工业互联网平台白皮书

编写说明

工业互联网平台作为工业全要素链接的枢纽与工业资源配

置的核心，在工业互联网体系架构中具有至关重要的地位。近期，

国务院《深化"互联网+先进制造业"发展工业互联网的指导意

见》明确将构建网络、平台、安全三大功能体系作为其重点任务。

在工业和信息化部信息化和软件服务业司的指导下，工业互联网

产业联盟组织编写了《工业互联网平台白皮书》，希望加强研究

与交流，与业界共同推动工业互联网平台发展。

白皮书主要分为五个部分。第一部分重点提出了工业互联网

平台的体系架构与关键要素，明确了工业互联网平台是什么，有

哪些功能和作用。第二部分提出了工业互联网平台的技术体系，

并重点对平台层、边缘层与应用层的主要技术创新趋势进行了探

讨。第三部分明确了工业互联网平台的产业体系，提出当前平台

布局的四种路径，以及平台与应用生态构建的主要模式。第四部

分提出了工业互联网平台的主要应用场景及案例。第五部分则重

点面向平台企业，提出了平台发展的相关建议。

白皮书编写过程中得到了联盟成员及国内外众多平台企业

的大力支持。相关企业不仅结合自身平台发展情况，从平台功能

与应用案例等方面给予了大量素材支持，更是进行了多次现场调

研和探讨，为白皮书观点的形成与落地提供了有力支撑。

白皮书编写过程中获得了众多专家的指导与帮助。特别感谢

工信部信息化和软件服务业司谢少锋司长、安筱鹏副司长对白皮

书的全面指导。同时，清华大学访问学者郭朝晖、走向智能研究

院执行院长赵敏、国务院发展研究中心研究员李广乾、e-works

数字化企业网总编黄培、走向智能研究院执行秘书长苏明灯、工

业 4.0 研究院副院长王明芬等专家在白皮书成稿过程中也提出

了许多建设性意见，在此一并致谢。

工业互联网平台的发展总体还处于起步阶段，当前我们对工

业互联网平台的认识也还是初步和阶段性的，后续我们将根据工

业互联网平台的发展情况和来自各界的反馈意见，在持续深入研

究的基础上适时修订和发布新版报告。

指导单位：工业和信息化部信息化和软件服务业司

组织单位：工业互联网产业联盟

编写单位：中国信息通信研究院、航天云网科技发展有限责

任公司、树根互联技术有限公司、海尔工业智能研究院、中国电

信集团公司、华为技术有限公司、清华大学、北京和利时智能技

术有限公司、用友网络科技股份有限公司、索为系统公司、东方

国信科技股份有限公司、中国船舶工业系统工程研究院、北京工

业大数据创新中心、寄云科技、普奥云信息科技（北京）有限公

司、中国移动集团公司、石化盈科信息技术有限责任公司、浪潮

集团有限公司、阿里云计算有限公司、360企业安全集团、上海

宝信软件股份有限公司、深圳美云智数科技有限公司、机智云、

富士康科技集团、通用电气数字化集团、参数技术（上海）软件

有限公司、ABB(中国)有限公司、施耐德电气（中国）有限公司、

西门子（中国）有限公司

I

把握工业互联网平台发展的战略机遇

工业互联网是新一代信息通信技术与现代工业技术深

度融合的产物，是制造业数字化、网络化、智能化的重要载

体，也是全球新一轮产业竞争的制高点。党的十九大报告指

出，"加快建设制造强国，加快发展先进制造业，推动互联网、

大数据、人工智能和实体经济深度融合。"2017 年 10 月 30

日，国务院常务会审议通过《深化"互联网+先进制造业"发

展工业互联网的指导意见》，促进实体经济振兴，加快转型升

级。工业互联网通过构建连接机器、物料、人、信息系统的

基础网络，实现工业数据的全面感知、动态传输、实时分析，

形成科学决策与智能控制，提高制造资源配置效率，正成为

领军企业竞争的新赛道、全球产业布局的新方向、制造大国

竞争的新焦点。 作为工业互联网三大要素，工业互联网平台

是工业全要素链接的枢纽，是工业资源配置的核心，对于振

兴我国实体经济、推动制造业向中高端迈进具有重要意义。

工业互联网平台是面向制造业数字化、网络化、智能化

需求，构建基于海量数据采集、汇聚、分析的服务体系，支

撑制造资源泛在连接、弹性供给、高效配置的工业云平台。

其本质是通过构建精准、实时、高效的数据采集互联体系，

建立面向工业大数据存储、集成、访问、分析、管理的开发

II

环境，实现工业技术、经验、知识的模型化、标准化、软件

化、复用化，不断优化研发设计、生产制造、运营管理等资

源配置效率，形成资源富集、多方参与、合作共赢、协同演

进的制造业新生态。关于工业互联网平台有四个定位：

第一，工业互联网平台是传统工业云平台的迭代升级。

从工业云平台到工业互联网平台演进包括成本驱动导向、集

成应用导向、能力交易导向、创新引领导向、生态构建导向

五个阶段，工业互联网平台在传统工业云平台的软件工具共

享、业务系统集成基础上，叠加了制造能力开放、知识经验

复用与开发者集聚的功能，大幅提升工业知识生产、传播、

利用效率，形成海量开放 APP应用与工业用户之间相互促进、

双向迭代的生态体系。第二，工业互联网平台是新工业体系

的"操作系统"。工业互联网的兴起与发展将打破原有封闭、

隔离又固化的工业系统，扁平、灵活而高效的组织架构将成

为新工业体系的基本形态。工业互联网平台依托高效的设备

集成模块、强大的数据处理引擎、开放的开发环境工具、组

件化的工业知识微服务，向下对接海量工业装备、仪器、产

品，向上支撑工业智能化应用的快速开发与部署，发挥着类

似于微软 Windows、谷歌 Android 系统和苹果 iOS 系统的重

要作用，支撑构建了基于软件定义的高度灵活与智能的工业

体系。第三，工业互联网平台是资源集聚共享的有效载体。

工业互联网平台将信息流、资金流、人才创意、制造工具和

III

制造能力在云端汇聚，将工业企业、信息通信企业、互联网

企业、第三方开发者等主体在云端集聚，将数据科学、工业

科学、管理科学、信息科学、计算机科学在云端融合，推动

资源、主体、知识集聚共享，形成社会化的协同生产方式和

组织模式。第四，工业互联网平台是打造制造企业竞争新优

势的关键抓手。当前，GE、西门子等国际领军企业围绕"智

能机器+云平台+工业 APP"功能架构，整合"平台提供商+应

用开发者+海量用户"等生态资源，抢占工业数据入口主导

权、培育海量开发者、提升用户粘性，不断建立、巩固和强

化以平台为载体、以数据为驱动的工业智能化新优势，抢占

新工业革命的制高点。

说得形象一点，工业互联网平台是两化融合的"三明治"

版。第一，底层是由信息技术企业主导建设的云基础设施

IaaS层，在这一领域，我国与发达国家处在同一起跑线，阿

里、腾讯、华为等云计算基础设施已达到国际先进水平。第

二，中间层是由工业企业主导建设的工业 PaaS层，其核心是

将工业技术、知识、经验、模型等工业原理封装成微服务功

能模块，供工业 APP 开发者调用，因此工业 PaaS 的建设者

多为了解行业本身的工业企业，如 GE、西门子、PTC 以及我

国的航天科工、三一重工、海尔集团均是基于通用 PaaS进行

二次开发，支持容器技术、新型 API 技术、大数据及机器学

习技术，构建了灵活开放与高性能分析的工业 PaaS 产品。第

IV

三，最上层是由互联网企业、工业企业、众多开发者等多方

主体参与应用开发的工业 APP 层，其核心是面向特定行业、

特定场景开发在线监测、运营优化和预测性维护等具体应用

服务。

对于工业互联网平台，可以用三句话来概括：

第一句，数据采集是基础。其本质是利用泛在感知技术

对多源设备、异构系统、运营环境、人等要素信息进行实时

高效采集和云端汇聚。当前数据采集面临的突出问题是，受

制于传感器部署不足、装备智能化水平低，工业现场存在数

据采集数量不足、类型较少、精度不高等问题，无法支撑实

时分析、智能优化和科学决策。无论是跨国公司，还是国内

平台企业，都把数据采集体系建设和解决方案能力建设作为

工业互联网平台建设的基础：一方面通过构建一套能够兼容、

转换多种协议的技术产品体系，实现工业数据互联互通互操

作，另一方面通过部署边缘计算模块，实现数据在生产现场

的轻量级运算和实时分析，缓解数据向云端传输、存储和计

算压力。

第二句，工业 PaaS 是核心。其本质是在现有成熟的 IaaS

（基础设施即服务）平台上构建一个可扩展的操作系统，为

工业应用软件开发提供一个基础平台。工业 PaaS 面临的突

出问题是开发工具不足、行业算法和模型库缺失、模块化组

件化能力较弱，现有通用 PaaS 平台尚不能完全满足工业级

V

应用需要。当前，工业 PaaS建设的总体思路是，通过对通用

PaaS平台的深度改造，构造满足工业实时、可靠、安全需求

的云平台，将大量工业技术原理、行业知识、基础模型规则

化、软件化、模块化，并封装为可重复使用和灵活调用的微

服务，降低应用程序开发门槛和开发成本，提高开发、测试、

部署效率，为海量开发者汇聚、开放社区建设提供支撑和保

障。工业 PaaS 是当前领军企业布局的重点，是平台核心能力

的集中体现，也是当前生态竞争的焦点。

第三句，工业 APP 是关键。主要表现为面向特定工业应

用场景，激发全社会资源推动工业技术、经验、知识和最佳

实践的模型化、软件化、再封装（即工业 APP），用户通过对

工业 APP 的调用实现对特定制造资源的优化配置。工业 APP

面临的突出问题是，传统的生产管理软件云化步伐缓慢，专

业的工业 APP应用较少，应用开发者数量有限，商业模式尚

未形成。工业 APP 发展的总体思路是，一方面，传统的 CAx、

ERP、MES等研发设计工具和运营管理软件加快云化改造，基

于工业 PaaS 实现了云端部署、集成与应用，满足企业分布式

管理和远程协作的需要；另一方面，围绕多行业、多领域、

多场景的云应用需求，大量开发者通过对工业 PaaS 层微服

务的调用、组合、封装和二次开发，开发形成面向特定行业

特定场景的工业 APP。

从全球工业互联网平台发展的总体情况来看，技术体系

VI

初步形成，产业生态逐渐成熟，应用场景日趋丰富。在技术

体系方面，数据集成和边缘处理技术、IaaS 技术、平台通用

使能技术、工业数据建模和分析技术、工业大数据计算技术、

应用开发和微服务技术、平台安全技术共同构成了工业互联

网平台的技术体系，边缘数据集成处理、通用平台二次开发、

工业机理与大数据融合、微服务组件调用是当前工业互联网

平台构建的主要方式。在产业生态方面，五大支撑、四大主

体、两类用户共同构成了工业互联网平台的产业体系，工业

企业、信息技术企业、垂直领域企业、软件企业、互联网企

业结合自身优势从不同路径开展平台产业布局，基于平台提

供开发环境、工业知识积累、微服务组件、大数据分析引擎，

成为跨界企业与第三方开发者共同构建平台产业生态的关

键支撑。在应用场景方面，工业现场的生产过程优化、企业

管理的运营决策优化、企业间协同的资源配置优化、产品全

生命周期的管理服务优化是工业互联网平台的四大典型应

用，平台的应用领域正从单个设备、单个工艺、单个企业向

全要素、全产业链、全生命周期领域拓展，带动传统产业实

现智能化转变。

当前，全球领先企业工业互联网平台正处于规模化扩张

的关键期，而我国工业互联网建设仍处于起步阶段，发展基

础和能力薄弱，跨行业、跨领域的综合性平台尚未形成，面

向特定行业特定领域的企业级平台影响力不强，亟需加强统

VII

筹协调，充分发挥政府、企业、研究机构等各方合力，把握

全球工业互联网平台市场格局、技术标准未定的战略窗口期，

抢占基于工业互联网平台的制造业生态发展主动权和话语

权，打造新型工业体系，加快形成培育经济增长新动能。下

一步，要从"供给侧"和"需求侧"两端发力，坚持"建平

台"与"用平台"双轮驱动，培育一批跨行业、跨领域的综

合能力平台和解决企业数字化、网络化、智能化发展需求的

企业级平台，开展工业互联网平台技术验证与测试评估，组

织实施百万工业企业上云和百万工业 APP 培育工程。要坚持

"补短板"与"建生态"相互协调，实施工业技术软件化工

程，促进软件技术与工业技术深度融合，构建工业互联网的

产业支撑体系。要坚持"保安全"与"促发展"相互促进，

加快形成发展工业互联网的安全保障体系。

工业互联网平台是推动制造业与互联网融合发展的重

要抓手，基于工业互联网平台的制造业生态正成为产业竞争

的"风口"，发展的机遇稍纵即逝，需要在技术研发、标准研

制和产业应用等方面尽早部署。为此，我司指导中国信息通

信研究院，联合国内相关单位，编撰形成了《工业互联网平

台白皮书（2017）》。本白皮书在编写过程中集众人之智、采

众家之长，是对新形势下工业互联网平台技术演进、产业发

展和应用模式的阶段性提炼和总结。下一步，要围绕工业互

联网平台培育、测试验证、能力评估及标准体系建设等方面，

VIII

统筹开展工作。希望能够通过白皮书为相关人员提供参考，

通过社会各界共同努力，为我国工业互联网平台的发展贡献

一份力量，共同推动我国工业互联网平台产业进步、应用繁

荣。

是为序。

安筱鹏

2017 年 11 月 18日

IX

目 录

一、工业互联网平台的内涵 ............................. 1

（一）工业互联网平台发展背景 ......................... 1

（二）工业互联网平台体系架构 ......................... 3

（三）工业互联网平台核心作用 ......................... 5

二、工业互联网平台技术体系 ........................... 7

（一）工业互联网平台七大核心技术交织融合 ............. 7

（二）平台架构，PaaS以其开放灵活特性成为主流选择 ... 11

（三）应用创新，工业机理与数据科学走向融合 .......... 13

（四）功能下沉，边缘与云端协同成为平台重要发展方向 .. 15

（五）开发框架，微服务等新型架构大幅降低开发难度与创新

成本 ................................................ 17

三、工业互联网平台产业生态 .......................... 19

（一）四类平台企业、五大支撑主体、两类平台用户共同构筑

平台产业体系 ........................................ 19

（二）企业从自身优势出发加快平台布局，形成四种路径 .. 21

（三）开放合作与封闭自建并举，多种方式开展平台构建 .. 25

（四）应用创新生态打造已成为平台发展关键 ............ 26

四、工业互联网平台应用场景 .......................... 29

X

（一）平台应用由单点智能向全局智能、由状态监测向复杂分

析演进 .............................................. 29

（二）工业互联网平台当前总体应用于四大场景 .......... 32

五、工业互联网平台发展建议 .......................... 38

（一）充分利用现有成熟技术，快速构建平台 ............ 38

（二）强化工业知识积累与分析能力，增强平台核心竞争力 38

（三）注重开放创新，打造平台应用生态 ................ 38

（四）聚焦优势领域，实现平台差异化发展 .............. 39

（五）构建标准体系，促进互联互通 .................... 39

（六）确保安全可靠，推动可信发展 .................... 40

XI

工业互联网平台介绍及案例目录

航天云网-INDICS平台 ................................ 43

树根互联-根云平台 ................................... 45

海尔-COSMOPlat平台 ................................. 47

中国电信-CPS平台 ................................... 49

华为-OceanConnect IoT 平台 .......................... 51

和利时-HiaCloud平台 ................................ 53

用友-精智丨用友工业互联网平台 ....................... 55

索为-SYSWARE平台 ................................... 57

东方国信-BIOP平台 .................................. 59

中船工业-船舶工业智能运营平台 ....................... 61

寄云-NeuSeer平台 ................................... 63

普奥云-ProudThink 平台 .............................. 65

中国移动-OneNET平台 ................................ 67

石化盈科-ProMACE 平台 ............................... 69

浪潮-浪潮工业互联网平台 ............................. 71

阿里巴巴-阿里云 ET工业大脑平台 ...................... 73

宝信-宝信工业互联网平台 ............................. 75

XII

智能云科- iSESOL 平台 ............................... 77

美云智数-MeiCloud 平台 .............................. 79

机智云-Gizwits IOT Enterprise 平台 .................. 81

富士康-BEACON平台 .................................. 83

GE-Predix平台 ...................................... 85

PTC-ThingWorx平台 .................................. 87

ABB-ABB Ability 平台 ................................ 89

施耐德-EcoStruxure 平台 ............................. 91

西门子-MindSphere 平台 .............................. 93

1

一、工业互联网平台的内涵

（一）工业互联网平台发展背景

1.制造业变革与数字经济发展实现历史性交汇

金融危机后，全球新一轮产业变革蓬勃兴起，制造业重新成

为全球经济发展的焦点。世界主要发达国家采取了一系列重大举

措推动制造业转型升级，德国依托雄厚的自动化基础，推进工业

4.0。美国在实施先进制造战略的同时，大力发展工业互联网。

法、日、韩、瑞典等国也纷纷推出制造业振兴计划。各国新型制

造战略的核心都是通过构建新型生产方式与发展模式，推动传统

制造业转型升级，重塑制造强国新优势。与此同时，数字经济浪

潮席卷全球，驱动传统产业加速变革。特别是以互联网为代表的

信息通信技术的发展极大地改变了人们的生活方式，构筑了新的

产业体系，并通过技术和模式创新不断渗透影响实体经济领域，

为传统产业变革带来巨大机遇。伴随制造业变革与数字经济浪潮

交汇融合，云计算、物联网、大数据等信息技术与制造技术、工

业知识的集成创新不断加剧，工业互联网平台应运而生。

2.制造业智能化对平台工具提出新需求

当前制造业正处在由数字化、网络化向智能化发展的重要阶

段，其核心是基于海量工业数据的全面感知，通过端到端的数据

深度集成与建模分析，实现智能化的决策与控制指令，形成智能

2

化生产、网络化协同、个性化定制、服务化延伸等新型制造模式。

这一背景下，传统数字化工具已经无法满足需求。一是工业数据

的爆发式增长需要新的数据管理工具。随着工业系统由物理空间

向信息空间、从可见世界向不可见世界延伸，工业数据采集范围

不断扩大，数据的类型和规模都呈指数级增长，需要一个全新数

据管理工具，实现海量数据低成本、高可靠的存储和管理。二是

企业智能化决策需要新的应用创新载体。数据的丰富为制造企业

开展更加精细化和精准化管理创造了前提，但工业场景高度复杂，

行业知识千差万别，传统由少数大型企业驱动的应用创新模式难

以满足不同企业的差异化需求，迫切需要一个开放的应用创新载

体，通过工业数据、工业知识与平台功能的开放调用，降低应用

创新门槛，实现智能化应用的爆发式增长。三是新型制造模式需

要新的业务交互手段。为快速响应市场变化，制造企业间在设计、

生产等领域的并行组织与资源协同日益频繁，要求企业设计、生

产和管理系统都要更好支持与其他企业的业务交互，这就需要一

个新的交互工具，实现不同主体、不同系统间的高效集成。海量

数据管理、工业应用创新与深度业务协同，是工业互联网平台快

速发展的主要驱动力量。

3.信息技术加速渗透并深刻影响制造业发展模式

新型信息技术重塑制造业数字化基础。云计算为制造企业带

来更灵活、更经济、更可靠的数据存储和软件运行环境，物联网

帮助制造企业有效收集设备、产线和生产现场成千上万种不同类

3

型的数据，人工智能强化了制造企业的数据洞察能力，实现智能

化的管理和控制，这些都是推动制造企业数字化转型的新基础。

开放互联网理念变革传统制造模式。通过网络化平台组织生产经

营活动，制造企业能够实现资源快速整合利用，低成本快速响应

市场需求，催生个性化定制、网络化协同等新模式新业态。平台

经济不断创新商业模式。信息技术与制造技术的融合带动信息经

济、知识经济、分享经济等新经济模式加速向工业领域渗透，培

育增长新动能。互联网技术、理念和商业模式成为构建工业互联

网平台的重要方式。

（二）工业互联网平台体系架构

工业互联网平台是面向制造业数字化、网络化、智能化需求，

构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源

泛在连接、弹性供给、高效配置的工业云平台，包括边缘、平台

（工业 PaaS）、应用三大核心层级。可以认为，工业互联网平台

是工业云平台的延伸发展，其本质是在传统云平台的基础上叠加

物联网、大数据、人工智能等新兴技术，构建更精准、实时、高

效的数据采集体系，建设包括存储、集成、访问、分析、管理功

能的使能平台，实现工业技术、经验、知识模型化、软件化、复

用化，以工业 APP的形式为制造企业各类创新应用，最终形成资

源富集、多方参与、合作共赢、协同演进的制造业生态。

4

图 1：工业互联网平台功能架构图

第一层是边缘，通过大范围、深层次的数据采集，以及异构

数据的协议转换与边缘处理，构建工业互联网平台的数据基础。

一是通过各类通信手段接入不同设备、系统和产品，采集海量数

据；二是依托协议转换技术实现多源异构数据的归一化和边缘集

成；三是利用边缘计算设备实现底层数据的汇聚处理，并实现数

据向云端平台的集成。

第二层是平台，基于通用 PaaS 叠加大数据处理、工业数据

分析、工业微服务等创新功能，构建可扩展的开放式云操作系统。

一是提供工业数据管理能力，将数据科学与工业机理结合，帮助

制造企业构建工业数据分析能力，实现数据价值挖掘；二是把技

术、知识、经验等资源固化为可移植、可复用的工业微服务组件

库，供开发者调用；三是构建应用开发环境，借助微服务组件和

边缘层

云基础设施（服务器、存储、网络、虚拟化）IaaS层

工业安全防护

应用开发（开发工具、微服务框架）

工业微服务组件库（工业知识组件、算法组件、原理模型组件）

工业大数据系统（工业数据清洗、管理、分析、可视化等）

通用PaaS平台资源部署和管理

设备管理 资源管理 运维管理 故障恢复

工业数据建模和分析（机理建模、机器学习、可视化）

设备接入 协议解析 边缘数据处理

消费者 供应链 协作企业 开发者

应用创新

设备状态分析

供应链分析

能耗分析优化

… …

业务运行

设计APP

生产APP

管理APP

服务APP

应用层（工业SaaS）

平台层

（工业PaaS）

5

工业应用开发工具，帮助用户快速构建定制化的工业 APP。

第三层是应用，形成满足不同行业、不同场景的工业 SaaS和

工业 APP，形成工业互联网平台的最终价值。一是提供了设计、

生产、管理、服务等一系列创新性业务应用。二是构建了良好的

工业 APP创新环境，使开发者基于平台数据及微服务功能实现应

用创新。

除此之外，工业互联网平台还包括 IaaS 基础设施，以及涵

盖整个工业系统的安全管理体系，这些构成了工业互联网平台的

基础支撑和重要保障。

泛在连接、云化服务、知识积累、应用创新是辨识工业互联

网平台的四大特征。一是泛在连接，具备对设备、软件、人员等

各类生产要素数据的全面采集能力。二是云化服务，实现基于云

计算架构的海量数据存储、管理和计算。三是知识积累，能够提

供基于工业知识机理的数据分析能力，并实现知识的固化、积累

和复用。四是应用创新，能够调用平台功能及资源，提供开放的

工业 APP开发环境，实现工业 APP创新应用。

（三）工业互联网平台核心作用

工业互联网平台能够有效集成海量工业设备与系统数据，实

现业务与资源的智能管理，促进知识和经验的积累和传承，驱动

应用和服务的开放创新。可以认为，工业互联网平台是新型制造

系统的数字化神经中枢，在制造企业转型中发挥核心支撑作用。

当前来看，工业互联网平台已成为企业智能化转型重要抓手。

6

一是帮助企业实现智能化生产和管理。通过对生产现场"人机料

法环"各类数据的全面采集和深度分析，能够发现导致生产瓶颈

与产品缺陷的深层次原因，不断提高生产效率及产品质量。基于

现场数据与企业计划资源、运营管理等数据的综合分析，能够实

现更精准的供应链管理和财务管理，降低企业运营成本。二是帮

助企业实现生产方式和商业模式创新。企业通过平台可以实现对

产品售后使用环节的数据打通，提供设备健康管理、产品增值服

务等新型业务模式，实现从卖产品到卖服务的转变，实现价值提

升。基于平台还可以与用户进行更加充分的交互，了解用户个性

化需求，并有效组织生产资源，依靠个性化产品实现更高利润水

平。此外，不同企业还可以基于平台开展信息交互，实现跨企业、

跨区域、跨行业的资源和能力集聚，打造更高效的协同设计、协

同制造，协同服务体系。

未来，工业互联网平台可能催生新的产业体系。如同移动互

联网平台创造了应用开发、应用分发、线上线下等一系列新的产

业环节和价值，当前工业互联网平台在应用创新、产融结合等方

面已显现出类似端倪，未来也有望发展成为一个全新的产业体系，

促进形成大众创业、万众创新的多层次发展环境，真正实现"互

联网+先进制造业"。

7

二、工业互联网平台技术体系

（一）工业互联网平台七大核心技术交织融合

工业互联网平台需要解决多类工业设备接入、多源工业数据

集成、海量数据管理与处理、工业数据建模分析、工业应用创新

与集成、工业知识积累迭代实现等一系列问题，涉及七大类关键

技术，分别为数据集成和边缘处理技术、IaaS技术、平台使能技

术、数据管理技术、应用开发和微服务技术、工业数据建模与分

析技术、安全技术。

图 2：工业互联网平台关键技术体系图

1.数据集成与边缘处理技术

设备接入：基于工业以太网、工业总线等工业通信协议，以

太网、光纤等通用协议，3G/4G、NB-IOT等无线协议将工业现场

8

设备接入到平台边缘层。

协议转换：一方面运用协议解析、中间件等技术兼容 ModBus、

OPC、CAN、Profibus 等各类工业通信协议和软件通信接口，实现

数据格式转换和统一。另一方面利用 HTTP、MQTT 等方式从边缘

侧将采集到的数据传输到云端，实现数据的远程接入。

边缘数据处理：基于高性能计算芯片、实时操作系统、边缘

分析算法等技术支撑，在靠近设备或数据源头的网络边缘侧进行

数据预处理、存储以及智能分析应用，提升操作响应灵敏度、消

除网络堵塞，并与云端分析形成协同。

2.IaaS技术

基于虚拟化、分布式存储、并行计算、负载调度等技术，实

现网络、计算、存储等计算机资源的池化管理，根据需求进行弹

性分配，并确保资源使用的安全与隔离，为用户提供完善的云基

础设施服务。

3.平台使能技术

资源调度：通过实时监控云端应用的业务量动态变化，结合

相应的调度算法为应用程序分配相应的底层资源，从而使云端应

用可以自动适应业务量的变化。

多租户管理：通过虚拟化、数据库隔离、容器等技术实现不

同租户应用和服务的隔离，保护其隐私与安全。

4.数据管理技术

数据处理框架：借助 Hadoop、Spark、Storm 等分布式处理

9

架构，满足海量数据的批处理和流处理计算需求。

数据预处理：运用数据冗余剔除、异常检测、归一化等方法

对原始数据进行清洗，为后续存储、管理与分析提供高质量数据

来源。

数据存储与管理：通过分布式文件系统、NoSQL数据库、关

系数据库、时序数据库等不同的数据管理引擎实现海量工业数据

的分区选择、存储、编目与索引等。

5.应用开发和微服务技术

多语言与工具支持：支持 Java,Ruby和 PHP等多种语言编译

环境，并提供 Eclipse integration，JBoss Developer Studio、

git 和 Jenkins 等各类开发工具，构建高效便捷的集成开发环

境。

微服务架构：提供涵盖服务注册、发现、通信、调用的管理

机制和运行环境，支撑基于微型服务单元集成的"松耦合"应用

开发和部署。

图形化编程：通过类似 Labview的图形化编程工具，简化开

发流程，支持用户采用拖拽方式进行应用创建、测试、扩展等。

6.工业数据建模与分析技术

数据分析算法：运用数学统计、机器学习及最新的人工智能

算法实现面向历史数据、实时数据、时序数据的聚类、关联和预

测分析。

机理建模：利用机械、电子、物理、化学等领域专业知识，

10

结合工业生产实践经验，基于已知工业机理构建各类模型，实现

分析应用。

7.安全技术

数据接入安全：通过工业防火墙技术、工业网闸技术、加密

隧道传输技术，防止数据泄漏、被侦听或篡改，保障数据在源头

和传输过程中安全。

平台安全：通过平台入侵实时检测、网络安全防御系统、恶

意代码防护、网站威胁防护、网页防篡改等技术实现工业互联网

平台的代码安全、应用安全、数据安全、网站安全。

访问安全：通过建立统一的访问机制，限制用户的访问权限

和所能使用的计算资源和网络资源实现对云平台重要资源的访

问控制和管理, 防止非法访问。

在上述七大类技术中，通用平台使能技术、工业数据建模与

分析技术、数据集成与边缘处理技术、应用开发和微服务技术正

快速发展，对工业互联网平台的构建和发展产生深远影响。在平

台层，PaaS技术、新型集成技术和容器技术正加速改变信息系统

的构建和组织方式。在边缘层，边缘计算技术极大的拓展了平台

收集和管理数据的范围和能力。在应用层，微服务等新型开发框

架驱动工业软件开发方式不断变革，而工业机理与数据科学深度

融合则正在引发工业应用的创新浪潮。

11

（二）平台架构，PaaS 以其开放灵活特性成为主流选择

1.基于通用 PaaS 的二次开发成为工业 PaaS 主要构建方式

PaaS 能够为上层工业 APP 开发屏蔽设备连接、软件集成与

部署、计算资源调度的复杂性，大部分领先平台都依托通用 PaaS

向用户提供服务。例如 GE Predix 基于对 Cloud Foundry 的二

次开发支持 Spring、.NET等开发框架，提供 PostgreSQL、SQL

Server、Redis以及来自第三方和开源社区的应用服务，还包括

GitHub代码库、Node.js、Bower 包管理器、Gulp、SASS、 Web

Component Tester 等多种开发工具，以便支持开发人员快速实

现应用的开发与部署。其他主流平台也均采取类似策略，IBM

Bluemix、西门子 MindSphere、BoschIoT Suite、航天云网 INDICS

等平台均基于 Cloud Foundry 搭建，树根互联根云 RootCloud、

海尔COSMOPlat平台、寄云科技NeuSeer平台则分别基于docker、

Openshift等进行构建。

2.新型集成技术成为平台能力开放的重要手段

借助 REST API等一系列 Web API技术，大部分工业互联网

平台中的设备、软件和服务通过 JSON、XML等统一格式实现不同

业务系统的信息交互和调度管理，为企业内外协同、云端协同、

能力开放、知识共享奠定基础。新型 API技术为多源异构系统的

快速集成提供有效支撑，实现边缘设备与云端的集成、传统工业

软件与云端的集成、平台内部不同软件和功能的集成。目前，Ayla、

12

Intel IoT、Zatar、Xively、Eurotech等平台更是以 REST协议

为核心手段实现设备、应用程序、后端系统的全要素集成，此外，

Predix、ThingWorx、Watson IoT等绝大部分平台也都集成了 REST

API技术。基于 API 技术的能力开放是平台发展的重点方向。发

那科 FIELDsystem 平台目前已经 200多家公司开放 API，支持用

户灵活调用平台的相关服务来开发个性化应用。Predix 基于

REST API 技术提供资产管理和位置控制的微服务，基于区块链

技术提供数据完整性验证 API，基于大数据技术提供数据统计分

析 API。IBM Watson IOT平台基于 REST API技术为工业应用提

供连接、认知分析、实时分析、信息管理和风险管理等功能。

3.容器技术支撑平台及应用的灵活部署

通过引入容器和无服务器计算等新型架构，能够实现平台和

工业应用的灵活部署和快速迭代，以适应工业场景中海量个性化

开发需求。容器技术简化了硬件资源配置的复杂性，一方面实现

了平台中服务和应用的灵活部署。例如 IBM 将 Watson IOT平台

中的采集服务和 Watson Service平台中的分析服务以容器形式

封装后，可以实现图形化的快速应用构建。GE Predix平台中训

练形成的智能模型，利用容器技术可以直接部署在 Predix

Machine设备上。另一方面，容器技术实现了平台自身的快速部

署。例如 PTC ThingWorx平台 2017年 6月发布的 8.0版本增加

了基于 Docker 的部署方式，支持平台在不同公有云、私有云、

混合云等多种基础设施上的快速构建和灵活迁移。SAP在 docker

13

store中提供 HANA 的应用速成（express）版，打包内存计算引

擎和数据分析算法，使应用开发者可以在本地或云端快速开发基

于 HANA平台的数据分析应用和软件。

（三）应用创新，工业机理与数据科学走向融合

1.对工业机理的深入理解是工业数据分析的重要前提

在长期工业发展过程中，工业企业面向不同行业、不同场景、

不同学科积累了大量经验与知识，这些工业机理的理解和提炼能

够对生产现象进行精准描述和有效分析，对传统工业生产和管理

的优化起到重要作用。随着新型数据科学的兴起，这些工业机理

又能够有效指导数据分析过程中的参数选择和算法选择，使其更

加贴合工业生产特点。因此，以 GE、西门子、博世等工业巨头均

将自身工业经验知识进行提炼和封装，作为其工业互联网平台的

核心能力与竞争优势。例如，GE公司将以往由工程师智囊团完成

的飞行数据分析工作"搬上"Predix 平台，专家在 Predix平台

的帮助下构建一个检测程序来根据航程的长短自动对比飞机起

飞前后发动机滑油量，实现滑油消耗的提前告警和运维，从而将

其航空发动机领域的专业知识和经验转化为平台上面向用户特

殊应用需求的专业服务能力。

2.大数据、机器学习技术驱动工业数据分析能力跨越式提升

工业互联网带来工业数据的爆发式增长，传统数学统计与拟

合方法难以满足海量数据的深度挖掘，大数据与机器学习方法正

14

在成为众多工业互联网平台的标准配置。Spark、Hadoop、Storm

等大数据框架被广泛应用于海量数据的批处理和流处理，决策树、

贝叶斯、支持向量机等各类机器学习算法，尤其是以深度学习、

迁移学习、强化学习为代表的人工智能算法，正成为工业互联网

平台解决各领域诊断、预测与优化问题的得力工具。例如，IBM

公司将人工智能系统 Watson 引入 Bluemix 中打造出具备

"AI+IoT"特色的 Watson IoT Platform，借助物联网强大的数

据连接汇聚能力为智能系统 Watson提供数据支撑，Watson系统

则凭借优势明显的认知、推理和学习功能寻找数据与结果之间的

内在关联，并形成新的洞察力以帮助企业进行最优决策。

3.数据科学与工业机理结合有效支撑复杂数据分析，驱动数

字孪生发展

基于工业互联网平台，数据分析方法与工业机理知识正在加

速融合，从而实现对复杂工业数据的深度挖掘，形成优化决策。

例如，上海隧道工程股份有限公司通过与寄云合作，借助平台采

集工业检测设备中的各类图像、距离、位置、转速、倾角、压力、

流量、扭矩、功率等全部数据，基于岩土知识、功率曲线、扭矩

曲线、屈服强度等工业知识机理标记（或提取）异常信息，对历

史数据进行特征提取与模型训练，再接入实时数据进行异常预警，

从而解决盾构硬岩掘进机 TBM施工过程中的难题，突破传统解决

方案的极限。随者融合的不断深化，基于精确建模、高效分析、

实时优化的数字孪生快速发展，实现对工业对象和工业流程的全

15

面洞察。东方国信基于非稳态、多相、多物理场的数值模拟仿真

技术、热力学和动力学模型、以及工业大数据分析技术等，建立

虚实映射、实时监控、智能诊断、协同优化的数字孪生，实现对

工业实体设计和工艺流程的仿真及优化，在炼铁，工业锅炉，水

电，空压机，能源等多个行业或领域落地。

4.工业知识正基于平台快速积累并实现高效传播与复用

通过数据积累、算法优化、模型迭代，工业互联网平台中将

形成覆盖众多领域的各类知识库、工具库和模型库，实现旧知识

的不断复用和新知识的持续产生。借助这种方式，传统分散于不

同企业、不同系统、不同个体的工业经验将能够获得有效沉淀和

汇聚起来，并通过平台功能的开放和调用被更多企业共享。例如，

索为 SYSWARE平台通过打造统一的工程中间件，实现对各类知识

经验、工业机理、算法模型的集成，目前已在航空、航天、船舶、

兵器、核工业、电子等行业构建工业知识库上百个，知识条目 500

万以上。

（四）功能下沉，边缘与云端协同成为平台重要发展方向

1.基于边缘的多协议转换强化平台数据接入能力

大部分平台均提出了协议转换和云端协同技术方案，实现设

备、传感器、PLC、控制系统、管理软件等不同来源的海量数据在

云端的集成与汇聚。基于网关的多协议转换正获得普遍应用，GE

通过将数据采集转换模块 Predix Machine 部署在现场传感器、

16

控制器和网关，利用 OPC UA技术实现工业以太网、工业总线等

不同协议的转换。Oracle IoT Cloud Service 面向设备远程管

理业务，通过"软件网关"实现对行业通信协议的支持。西门子

通过在设备端部署数据采集模块 MindConnect Nano，实现通用

协议兼容和私有协议转换。基于操作系统和芯片的原生集成正成

为重要创新方向。如 Intel推出 Wind River Edge Management

System嵌入式管理系统，实现设备与 Intel IoT Platform 的直

接互联。Ayla IoT Platform 与博通、高通、意法半导体等芯片

巨头合作，将平台接口内嵌在芯片中，直接从芯片层面支持边缘

与云端的互联。

2.边缘数据处理和缓存技术有效提升平台承载能力

工业生产过程中高频数据采集，往往会对网络传输、平台存

储与计算处理等方面带来性能和成本上的巨大压力，在边缘层进

行数据的预处理和缓存，正成为主要平台企业的共同做法。一是

在边缘层进行数据预处理，剔除冗余数据，减轻平台负载压力。

例如，SAP Leonardo Edge Platform 与 Dell边缘网关集成，实

现边缘数据的实时预处理。华为推出 EC-IoT 解决方案基于敏捷

网关能够大幅缩短业务上线时间，降低运营成本 50%以上。二是

利用边缘缓存保留工业现场全量数据，并通过缓存设备直接导入

数据中心，降低网络使用成本。例如亚马逊推出的 AWS Snowball

Edge、微软 Azure数据盒、以及谷歌的 Transfer Appliance，以

100TB级别的容量支持现场数据临时存储，通过实体运输将数据

17

上传到数据中心，简化数据传输过程并尽可能减少设置与集成工

作。在风电场的实际应用中，Snowball Edge 主要解决无网络偏

远地区的数据存储上云问题。在制造企业的实际应用中，

Snowball Edge 主要替代上位机或私有云保存现场数据。

3.边缘分析技术显著增强平台实时分析能力

为了更好满足工业用户的实时性、可靠性要求，越来越多的

平台运营企业开始将计算能力下放到更为靠近物或数据源头的

网络边缘侧。一是边缘层直接运行实时分析算法，例如微软 2017

年 5月更新 Azure IoT Edge 服务，新增了机器学习、认知服务、

流数据分析等功能，支持在嵌入式边缘设备上运行复杂分析和人

工智能算法，微软与金属切削刀具企业 Sandvik Coromant合作，

基于 Azure IoT Edge在边缘实现了流数据分析和机器学习算法，

使故障处理时延从云端处理的 2秒缩短到边缘处理的 0.1秒。二

是边缘与平台协同，实现模型不断成长和优化。例如，PTC 在

ThingWorx 平 台 中 集 成 能 够 实 时 发 现 边 缘 设 备 异 常 的

ThingWatcher模块，并与云端分析交互共享，实现模型迭代生长。

（五）开发框架，微服务等新型架构大幅降低开发难度与创

新成本

1.基于微服务架构的开发方式大幅提升工业 APP 开发效率

基于微服务的开发方式支持多种开发工具和编程语言,并通

过将通用功能进行模块化封装和复用，加快应用部署速度，降低

18

应用维护成本。例如 GE Predix平台基于微服务提供资产绩效管

理、运营优化、资产建模、数据获取等 180多种微服务供开发者

调用，简化了部署应用程序开发、部署与运维的复杂性。IBM

Bluemix 平台推出可用于微服务开发的软件工具，如 IBM MQ

Light for Bluemix 提供灵活、易于使用的消息传递机制，IBM

Bluemix DevOps Services则帮助用户降低部署和运维应用程序

的难度。此外，西门子 MindSphere、航天云网 INDICS、寄云

NeuSeer等平台也都通过微服务架构帮助用户快速构建个性化应

用程序。

2.基于图形拖拽的开发方式有效降低工业 APP 开发门槛

基于图形拖拽的开发方式降低了对开发人员编程基础、开发

经验的要求，使其可以专注于功能设计，从而降低应用开发的门

槛。例如 PTC ThingWorx平台基于 ThingWorx Foundation 为开

发人员提供模型驱动的应用程序开发服务，开发人员无需使用编

写代码即可连接所有的 ThingWorx 组件，使用拖拽工具就可以

开发高质量、可扩展的应用程序，相较传统方式能减少 10 倍的

开发时间。SAP Cloud Platform 通过 Fiori、BUILD、WebIDE等

预制开发工具支持基于图形拖拽的开发方式，用户通过使用这些

工具可进行轻量级云端开发，无需后台任何定制，就可实现应用

的快速上线，将开发时间从几个月缩短到几周。

19

三、工业互联网平台产业生态

（一）四类平台企业、五大支撑主体、两类平台用户共同构

筑平台产业体系

工业互联网平台产业发展涉及多个层次、不同领域的多类主

体。在产业链上游，云计算、数据管理、数据分析、数据采集与

集成、边缘计算五类专业技术型企业为平台构建提供技术支撑；

在产业链中游，装备与自动化、工业制造、信息通信技术、工业

软件四大领域内领先企业加快平台布局；在产业链下游，垂直领

域用户和第三方开发者通过应用部署与创新不断为平台注入新

的价值。

图 3：工业互联网平台产业体系

20

1.信息技术企业提供通用使能工具，成为平台建设重要支撑

信息技术企业提供关键技术能力，以"被集成"的方式参与

平台构建。主要包括五类：一是云计算企业，提供云计算基础资

源能力及关键技术支持，典型企业如亚马逊、微软、Pivotal、

Vmware、红帽等；二是数据管理企业，提供面向工业场景的对象

存储、关系数据库、NoSQL数据库等数据管理和存储的工具，典

型企业如 Oracle、Apache、Splunk 等；三是数据分析企业，提

供数据挖掘方法与工具，典型企业如 SAS、IBM、Tableau、Pentaho、

PFN等；四是数据采集与集成企业，为设备连接、多源异构数据

的集成提供技术支持，典型企业如 Kepware、NI、博世、IBM等；

五是边缘计算企业，提供边缘层的数据预处理与轻量级数据分析

能力，典型企业如华为、思科、英特尔、博世等。

2.平台厂商通过整合资源实现平台构建，发挥产业主导作用

平台企业以集成创新为主要模式，以应用创新生态构建为主

要目的，整合各类产业和技术要素实现平台构建，是产业体系的

核心。

目前，平台企业主要有以下四类：一是装备与自动化企业，

从自身核心产品能力出发构建平台，如 GE、西门子、ABB、和利

时等；二是生产制造企业，将自身数字化转型经验以平台为载体

对外提供服务，如三一重工/树根互联、海尔、航天科工等；三是

工业软件企业，借助平台的数据汇聚与处理能力提升软件性能，

21

拓展服务边界，如 PTC、SAP、Oracle、用友等；四是信息技术企

业，发挥 IT 技术优势将已有平台向制造领域延伸，如 IBM、微

软、华为、思科等。

3.应用主体以平台为载体开展应用创新，实现平台价值提升

工业互联网平台通过功能开放和资源调用大幅降低工业应

用创新门槛，其应用主体分为两类：行业用户在平台使用过程中

结合本领域工业知识、机理和经验开展应用创新，加快数字化转

型步伐，如全球研磨机械制造商格林公司基于西门子 MindSphere

平台开发服务于机床的工业 APP，实现对刀具磨损状态的精准预

测和适时更换。第三方开发者能够依托平台快速创建应用服务，

形成面向不同行业不同场景的海量工业 APP，提升平台面向更多

工业领域提供服务的能力，典型企业如 Webalo、Bearing Point、

ThetaRay、NEC、Pitney Bowes等。

（二）企业从自身优势出发加快平台布局，形成四种路径

2013 年以来，工业互联网平台的理念和重要性逐渐被产业

界所认识，全球各类产业主体积极布局，工业互联网平台已经进

入全面爆发期。根据咨询机构 IoT Analytics的统计，目前全球

工业互联网平台数量超过 150 个。2017 年以来平台发展步入快

车道，仅我国就有数十个平台产品发布。综合国内外平台企业布

局策略来看，目前主要有四种路径。

22

1.装备和自动化企业凭借工业设备与经验积累，依托工业互

联网平台创新服务模式

装备制造和自动化企业在工业现场沉淀有大量生产设备与

工业系统，在其几十年的创新探索中也形成了丰富的工业知识、

经验和模型，这些企业正借助平台化布局，实现底层设备数据的

采集与集成以及工业知识的封装与复用，并以此为基础形成创新

型的服务模式。目前，这些企业在平台构建中主要有两种方式。

部分企业通过将现有工业应用向云端迁移，构建应用服务平台，

实现应用的灵活部署与调用。如 ABB利用微软的云基础设施，通

过 Ability平台提供资产性能管理、能耗评估、分布式能源管理、

工厂建模与仿真等云端服务。与之类似的还有施耐德

EcoStruxure平台、发那科 FIELD system 平台、和利时 HiaCloud

平台等。部分企业则直接采用 PaaS、微服务等新型架构搭建平

台，为应用开发提供更好的能力支持，在提供自身平台服务的同

时，着力打造繁荣的第三方应用创新生态。如 GE基于开源 PaaS

架构 Cloud Foundry 构建 Predix平台，并通过集成微服务架构

等方式为应用开发者提供丰富支持，实现智能应用的快速构建、

测试和部署。三一重工依托其设备管理经验孵化专注工业互联网

平台建设的树根互联，基于开源 Docker技术构建 PaaS平台，具

备灵活的应用开发及部署能力，提供资产管理、预测性维护、产

品全生命周期管理、产业链金融和模式创新等工业应用服务。

23

2.领先制造企业将数字化转型经验转化为服务能力，构建工

业互联网平台

领先制造企业凭借自身在数字化转型过程中的成功经验，围

绕生产优化、用户定制、资源整合等方面提供平台化服务，形成

了多种创新模式。部分消费品生产企业基于个性化定制生产模式

构建工业互联网平台，实现用户需求、设计资源与生产能力的全

面打通。比如海尔的 COSMOPlat 平台，将顾客需求、产品订单、

合作生产、原料供应、产品设计、生产组装和智能分析等环节互

联起来并进行实时通信和分析，以满足规模化定制需求。部分集

团型制造企业凭借其资源整合经验，通过平台汇聚产业上下游各

环节资源，为企业提供供需对接、协同设计、制造协同等智能化

应用。比如航天云网 INDICS 平台汇聚超过 100 万家企业，并在

此基础上提供供需对接、智能工厂改造、云制造和资源共享等服

务，目前已为近千家行业用户提供线上服务。

3.软件企业围绕自身业务升级需求，借助工业互联网平台实

现能力拓展

软件企业通过布局工业互联网平台，全面获取生产现场数据

和远程设备运行数据，并通过这些数据与软件的结合，提供更精

准的决策支持并不断丰富软件功能。其中，管理软件企业依托平

台实现从企业管理层到生产层的纵向数据集成，提升软件的智能

精准分析能力。例如 SAP HANA平台，以实现对数据库的建模、

24

配置、监控、告警和管理。应用层，基于 SQL、MDX、BICS 接口

接入 BI 分析、数据复制等应用软件。设计软件企业借助平台获

取全生命周期数据，提升软件性能，进而形成基于数字孪生的创

新应用。例如 PTC Thingworx 平台基于大量的设计模块，实现产

品研发设计，大幅节约设计研发周期。同时，平台基于 CAD产品

数字模型和 Vuforia技术集成的 ThingWorx Studio 增强现实开

发环境和网络体验服务以及数字孪生服务（Digital Twin）实现

对产品生产的全生命周期管理。

4.信息技术企业发挥技术优势，将已有平台向制造领域延伸

信息技术企业在其现有通用技术平台基础上，不断丰富面向

工业场景的应用服务能力，同时加强与制造企业合作，实现平台

的定制化集成和应用部署。云计算、大数据企业凭借运营及数据

服务能力，通过强化工业连接及工业分析构建平台。例如 IBM

Bluemix平台与博世合作，在平台部署博世物联网套件服务，进

而帮助 IBM提升底层设备物联及数据采集能力，并基于数据实现

高级设备管理服务和云计算软件更新。微软 Azure IoT平台则重

点打造远程设备监控、预测性维护、工厂联网与可视化等服务能

力，提升对制造场景的支持能力。通信企业依托数据采集与网络

互联优势构建物联管理平台，并不断提升工业数据处理能力。华

为 OceanConnect 平台借助网关设备、软件 Agent 和物联网管理

系统，实现各类底层数据采集和集成，并通过提供 API接口、开

发套件与数据分析服务，形成行业智能应用。

25

（三）开放合作与封闭自建并举，多种方式开展平台构建

1.基于开源通用 IT 技术搭建平台基础架构成为主流

开源 PaaS 已成为平台厂商构建平台使能框架的共性选择。

GE Predix、IBM Bluemix、西门子 MindSphere等大部分平台都

采用开源的 Cloud Foundry 架构作为平台基础框架。此外，

OpenShift、Docker 等开源技术也是平台企业中得到应用。开源

大数据技术成为平台数据架构的关键支撑。Hadoop、Spark 等开

源数据工具已经形成了比较成熟的体系，IBM Bluemix、和利时

HiaCloud、Oracle、日立 Lumada 等平台均采用上述工具支撑数

据服务。多种开源的开发工具帮助平台快速构建开发环境。GE

Predix、寄云 NeuSeer通过集成 Eclipse integration，Git和

Jenkin等开源开发工具，强化平台应用开发能力。

2.采用并购与合作方式丰富平台功能

通过并购获取平台关键技术功能。面向设备数据连接，PTC

先后并购 Kepware和 Axeda，强化 ThingWorx平台的数据采集能

力。博世也收购智能设备软件公司 ProSyst，为平台提供即插即

用的协议转换支持。面向数据分析挖掘，日立收购 Pentaho商务

智能公司，提供数据集成、可视化分析和数据挖掘等服务。此外，

GE 收购 Austin Digital 强化航空数据分析能力，PTC 收购

ColdLight 提高平台机器学习能力。面向平台安全，GE 收购

Wurldtech。

26

通过合作整合资源，不断丰富平台功能。一是实现更大范围

的现场数据采集，如 SAP、航天云网等企业均与西门子开展合作，

借助西门子在工业自动化领域巨大存量基础，降低设备接入难度。

发那科与罗克韦尔合作，实现平台与底层控制系统的无缝连接。

二是实现平台灵活部署，如 GE、西门子均与微软、亚马逊开展合

作，实现在不同云基础设施上的部署能力。此外，ABB与微软合

作，树根互联与腾讯云合作，都旨在解决部署的基础资源问题。

三是强化数据分析能力，如西门子、ABB与 IBM合作，将 Watson

认知计算能力融入到平台中。发那科与 Preferred Networks 合

作，集成其深度学习框架 Chainer。

3.将自身工业知识积累进行封装，打造平台核心竞争力

工业企业长期积累形成了大量工业知识和经验，是工业领域

核心价值所在。工业巨头正将物理世界的工业机理转化为数字世

界的算法和模型，再封装为平台上的微服务和工业 APP，形成封

闭的"黑盒"供开发者调用。开发者可以使用"黑盒"的关键能

力，但无法获取其中的工业机理。例如，GE将其在航空发动机、

燃气轮机、风机等领域长期积累的设备知识抽象为相关微服务，

成为平台的核心资产。

（四）应用创新生态打造已成为平台发展关键

1.平台企业通过自主开发不断丰富应用种类

平台企业是现阶段应用创新的主力军，通过传统工业软件的

27

云化迁移和新型工业 APP 开发，不断提升平台服务能力。目前，

GE 在 Predix 平台应用商店中已发布 9 款自主开发的工业 APP，

同时正积极将 APM、OPM、FES等现有工业解决方案转化为平台应

用。西门子与埃森哲、Evosoft、SAP、微软、亚马逊和 Bluvision

等合作伙伴在汉诺威展上展示了约 50 种工业 APP。ABB正将其面

向 20 多个工业领域的 180 余项工业解决方案向 Ability 平台迁

移。

2.借助合作伙伴拓宽行业应用创新服务能力

平台企业通过跨领域合作，吸引更多行业伙伴基于平台开展

应用创新，实现平台向更多领域的延伸拓展。如，波音与微软合

作，将设备预测维护、燃油消耗分析等航空分析应用迁移至微软

的 Azure 平台，目前已有 300 余家企业基于平台使用这些服务。

发那科与罗克韦尔合作，将后者的 FactoryTalk View 等系列工

厂管理应用向其 FIELD system平台迁移。PTC通过 ThingWorx平

台伙伴计划汇聚了数百家合作企业，强化平台与这些企业应用服

务的无缝集成，同时吸引合作企业基于平台开发创新应用。

3.打造开发者社区激发创新活力

海量开发者是应用创新的重要来源，是平台生态形成的关键

驱动力。当前主要平台企业均积极打造开发者社区，通过技术开

源、工具提供、文档分享、专家支持、利益共享等方式，吸引开

发者入驻平台参与应用创新。GE着力打造面向 Predix平台的开

28

发社区 Predix.io，通过提供开发工具、微服务、应用开发指导

文档，以及举办线上技术研讨会等方式，已经吸引到 5万余名开

发者。华为构建 OceanConnect 开发者社区，提供了 170 多种开

放 API和系列化 Agent，以及各类技术支持、营销支持和商业合

作，在油气能源、生产与设备管理、车联网、智慧农业等领域吸

引超过 80个行业合作伙伴入驻。

29

四、工业互联网平台应用场景

（一）平台应用由单点智能向全局智能、由状态监测向复杂

分析演进

当前，工业互联网平台在工业系统各层级各环节获得广泛应

用，一是应用覆盖范围不断扩大，从单一设备、单个场景的应用

逐步向完整生产系统和管理流程过渡，最后将向产业资源协同组

织的全局互联演进。二是数据分析程度不断加深，从以可视化为

主的描述性分析，到基于规则的诊断性分析、基于挖掘建模的预

测性分析和基于深度学习的指导性分析。其中，设备、产品场景

相对简单，机理较为明确，已经可以基于平台实现较复杂的智能

应用，在航空航天、工程机械、电力装备等行业形成了工艺参数

优化、预测性维护等应用模式；企业生产与运营管理系统复杂度

较高，深度分析面临一定挑战，当前主要对局部流程进行改进提

升，在电子信息、钢铁等行业产生供应链管理优化、生产质量优

化等应用模式；产业资源的协同目前还没有成熟的分析优化体系，

主要依托平台实现资源的汇聚和供需对接，仅在局部领域实现了

协同设计、协同制造等应用模式。

30

图 4 工业互联网平台应用阶段视图

总体来看，平台应用还处于初级阶段，以"设备物联+分析"

或"业务系统互联+分析"的简单场景优化应用为主。未来平台

应用将向深层次演进，将在物联与互联全面打通的基础上实现复

杂的分析优化，从而不断推动企业管理流程、组织模式和商业模

式创新。最终，平台将具备全社会资源承载与协同能力，通过全

局性要素、全产业链主体的重新组织与优化配置，推动工业生产

方式、管理模式和组织架构变革。

1.设备、工艺等单个场景已可以实现基于数据和机理的预测，

正步入决策性分析阶段

工业互联网平台广泛连接设备、装备、产品，基于设备机理

模型和产品数据挖掘开展了大量基于规则的故障诊断、工艺参数

优化、设备状态趋势预测、部件寿命预测等单点应用，如 GE 依

31

托 Predix 平台，通过构建数字双胞胎实现对航空发动机、燃气

轮机等重型装备的健康管理，施耐德基于 Ecostruxure 平台为罗

切斯特医疗中心提供配电设备管理服务，实现电力故障的预测性

报警与分析。随着数据的持续积累与分析方法的不断完善，将形

成基于设备数据挖掘的更精准分析模型，并自主提出指导性优化

建议。目前该趋势已初步显现，例如微软 Azure IoT 平台为

Rolls-Royce发动机提供基于机器学习的海量数据分析和模型构

建，能够在部件即将发生故障时准确预报异常，并提前介入主动

帮助 Rolls-Royce规划解决方案。

2.企业管理与流程优化从当前局部改进向系统性提升迈进

工业互联网平台实现了生产现场与企业运营管理、资源调度

的协同统一，在此基础上形成面向企业局部的生产过程优化、企

业智能管理、供应链管理优化等重点应用。日立公司 Lumada 平

台通过物联设备实时收集商品流转数据，并通过与子公司货车调

配业务系统的互联，形成庞大供应链管理数据池，实现全集团的

仓储物流优化。未来随着平台底层连接能力的提升和企业 IT-OT

层的打通，大量生产现场数据和管理系统数据将进行集成汇聚，

基于海量数据分析挖掘实现智能工厂整体优化、企业实时智能决

策等应用，实现企业生产管理领域的系统性提升。罗克韦尔公司

自动化部门与微软 AZURE 平台合作，打通了 OT 层自动化系统与

IT 层业务系统数据，基于大量数据进行工厂系统建模与关联分

析，实现生产物料管理、产品质量检测、生产管控一体化等综合

32

功能，探索数字工厂应用。

3.产业/资源层面从信息交互向资源优化配置演进

工业互联网平台在应用过程中汇聚了大量工业数据、模型算

法、软件工具，乃至研发设计、生产加工等各类资源与能力。目

前这些资源在平台上主要通过简单信息交互实现供需对接与资

源共享等浅层次应用。未来，随着平台全局运行分析与系统建模

能力的逐步提升，平台将成为全局资源优化配置的关键载体。找

钢网平台在为钢铁行业上下游企业提供钢材资源供需对接服务

的基础上，正在探索基于大数据分析的钢厂精准供需匹配、资源

区域性优化投放和最优定价策略。

（二）工业互联网平台当前总体应用于四大场景

1.面向工业现场的生产过程优化

工业互联网平台能够有效采集和汇聚设备运行数据、工艺参

数、质量检测数据、物料配送数据和进度管理数据等生产现场数

据，通过数据分析和反馈在制造工艺、生产流程、质量管理、设

备维护和能耗管理等具体场景中实现优化应用。

制造工艺场景中，工业互联网平台可对工艺参数、设备运行

等数据进行综合分析，找出生产过程中的最优参数，提升制造品

质。例如 GE基于 Predix平台实现高压涡轮叶片钻孔工艺参数的

优化，将产品一次成型率由不到 25%提升到 95%以上。

生产流程场景中，通过平台对生产进度、物料管理、企业管

33

理等数据进行分析，提升排产、进度、物料、人员等方面管理的

准确性。博世基于平台为欧司朗集团提供生产绩效管理服务，可

在生产环境中协调不同来源的数据，提取有价值的信息并自动运

用专家知识进行评估，实现了生产任务的自动分配。

质量管理场景中，工业互联网平台基于产品检验数据和"人

机料法环"等过程数据进行关联性分析，实现在线质量监测和异

常分析，降低产品不良率。富士康集团基于其平台实现全场产品

良率自动诊断，打通车间产能、质量、人力、成本等各类运行状

况数据，并对相关数据进行分析计算和大数据优化，使良率诊断

时间缩短 90%。

设备维护场景中，工业互联网平台结合设备历史数据与实时

运行数据，构建数字孪生，及时监控设备运行状态，并实现设备

预测性维护。例如嵌入式计算机产品供应商 Kontron 公司基于

Intel IoT平台智能网关和监测技术，可将机器运行数据和故障

参数发送到后台系统进行建模分析，实现板卡类制造设备的预测

性维护。

能耗管理场景中，基于现场能耗数据的采集与分析，对设备、

产线、场景能效使用进行合理规划，提高能源使用效率，实现节

能减排。例如施耐德为康密劳硅锰及电解锰冶炼工厂提供

EcoStruxure能效管理平台服务，建立能源设备管理、生产能耗

分析、能源事件管理等功能集成的统一架构，实现了锰矿生产过

程中的能耗优化。

34

2.面向企业运营的管理决策优化

借助工业互联网平台可打通生产现场数据、企业管理数据和

供应链数据，提升决策效率，实现更加精准与透明的企业管理，

其具体场景包括供应链管理优化、生产管控一体化、企业决策管

理等。

供应链管理场景中，工业互联网平台可实时跟踪现场物料消

耗，结合库存情况安排供应商进行精准配货，实现零库存管理，

有效降低库存成本。雅戈尔基于 IBM Bluemix 平台对供应链和生

产系统的重要数据进行抽取和多维分析，优化供应链管理并使库

存周转率提高了 1 倍以上，库存成本节省了 2.5亿元，缺货损

失减少了 30%以上，工厂的准时交货率达到 99%以上。

生产管控一体化场景中，基于工业互联网平台进行业务管理

系统和生产执行系统集成，实现企业管理和现场生产的协同优化。

石化盈科通过 ProMACE平台在炼化厂的应用，围绕生产计划优化，

推动经营绩效分析、供应链一体化协同及排产、实时优化、先进

控制和控制回路的闭环管控，实现财务日结月清。

企业决策管理场景中，工业互联网平台通过对企业内部数据

的全面感知和综合分析，有效支撑企业智能决策。中联重科结合

SAP HANA平台的计算能力及 SAP SLT数据复制技术，实现工程

起重机销售服务、客户信用销售、集团内控运营三个领域的实时

分析，有效针对市场变化做出快速智能决策。

35

3.面向社会化生产的资源优化配置与协同

工业互联网平台可实现制造企业与外部用户需求、创新资源、

生产能力的全面对接，推动设计、制造、供应和服务环节的并行

组织和协同优化。其具体场景包括协同制造、制造能力交易与个

性定制等。

协同制造场景中，工业互联网平台通过有效集成不同设计企

业、生产企业及供应链企业的业务系统，实现设计、生产的并行

实施，大幅缩短产品研发设计与生产周期，降低成本。如河南航

天液压气动技术有限公司基于航天云网 INDICS 平台实现了与总

体设计部、总装厂所的协同研发与工艺设计，研发周期缩短 35%、

资源利用率提升 30%，生产效率提高 40%。

制造能力交易场景中，工业企业通过工业互联网平台对外开

放空闲制造能力，实现制造能力的在线租用和利益分配。例如沈

阳机床基于 iSESOL 平台向奥邦锻造公司提供了 i5 机床租赁服

务，通过平台以融资租赁模式向奥邦提供机床，按照制造能力付

费，有效降低了用户资金门槛，释放了产能。

个性定制场景中，工业互联网平台实现企业与用户的无缝对

接，形成满足用户需求的个性化定制方案，提升产品价值，增强

用户粘性。例如海尔依托 COSMOPlat 平台与用户进行充分交互，

对用户个性化定制订单进行全过程追踪，同时将需求搜集、产品

订单、原料供应、产品设计、生产组装和智能分析等环节打通，

打造了适应大规模定制模式的生产系统，形成了 6000 多种个性

36

化定制方案，使用户订单合格率提高 2%，交付周期缩短 50%。江

森自控-日立公司基于 Ayla平台，打通社交媒体数据，整合 8亿

微信用户需求，提供商用空调定制服务。

产融结合场景中，工业互联网平台通过工业数据的汇聚分析，

为金融行业提供评估支撑，为银行放贷、股权投资、企业保险等

金融业务提供量化依据。如树根互联与久隆保险基于根云

RootCloud共同推出 UBI挖机延保产品数据平台，明确适合开展

业务的机器类型，指导保险对每一档进行精准定价。

4.面向产品全生命周期的管理与服务优化

工业互联网平台可以将产品设计、生产、运行和服务数据进

行全面集成，以全生命周期可追溯为基础，在设计环节实现可制

造性预测，在使用环节实现健康管理，并通过生产与使用数据的

反馈改进产品设计。当前其具体场景主要有产品溯源、产品/装

备远程预测性维护、产品设计反馈优化等。

产品溯源场景中，工业互联网平台借助标识技术记录产品生

产、物流、服务等各类信息，综合形成产品档案，为全生命周期

管理应用提供支撑。例如 PTC借助 ThingWorx平台的全生命周期

追溯系统，帮助芯片制造公司 ATI实现生产环节到使用环节的全

打通，使每个产品具备单一数据来源，为产品售后服务提供全面

准确信息。

产品/装备远程预测性维护场景中，在平台中将产品/装备的

实时运行数据与其设计数据、制造数据、历史维护数据进行融合，

37

提供运行决策和维护建议，实现设备故障的提前预警、远程维护

等设备健康管理应用。例如 ABB 为远洋船舶运营公司 Torvald

Klaveness的多用途船提供 ABB Ability平台服务，通过船上的

传感器收集信息，并进行性能参数分析，实现对远洋航行船舶的

实时监控、预警维护和性能优化。SAP 为意大利铁路运营商

Trenitalia 提供车辆维护服务，通过加装传感器实时采集火车

各部件数据，依托 HANA 平台集成实时数据与维护数据、仪器仪

表参数并进行分析，远程诊断火车运行状态，提供预测性维护方

案。

产品设计反馈优化场景中，工业互联网平台可以将产品运行

和用户使用行为数据反馈到设计和制造阶段，从而改进设计方案，

加速创新迭代。例如 GE公司使用 Predix平台助力自身发动机的

设计优化，平台首先对产品交付后的使用数据进行采集分析，依

托大量历史积累数据的分析和航线运营信息的反馈，对设计端模

型、参数和制造端工艺、流程进行优化，通过不断迭代实现了发

动机的设计改进和性能提升。

38

五、工业互联网平台发展建议

（一）充分利用现有成熟技术，快速构建平台

平台构建所需的通用 IT 功能已有大量成熟商业化方案和开

源工具，平台企业应加强对现有技术的集成与使用。利用各类开

源 PaaS、容器、大数据处理、人工智能等技术工具，搭建平台基

础框架及数据管理分析能力。向下集成工业网关、中间件、嵌入

式操作系统等成熟产品和解决方案，实现协议转换与数据集成处

理。向上基于开源开发工具、微服务架构等方式快速搭建应用开

发环境，实现平台应用创新与现有软件迁移。

（二）强化工业知识积累与分析能力，增强平台核心竞争力

平台企业应重视生产经验、工业机理的提炼与积累，推动物

理、化学、机械、控制多学科知识与大数据、机器学习、人工智

能等智能化分析技术的有机融合，转化为解决工业生产痛点问题

的特色平台服务。加强与行业领先企业合作，实现跨领域工业知

识获取、融合与转化，不断拓展平台业务覆盖范围。大力培养具

备工业专业知识和信息技术应用能力的复合型人才，为平台能力

提升发展奠定坚实基础。

（三）注重开放创新，打造平台应用生态

汇聚形成丰富的创新型应用是平台发展的关键，这不是依靠

单个或少数企业就能实现的。在平台发展中，一方面要加强与各

39

类行业客户、专业服务企业的协同合作，发挥其在所属领域的知

识经验和资源优势，基于平台形成一系列重量级工业应用；另一

方面，积极打造开发者社区，通过提供开发工具、开发环境和微

服务组件，吸引第三方开发者向平台聚集，形成一系列面向特定

领域、特定场景、特定功能的创新型工业应用。

（四）聚焦优势领域，实现平台差异化发展

平台企业应重点围绕自身优势，形成差异化的平台发展路径。

一是具备较强行业积累的平台企业，通过将自身知识、经验与数

据固化，形成可广泛复制的应用服务模式，通过在本行业本领域

精耕细作实现平台的规模化发展；二是具备特定技术优势的平台

企业，应加强与制造企业合作，将其核心技术与行业特性深度结

合，通过平台技术授权、二次集成、资源服务等方式实现平台的

广泛部署。优秀平台可依托其核心优势实现跨行业跨领域发展，

提升产业链上下游引领带动作用，形成商业模式和发展路径创新。

（五）构建标准体系，促进互联互通

一是推进标准体系构建，形成基于业界认识的工业互联网平

台参考架构与标准体系，明确标准研制的重点方向。二是开展重

点领域技术标准研制，在平台数据标准方面，研制工业数据交换、

分析、管理、建模与大数据服务等标准，实现数据的有效管理与

工业要素的一致描述。在开放接口标准方面，研制开发工具 API、

微服务调用 API等标准，保证开发者对平台功能的高效调用。在

40

平台互联互通标准方面，探索开展互通架构、数据接口、应用接

口、服务对接等标准研制，实现不同类型或不同领域平台间的共

享合作。

（六）确保安全可靠，推动可信发展

一是提升工业互联网平台安全防护水平。加快推进数据加密、

访问控制、漏洞监测等关键技术研发与应用，增强平台对非法入

侵的甄别和抵抗能力。二是明确数据主权归属，防止信息泄露。

清晰界定权利和义务边界，尊重用户的信息隐私和数据主权，提

供安全可靠、值得信赖的平台服务。三是保障平台稳定可靠运行。

综合利用数据备份与恢复、冗余设计、容错设计等方法提升平台

运行鲁棒性，加强性能监测与故障监测，及时发现和排除故障，

确保平台整体稳定性。

本资料来源于网络，仅供学习参考，版权属于源发布人。