最近幾年，一直有人問這個問題。回答這個問題之前，我們先看看工業互聯網帶來的機會是什么？

我們知道：過去工廠里的計算機系統是分級的。離散制造業典型的分法是BA、MES、ERP，鋼鐵行業的典型分法是L1~L4。這些級別的特征是：底層的響應速度快而管控范圍小，高層響應速度慢而管控范圍大。以鋼鐵行業為例，L1是閥門級、L2是設備級、L3是車間級、L4是公司級，范圍不斷擴大。但L1的響應速度是秒級、毫秒級，而L4并不是實時處理的。把管控范圍和響應速度放在一起，就能看到原來計算機系統的局限性：限于響應速度慢或者管理范圍小的三角形內部。

這就是傳統計算機系統的局限性。

了解了這個局限性之后，“機會”也就清楚了：突破三角形內部的束縛。范圍大、響應速度快的領域，是工業互聯網的機會空間。所以，MES、ERP上云并不一定能解決“范圍大、響應速度快”的要求，并不是典型的工業互聯網應用。

林詩萬博士的視角，也是不同時間周期系統的融合

要理解工業互聯網的特點，就要分析過去為什么會有局限性。

從技術角度講，這個局限性是信息通信技術不夠發達導致。但技術基礎具備后，人們需要考慮的是經濟性問題：什么樣的業務活動，能夠發揮這種技術的優勢。

我們注意到，網約車、外賣平臺針對 都是“范圍大、響應速度快”場景。在這個場景中，平臺本質的作用是管控。北京大學陳龍博士在《數字控制下的勞動秩序：外賣騎手的勞動控制》中寫道：平臺更像是一名管理者，真正的老板并不存在。

但工業中的場景是什么呢？

在筆者看來，本質上也是提高管控能力。在能源、質量、安全、設備、操作等方面。因為計算機可以根據實時數據，判斷能源是否平衡、實時發現質量、安全和操作問題，及時發現安全隱患。過去人們常說：現場有黃金。意思是人們要下現場才能發現問題。但是，在互聯網時代，許多問題不需要下現場、不需要走到設備旁邊，就可以更加及時準確地發現問題。對現場管理來說，這其實是一種革命性的變革。

在工業互聯網白皮書中，指出了3個要素：智能的機器、高級算法、工作中的人。所謂智能的機器，最基本的要求就是“不聾不啞”（朱鐸先先生的說法），能夠給人送信息。但人的精力是有限的，難以處理成千上萬臺設備送來的秒級、毫秒級的數據。所以，需要“高級算法”來幫忙。我把“高級算法”形象地稱為“小秘書”，其作用是從數據中發現問題、報告給人。

工業互聯網的三個要素

生產正常的時候，人類沒有必要看大量的實時數據：這其實是浪費精力。而“小秘書”的作用就是發現異常，報告給人。發現異常的邏輯也非常簡單：異常就是不正常，不正常就是超出正常范圍，正常范圍就是標準規定的范圍。所以，企業必須重視標準的建設：標準之內是正常、標準之外是異常。事實上，網約車、外賣平臺的管理，就是這個邏輯。這樣，依靠“小秘書”的幫助，人類就可以用有限的精力，去關注大范圍實時性的問題了。

隨著數字化技術的應用，企業一項“后臺”工作，會逐漸走向“前臺”：這就是優化。傳統上，企業管理和技術人員的日常工作是處理問題和異常，做“救火隊員”。“優化”常常被當成“點綴”、“附加”的工作。但是，在工業互聯網時代，管理和技術人員的主流工作就是優化：因為日常處理是機器來做的。日本的IVRA結構，說的其實就是這個問題。我們可以設想：一家企業的技術人員主要在“救火”，另外一家在“優化”：哪家企業的水平更高？

工廠的智能化思路：持續改進

完成上述邏輯需要做兩件事：分析數據、（用APP的思路）沉淀軟件化知識。

然而，在現實中上述兩件事并不太容易做。某企業出現質量問題時，一般要花3~7天的時間。試想，如果技術人員每天面對幾十個質量問題怎么辦？哪有精力處理？本人過去做類似APP這樣的工作時，要花幾個月的時間，成本算下來有幾十萬。如果不能解決這些問題，我前面講的邏輯就是無法落地的：可以偶爾做示范，但無法成為日常的活動。因為經濟上不劃算、是賠本的買賣。

工業互聯網平臺、5G、數字孿生，本質上是解決這個問題的，也就是解決上述邏輯的成本和效率問題。舉個例子：

做數據分析的時候，需要的數據是難以事先確定的。往往需要從不同的系統中獲得數據。多年來，我們試圖解決數據孤島問題。但每個系統都是單獨建設的，消除孤島的頂層設計太難做了。但現在有辦法了：有孤島不可怕，只要易于連接就可以了。再如，知識沉淀成APP的過程，還可能會影響系統穩定性，帶來很多的阻力。這個時候，我們就可以談信息通信技術的作用了。例如，云原生技術就可以幫助人們解決這類問題。

推進工業互聯網技術時，重視應用是對的。但如果只重視應用、滿足于短期的成績，可能會喪失真正的機會。