最近有一篇流傳較廣的文章《德國工業(yè)4.0涼涼后，中國靠5G就能成功實(shí)現(xiàn)工業(yè)聯(lián)網(wǎng)嗎？》，文中談到德國提出工業(yè)4.0后，推進(jìn)與建設(shè)并不順利，反而因?yàn)?a target="_blank">信息物理系統(tǒng)CPS的技術(shù)障礙和5G的到來，被迫停滯。

該文引用的重要論據(jù)是思科在2017年發(fā)布的一份報(bào)告，文中認(rèn)為其調(diào)查結(jié)果顯示：有四分之三的德國工廠認(rèn)為“工業(yè)4.0計(jì)劃”已經(jīng)失敗。

事實(shí)果真如此嗎？

實(shí)際上，這份名為《物聯(lián)網(wǎng)價(jià)值之旅The Journey to IoT Value》的報(bào)告中肯的談到，60%的物聯(lián)網(wǎng)項(xiàng)目在概念驗(yàn)證（PoC）階段，因?yàn)榘踩?、?fù)雜度、數(shù)據(jù)質(zhì)量堪憂和互聯(lián)互通不足等問題停滯不前。

只有26%的企業(yè)相信他們擁有一個(gè)完全成功的物聯(lián)網(wǎng)項(xiàng)目。因此，不成功的物聯(lián)網(wǎng)項(xiàng)目接近3/4的比例。

雖然大多數(shù)物聯(lián)網(wǎng)項(xiàng)目失敗了，但64%的受訪者認(rèn)為從中吸取的經(jīng)驗(yàn)和教訓(xùn)，讓他們加速了IoT投資。

實(shí)施物聯(lián)網(wǎng)項(xiàng)目成功的組織有著相似的共性，他們?cè)陧?xiàng)目的各個(gè)階段都更積極和開放的引入物聯(lián)網(wǎng)生態(tài)合作伙伴。

60%的受訪者強(qiáng)調(diào)，物聯(lián)網(wǎng)項(xiàng)目往往在表面上看起來很好，但實(shí)際卻比任何人預(yù)料的都要困難得多。

與上一比例接近，61%的受訪者認(rèn)為他們?nèi)匀煌Ａ粼诒硐箅A段，還沒觸及IoT價(jià)值的本質(zhì)，但這反而意味著未來機(jī)會(huì)無限。

可見，該報(bào)告并非針對(duì)工業(yè)4.0，也不足以推斷出工業(yè)4.0“涼涼”的結(jié)論。

工業(yè)4.0的愿景，在短期內(nèi)可能面臨各種糾結(jié)和挑戰(zhàn)，從長期角度仍應(yīng)堅(jiān)決看好。

雖然文章的結(jié)論不夠嚴(yán)謹(jǐn)，但該文也為我們敲響了警鐘。

熱炒與吹捧之后，遲早迎來寒冬。

“冷”是常態(tài)。

2000年，彼時(shí)的華為正高歌猛進(jìn)，年?duì)I收創(chuàng)下220億元，位居中國電子企業(yè)百強(qiáng)之首。就在此時(shí)，任正非寫下了名篇《華為的冬天》——任正非的憂患和危機(jī)意識(shí)浸潤了這家公司數(shù)十年，他們?cè)缭缇驮诳紤]，萬一人家斷了我們的糧食怎么辦？明天倒下的會(huì)不會(huì)是華為？

與之類似，無論是工業(yè)4.0還是工業(yè)互聯(lián)網(wǎng)IIoT，不必糾結(jié)于概念，都最好主動(dòng)降溫，而不是被寒冬撞上。

工業(yè)互聯(lián)網(wǎng)，是從“面”上顛覆，還是從“點(diǎn)”上燎原？

對(duì)于工業(yè)互聯(lián)網(wǎng)的發(fā)展路徑，確實(shí)存在誤解。在企業(yè)內(nèi)部實(shí)現(xiàn)設(shè)備的廣泛互聯(lián)互通，很難一步到位。

大談?lì)嵏?，最終往往被結(jié)局打臉。

此前一些人對(duì)工業(yè)互聯(lián)網(wǎng)的發(fā)展規(guī)律有一些認(rèn)知誤區(qū)，以為IIoT可以迅速鋪開，工業(yè)互聯(lián)網(wǎng)云平臺(tái)的普及速度堪比發(fā)射火箭。

當(dāng)觀察到GE的Predix“操作系統(tǒng)”在工業(yè)互聯(lián)網(wǎng)領(lǐng)域盲目踏空，并忙不迭的及時(shí)止損之后，由于火箭瞬間“蒸發(fā)”的前后落差較大，這些人又開始“唱衰”工業(yè)4.0和工業(yè)互聯(lián)網(wǎng)IIoT。

好在，更多的人理性客觀的意識(shí)到工業(yè)互聯(lián)網(wǎng)并不是一蹴而就，而其實(shí)是由“點(diǎn)”到“線”，再由“線”到“面”開展落地應(yīng)用。

因此我們看到很多企業(yè)從云端穿透到邊緣，腳踏實(shí)地的在最靠近現(xiàn)場的邊緣側(cè)下功夫，使得工業(yè)互聯(lián)網(wǎng)的各種分析與應(yīng)用在經(jīng)濟(jì)上變得更加可行。本文也會(huì)呈現(xiàn)一些最近的實(shí)例，供感興趣的你參考。

在呈現(xiàn)實(shí)例之前，更值得關(guān)注的是工業(yè)互聯(lián)網(wǎng)的商業(yè)模式問題。

工業(yè)互聯(lián)網(wǎng)往往是硬件與軟件搭配，到底怎么去賺錢？大家都想走上人生巔峰，從硬件的一錘子買賣，做到靠軟件的可持續(xù)盈利，但這路該怎么走？

這些問題如果都有統(tǒng)一答案，工業(yè)互聯(lián)網(wǎng)也就不會(huì)那么有魅力了。

從現(xiàn)階段來看，工業(yè)互聯(lián)網(wǎng)的硬件產(chǎn)品是小量多樣的長尾市場。追求硬件利潤的同時(shí)，很難賺取海量數(shù)據(jù)，這種商業(yè)模式經(jīng)過多年的驗(yàn)證。

如果按部就班的按照這種商業(yè)模式推進(jìn)，穩(wěn)妥的確是穩(wěn)妥，但是成長的天花板太低，往往陷在項(xiàng)目制的輪回中，無法自拔。

看到這種商業(yè)模式的短板，很多企業(yè)開始了轉(zhuǎn)型的艱難之旅。

與此呼應(yīng)，最終用戶也開始希望不是在IIoT云平臺(tái)上，而是在工業(yè)現(xiàn)場就能開展對(duì)運(yùn)行數(shù)據(jù)的分析和處理。主要的好處包括：

實(shí)現(xiàn)從設(shè)備分析到企業(yè)決策的閉環(huán)；

降低（或省去）部署和運(yùn)營 IT 系統(tǒng)的成本；

分擔(dān)信息化平臺(tái)的運(yùn)轉(zhuǎn)負(fù)荷；

數(shù)據(jù)運(yùn)算與處理的實(shí)時(shí)性要求；

數(shù)據(jù)的本地化處理以提升系統(tǒng)的信息安全。

因此，市場嗅覺靈敏并可快速響應(yīng)變化的企業(yè)，推出了功能相似的邊緣側(cè)軟硬件一體化數(shù)據(jù)處理方案。

這些企業(yè)往往從預(yù)測性分析和智能決策作為切入點(diǎn)，犯其至難，而圖其至遠(yuǎn)。

他們利用已經(jīng)驗(yàn)證的高可靠性產(chǎn)品，推進(jìn)硬件的標(biāo)準(zhǔn)化，增加人工智能分析能力，通過軟件和系統(tǒng)形成差異化，并積極賺取數(shù)據(jù)、模型和經(jīng)驗(yàn)，推進(jìn)從數(shù)據(jù)到?jīng)Q策的流程，立足服務(wù)SaaS化和長期發(fā)展。

IIoT之中“圖其至遠(yuǎn)”的最新嘗試有哪些？

此前已有公司研發(fā)出了最新一代的邊緣控制器，搭載工業(yè)人工智能算法，滿足用戶對(duì)于預(yù)測性維護(hù)與分析的需求，并有越來越多的企業(yè)加入到這個(gè)賽道。

這里舉3個(gè)例子：LogixAI分析模塊、Sysmac AI控制器、Simatic S7-1500神經(jīng)處理器。

市場上最新推出的LogixAI分析模塊，新增了對(duì)異常狀況進(jìn)行預(yù)測性分析的能力。用戶已經(jīng)不需要在其中加裝單獨(dú)的應(yīng)用程序，直接通過以太網(wǎng)端口接入模塊，然后在 Web 瀏覽器上對(duì)相關(guān)應(yīng)用模型進(jìn)行參數(shù)配置，就可以實(shí)現(xiàn)對(duì)系統(tǒng)數(shù)據(jù)進(jìn)行分析和預(yù)測的功能。

這款LogixAI在其中預(yù)先內(nèi)嵌了相應(yīng)的應(yīng)用程序，進(jìn)一步幫助用戶省去了從數(shù)據(jù)采集到分析處理過程中應(yīng)用軟件開發(fā)與部署方面的工程投入，為其預(yù)測性應(yīng)用提供了一套標(biāo)準(zhǔn)的自動(dòng)化數(shù)據(jù)分析套件。

也就是說，LogixAI能夠?qū)?a href="http://www.delux-kingway.cn/v/tag/8966/" target="_blank">控制系統(tǒng)的運(yùn)行數(shù)據(jù)進(jìn)行分析，并對(duì)可能出現(xiàn)的異常狀況進(jìn)行預(yù)測。從這個(gè)意義上講，這款產(chǎn)品內(nèi)部所集成的應(yīng)用模型選項(xiàng)和預(yù)測分析算法自然就顯得十分重要。

這套算法模型的維護(hù)更新和持續(xù)迭代，恰恰是其價(jià)值所在。按照官宣的說法，最終用戶甚至不再需要數(shù)據(jù)科學(xué)家。

今后的現(xiàn)場數(shù)據(jù)分析就像處理“文字問題”一樣簡便。

以目前的信息看，LogixAI現(xiàn)已支持的應(yīng)用模型主要有泵、鍋爐、發(fā)電機(jī)以及一些自定義變量的閾值報(bào)警。

第二款產(chǎn)品是已經(jīng)上市的Sysmac AI控制器，在異常檢測的算法上使用“孤立森林”（Isolation Forest）機(jī)器學(xué)習(xí)引擎開發(fā)。

這個(gè)算法對(duì)內(nèi)存要求很低，且處理速度很快，其時(shí)間復(fù)雜度也是線性的，非常適合高速實(shí)時(shí)處理，可以通過微調(diào)提高檢測精度和準(zhǔn)確性。同時(shí)，該算法還適用于多模態(tài)數(shù)據(jù)，可用于需要兩種或多種操作模式的高度混合的產(chǎn)線。

目前，Sysmac AI邊緣控制器的預(yù)測性維護(hù)能力主要是面向氣缸、滾珠絲杠和傳送帶、同步輪...等機(jī)械傳動(dòng)部件。

最后的一款是SimaticS7-1500神經(jīng)處理器。它使用英特爾MovidiusMyriad X 視覺處理器VPU，能夠?qū)崿F(xiàn)神經(jīng)網(wǎng)絡(luò)的高效處理。新模塊配有USB 3.1接口和千兆以太網(wǎng)端口，通過SD卡獲得訓(xùn)練過的神經(jīng)系統(tǒng)中的功能。

傳感器的數(shù)據(jù)和來自CPU程序的數(shù)據(jù)，在神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行處理。借助機(jī)器學(xué)習(xí)算法，諸如生產(chǎn)工廠的視覺質(zhì)量檢驗(yàn)或圖像引導(dǎo)的機(jī)器人系統(tǒng)等應(yīng)用將得以有效實(shí)現(xiàn)。

SimaticS7-1500 NPU的優(yōu)勢體現(xiàn)在分揀/放置應(yīng)用場景里，它可以助力移動(dòng)機(jī)器人識(shí)別、分揀并放置隨意擺放在箱子中的部件。此外，它在質(zhì)檢方面也將帶來附加價(jià)值，例如利用聯(lián)網(wǎng)攝像頭所采集的圖像或數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行不斷訓(xùn)練，模塊將像專家一樣具備判斷產(chǎn)品或工藝一致性、顏色和質(zhì)量參數(shù)的知識(shí)。

正確的事往往都不那么容易。

上述這些預(yù)測性分析與數(shù)據(jù)決策產(chǎn)品目前仍處于比較早期的市場培育階段?，F(xiàn)階段它們似乎更適合在生產(chǎn)品質(zhì)管理、重點(diǎn)設(shè)備的預(yù)測性維護(hù)...等一些與經(jīng)濟(jì)效益密切相關(guān)的場景中使用。

雖然在現(xiàn)有的高可靠性產(chǎn)品上，增加人工智能算法和數(shù)據(jù)能力，已經(jīng)看似完成了80%的工作，但最終完成從數(shù)據(jù)到?jīng)Q策的過程，還需要付出80%的努力才行。畢竟這些邊緣側(cè)的軟硬件一體化方案，觸發(fā)的商業(yè)模式變革將是深層次的：

首先，工業(yè)互聯(lián)網(wǎng)廠商與最終用戶之間不再是簡單的買賣關(guān)系，而是共同完成新方案的探索與應(yīng)用。過程中可能還會(huì)涉及復(fù)雜的數(shù)據(jù)共用和知識(shí)產(chǎn)權(quán)共享等問題，開放的心態(tài)不可或缺。

其次，在商業(yè)模式轉(zhuǎn)型的過程中，工業(yè)互聯(lián)網(wǎng)企業(yè)將會(huì)涉及到從賣硬件到賣軟硬件一體化系統(tǒng)、從賣產(chǎn)品到賣服務(wù)，從一次性銷售到長期運(yùn)營的轉(zhuǎn)變。售前咨詢的能力和項(xiàng)目運(yùn)營的本領(lǐng)都要經(jīng)受非一般的考驗(yàn)。

最后，工業(yè)互聯(lián)網(wǎng)廠商和最終用戶是否能夠共同將蛋糕做大，把IIoT創(chuàng)造的收益鎖定在企業(yè)內(nèi)部，而不是引發(fā)新一輪的低價(jià)競爭？單個(gè)設(shè)備與單一產(chǎn)線的數(shù)據(jù)分析，是否能夠與周邊配套環(huán)節(jié)打通，提升整個(gè)企業(yè)的決策效率并持續(xù)進(jìn)化，實(shí)現(xiàn)對(duì)客戶需求的快速響應(yīng)？這些課題都要通過實(shí)戰(zhàn)求解。