工業互聯網平臺作為工業智能化發展的核心載體,能夠實現海量異構數據匯聚與建模分析、工業經驗知識軟件化與模塊化、各類創新應用開發與運行,從而支撐生產智能決策、業務模式創新、資源優化配置、產業生態培育。

工業互聯網本質是通過構建、實時、的數據采集互聯體系,建立面向工業大數據存儲、集成、訪問、分析、管理的開發環境和應用環境,支撐工業技術、經驗、知識模型化、軟件化、復用化,以數據的有序自動流動解決復雜制造系統面臨的不確定性,不斷優化研發設計、生產制造、運營管理等資源配置效率,形成資源富集、多方參與、合作共贏、協同演進的制造業生態。

伴隨互聯網的進一步普及，以往的勞動密集型、人工作業模式等已經無法適應新的市場需求，工業互聯網正逐步成為許多企業實現數字化、網聯化、智能化轉型的強力支撐。

作為新一代信息技術和傳統制造業體系深度融合的產物，工業互聯網的發展受到了政府、企業和學者的高度關注，有望在推動制造業轉型升級以及促進“制造”向“智造”轉變的過程中發揮重大作用。然而，就當前來看，工業互聯網的發展雖然保持積極姿態，但是也面臨著一些挑戰。

“智能+工業物聯網”加速落地

5G手機的橫空出世讓大眾一陣狂喜，人類終于要進入5G時代。5G的商用不僅意味著上網更快，還有那些只在科幻里才存在的人工智能、自動駕駛、物聯網也極有可能實現，以及今年在政府工作報告中提到的“智能＋”也不再遙遠。

隨著5G的部署，帶寬會越來越寬，傳輸越來越低，而且5G可以做通信信道隔離，使得不同應用之間降低干擾。但是張宇認為，在工業物聯網領域，光有5G還不夠，因為5G承載了TCPIP協議，實際上它的服務質量不能完全保證，它是把一個包從A點放到B點，在中間可能經過若干個節點的轉發，每一個節點轉發過程中都會產生，這個怎么控制目前的協議還沒有完全解決。

有了邊云協同架構，也很容易的和工業物聯網平臺供應商展開很有效對話，大家以場景作為共同關注點構建整體方案，在構建和落地過程中，大家對自己的工作范圍也非常明確，自然在價值分享上也會比較清晰，終可以實現共贏。

如果用戶想讓機器生產廠商提供數據，需要額外付費，或者產線上的設備來自不同的生產廠商，它們之間沒有互聯互通，或者機器設備和MES系統（制造企業生產過程執行系統）、整個工廠的管理系統也來自不同的廠商，它們之間也沒有實現互通，總之不同的廠商面臨不同的問題。因此，需要通過一些開放的標準化解決方案來推動數據收集、數據分析更快落地。

工業領域對的要求更加苛刻，如果把5G技術用于工業領域必須有新技術輔助。TSN（時間敏感網絡）就是針對以上問題的解決方案。英特爾看到5G、無線Wi－Fi，工業Wi－Fi等及時在工業應用中所面臨的挑戰，因此在業界與國際標準組織合作，來推動通信技術在工業領域的落地。

多重挑戰猶存不容忽視

固然工業互聯網產業生態鏈的整體發展趨勢向好，政策扶持力度不斷加大，但是就實際情況來看，與人工智能等前沿科技產業類似，工業互聯網在實際落地的過程中依然面臨著不少問題，各項挑戰仍需一一克服。要想建立完善的產業體系，獲得市場的廣泛贊譽，工業互聯網還有很長一段路要走。

首先，工業互聯網的落地成本頗為高昂。工業互聯網的應用，與人工智能、物聯網密切融合。而眼下，人工智能技術還處于研發、升級的過程中，物聯網的部署成本也尚未完全實現“親民化”，各制造企業要想擁抱工業互聯網，仍然需要承受較高的使用成本。顯然，這對于工業互聯網的規模化商用而言，是主要的挑戰。

其次，工業互聯網在方面也存在一定隱患。工業互聯網的核心依舊是互聯網，在當前世界網絡情勢下，工業互聯網的落地必須以為要義，不然就會導致客戶存在被黑客等竊取關鍵數據的風險。當然，要保證工業互聯網的，除了服務提供商外，政府部門和企業客戶也應當承擔起各自的責任。

除此之外，人才缺口也是工業互聯網發展的痛點。此前，曾有企業負責人坦言，“對我們而言，工業互聯網的主要挑戰并非技術、資金，而是緊缺的核心人才”。的確，無論是人工智能領域也好，工業互聯網產業也好，核心人才都日益呈現出短缺的局面。要想推動產業健康、可持續發展，人才困境是首要目標。

隨著工信部為中國移動、中國聯通、中國電信、中國廣電頒發5G商用牌照，5G正式商用時間定格在6月6日。5G、LoRa以及NB-IoT等信息通信技術的快速發展和應用，物聯網進入了人與人、人與物、物與物的深化大連接階段。有數據顯示，預計到2020年我國物聯網連接數將達到40億個，遠超2017年的15.35億個。到2025年，全球物聯網設備聯網數量將達到252億，遠高于2017年的63億，物聯網市場規模將達到目前的四倍。

“隨著傳感、終端、管網、平臺等物聯網產業鏈信息化建設的完善，物聯網將成為數據體量龐大，數據類型豐富的領域之一，這為挖掘產業數據價值、創新服務體驗和創新業態提供了關鍵資源要素。”據中琛物聯某負責人介紹，當前物聯網產業發展進入深水區，必然是從連接和管理層面過渡到數據決策和應用層面，發展空間廣大。