转载

                                            工业一般分为流程工业和离散工业。两者最大的差异在生产的自动化程度、数据的可得性和工业的复杂度，

                                            而最大的共性在于，每一个场景都需求各异，进入任何一个细分领域都需要有足够深厚的行业knowhow和

                                           上下游资源整合能力。

                                           智能，可以理解为数据化以及建立于此之上的AI。以产线自动化为始，多源异构的工业数据被采集、流转、

                                          分析并帮助形成决策和控制，端到端的解决方案就形成了当前行业player的典型画像。

                               为什么是工业智能？

                                       蓝海

                                       工业尤其是制造业的GDP总量远高于零售、金融、建筑等行业。而工业领域每天产生的有效数据量其实不亚于

                                       BAT等互联网公司，一个大规模的工厂每天产生的数据量甚至能达到几十亿到上百亿条。

                                       壁垒

                                      虽然工业场景每天产生高频、海量的数据，但是大量的原始数据本身并没有直接意义，且有可能产生大规模时延和

                                      占据大量带宽。我们不仅需要在某些场景做实时的监控和分析，也需要把更多数据采集到云端做更多维和更长期的

                                      经济 效益 及价值分析，这是云计算的价值。而云计算+边缘计算，这是比传统消费互联网更细的颗粒度和更复杂的架构，

                                     这也意味着更高的壁垒。

                                     拐点

                                    互联网一条逻辑叫做“Copy to China”，“Copy to 工业”是同样的道理。大规模的数据应用和平台架构在金融、电信等

                                    行业经历了充分的验证和演进，加上中国制造2025在政策一侧的催化作用，构成了拐点成立的先决条件。

                                    关于发展路径，业内主流认为自动化-（数据化）-信息化-智能化是工业用户进阶的合理顺序，并且前一阶段是后一阶段开始

                                    的必要条件。因此国内工业智能领域的企业在很长一段时间内只关注自动化领域的机会，甚至将工业智能等同为“机器人”

                                    或者“工业自动化”。从用户现场的大量实践来看，这几个阶段存在着显著的先后顺序，但同时交叉渗透，迭代进行。