近幾年，工業物聯網云發展的如火如荼，各種服務商、集成商如雨后春筍不斷涌現，逐鹿市場。但工業物聯網云在工業制造中部署落地的情況卻不容樂觀，那么，發展工業物聯網云，難度究竟在哪里？或者說哪些能力才是工業物聯網提供商們的核心競爭力？

我們把工業物聯網云的難度總結為一個倒三角。

但實際市場中，工業物聯網云的競爭狀態，呈現出的是一個正三角。

為什么會呈現出這樣的分布，要從工業物聯網云的技術體系說起。

我們將工業物聯網云的技術應用分為以下七層：

層次L1、C1

設備聯網，數據采集

隨著工業物聯網云的快速發展，很多傳統的工業制造企業將目光轉向了設備數據，要實現智慧管理、數據處理，第一步需要拿到設備數據。那么對于工業設備來說，數據采集很難么？設備生產廠家自己不能做？當然不是。

其實工業設備數據采集，就是做一個硬件終端，與設備交互，只要弄明白交互的物理接口、交互協議、數據類型等，這個事情就不難。但擁有協議的設備廠家，為何自身沒做數據采集，而是通過第三方來獲取數據，其中的難點不在數據采集本身，因為工業設備的數據具有海量且無序的特點。

例如，單個數控機床設備，每秒產生的數據可以達到400M，按照一條產線上有10個工位十臺設備來計算，五條產線的話，一個簡單的工廠，其數據生產量每秒鐘能達到20G，而我們使用的普通手機流量也不過是每月10G左右。

除了數據采集，還要對數據進行存儲、分類、處理等等，這些都是廠家需要面臨和解決的問題。中國制造業現狀決定數據采集將是非常大的市場需求，正催生了大量的硬件制造商、數據采集集成商等提供基礎數據互通能力的服務企業。

層次L2、C2

數據接收，數據存儲，云平臺

物聯網云平臺很難嗎？設備生產廠家自己做不了，其他軟件公司不能做嗎？MQTT就是物聯網了嗎？

當然是否定的。

物聯網云平臺的難度當然比做一個數據采集終端要難一些，但云平臺歸根到底，還是一個解決終端規模接入處理能力，如何解決大規模并發的數據存儲問題，這也是一個純粹的技術問題，即便設備廠家做不了，還是有很多物聯網公司能去做這件事，例如阿里云、華為云、匯川等企業。看中的正是它們的云部署能力和雄厚的實力，對于物聯網云中部署的數據有比較高的保障，這是一般的企業想做也沒有能力做好的。

不過話說回來，工業物聯網云數據是一個時序數據，絕大多數情況下，并不能使用一般軟件公司通常熟悉的關系數據庫，這對物聯網企業來說是一個不小的門檻，但這門檻并非不可逾越。

層次L3、C3

數據處理

物聯網云平臺雖然解決了數據接收和存儲需求，但業內人都知道，這是非常復雜的時序數據存儲。數據被保存到物聯網云平臺后，該怎么處理？這件事情是想著簡單，實際部署卻有一定難度。

近幾年，市場中涌現了大量的物聯網云平臺服務商，但大多數能力有所差距，并未具備完善的數據處理能力，采集到的數據就像一堆面粉，非專業的云平臺也就像一個面粉倉庫，把一堆堆面粉放到倉庫，期間只是面粉堆不斷增大了而已，海量而零散的數據并不會給企業帶來價值。

所謂數據處理，就是把數據進行高度的抽象，并進行必要的處理，讓這些數據更加有序的保存，高效的檢索，便于后續的數據應用、統計、分析計算。

數據處理這個環節，事實上很容易被忽略，絕大多數物聯網云服務商并不明白數據處理是怎么回事，更不知道如何去做好數據處理，只能把采集到保存過程中的數據直接應用，這就帶來一系列問題：面臨大量數據，只能展現零散的數據，而無法準確判斷數據關聯關系，且無法輔助決策等等。到了這一層，各類物聯網云企業的實力差距就已經明顯體現出來，能夠有效處理數據的企業往往能夠更快速的切入行業，為客戶提供數據價值。

層次L4、C4

數據分析，分析結果應用

物聯網云平臺開始走向平民化，非IT的專業人士可以輕松上手工業APP應用，對于絕大多數企業也無多大難度。

工業物聯網云的窘境，就是要面對一堆數據，卻又無法從數據中看出有效信息，對于數據應用來說就更加困難。數據分析的目的就是弄清楚，這些工業數據背后的含義。這個事情的難度，遠遠超過前面的三件事情，即使是軟件公司也不一定有這個能力，因為這些事情程序員做不了，數學工程師也不一定就能做。想要實現數據的分析與應用，就要跨越數學與工程的鴻溝，建立數學與工程橋梁。

數據分析對工業物聯網云來說，兩個方面：

-A- 分析數據，形成分析結果，這是數據分析必須要做的一個基礎的事情。

-B- 合理應用分析結果。

現階段的工業物聯網云企業，普遍還處在第一個“分析數據”，極少數開始做第二個。

分析是手段，而非目的，分析的目的就是要把分析的結果應用起來。對于智物聯而言，分析的目的即是實現安全生產+節能減排+提高效率。這件事情是一件實實在在的事情，只是吹捧概念、無法真正落地的企業是很難做到預測性維護。智物聯已經實現了設備連接、數據處理、業務應用的綜合使能平臺，可以面向各類工業場景應用，并處理各種設備和數據，目前的工業設備接入量達20萬臺，累積超過10T的工業運行數據。

層次L5、C5

工業物聯網云體系化建設是工業物聯網解決方案提供商最值得自豪的地方，在某種程度上，這也是區別于其他物聯網企業的地方，是企業在市場競爭中真正的軟實力。

在物聯網洪流中，也許做數據采集、云平臺、數據處理、數據分析的人或者企業會很多，但真正形成一個完整體系的卻甚少。就是一個行業典范，當他們研制出第一臺網絡路由器的時候，這臺路由器已經是體系中的成員了，他們的體系中包括了產品系列、產品線、標準、統一腳本語言等。

這件事情如果不是一開始做好，后面體系基本上是無法建設和完善的。

層次L6、C6

商業模式設計

工業物聯網云的商業模式，與互聯網模式有很大的不同，一不留神就會陷入困境。物聯來說，很早便瞄準了—設備生產廠家，我們認為這是一條直接敲開設備數據大門的最佳路徑。

設備廠家普遍的工業物聯網需求，即讓廠家知道他們的客戶都是誰，以及設備位置、設備操作方法、設備運行方式、故障問題、故障處理，了解同一種設備在不同的地方使用所造成的差異、不同的用戶使用習慣對設備運行帶來的不同影響等。毫無疑問，通過物聯網，讓他們把服務從被動變成主動。

智物聯則不遺余力地為廠家提供所需的方案服務。智物聯的模式核心，就是在提供給設備廠家服務的同時，還提供了一個以EXP（Expert）為主的系列應用，包括邊緣計算終端，給設備使用者提供了工具和利器，讓設備使用者得到實惠，能更加了解設備的運行情況，更加了解設備的潛在風險，還能知道如何調整運行參數以達到節能、提高產能的效果等等。廠家可以把應用當成自身設備附加的增值服務提供給他們的客戶，這些增值服務就具有了收益可能，為消化物聯網帶來的新成本提供了可能。

不同的企業在出發的時候，或多或少會走彎路，但是最終會走出屬于自己的商業模式，而選擇怎樣的商業模式就決定了在一段時期內企業將如何增長，在市場中占據什么樣的位置。模式本無對錯，但市場會做出適當的選擇。

層次L7、C7

市場營銷，項目落地，知識體系傳遞

這是一個終極環節，也是價值兌現的“最后一公里”。

無論是政策的推動還是市場紅海，工業物聯網云的市場營銷已經逐漸成熟，國內也有大量實施項目落地，從工信委的示范項目到廣東省的“上云上平臺”，展現出的是一片欣欣向榮的昌盛景象。

智物聯是一個擁有完整工業物聯網云體系的企業，在多個行業積累了大量的經驗，其知識體系在行業內不斷被認可并具備傳遞的價值。從最淺顯的層次，讓客戶學會如何使用MIXIOT平臺，比如，如何確定物聯對象，如何編寫數據采集終端（適配器）與設備之間的復雜對應關系，如何編制統一代碼，如何布局數據展現顯示板，如何進行運行相關的統計報表，如何配置分析項目，如何看懂分析結果，如何把邊緣計算終端的輸出策略告訴設備等。

深入一些，就是讓客戶學會如何利用MIXIOT平臺解決更加復雜的問題，從單體設備到多個設備組成的裝置，到多種裝置構成的生產線、多個產線組成的車間，到整個工廠…….，更深層次的意義，就是MIXIOT成為解決問題的標準，而這個標準的創立者是智物聯。

我們不單要告訴客戶你需要什么樣的工業物聯網云，同時能夠提供有效的工具和標準的方法。要清楚地知道，物聯網云提供商不應只著眼于提供各種硬件、軟件、平臺、數據模型，而是要向使用者提供這些硬件、軟件、平臺、數據模型，為自己服務的方法。

審核編輯 黃昊宇