工业互联网平台作为工业智能化发展的核心载体,能够实现海量异构数据汇聚与建模分析、工业经验知识软件化与模块化、各类创新应用开发与运行,从而支撑生产智能决策、业务模式创新、资源优化配置、产业生态培育。

工业互联网本质是通过构建、实时、的数据采集互联体系,建立面向工业大数据存储、集成、访问、分析、管理的开发环境和应用环境,支撑工业技术、经验、知识模型化、软件化、复用化,以数据的有序自动流动解决复杂制造系统面临的不确定性,不断优化研发设计、生产制造、运营管理等资源配置效率,形成资源富集、多方参与、合作共赢、协同演进的制造业生态。

伴随互联网的进一步普及，以往的劳动密集型、人工作业模式等已经无法适应新的市场需求，工业互联网正逐步成为许多企业实现数字化、网联化、智能化转型的强力支撑。

作为新一代信息技术和传统制造业体系深度融合的产物，工业互联网的发展受到了政府、企业和学者的高度关注，有望在推动制造业转型升级以及促进“制造”向“智造”转变的过程中发挥重大作用。然而，就当前来看，工业互联网的发展虽然保持积极姿态，但是也面临着一些挑战。

“智能+工业物联网”加速落地

5G手机的横空出世让大众一阵狂喜，人类终于要进入5G时代。5G的商用不仅意味着上网更快，还有那些只在科幻里才存在的人工智能、自动驾驶、物联网也极有可能实现，以及今年在政府工作报告中提到的“智能＋”也不再遥远。

随着5G的部署，带宽会越来越宽，传输越来越低，而且5G可以做通信信道隔离，使得不同应用之间降低干扰。但是张宇认为，在工业物联网领域，光有5G还不够，因为5G承载了TCPIP协议，实际上它的服务质量不能完全保证，它是把一个包从A点放到B点，在中间可能经过若干个节点的转发，每一个节点转发过程中都会产生，这个怎么控制目前的协议还没有完全解决。

有了边云协同架构，也很容易的和工业物联网平台供应商展开很有效对话，大家以场景作为共同关注点构建整体方案，在构建和落地过程中，大家对自己的工作范围也非常明确，自然在价值分享上也会比较清晰，终可以实现共赢。

如果用户想让机器生产厂商提供数据，需要额外付费，或者产线上的设备来自不同的生产厂商，它们之间没有互联互通，或者机器设备和MES系统（制造企业生产过程执行系统）、整个工厂的管理系统也来自不同的厂商，它们之间也没有实现互通，总之不同的厂商面临不同的问题。因此，需要通过一些开放的标准化解决方案来推动数据收集、数据分析更快落地。

工业领域对的要求更加苛刻，如果把5G技术用于工业领域必须有新技术辅助。TSN（时间敏感网络）就是针对以上问题的解决方案。英特尔看到5G、无线Wi－Fi，工业Wi－Fi等及时在工业应用中所面临的挑战，因此在业界与国际标准组织合作，来推动通信技术在工业领域的落地。

多重挑战犹存不容忽视

固然工业互联网产业生态链的整体发展趋势向好，政策扶持力度不断加大，但是就实际情况来看，与人工智能等前沿科技产业类似，工业互联网在实际落地的过程中依然面临着不少问题，各项挑战仍需一一克服。要想建立完善的产业体系，获得市场的广泛赞誉，工业互联网还有很长一段路要走。

首先，工业互联网的落地成本颇为高昂。工业互联网的应用，与人工智能、物联网密切融合。而眼下，人工智能技术还处于研发、升级的过程中，物联网的部署成本也尚未完全实现“亲民化”，各制造企业要想拥抱工业互联网，仍然需要承受较高的使用成本。显然，这对于工业互联网的规模化商用而言，是主要的挑战。

其次，工业互联网在方面也存在一定隐患。工业互联网的核心依旧是互联网，在当前世界网络情势下，工业互联网的落地必须以为要义，不然就会导致客户存在被黑客等窃取关键数据的风险。当然，要保证工业互联网的，除了服务提供商外，政府部门和企业客户也应当承担起各自的责任。

除此之外，人才缺口也是工业互联网发展的痛点。此前，曾有企业负责人坦言，“对我们而言，工业互联网的主要挑战并非技术、资金，而是紧缺的核心人才”。的确，无论是人工智能领域也好，工业互联网产业也好，核心人才都日益呈现出短缺的局面。要想推动产业健康、可持续发展，人才困境是首要目标。

随着工信部为中国移动、中国联通、中国电信、中国广电颁发5G商用牌照，5G正式商用时间定格在6月6日。5G、LoRa以及NB-IoT等信息通信技术的快速发展和应用，物联网进入了人与人、人与物、物与物的深化大连接阶段。有数据显示，预计到2020年我国物联网连接数将达到40亿个，远超2017年的15.35亿个。到2025年，全球物联网设备联网数量将达到252亿，远高于2017年的63亿，物联网市场规模将达到目前的四倍。

“随着传感、终端、管网、平台等物联网产业链信息化建设的完善，物联网将成为数据体量庞大，数据类型丰富的领域之一，这为挖掘产业数据价值、创新服务体验和创新业态提供了关键资源要素。”据中琛物联某负责人介绍，当前物联网产业发展进入深水区，必然是从连接和管理层面过渡到数据决策和应用层面，发展空间广大。