最近和朋友們討論起工業軟件話題，又談到了基礎的模型問題—即，工業互聯網繞不開的話題，你必須把工業那些原有的基礎模型，那些大量測試驗證道路走完才行，否則，就無法真正的對制造業有什么大的幫助—僅僅成為2VC或2BT（補貼）的平臺。

這篇稿子中的內容大概是在夏天的時候寫完的，原文的題目是“三無的工業互聯網平臺能否支撐制造業的未來”，發給幾個朋友看了看，他們都覺得還是溫和一點比較好，想來也是，似乎有打擊一大片的嫌疑，后來想改改口氣和語調，不過，有時候寫東西就是這樣，當你一口氣寫完，如果讓你再改，大概也就沒有了當時的興趣，最近和朋友們討論起工業軟件話題，又談到了基礎的模型問題—即，工業互聯網繞不開的話題，你必須把工業那些原有的基礎模型，那些大量測試驗證道路走完才行，否則，就無法真正的對制造業有什么大的幫助—僅僅成為2VC或2BT（補貼）的平臺。

我們互聯的標準是什么？

世界經濟論壇在2014年的工業互聯網推進障礙調研中發現第一大障礙是“缺乏互操作標準”，這個問題比較典型，按照我們反復強調的，如果你沒有數據的統一規范與標準，即OPC UA（在分布式系統中實現對象的描述）的信息建模，那么就意味著大量的數據讀寫操作和工程量投入，那么，第一步數據連接的問題將會變得沒有“經濟性”，因此，現在的實際情況就是，很多工業互聯網公司的本質可能更多在于“導表”，這是個體力活，其實，你聽上去高大上，但是實際上是個沒有技術含量的活，我必須強調的是，沒有OPC UA肯定可以實現數據連接，沒有人說必須、一定要采用OPC UA這樣的規范與標準，但是，OPC UA會是一個必然的道路，就是說，如果你不想走OPC UA這條路，但是，按照最經濟有效的設計道路走的話，你可能最終還是會設計成OPC UA這個樣子，你可以叫自己的標準與規范，這個沒所謂。

因為如果不解決經濟性問題，現在大量的人力投入在數據連接、驅動、接口的調試上，想想人工成本，尤其是來自IT的工程師成本，這肯定是場災難。

因此，我特別擔心他們何時盈利的問題，我想目前國內有200多個所謂的工業互聯網平臺，我實在擔心他們的盈利能力，因為，傳統的自動化廠商其實都有穩定的盈利模式，包括像Microsoft、華為這樣的軟件、通信平臺提供者，目前的工業互聯網公司其實都沒有所謂的技術，其實實在現有這些大廠的基礎上“攢”的一個平臺—畢竟，你以為平臺真的那么容易開發啊？

借助于開放的IT技術來攢一個所謂的工業互聯網平臺這件事情，OT的人都可以干，我覺得我的確比較委婉，按照戴老師的話就是，其實制造業沒有互聯網平臺照樣在運行，因此，就目前的生存而言，對于制造企業而言，可能沒有工業互聯網倒沒有問題—除非如工業互聯網平臺們所說的能夠帶來生產效率的真實的提升和優化。

關于標準的這個疑問來自于似乎很多工業互聯網平臺從業者對工業的通信了解非常少，究竟有多少現場總線這個問題不斷被問及，而至于制定規范，OPC UA ，TSN也少有人了解，因此，我想沒有通信規范與標準，這些平臺和別人怎么交互，多個工業互聯網平臺之間怎么交互？

有沒有自己的開發工具？

對于所謂的“平臺”，我一直比較困惑，因為，我一直覺得“平臺”這個東西必須是一個完整的架構才能稱之為平臺，工業互聯網，為什么就會有一個平臺呢？云，那就是云的架構，一般由已有的技術提供商來提供，一個平臺是不是應該包括以下幾個部分啊？

（1）運行時（Runtime），參考Linux、Windows的Kernal，你是否需要一個核心的任務調度機制啊？這個當然我不懂，不過，PLC都是有任務調度的，如VxWorks的實時控制循環，通信調度。

當然了，對于工業互聯網這些廠商用的什么runtime我不了解—不過，既然做工業，它就必須考慮“實時”調度問題，這跟非工業應用場景不同，因為非工業場景，你的操作系統可以是非實時的系統。

（2）開發環境，無論是Microsoft.net還是Java，或者像貝加萊的Automation Studio、Siemens 的Portal，它總是需要一個開發環境，這個環境能夠對不同的開發庫進行集成，并且對不同的底層通信開發驅動可以被調用，我不大懂，工業互聯網的開發環境是什么？

（3）開發工具，無論是C/C++，Java，Python或者其它任何語言，你用什么開發，那你就會牽扯到不同的API，那么這些平臺與這些開發工具之間是怎么集成的？

如果這么多公司號稱有“平臺”，那我想知道目前這些平臺里的運行時、開發環境、開發工具都是些什么呢？

如果工業互聯網平臺的企業不說要替代現有的制造業運行架構，我們當然不會關心這個問題，但是，有些工業互聯網平臺號稱要替代現有的架構，我想這個問題就有討論的必要了，就是你目前的操作系統是否具有實時能力？你的網絡—很多對現場總線都不是很了解的人怎么知道數據怎么連接呢？并且很多人對現場總線的了解基本上仍然停留在Modbus和CAN總線的年代—看了很多他們做的演講稿，談到底層設備往往就說Modbus和CAN，其實，現在工業網絡主體是實時以太網，至于OPC UA over TSN，連自動化圈里目前能講清楚并投入研發應用的還不多，我特別想知道的就是難道我不懂人家的牛，如果你號稱“平臺”且想要顛覆現在的架構，我就特別想了解如何顛覆的？好讓我們知道人生應該走向何方。

另外一個就是覺得似乎大部分工業互聯網平臺的人對PLC的了解似乎仍然停留在20年前的“邏輯”控制時代，其實今天工業里的控制器早已不是過去的“可編程邏輯控制器”那么簡單了，現在的PLC可以玩什么呢？

--》機器學習，No Problem，其實，機器學習就是算法問題，那么這個算法是運行在你的工業互聯網平臺上，還是運行在PLC上，你以為PLC不能運行算法，那可能你對今天的PLC了解太少，PLC完全可以跑個機器學習算法，什么GA、貝葉斯這些都可以玩，因為，基于VxWorks、RTOS架構下的PLC可以支持高級語言編程，在1992年貝加萊推出的黑色系列當年運行的就是PSOS+的定性分時多任務操作系統，那個年代就可以用BASIC編程了，現在，你想C/C++，Python其實都可以。

--》復雜運動控制：在20年前這個事情也可以做的，控制器的架構之前是采用PLC+專用運動控制模塊，在90年代就有這樣的架構，而運動控制在本質上是數學問題，CNC是插補算法，而機器人則是齊次變換庫，那么這些數學問題運行在一個強大的硬件處理器上和RTOS上同樣是可以的。

--》機器人，機器人通常也是采用嵌入式操作系統+Windows兩個，現在的控制器都可以實現這個。

--》回路調節—回路調節也在于算法。

歸根結底一句話，工業控制的本質是數學，無論是哥柯諾莫夫的系統論—奠定了今天人工智能的各種數學模型，維納的控制論、香農的信息論，其實都是數學問題，工業領域都是數學問題，這個數學問題運行在PLC上、PC上還是云上？這個不重要，用什么來做這件事情是由經濟性來決定的。

但是，換個角度，自動化卻不斷的在采用IT技術來擴展自身，包括以太網的使用、Web技術在控制器中的應用、新的FPGA芯片、MATLAB/Simulink、FMU/FMI都往自動化平臺上集成，以擴展自身的能力，因此，好像工業互聯網的總想顛覆制造業，但是，工業的人似乎沒有想過要顛覆誰。

有多少模型的積累？

很多工業互聯網平臺都覺得“數字孿生”這個詞可有意思了，覺得人工智能可有前途了，但是，我覺得可能他們忽視了幾個問題：

（1）我們有模型嗎？

在一個通過“測繪”或“逆向工程”而發展了很多年基礎上的制造業，原始性的設計實際上是非常少的，因為原創性設計需要建模，并且去測試驗證，而我們簡化了這個最為耗費研發投入的過程，直接測繪了已經被驗證的設計，這個的確降低了成本，也縮短了研發周期，但是，這也使得我們沒有基礎的模型，知其然不知其所以然—知道“What”，卻不知道“Why”—這個模型基礎弱，就會導致所有的學習算法必須“空轉”，無法去驗證。

2018年上海有兩家公司分別因為侵權而賠付達索1000萬，他們不愿意買正版的軟件平臺來用，認為它太貴，但是，實際上，這些建模仿真軟件設計目的都是降低研發風險的，如果你真的按照原創設計，構建物理模型、制作原型、測試、修改的循環，那么真正的研發就極其燒錢，這個時候你發現用建模仿真是可以大幅降低成本的，你一定會覺得買這些正版的軟件是非常合算的，我想他們不愿意買的原因是他們僅僅是為了“繪圖”的功能—因為供應鏈需要采用這個軟件的圖紙。

在一個沒有模型基礎上，你如何實現數字孿生？如何進行機器學習？

有些人覺得機器學習可以解決很多問題，還打算用機器學習來代替現有的控制模型

按照之前柴院士有一次聊到的話題，你在互聯網應用場景里的學習很多都是大數據小問題，但是，在工業里是小數據，大問題，并且可解釋性成為了障礙—你說這樣學習可以，但，能解釋嗎？它有什么潛在的風險嗎？如果說0.1%的不確定，那么對工業而言，也是不可接受的。

很多人號稱要通過學習來改變工業現有的模式，你必須明白一點“傳統”那些模型實際上是“最經濟”的，學習模型的成本是比較高的，而且，機器學習模型主要解決“非線性”部分的，即，觀測器對現有的控制模型觀測中，無法求導的那部分任務進行學習—因此在單個控制系統已經達到局部最優的情況下，工業里一直在尋找更為復雜的動態下的最優，以前這個是算力不足，但是，現在的芯片、存儲、網絡技術使得這件事情變得可行—那么IT的貢獻在于工具和平臺的貢獻—就像很多人認為西醫目前最大的進步來自于測量工具的水平提高了，而非就在模型方面的貢獻，因為工業做這些已經非常久的歷史了。

這也是我比較奇怪的，那些真正提供平臺的企業如Microsoft、華為這些本身有非常強大平臺、研發支撐的企業倒是很低調，定位自己的角色在于平臺與工具。

但是，很多工業互聯網平臺—特別強調一下，說自己屬于“平臺”的—我覺得你這些平臺可能只是微軟、IBM、華為他們的“系統集成”角色比較合適，如果是這個角色，那就必須要深入工業中的應用場景實現上，那么就有很多問題需要解決

（1）你知道該怎么為復雜的參數進行分析嗎？可能你連這些參數是什么都不知道，但是，你一旦要進入這個領域，如果沒有一個資深業內工藝專家，你根本就沒有任何可能性進行學習。

（2）你的模型是什么？就是網上下載的開源學習代碼？這個要是能玩的話，那制造業的工藝專家為什么不自己玩，非要你來給我玩？

數據真的那么容易獲取嗎

這是個很現實的問題，之前我曾經寫過，預測性維護的偽命題，即，如果這個機器故障數據很多，那么這個機器可能在客戶那里就會被淘汰。

第二個問題是，如果你能采集到故障信號，但是，故障數據可能是很少的—而與之對應的關聯數據如果缺乏完整性的話，這個模型就無法學習到真正的原因，而這個就需要大量的積累經驗。

因此，數字化的學習必須與實際的模型相結合，在這方面，擁有自主模型的工業基因的企業反倒是有條件的，但是，就是缺乏數字化工具。

但是，如果你是做平臺的，你有榔頭卻沒有釘子就比較尷尬了

三無的工業互聯網平臺能活多久？

在風力發電市場比較熱鬧的時候，國內蜂擁而上的有89家主機制造商（2012年左右），那個時候大家就說，這個行業最終能活下來的大約就15家，現在來看，這是真的，而光伏行業在熱的時候，那場景就是做鞋子、做襪子、打火機的都蜂擁而上的去做光伏了，太賺錢了，現在呢？

對的，我們主要想說的是“有標準”、“有工具”、“有模型”的平臺才能真正在未來為制造業賦能、帶來轉型的效率提升，否則，就是風險投資中的“風險”而不是“投資”

責任編輯：ct