三年內，工業互聯網必死？

近日在網上看到有人唱衰工業互聯網，不可否認的是，工業互聯網發展最大的障礙是概念與落地執行嚴重不符，重軟體、重設備、輕應用、不重視交互體驗和缺乏變化性確實是普遍存在的現狀。但我們仍然認為，工業互聯網的方向是沒有錯的。

首先，GE的工業互聯網戰略成功與否與工業互聯網的成功與否不能畫等號。

其次，工業互聯網的互聯頻率與互聯是否有價值雖然相關，但不起決定性作用。單純的互聯固然價值不大，可這並不是說互聯就沒有意義。互聯、數據採集是工業互聯網產生價值的基礎，如果連互聯與採集數據都做不到，那分析與智能化更無從談起。面對大量的數據無從下手或者看不到價值，大多數情況下是採集的參數有問題，以及分析的方法不恰當，而並不能證明工業互聯這個方向是錯誤的。

再者，工業生產設備的互聯的確存在沒有標準通訊協議的挑戰，但開源的工業通訊協議如MTConnect已經越來越多地被工具機製造商所兼容，也就是說協議的標準化已經逐漸成為業界共識。當然，這種行業的演化是需要時間的，尤其是對保守的傳統製造行業。

最後，人工智慧也不過是解決工業中痛點的諸多方法的一種。正如狹隘的工業互聯無法帶來價值一樣，完全寄希望於人工智慧帶來變革也是病急亂投醫。無論是工業互聯網還是人工智慧，都必須切實解決工業中的痛點，才可能帶來價值。

當年物聯網泡沫破滅時，我們也曾寄希望於大數據和工業互聯網。而如今這些又讓人失望後，我們又寄希望於人工智慧。人們不能總是對一個概念失望後又將希望全部寄託於另一個概念之上，如果不總結失敗的原因，很可能又將會換來一場失望。

Industrial Internet 本身的含義不僅僅是實體的互聯，而是提議：工業生產的價值創造需要從關注實體的產品、設備本身，轉向關注如何利用其承載的信息為用戶解決痛點。

「指向月亮的手指不是月亮」。商業互聯網能夠顛覆很多傳統行業，正是因為他們關注的並非「解決方案」，而是用戶的「痛點」。Uber能夠成功並非因為打造了更好用的計程車解決方案，而是因為聚焦了出行時間成本高這一痛點。

工業互聯網的真正含義，我們理解至少有兩個角度。

第一個角度是內部互聯。內部互聯指的是我們常常提到的，運維中的隱性問題顯性化，目的是降低成本、提高生產力。內部互聯中，比較重要的概念是對等互聯。在賽博製造的概念中，我們提到了「fleet management」這一概念，其核心就是將相似的單元聚類，發現對其單體分析無法發現的問題與改善機會。

如果企業的目的是用工業互聯網提升運營效率，那麼最重要的衡量方式是「質量/成本」，以及提升了多少的「單位小時利潤率」。企業應該清楚的是，顧客並不會為這一部分成本買單，如果不能夠清晰地證明工業互聯網能夠有效地改善這兩個指標，那麼投入的成本反而會變成企業負擔。這也是大部分所謂的工業4.0工廠並沒有獲得成功的最主要原因。

第二個角度是對外互聯。工業生產場景中的每個單體要對自己透明，然後上升到群體的資源優化。資源趨向越來越少，資源的有效性運營不可能只考慮自己，肯定是整個產業鏈的優化。比如鋼鐵行業的「找鋼網」，根據市場拉動生產和調整供應鏈降低成本，盤活了整個鋼貿產業鏈。

具體講，對下游，傳統工業關注的是各種指標、規格、性能等，容易造成產品本身與用戶需求之間的鴻溝。工業互聯連接的是用戶在使用中的體驗與產品設計，通過用戶使用過程中遇到問題的反饋，不斷迭代更新產品設計已貼合用戶需求，提升用戶需要的性能，對應的是我們主張的基於信息的產品閉環設計理念；對上游，互聯的是供應鏈的能力與業主的需求。通過對數據的分析，就可以更加有的放矢地管理供應鏈，選擇廠商。比如高盛帶鋸機床的案例，所反應的「針對不同工料的刀具壽命特徵」信息管理，就是這方面的典型。

總結而言，工業互聯網的意義絕不僅僅是連通性（connectivity），而是其潛在的解決諸多傳統方法無法解決的工業痛點的可能。

我們需要以融合的思維和態度來看待技術的發展 - 工業互聯網解決的是基礎設施問題，大數據提供的是服務環境，人工智慧提供的是技術媒介（包括知識、交互、執行等），而最終都要有一個可持續的商業模式把這些串聯起來，無論最後是落地在客戶端的增值服務還是OT層面的效率提升，都必須能創造價值且產生價值的流動。

物聯網的最大貢獻是提供了流動的介面，降低了流動的成本。工業互聯網的最大潛能就是將智能設備、智能分析、智能決策這三大要素與網路、計算、運維整合在一起的時候，實現生產率的提高、運維成本的降低和能耗的減少，所帶來的益處推動整個產業鏈與工業經濟的發展。

【相關閱讀】李錚 | 工業互聯網：開啟工業智能新篇章