工业互联网平台是工业资源配置的核心，是全球制造大国竞争的战略焦点。本文指出，从供给侧来看，我国工业互联网平台在工业数据采集、大数据建模分析、行业机理模型沉淀、工业APP培育等方面面临四大“卡脖子”瓶颈，需要尽快取得突破。

        重磅 | 脖子卡在哪？我国工业互联网平台建设面临四大瓶颈
      《国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见》提出，“到2025年，形成3-5个具有国际竞争力的工业互联网平台”。培育具有国际竞争力的工业互联网平台，事关未来10-15年工业操作系统主导权之争，事关一个国家制造业竞争优势的确立、巩固和强化，打造本土工业互联网平台时间紧迫、任务艰巨、使命伟大。从供给侧来看，我国工业互联网平台在工业数据采集、大数据建模分析、行业机理模型沉淀、工业APP培育等方面面临四大“卡脖子”瓶颈，亟需尽快取得突破。
        瓶颈一：工业数据采集能力薄弱
        数据采集是工业互联网平台的基础，工业互联网平台首先要解决的问题是连接工业中的人、机器设备和业务系统，但是设备连接在工业现场并不是一件容易的事情。当前，我国规模以上工业企业里，80%以上的机器设备都是没有联网、不会说话的“哑”设备，只有20%的设备联了网、会说话，但是这些设备遵循不同的通信协议，存在严重的“语言障碍”，成为制约工业互联网平台建设的卡脖子瓶颈。
      一方面80%的设备没有联网，设备数字化水平低。我国制造业总体水平处于2.0向3.0过渡阶段，老旧设备多、数字化水平低，2017年我国规模以上工业企业生产设备数字化率为44.8%、数字化设备联网率为39.0%，需要通过加装传感器等方式实现设备联网，导致工业互联网平台数据采集难、成本高、效率低。
        另一方面20%的设备联网了，但通信协议不统一。近30年来，全球各类自动化厂商、研究机构、标准化组织围绕设备联网推出了成百上种现场总线协议、工业以太网协议和无线协议，协议标准众多且相对封闭，工业设备互联互通难，严重制约了设备上云，亟需构建能够兼容、转换多种协议的技术产品体系。
        瓶颈二：工业大数据建模分析能力薄弱
        工业设备联网不是目的，目的是在赛博空间对工业设备建立数字镜像，利用工业大数据和人工智能“训练”出解决实际业务痛点的工业APP。工业互联网平台的本质就是对机器设备和业务系统产生的数据进行建模分析，将数据转化为指导设备和业务进行优化的应用服务。当前，受限于数据采集瓶颈和工业大数据自身的专业性、关联性、流程性、时序性和解析性等特点，工业大数据建模分析需要平台企业兼具工业基因和大数据基因，导致现有工业互联网平台工业大数据建模分析能力较为薄弱。
        一是数据种类不全，制约了工业大数据建模分析和工业APP功能。相对于互联网大数据注重数据的“量”和“相关性”，工业大数据更注重数据的“全”和“关联性”，以保证能够从数据中提取出工业设备真实状态的全面信息。受限于设备数据采集能力不足，数据源不全，这在一定程度上会制约工业大数据建模分析和工业APP的开发，当前，基于单一数据源开发的工业APP多，基于设备和业务系统等多源异构数据开发的工业APP少。
二是数据质量不高，制约了工业大数据建模分析和工业APP性能。工业大数据往往会出现遗漏、分散、断续等现象，低质量的数据会直接导致建模分析结果无法利用或者更为严重的后果，需要对数据质量进行预判和修改，因此数据“清洗”工作甚至会占到工业APP开发时间的70%左右。基于数据质量问题，当前工业互联网平台上状态监测、故障诊断类工业APP较多，预测预警类尤其是智能决策类工业APP较少。
      瓶颈三：行业机理模型沉淀能力薄弱
      行业机理模型是工业PaaS的核心，是平台技术能力的集中体现。行业机理模型就是通过软件技术对工业研发设计、生产制造、经营管理等制造全过程运行规律进行显性化、模型化、代码化，每个行业机理模型都是一个积木式的模块，可供工业APP开发者灵活调用，促进工业知识的沉淀、传播、复用与价值创造。当前工业互联网平台面临的突出问题是开发工具不足、行业机理模型缺失，远远不能完全满足工业级应用需要。
        一是我国工业软件落后，很难把线下能力快速迁移成线上模型。中国制造业体量占世界制造业的份额20%强，但是中国工业软件的市场份额仅占世界工业软件市场份额的1.7%，同时中国90%以上的工业软件靠进口，这充分说明我国工业技术软件化水平和积累远远不够，缺乏短时间内把行业机理模型化、代码化的线下实力。
        二是我国工业门类庞杂，建立体系完整的行业模型库尚需时日。我国拥有39个工业大类，191个中类，525个小类，是全世界唯一拥有联合国产业分类中全部工业门类的国家，每个行业均有自身独特的行业知识，把每个行业的工业基础原理、关键基础材料、核心基础零部件（元器件）、先进基础工艺、产业技术基础封装成数字化模型是一项系统工程，需要政府和全社会共同努力。
        瓶颈四：现象级工业APP培育能力薄弱
        工业APP是工业互联网平台的关键。但是受限于工业互联网平台发展尚属于初级发展阶段，工业PaaS平台赋能不够，工业互联网平台上所谓的工业APP基本上都是工业云平台上的云化软件“移民”而来，依靠工业PaaS上的行业机理模型“生长”出来的 “原居民”工业APP较少，现象级工业APP更是匮乏。
          一方面，基于工业PaaS平台开发的工业APP数量少。据GE预测，2020年左右工业互联网平台将出现类似于消费互联网平台的爆发式增长，Predix平台工业APP总量将超过50万个。根据航天云网、海尔、树根互联、东方国信、徐工信息、用友、索为、清华紫光、浪潮、浙大中控、智能云科等国内领先工业互联网平台企业公开的数据，我国工业APP数量不超过5000个，远远难以满足企业上云求。这5000款工业APP中，很多是传统软件云化而来的，只能算是工业互联网平台上的“移民”，真正从工业PaaS平台“生长”出来的工业APP屈指可数。
          另一方面，工业互联网平台尚没有培育出现象级工业APP。美国初创企业Uptake围绕卡特彼勒工程机械开发了状态监测和故障预警的工业APP，接入了超过300万的工程机械，公司目前的估值已经达到23亿美金。截至目前，尽管我国很多企业都在朝着建设跨行业、跨领域工业互联网平台的方向努力，但尚没有一家企业开发出现象级工业APP，来引爆工业互联网平台的应用推广。
        对策建议
        工业互联网平台领域跨度大、体系复杂，从技术、产业到应用均处在发展初期，打造具有国际竞争力的工业互联网平台，需要有战略定力，需要坚持政府引导和市场主导，需要10-15年的长时间努力。
      （一）补短板，夯实“一硬、一软、一网、一安全”四基
        工业互联网平台不是一项孤立的技术，而是一套综合技术体系，是现代信息技术的集大成，当前要以“一硬、一软、一网、一安全”四基为重点，加大支持力度，推进关键技术研发和产业化。一是提升自动控制与感知产业支撑能力，加快推动智能传感器、可编程逻辑控制器、分布式控制系统、数据采集与监控系统等研发和产业化。二是实施工业技术软件化工程，推动工业云操作系统、新型工业软件、工业大数据建模分析、微服务组件等核心技术的研发和产业化。三是夯实工业互联网平台网络基础，推进工厂内网的IP化、无线化、扁平化、柔性化技术改造和建设部署，加快NB-IoT等新型网络技术部署，加快软件定义网络、网络功能虚拟化等新一代网络技术研究和部署试点。四是构建工业互联网安全保障体系，强化设备、网络、控制、应用和数据的安全保障能力，实现对工业生产系统和商业系统的全方位保护。
      （二）建生态，大力培育工业互联网平台开源社区和开发者
        当今时代，软件开源和硬件开放已成为不可逆转的趋势，掌控开源生态，将已成为全球工业互联网平台的焦点。一是建议培育开源社区，引导自动化企业开放各类标准兼容、协议转换的技术，实现工业数据在多源设备、异构系统之间的有序流动，确保工业设备“联得上”，引导工业互联网平台企业开放开发工具、知识组件、算法组件，构建开放共享、资源富集、创新活跃的工业APP开发生态，确保模型行业机理模型“跟得上”。二是加快工业APP开发者人才队伍建设，支持工业互联网平台企业举办开发者创业创新大赛，打造基于工业互联网平台的 “双创”新生态，推动工业APP短时间内“上数量”。
      （三）重测试，坚持建平台用平台测平台协同发展
        坚持“建平台” 、“用平台”、“测平台”协同推进，边建设、边测试、边推广，以测带建、以测促用，打造平台功能丰富与海量使用双向迭代、互促共进的良性循环。一是跨行业跨领域工业互联网平台培育方面，建议参照国家制造业创新中心培育方式，出台工业互联网平台遴选标准，坚持“一事一议、成熟一家、遴选一家”的原则，用三年时间培育10家跨行业跨领域平台。二是在工业互联网平台应用推广方面，建议加强部省联动，遴选一批地方积极性高、企业上云基础好的省作为工业互联网平台应用示范省，推动示范省“块状经济”产业集聚区内的企业整体上云。三是在工业互联网平台是试验测试方面，围绕设备协议兼容性、平台功能完整性、数据安全性等内容开展试验验证，为工业互联网平台大规模应用提供基础支撑。