1.加速泛在连接工业物联网通过自主感知的数据采集、学习、分析和决策，支持工业资源泛在连接、灵活供给和高效配置。无处不在的连接是基础。这不仅包括厂内设备、人员、环境等要素的数据采集，厂外智能设备、智能产品的数据采集，还包括各应用系统通过接口对数据进行整合。推动工业物联网落地的第一个门槛是多源异构数据采集，如何采集工厂内外各种OT和IT数据，其中库存设施涉及到物联网的数字化改造，增量建设涉及标准的制定。标准也很重要，否则我们会在项目式交付中疲于奔命，无法形成产品，更谈不上入驻平台。OT和IT要融合，必须打破多年来形成的信息孤岛。例如，工业以太网的发展，一方面在不断提高实时性，另一方面需要更好地兼容标准以太网和TCP/IP，消除连接障碍。时间敏感网络不仅支持高速大带宽数据传输，还兼顾实时控制信息传输，并向下兼容标准以太网。从概念和设计理念上看，它比以往的工业以太网更先进，因此成为业界的研究热点。针对移动场景，5G技术、低功耗广域网技术、4GCat-1、短距离无线通信技术正在加速发展泛在连接，支撑海量物联网。从远距离到中距离，再到近距离，无线通信可以有效解决连接问题。不同的技术各有优缺点和适用场景。有的速度快，有的速度慢但功耗极低，有的信号穿透力强。具备在复杂环境中稳定沟通的能力。工业物联网应用场景的差异化对传感器尺寸和功耗提出了新的要求。小型化、低功耗、与芯片高度集成的传感器在一些工业场景中得到广泛应用，使传感器具备数据处理和自校准能力。、自补偿和自诊断功能，物联网终端更加小型化和轻量化，电池续航能力更强，成本更低，使大规模商业应用成为可能。2、工业大数据不可否认，大数据和云计算的普及，加快了人们追逐数据驱动和数据应用的步伐。数据存储容量和计算能力的大幅增加消除了许多限制。例如，传统的抽样分析转变为全量分析，通过全量数据分析大大提高了结论的准确性；一些领域已经从不可预测变为可预测，预测是根据历史规律来推断未来。已经发生的过去变成了即将发生的未来。长期以来，工业领域强调的是机制模型、行业Know-How、行业知识图谱。在一定的行业意识和知识储备的基础上，将机构模型数字化后，将物联网设备采集的大量数据注入其中，分析得出结果。从因果关系出发，提出并验证假设。这些做法明显不同于消费互联网领域的大数据分析——在大量无序数据中寻找某种相关性，而不管相关性背后的原因。对于工业物联网，可以将因果关系和关联关系结合起来，如图2-2所示，例如数据模型修正机制模型，数据模型对机制模型的结果进行后处理，并利用机制模型的部分结果作为数据模型特征等。▲图2-2机制模型和数据模型以制造或运营管理的某个环节为例，当使用传统的分析方法从杂乱中发现问题时且无序的海量数据，可以尝试用AI去监督学习算法，对大量样本进行分析，根据某个特征值得出判断阈值，筛选出异常分支，再利用机制模型研究异常分支分支数据，并根据理论和经验找出背后的原因。AI有助于快速找出异常数据集，找到初步分析的方向。此外，人工智能也在尝试逐步完善和优化一些传统领域，如视觉质量检测、图像识别、预测分析与诊断、巡检、公共安全等领域。人工智能不是颠覆性的。在没有AI之前，这些事情每天都在发生，但不可否认的是，在某些场景下，AI让事情变得更高效、更准确。我们也不应该夸大人工智能的影响。大量的AI项目在工业场景无法大规模落地的时候已经指出了这个问题。没有必要盲目拒绝人工智能。相反，我们应该保持开放的心态，仔细评估人工智能在商业场景中的可行性。鉴定和研究。3、沉淀用例和复用能力在工业物联网赛道上，很多解决方案提供商都希望向用户推广自己的平台，通过平台打通硬件、云、算法、用例。平台的重点，一方面是不断提升通用能力，夯实基础，让平台更具可复制性；另一方面是不断丰富平台上的用例，实现用例的积累，能力的复用，从做项目到做产品的转变。然后建立平台优势。工业物联网平台赛道上的企业，在经历了平台的建设期、迭代期和推广期后，逐渐意识到用例的重要性。最终，他们需要通过应用服务于业务场景，从而获得闭环。很多时候，平台并不直接针对业务问题，价值的实现取决于具体应用的实现。如何积累企业可复用的数字化能力，如何将具有相似业务逻辑的场景和对象抽象出来，形成一套可迁移、可扩展的用例，如何积累足够的行业Know-How知识并开发成行业APP模板，已成为区分IIoT平台功能的核心。除了以上列举的几点外，还有边缘智能、云原生工业物联网平台等一些趋势，就不一一列举了。由于对数据实时处理、网络可靠性和安全性的考虑，人们越来越关注在数据源头对数据进行实时处理。在云端训练的模型运行在边缘节点上，实现边缘智能，云端下沉的能力，云端训练和边缘推理会越来越普遍。近年来，云原生工业物联网平台的概念逐渐流行起来。云原生（CloudNative）是一个复合词，云（Cloud）+原生（Native）。云是指应用位于云端，而不是传统的数据中心；原生是指应用程序从一开始就以云环境为设计初衷，最初就是为云设计的，充分利用了云计算的弹性和分布式优势。不同的人和组织对云原生有不同的理解。一般来说，符合云原生架构的应用应该使用开源栈（Kubernetes+Docker）进行容器化，基于微服务架构提高灵活性和可维护性。DevOps支持持续迭代和运维自动化，利用云计算设施实现弹性伸缩、动态调度、优化资源利用率。工业物联网平台也在云原生方向进行架构迭代，更好地支持功能标准化，促进生态合作，促进应用在公有云、私有云或混合云等不同基础设施上的快速部署。作者简介：胡殿刚，资深工业物联网专家，顺丰物联网平台负责人，兼任顺丰集团职业发展评审委员，ZETA联盟工业物联网高级顾问，负责物联网平台建设及产品化。顺丰物联网平台。在物联网、边缘计算、工业大数据等领域工作10余年，具有丰富的实践经验。曾任NI应用工程师、高级应用工程师、区域销售经理，GSDZone社区专栏作家，海南大学外聘专家。NI（中国）首位认证双架构师——LabVIEW架构师和TestStand架构师，领导大型工业自动化测试控制和工业物联网项目的开发工作。2016年受邀撰写专着《TestStand工业自动化测试管理》，广受业界好评，多次转载。本文节选自《工业物联网：平台架构、关键技术与应用实践》，经发布者授权发布。（书号：978-7-111-70227-6）
