工業的發展路徑是機械化、自動化、數字化到智能化，企業的信息化從流程電子化、管理數字化、生產自動化、運行網絡化到企業智能化。數字化轉型的理念也在發展，從提升效率和滿足客戶需求為目標，到以業務創新和改進客戶體驗為目標。

工業互聯網與消費互聯網不同的特點

互聯網+實際上是產業互聯網、消費互聯網和政務互聯網組合，三方面有不同的特點，既有關聯性，也有很大的不同。產業互聯網與工業互聯網很多時候是同義詞。

工業互聯網具有與消費互聯網不同的特點。首先是個性化，消費互聯網盡管面向十多億的網民，但是是共性的，而工業互聯網的不同企業都是個性的。

消費互聯網是全球的，易于標準化，而企業網不見得需要全球聯網，所以企業內網連接的設備多種多樣，標準化難度很大。其次是門檻高，消費互聯網終端比較簡單，很容易普及、升級，而工業互聯網涉及的生產設備多種多樣。工業互聯網的業務鏈條很長，模型復雜，需求多樣，不僅僅需要提供工業互聯網產品，還需要提供解決方案。

另外，工業互聯網在性能上有更高的要求，快速響應、可靠性、安全性更高。還有工業互聯網對資本需求比較大。從人才上來看，門檻也高，既需要了解信息技術，又要了解企業的生產流程。企業對涉及技術和商業秘密的數據十分敏感，擔心生產線聯網會增加數據泄露的風險。

人工智能會在工業互聯網上大量應用

5G、物聯網、云計算、大數據、區塊鏈和人工智能等技術將在工業互聯網中起重要作用。這里先談人工智能，有很多實例說明在物聯網和大數據的基礎上利用人工智能算法優化生產管理，可以改進生產效率或提高產品質量。現在人工智能技術用得好的是生產數據比較完整的企業。

目前的人工智能還只是人工加上機器智能，而單純機器智能是不完善的。首先工業的數據可能不夠全面與準確，其次基于數據導出的模型，并不一定優于企業常年積累的對生產規律的認識，即便訓練出的模型準確率到了99%，而實際上系統還是會犯很多錯誤的。

目前的機器學習通常用曲線擬合數據，所謂的機器學習，神經網絡事實上是一個分類器，我們找出分類的規律，有一些處于分類邊緣上的微小差異是很容易被模糊掉的。而且目前神經網絡的過程缺乏透明性和解釋性，其結果可能失去理化意義。機器真正擁有智能的關鍵在于能夠使用因果推論而非相關關系推論，因此需營造工程師與AI協同工作的環境，由人工經驗加以解釋。

消費互聯網模式無法復制到工業互聯網

從商業模式看，消費互聯網往往是比燒錢、聚人氣、圈用戶、賺流量，收入靠廣告和會費等，這種模式是沒有辦法復制到工業互聯網的。

互聯網的靈魂是創新，對工業互聯網、消費互聯網都一樣，但是并不等于消費互聯網的模式思維完全可以用到工業互聯網上。二者實施主體也不一樣，工業互聯網需要更多的細分領域的龍頭企業支持，主體作用還是實體經濟的企業。整個生態也不一樣，消費互聯網的主要載體是手機，靠IOS和安卓操作系統能構建一個APPSTORE的平臺，支撐眾多的第三方APP，而工業互聯網目前缺乏通用的平臺和工業APP。

所以多數企業感覺到，工業互聯網看不清、摸不著、叫得響、熱得慢。原因不能歸結為傳統企業不積極，工業互聯網還有個成熟過程。

即使有了基本的技術支撐條件，但要滿足工業互聯網的要求，還有很多優化工作需要做，特別是要將信息技術（IT）與工業的技術（OT）融合。IT技術在消費互聯網中大量應用，但是工業IT技術還有不同，包括傳感器、可編程邏輯控制器、監控和數據獲取系統、制造執行系統、企業資源規劃等。工業上的OT技術，包括材料、機器、方法、測量、維護、管理、建模等。IT和OT需要結合，否則工業互聯網還是兩張皮。

工業互聯網的安全，不能僅靠企業自身來解決

一些企業認為，把我們的核心數據加密，然后分散存儲，并且亂序地存儲，這樣即便被偷去了，也解不了，也沒有辦法讀取。但是現在的黑客，可以把你加密的數據再次加密，這樣企業自己也讀取不了了。所以，數據加密還不能解決企業安全問題，入侵防護是最重要的。

企業的工業互聯網安全，不能靠企業一家自身解決，需要取得工控系統集成商或原廠、網絡信息安全企業、政府部門的大數據協同，獲得實時威脅情報和風險通報及解決方案，利用外部力量幫助企業提升工業互聯網的安全防御。但是這里還有一個問題，在安全信息合作的同時如何保障企業的數據不被泄露，在工業互聯網的發展和安全問題上，需要盡快制定關于企業數據共享、開放應用和企業數據保護等方面的法律法規。

工業互聯網是工業數字化、網絡化和智能化發展的基礎，工業互聯網是互聯網的“下半場”，有著與消費互聯網不同的特點，需要滿足企業應用的高安全性、超可靠、低時延、大連接、個性化以及IT跟OT兼容的要求，需要開發對工業互聯網優化的ICT技術，雖然現在還有很多的技術不夠完善，但并不意味著工業互聯網現在就不能啟動。工業互聯網的全面實現，是一個長期的過程，任何企業都可以啟動，可以從任何階段啟動數字化轉型的工作，以管理創新和技術創新的并重來應對發展中的挑戰。

來源：工業互聯網前線