在实现工业互联网过程中存在着哪些挑战？

　　随着数字经济时代的开放，整个社会正在朝着数字化、网络和智能化方向不断的发展，成千上万的行业正在加速数字化转型的步伐。在数字化转型的过程中，工业互联网被视为工业数字化的“主战场”。

数智化

　　工业互联网玩家众多，但赛道向行业深耕也面临诸多挑战，比较突出的痛点是——数据技术方和工业需求方已相向而行，可最佳结合点还没有出现。工业互联网产业联盟副理事长刘松曾表示：深度浸入工业场景、痛点的专家、年纪偏大、不懂互联网。程序员又没下过车间、不了解生产一线。在缺乏“行业＋互联网”双跨人才的窘境之下，中国的工业互联网起步于“设备先行”的物联网。

　　我国的工业互联网，主流做法是“自下而上”垒起来的。最下面一层是物联（解决数据采集），之上是自动化系统（解决劳动效率）、再往上是MES、ERP，直至BI系统（解决数据展示）。基本做法是把设备数据连到云端去，用这些数据进行展示和分析，从而提高劳动或服务效率。

　　有没有效果呢？答案是肯定有的，尤其是工业企业在管理生产线和工程作业这两个环节上。但若将“自下而上搭积木式的工业互联网平台”架构置于企业的日常生产中，投入产出比是否值得？未必是肯定答案。

　　“自下而上”来构建工业互联网平台，最下面一层的OT系统（如MES、APS）和控制系统（如PLC、SCADA）为例，实现了设备、产线和工厂的数据采集，也实现了工厂设备的信息化控制，但滋生了大量“哑巴设备”采集不到数据、采集到的数据存在于不同类型的设备或者系统中，不同的系统之间存在严重的“数据孤岛”问题，且系统的实施周期长、定制化开发程度高、费用高昂、中小企业难以承受。

　　在傲林科技董事长刘震看来，造成这一现状的很大原因是“自下而上”来构建工业互联网平台的思路缺乏顶层设计和价值导向思维。“中国1000强企业中，50%都将搭建工业互联网平台作为企业的战略核心，但失败率高达70％－80%，很大一部分原因基于此——缺乏顶层设计和价值导向。”刘震说。

　　刘震认为，不是所有设备都需要装上传感器和网关，也就是说不是所有的数据都需要采集、分析，不要教条地为了数据而数据。如果数据采集上来，只是为了监测一下设备的运转是否正常，那用人工监测，成本低得多。现在的人工智能、知识图谱、算法矩阵等技术迭代的这么快，意味着数智化时代的工业互联网需要“企业级数字孪生”等更前沿的技术和精益改革的思维。能产生价值的数据，才有必要去采集和分析。能让企业短期内显性看到降本增效效果的数据，才是优先级要去采集和分析的数据。

　　在当今这个数智化时代的工业互联网，应该倾向于先做顶层的设计，“自上而下”来构建工业互联网平台，用数据＋AI算法来支撑决策，以企业管理层的困惑、痛点、需求为问题的源点，解决的不再是各业务口、生产车间的“部门问题”，而是企业经营的商业决策问题。

　　如果说“自下而上”搭积木式工业互联网平台是1.0的话，那“自上而下”有的放矢式工业互联网平台逻辑就是一个进阶版本——2.0。

　　工业互联网已成为我国的核心战略之一。通过使用工业互联网生成更多数据，结合大数据工具和人工智能算法来处理数据，不仅可以加快各个行业的效率和决策制定、促进企业转型，并加快所有行业的数智化步伐。