對APP的使用中賺取利潤。但事與愿違，Predix的問世讓GE的營收和利潤增長幾乎停滯，一直在燒錢的數字集團未能盈利，最終在2021年被分拆為三家獨立公司。

 

　　GE折戟工業互聯網，對于行業來說其實是一件好事。

 

　　從企業角度看，GE成立獨立的GE Digital部門，除了希望利用Predix對各工業部門的服務進行整合，避免IT重復開發，還希望向外部拓展其服務能力形成新業務格局。然而它低估了數字化轉型，仍然沿用傳統管理模式，進行部門每季度考核業務績效。這樣一來，部門為了生存，欲速則不達，關注點聚焦在快速的短期收入而非長期價值。

 

　　彼時GE Digital產品和商業模式并不成熟，沿用傳統軟件研發和推廣模式，通過綁定設備制造商售賣軟件來服務市場。雖然已有用于敏捷開發、提高創業成功率的Fast Works項目，但一直未在GE Digital落地。內部運維軟件發展過來的Predix，專業化程度太高，平臺上大部分軟件都來自GE Digital內部或付費合作伙伴，不夠為廣泛客戶帶來充足價值。

 

　　而就在這樣的情況下，聚焦高端裝備制造領域的GE，激進地要Predix大而全地服務所有工業企業，這顯然高估了Predix的通用性。沒有與數字化轉型相配套的創新商業模式，廣為流傳的1%增長理論對于中小企業的參考有限，種種原因之下，平臺生態作用沒有充分發揮，外部合作伙伴稀缺，設備維修服務商等廣大第三方市場沒有參與其中，GE業務增長緩慢，規模化更是舉步維艱。

 

　　結合GE互聯網戰略“智能化改造，建數據中心，做分析決策”的三步走戰略來看，機器、分析和專業IT人員是成事關鍵。與此同時，這也對設備自身價值是否值得改造、數據安全性要求以及對設備了解通透、掌握數據分析技能的專業型人才提出了更高的要求。

 

　　這其中的矛盾，雖然高舉著戰略，但因局限性落地難。GE僅將Predix作為實現工業互聯網的技術手段，但對平臺的押注程度已大到對工業互聯網的概念產生了以偏概全的反噬作用，這些都成為GE工業互聯網發展的掣肘，由此來看，工業領域每一個細分行業都有很強的個性化，PaaS僅作為云計算的服務模式之一，當考慮企業能不能成為平臺客戶的時候，對方是不是僅用一家平臺也不一定。

 

　　02 落不了地的“繁榮“

 

　　2017年底，國內各大互聯網和制造業巨頭紛紛入局工業互聯網，據新眸不完全統計，當年出現的工業互聯網平臺近270個。

 

　　《工業互聯網平臺白皮書》顯示，西門子、施耐德等領先企業已經實現跨行業、跨領域的規?；瘮U張；而國內企業的工業互聯網平臺到2019年尚處于初級階段，大多聚焦材料、化工、電子、家電等垂直領域，真正應用工業互聯網平臺的企業數量較少，占比不足10%。

 

　　事實上，與我國工業互聯網的如火如荼進展形成對比，Gartner發布的《工業互聯網平臺魔力象限》報告一直顯得比較克制：在2020年以前，全球并沒有一家供應商有資格進入“領導者”象限，2021年國內僅樹根互聯能夠躋身在“特定領域者”位置。換句話說，工業互聯網在短期內實現爆發發展并不容易。

 

　　結合邊緣計算、大數據、云計算、AI等技術，IT如同大腦一樣對數據進行分析處理，CT像神經血管進行信息傳輸，將指令分發給OT，后者則像四肢一樣負責數據采集和設備執行；與其說工業互聯網是一個平臺，倒更像一個創新集成系統，將生產過程中所有要素連接整合。

 

　　一般來說，工業互聯網的產業鏈不僅長，而且協同性更強。上游通過智能設備實現大數據收集，中游平臺進行數據處理，才能在下游企業中進行應用。任何一個環節缺失都會導致鏈的效用喪失，個人消費品電商容易做，工業企業的交易充滿不確定性。

 

　　因此，無論是技術還是經濟實力，工業互聯網的入行門檻更高。過去的報告中透露，傳統工業企業的創新基因支撐不起對人才、資金的長期持續投入；互聯網大廠低估了技術壁壘，將工業互聯網誤判為互聯網在工業中的應用，套用消費互聯網模式，落入CT到OT之間的技術陷阱。

 

　　投入高，回報周期過長，挫傷了進展信心，很多國內企業最終選擇要么不做，要么趨利避害盲目依賴國外軟件。據統計，國內超過80％的先進傳感器和芯片依賴進口；高端PLC、工業互聯網協議市場被西門子、施耐德等國外廠商壟斷，使用的高端工業軟件如CAE、MES、PLM大多來源進口，本土工業軟件集中于經營管理類，基礎技術空心化嚴重。

 

　　在市場規模預估一度逼近萬億的情況下，工業互聯網行業總收入卻不足50億，這一場自上而下進行的工業革命，部分業內人士談起“工業互聯網”時也表示迷茫。做互聯網的人不了解工業，做工業的人對互聯網恐懼，不少認知依舊停留在買自動化設備、上ERP和MES軟件的層面，在打通和利用設計、開發、生產、銷售等全流程數據方面還存在很大不足。

 

　　03 挑戰和機遇

 

　　反觀產業互聯網，近幾年無論互聯網巨頭還是新興企業，發展勢頭都較為強勁。

 

　　究其原因，產業互聯網的范圍更廣，偏向互聯網主導的萬眾創新，融合了互聯網+、大數據、AI等技術，協調經營管理與生產管理，將整體產業鏈中大量分散的上下游廠商進行資源整合；而工業互聯網則由政府主導，不論是應用領域還是技術要求，都更偏向工業、制造業為主的技術業務體系。

 

　　魯春叢（工聯院院長）認為，由于工業門類眾多，工控協議復雜多樣，設備互聯互通的難度大，不同企業數字化水平差異明顯。研究顯示，約40%的中小企業數字化處于起步階段，僅有不足10%進入深化，亟須形成一批可復制、可推廣的商業模式和應用場景。

 

　　不同于消費互聯網將電子商務、廣告競價作為主流模式，現階段工業互聯網平臺以專業服務、功能訂閱為主。實際效果上看，以工業富聯為例，在主營收多達四千多億的情況下，工業互聯網收入僅占其0.33%，總體而言，平臺的商業模式不夠成熟，企業盈利手段較為單一。

 

　　從需求層面切入，大部分的工業互聯網招標文件的項目要求上，“安全、數據、設備、用戶組織“作為關鍵詞位居前列，延伸出的安全數據、報警設備、用戶功能等被企業客戶重點關注；安全監測、數據管理、態勢感知能力成為工業互聯網發展的核心技術。

 

　　具體在于企業上云之后，網絡安全、邊緣安全、內部協議安全等問題凸顯，而統一的安全體系尚未建立。在智能制造過程中，對協議的實時性、容錯率等各方面都有高要求，但相較于面向中小企業的私有云服務仍缺乏時效性，資金雄厚的大中型企業的私有云應用也未得到足夠重視。

 

　　過去幾年，工業互聯網的數據量呈幾何級數增長，存儲與查詢問題影響數據質量，但由于傳感器設備本身的精度與環境的干擾問題，數據丟包時有發生；數據集成也面臨困難，離散制造業要考慮動態變化，流程制造業要考慮不同工序中的時序變化，數據呈現很大的異質性，傳統數據管理已經無法解決這些問題。

 

　　而且，在通信協議的標準方面，不一樣的設備、甚至不一樣的層級，通信協議就可能不一樣。在當下，5G成為推動工業互聯網應用抓手時，如何將這一技術深入企業的具體生產流程中成為多方思忖的關鍵，將傳統軟件改造為數據服務并非易事，老設備上采取新的數據采集和互聯，還需花費高額成本和時間。