导读：工业互联网自2017年起已成为国内科技界最为火爆的词汇之一。学者、供应商、投资商、企业家、媒体、政府官员、人大代表、政协委员等纷纷给出了自己的解读。
图片来自“东方IC”
冠名为工业互联网的学术会议此起彼伏，有世界大会、世界峰会、全球峰会、国际论坛、高际高端论坛等。由中国信息通信研究院、工业互联网产业联盟、中国通信学会联合主办的工业互联网峰会恐怕是最具权威性的会议。2017年的峰会以“工业互联，融合共赢”为主题，来自政府、企业、高校、科研院所和社会团体的1600多名代表参会；2018年的峰会以“创新引领融通发展”为主题， 3000人齐聚一堂；2019工业互联网峰会主题为“智联赋能，融通创新”，5000多人参加了本次大会。
与此同时，国内与工业互联网相关的组织，各级别、各区域、各行业的工业互联网联盟如雨后春笋一般快速生长，有技术联盟、行业联盟、企业联盟、应用联盟、国产化联盟等等。
但这些官员、学者、组织等提到的工业互联网，或给出的工业的定义及内涵，明显存在差异，在实际工作中，不可避免的带来了混乱，让人无所适从。静下心来，从源头开始进行理性思考，或许能云开雾散。
个人将现有的对工业互联网的理解，分为了三类：GE工业互联网、IIC工业互联网、中国工业互联网，尝试比较它们之间异同。比较的方式是，首先回顾GE工业互联网，尽可能准确理解它的含义；然后是IIC工业互联网的回顾，对标GE工业互联网，找出主要的异同；最后回顾中国工业互联网，对标GE工业互联网、IIC工业互联网，找出主要的异同。
在GE于2012年11月26日发布的白皮书中是这样定义的：
“工业互联网——打破智慧与机器的边界”，英文原文是Industrial Internet: Pushing the Boundaries of Minds and Machines。
工业互联网汇集了两大革命的成果：工业革命带来的无数的机器、设施、机群和系统网络方面的成果，与互联网革命中涌现出的计算、信息与通信系统方面近期取得的强有力的成果。
英文原文是The Industrial Internet brings together the advances of twotransformative revolutions: the myriad machines, facilities, fleets andnetworks that arose from the Industrial Revolution, and the more recentpowerful advances in computing, information and communication systems broughtto the fore by the Internet Revolution。
工业互联网，通过全球的工业系统与先进计算、分析、低成本传感和互联网带来的新连接水平等能力融合，走上舞台。
英文原文是Industrial Internet is taking place through the convergence of theglobal industrial system with the power of advanced computing, analytics,low-cost sensing and new levels of connectivity permitted by the Internet。
附上白皮书的英文原文，一是为了让读者更准确的理解GE工业互联网，GE自身的中译，个人认为翻译的文笔比较漂亮，但原意有损失；二是我认为原文前后有表述不尽一致的地方；三是不希望读者被笔者英文水平所误导。如果真的对GE的工业互联网感兴趣，强烈建议阅读白皮书的英文原版。
个人理解的GE工业互联网，要点小结：
要解决的问题——工业革命的成果带来的无数的机器、设施、机群和系统网络（全球工业系统）的运行效率的提升和运行成本的降低；解决问题的手段——互联网革命中涌现出的先进计算、分析、低成本传感、控制软件和互联网带来的新水准的连接能力；解决问题的途径——convergence，汇合，汇聚（融合）；目标——引发第三次创新或革命的浪潮，促进经济的高速增长。需要注意的是，互联网只是作为连接手段之一出现，但并非一定是互联网。
GE工业互联网，即是战略也是战术。战略——通过提高机器设备的利用率并降低成本，取得经济的效益，引发新的革命。战术——智能机器+数据+分析模型这样一条具体的技术路线。
将GE工业互联网，理解为国内经常提到的工业化与信息化的两化融合，虽然直白了点，然而并不过分。但更准确地说，是两化融合的子集，是两化融合的一种形式，只是要解决企业设备等重资产利用率与使用成本方面的问题。显然将GE工业互联网等于“互联网Internet”+工业这样一种理解，不是GE的原意。GE工业互联网，或许仅仅利用到了“互联网Internet”的低成本、大空间尺度的连接能力。需要强调的是，GE工业互联网，还涉及到了传感、控制软件、云计算、大数据分析等其他的信息通讯技术。
为什么GE将工业革命的成果与信息革命的成果的这种融合，命名为“工业互联网”？
作者认为，首先是GE白皮书作者的背景。白皮书的两位作者，经济学背景，做战略咨询，并非纯粹的技术专家，找一个恰当名字来命名GE想要做的事，确实是一个难事。笔者自己也思考过，能否找到一个新的词汇，来定义GE工业互联网的内涵，但确实没有找到令自己满意的词汇。或许将Minds and Machines结合起来，将GE工业互联网叫做“智慧机器”也未尝不是一种选择，即是能干活的机器，也是能感知自身状态的机器，更是能最优使用自己的机器。
其次是要蹭互联网的热度，或者说是互联网革命影响力的热度。一个事实是，2005年，eBay创立之初时，它第一年的用户只有41,000人，货物交易额是720万美元。到2006年，用户达到2200万，货物交易量为525亿美元。社交网络Facebook于2004年2月正式上线，在不到一年的时间里，活跃用户数量达到100万人。到2008年，Facebook共有1亿活跃用户。Facebook现在有超过10亿用户。
最后，美好的期待，期待GE工业互联网的战略战术，能够像互联网行业那样，取得巨大成功，引发新的工业革命。有没有点碰瓷的味道？
GE的工业互联网，由于披上“互联网”的马甲，从商业策化及市场推广的角度，取得了巨大的成功。高举工业互联网这面大旗，GE牵头成立了工业互联网联盟IIC。在国内，工业互联网的影响力与日俱增，迅速将工业4.0的风头盖了过去，这也从里一个方面说明了GE商业策划上的成功。
准确理解GE工业互联网，还必须要理解GE的三次革命论——工业革命、互联网革命、工业互联网这样一个大背景。
GE认为，创新是生产力增长的动力。
在人类历史的大部分时间里，生产效率的提升难以察觉，生活标准的改善极其缓慢。到了1800年代的初期，西方经济中的人年均收入，花了800年时间翻了一倍。而在其后的150年中，西方经济中的人年均收入则达到了13倍。原因是第一次创新，大致在200年前发生的工业革命，来自人和动物的肌肉力量，被机械的力量所取代，生产力和经济的增长急剧加速。工业革命是分波次展开的，蒸汽机、内燃机、电报电话以及电力等新技术逐次粉墨登场。但到了1970年代，美国生产力的增长停止了。
而1996-2005年，美国的经济又出现了高速的增长，原因是第二次创新，来自于计算和全球互联网（基于信息存储、计算和通讯技术方面的突破）的出现，叫做互联网革命（自1950年开始的以互联网为代表的革命）。
那么，下一波创新的动力是什么呢？对了，就是GE提出的工业互联网。
简言之，GE认为互联网革命带来的红利，已经收割完毕。下一次经济高速增长的动力是工业互联网。
上述两张图，可以对照着看。每一次经济增长，都可以找到对应的技术革命。
不能不赞叹GE工业互联网思想体系中促进经济增长的宽阔视野。其革命划分的依据—经济增长的变化，相对而言可量化，可客观评估。这与德国工业4.0的四次革命划分的思想，形成了鲜明的对比。德国工业4.0思想体系中的四次革命论，由于无客观评测依据，说它是主观臆测，一点也不过分。虽然个人凭理性思考，相信前三次革命已经发生了。但第四次工业革命，个人不认为已经发生，原因在于其倡导的新型生产组织方式——以大批量生产的成本实现个性化生产，还没有出现。
需要强调的是，GE提出的三次工业革命论中的第三次革命，是预测而不是现实。按GE的革命评测标准，到目前为止，还不能给出第三次工业革命已经发生的结论性判断。以下是作者收集的自2012年白皮书发布之后的美国经济增长的数据。
经济增长的趋势，比较明显，但接近了革命发生的3%的临界点。或许还要看看这种趋势的持续时间，才能给出最后结论。
但我们需要思考的是，经济增长与否，难道仅仅受到技术革命的影响吗？显然不是，一定会有其他偶发性的原因。比如局部战争，比如近期的国际贸易战，等等。我认为，这恐怕是GE三次革命划分理论的硬伤。
从GE的三次革命论的划分，显然GE认为互联网革命，与工业互联网革命是两种性质的革命，两次革命要解决的问题大不相同。互联网革命解决的是人类社会社交与消费的问题，而工业互联网解决的是设备利用率与运行成本的问题。国内好多人认为，工业互联网是互联网在工业中的应用与扩展，明显与GE工业互联网的内涵存在偏差。
GE工业互联网这一思想体系的提出与引进，使国人基于对互联网的认识，容易想象出信息技术对传统工业的改造作用与效果，对我国两化融合工作起到了极大的促进作用，使我国快速形成了两化融合工作的新的浪潮，所以说GE工业互联网是天使。
但GE工业互联网这一思想体系，由于披上了互联网这一马甲，容易让人望文生义，想当然地将其等同于国内在社交与消费互联网方面取得巨大成功后提出的互联网+的推广模式中的一种——互联网+工业，或者说是互联网在工业中的应用，或者称之为工业体系和互联网体系深度融合，如此等等，个人称之为中国工业互联网，以示区别。
历史在这一刻发生了命名上非常奇特的时空交汇——工业互联网，英文industrial internet，两者名称上虽然完全相同，但掩盖不住内涵的巨大区别。
既然GE工业互联网取得成功，那么工业互联网在中国当然也会取得成功。既然理解为互联网在工业中的应用，那么理所当然地应该将互联网在社交、消费行业获得的巨大成功而取得的结果、经验、理念、方法、生态、平台、发展模式等套用过来。
其可能的后果是，误导了全社会的舆论导向，过分提高互联网企业进入工业/制造业取得成功的心里预期和效益预期，过分忽视了将互联网技术引入工业中的技术经验方面的难度，过分提高了政府政策制定与资金导向的心理预期。特别严重的问题是，以工业互联网平台代替了工业互联网的全部内涵，以偏概全，误导了普通的企业的信息化的投入方向，误导了政府在信息化方面政策的制定，误导了各IT厂商在企业信息化方向的人力资源投入。所以说GE工业互联网是恶魔。
作用对象包括了，机器、机器组、设施、系统网络，见下图。
要解决对象运行的效率及成本问题，而不是对象自身的运作过程中出现的问题。
对于制造企业而言，明显缺少了设计、销售、物流、售后服务等环节。但GE工业互联网，并没有覆盖制造业企业的全部业务，也许GE本身就没有想要覆盖，就想解决特定问题。别忘了，GE digital 还有一个由APM、Schedule、Proficy、iHistory、ifix等系列工业软件产品支撑下的smart factory解决方案。
下面这张图表达的清清楚楚。
下面这张图表达的清清楚楚。为什么没有互联网？为什么没有平台？因为从应用角度，它们都不是核心要素，仅仅只是一种实现的技术手段。
下面这张图表达的清清楚楚。
同任何信息技术的应用一样，通过提高机器（机器、机器组、设施、系统网路）的运行效率，降低机器的运行成本，从而产生效益。上图就是GE广为人知的1%理论。
需要强调的是，这是GE的观点，是GE在自己最擅长的所谓的高端制造领域取得的成效。但GE并没有给出制造业整体的效益估算。所以GE的1%是否有普遍意义？还值得认真思考，独立思考。特别是对中小企业，还有%1的效益吗？
另外的一个事实是，GE并没有给出其工业互联网实施的成本统计，或许是有意为之，或许涉及到了商业秘密。即使公布出来。恐怕也是一个惊人的数字。
以下结合实施GE工业互联网的步骤，探讨以下实施GE工业互联网的难点。
实施工业互联网的步骤如下：
第一步，将设备（含设备组、实施、系统网路）改造为智能化的设备，也就是要能够感知设备自身的状态，更重要的是设备的运营状态。我们需要加装仪表或传感器，嵌入式CPU，控制软件等。
第二步，将设备产生的数据，利用网络（不一定是互联网）收集起来，建立工业数据中心，这个数据中心可以很大，也可以小到一台服务器，关键是看数据量。
第三步，利用（大）数据分析、机器分析等工具对收集到的数据进行分析，做出更为优化的决策，来指导机器运营或操作机器的人的作业过程，提高效率。
第一步，设备智能化改造。
这一步我们经常简单地理解为设备数据采集，即为设备加装传感器，来实现设备数据采集。我们应当深入思考的一个问题是，为什么设备在出厂时没有加装传感器？对于低值设备，大多数情况下，还是成本问题或投资回报率达不到用户要求，特别是利润较低的制造业；少数情况下，属于技术上达不到。对于高值设备（重资产），从技术难度角度，传感器只能由设备生产厂家自行添加。一个事实是，用户自行改造设备，加装传感器，成本只会比设备制造商高。另一个事实是，生产厂家为高值设备加装传感器，现阶段主要目的还是为了提高设备本身运行的自动化（智能化）水平，提供设备运行状态及参数，只是一种附加功能。
所以，个人的观点是，GE工业互联网的成功，从设备的角度来看，一定是在设备本身自动化（或智能化）程度较高的行业。比如GE生产的航空发动机、内燃机、发电机，比如像徐工、三一生产的重型机械，再比如机加工行业的数控机床等。而且，工业互联网实施的成功，大概率是设备制造厂商本身来完成，至少也是在设备制造厂商积极参与下完成，当然自行完成或由第三方厂商来完成也不是不可以，但前提是，具有与原始设备厂商水平接近的专业人士。
对互联网厂商而言，想进入到工业界，存在天然的壁垒。或者说是OT与IT之间的鸿沟。
第二步，建立工业数据中心。
将设备产生的数据，利用网络收集起来，建立工业数据中心。这一步是三大步骤中，技术最成熟的部分。可以利用成熟的网络技术（互联网只是之一）、云计算、数据中心等技术，完成工业设备数据的汇聚。恐怕也是传统电信运营商以及互联网厂商能够比较容易切入的地方。这里的难点是安全性问题。
这一步骤涉及到的行业特殊性最少，具有较高的通用性。或许是互联网厂商有所作为的地方。
但需要指出的是，工业数据的存储（实时性、周期、海量）与社交、消费数据的存储，存在着巨大的差异。另外需要指出的是，这个网络不一定是互联网。采用互联网，成本低，连接面广。但像企业的重要资产，如飞机发动机，你敢把它连到互联网上吗？处于安全的角度，或者保密的角度，最多是连到采用TCP/IP技术的企业内网上而已，也许是专网。但如果具体的应用场景数据量较小，而不是大数据，应该考虑有没有必要建设一个数据中心这个问题了。
第三步，做出分析决策。
利用大数据分析、机器分析等工具对收集到的数据进行分析，做出更为优化的决策，来指导机器运营或操作机器的人的作业过程，提高效率。
这一步骤也是实施工业互联网最困难的部分。首先设备的种类众多，设备的运行方式众多，涉及到的问题行业性非常高（行业的数量与工业产品的种类数量大体一致）、专业性强，还需要分析人员具有丰富的现场工作经验，需要分析人员具有多学科的背景知识，既要熟知设备运行的原理，又要掌握各种数据处理技能和分析方法，要想取得成效，必然是一个迭代优化过程。
与第一步相似，个人的观点是，GE工业互联网的成功，从分析决策的角度来看，大概率是设备制造厂商本身来完成，至少也是在设备制造厂商积极参与下完成，当然自行完成或由第三方厂商来完成也不是不可以，但前提是，具有与原始设备厂商水平接近的专业人士。
同样地，对互联网厂商而言，想进入到工业互联网领域，存在天然的壁垒。概言之，这一步骤的专业性与行业性太高了。
概言之，GE工业互联网的提出，是基于自身的成功实践。成功的原因，GE是原始设备制造商，对设备运行的原理、专业知识的掌握，无人项背。GE是高端智能设备制造商，设备运行状态数据的采集，是其天然具有的优势。GE还有一支服务于其自身的专业IT队伍，不要忘记Predix原本就是附属GE自身的各个业务集团的IT队伍开发出的产品。可以认为，GE for GE，已经取得了成功。
但GE for Customer，GE for Industry，GE for World 这一推广模式遇到了极大的挑战。GE digital 被拆分出来，独立运营，就是一个例证。事实已经证明，工业互联网想要像互联网一样取得爆发式的成长，已经不可能了。
所以，我认为，由原始设备制造厂商来推进工业互联网，要比自行或第三方厂商来推进，成功率要搞得多。自行或第三方厂商来推进工业互联网，面临着设备运行状态数据的获取，以及设备运行状态分析的专业知识不足，这两大天然的缺陷。或许，设备制造厂商、用户、专业第三方厂商的合作，是一个不错的选择。
GE是一个高端设备制造企业集团，其制造的航空发动机、内燃机、发电设备等高附加值的设备居于全世界的前列，说GE是工业界的翘楚一点都不过分。GE自己的工业互联网实践的确取得了巨大的成功。
要解决的问题明确了，目标有了，经济效益也有了预期，技术路线也提炼出来，如何推广呢？而且一定要大规模推广，一定要取得像互联网那样一夜暴富式的成功。通过这种创新，找到刺激经济增长的新抓手，引发第三次工业革命。同时GE实现数字化转型，要从高端设备制造商，转变为提供数字服务的公司，一个软件服务公司，一个IT公司。最好能像Google、Facebook、Amazon那样，在很短的时间内有一个爆发式增长，做到市值第一，聚集起巨量的财富。
GE的策略就是，GE for GE， GE for Customer， GE for Industry， GE for World。也就是，将GE在高端装备制造领域取得的成功经验、软硬件成果（GE for GE）进行提炼、通用化，研发出类似计算机操作系统哪样的通用平台，为本行业或其他行业的客户服务（ GE for Customer ，GE for Industry ）。对了，再借鉴互联网的发展模式，搞一个开放式平台，形成一个创新生态，聚集起数万、数十万、数百万的用户以及第三方软件开发者或解决方案供应商（ GE for World ），然后像互联网公司那样，坐收流量带来的巨额红利，视乎是GE工业互联网最佳的发展模式。事实上，在GE打出工业互联网大旗之前，其支撑平台Predix就已经存在了，只是其通用性、开放性与GE宏大的战略构想不匹配而已。
下图就是大名鼎鼎的GE工业互联网平台——Predix
GE基于Predix平台推进工业互联网的战略遇到了挫折。据说投资了40多亿美金，五年左右的时间过去了，很明显Predix平台并没有取得像Google、Facebook、Amazon等互联网公司爆发式增长的成功。数次传出来的消息是GE准备将Predix卖掉，GEdigital裁员，最新的消息是将GE digital独立出来，独立运营。大概背后的潜台词是，Predix依然有价值，路线没错，但短期内取得高额投资回报，已经不可能，那就看看再说吧！
个人观点是，Predix平台确实是降低实施工业互联网成本的一个重要手段，能够减轻设备数据采集的难度，大数据存储的难度，开发专用分析决策软件的难度，但对大多数应用案例而言，平台很难降低设备智能化改造的难度、专业性数据分析的难度，这是由工业系统的专业性和复杂度自身决定的。另外，Predix在聚集客户、开发者方面，还远远达不到互联网式发展的速度，想效仿互联网流量为王的模式，实现自我良性发展，还有相当长的路要走。那么在现阶段，基于Predix来降低实施工业互联网的成本，必然还只是一个良好的愿望。
