當前，大數據已成為業界公認的工業升級的關鍵技術要素。在＂中國制造2025＂的技術路線圖中，工業大數據是作為重要突破點來規劃的，而在未來的十年，以數據為核心構建的智能化體系會成為支撐智能制造和工業互聯網的核心動力。

工業大數據的重要性眾所周知，但究其根本，大數據是手段而不是目的，人工智能也是如此。如果僅僅因為工業互聯網的概念很熱，企業就要去盲目擁抱工業互聯網和工業大數據、人工智能技術，實際上是一個非常錯誤的觀點。

在新一代信息技術出現之前，工業企業已經正常運轉了上百年，我們應該清晰地認識到信息技術手段的加入更像催化劑的作用。首先需要明確需要達到怎樣的業務目標，可以使得今天已經存在的生產工藝、工業產品、管理方法變得更好。

其實大數據支撐制造業的業務變革最根本的目標就是提質增效，在自動化與信息化基礎之上，實現智能化的制造體系。在智能制造的基礎上，然后才是打造平臺，構建產業生態，與產業鏈進行更有效的協同，實現工業互聯網的乘法式發展。

工業大數據的三個典型應用方向，也是我們實現工業互聯網的目標，包括智能裝備、服務型制造和跨界融合。第一個層次是設備級的，就是提高單臺設備的可靠性、識別設備故障、優化設備運行等；第二個層次更多是針對產線、車間、工廠，提高運作效率，包括能耗優化、供應鏈管理、質量管理等；第三個層次是跨出了工廠邊界的產業跨界，實現產業互聯。

工業大數據并不是憑空而來，傳統工業信息化一直在進行，我們已經有大量的數據來自于研發端、生產制造過程、服務環節，工業信息化過程一直在產生大量的數據，工業從數據到大數據，其實更多要考慮的是與自動化域數據的疊加，這是數據的兩化融合。而在工業互聯網時代，我們還需要納入更多來自產業鏈上下游以及跨界的數據。

工業大數據有哪些特點？我們總結為＂多模態、高通量、強關聯＂的特性。我們在工業領域總結了約有130多種不同類型的數據，數據模態多樣，結構關系復雜。高通量是指數據持續不斷地產生，采集頻率高，通量大。強關聯是指工業場景下的數據有非常強的機理支撐，不同學科之間的數據是在機理層面的關聯，而不是數據字段上的關聯。

而對工業大數據的分析應用，也不是將深度學習、強化學習的方法放到這里就可以有結果。我們需要獲知研究對象的機理模型與定量領域知識，而這在當前基礎上前進很困難。我們希望找出數據在輸入、輸出之間的統計關系，對機理和模型不確定、不清晰的部分加以補足，這是工業大數據應用的基礎。

智能制造在不斷獲得數據的驅動，從智能制造到工業互聯網平臺，核心都是利用數據和模型，優化制造資源的配置效率。

工業互聯網并不等同于智能制造，區別在于數據的跨界和業務的邊界上是否有所突破。當下，太多人過于重視平臺能力，而真正的工業互聯網講的是生態，資源優化從描述、診斷向預測、決策不斷深入，從單機設備、生產線、產業鏈再到產業生態不斷拓寬。

我們的生態如何來構建業務體系，如何跨界，才是工業互聯網成功與否的關鍵。而決定工業互聯網發展方向的，一定是業務驅動。我們從一開始就反對拎著一把錘子，滿世界找釘子，現在很多大數據、人工智能公司就存在這個問題。

我們需要深入到一個工業領域，造一把可靠的錘子，剛好可以去敲有需求的釘子，業務驅動和問題驅動才是產業發展的本質，而不是技術驅動。將業務、數據理清楚，評估數據，真正實現業務落地，要點就是三個要素的協同——人、場景、算法。