近幾年，工業物聯網發展的如火如荼，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，難度究竟在哪里？或者說哪些能力才是工業物聯網廠商們的核心競爭力？

我們把工業物聯網的難度總結為一個倒三角。

工業物聯網的技術難度

但實際市場中，工業物聯網的競爭狀態，呈現出的是一個正三角。

工業物聯網市場競爭者分布

為什么會呈現出這樣的分布，要從工業物聯網的技術體系說起。

我們將工業物聯網的技術應用分為以下七層：

層級L1、C1：?設備聯網，數據采集

隨著工業物聯網的快速發展，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。

層級L2、C2：數據接收，數據存儲，云平臺

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。

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。

層級L3、C3：數據處理

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。

層級L4、C4：數據分析，分析結果應用

物聯網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：工業物聯網體系化建設

工業物聯網體系化建設，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。思科就是一個行業典范，當他們研制出第一臺網絡路由器的時候，這臺路由器已經是思科體系中的成員了，他們的體系中包括了產品系列、產品線、思科標準、思科統一腳本語言等。

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

工業物聯網的商業模式，與互聯網模式有很大的不同，一不留神就會陷入困境。

拿智物聯來說，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。

層級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體系的企業，在多個行業積累了大量的經驗，我們的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。

往往，我們不單要告訴客戶你需要什么樣的工業物聯網，同時能夠提供有效的工具和標準的方法。要清楚地知道，廠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。