尽管从规模上来看，我国工业互联网市场的增长率保持在13%以上，而且呈现加速的态势，但与欧美发达国家相比，依然存在明显差距。在日前举行的2018中国IT市场年会工业互联网高峰论坛上，中国电子信息产业发展研究院信息化中心主任杨春立坦言：“除了基础设施层面的实力基本上和国外差距不大外，我们在数据采集层、PaaS（平台即服务）层和工业APP三个层面都有很大的差距，差距至少有三到五年。”

在今年的全国两会上，“发展工业互联网平台”明确写入了政府工作报告，引起了国内外工业互联网平台相关专家和企业的热议。而在2018中国IT市场年会上，这一话题自然也成为与会者关注的焦点之一。

两种不同的典型路径

在杨春立看来，全球工业互联网的发展有两种典型的路径：一种是以制造企业为龙头，牵动、带动整个工业互联网的发展。主要特点就是增效增值，发扬制造业在工业知识、工业技术、制造领域的优势，把互联网作为提升的手段，改造、改进传统的设备，实现智能化。另一种是以广泛的互联网企业为代表，主要特征就是创新，瞄准创新创值，以需求为导向，强调客户的个性化，通过这种方式强化平台的系统集成应用，构建整个业态。

在以制造业为龙头，或者以发挥制造业为主导作用的工业互联网发展路径中，典型代表就是GE公司。据杨春立介绍，2011年，GE在美国硅谷设立了软件中心，推动整个企业的转型。2015年，GE又发布了云平台。2017年，在这个平台上已经有5万多的开发者，有160多个工业APP。“GE在7年里累计投入40亿美元，它的目标是2020年成为全球十大软件企业之一。”杨春立说。

GE为什么要走这条道路？杨春立认为，在实体经济转型和发展中，数字化转型必不可少，其重要内容就是把积累多年的制造领域的技术和知识软件化、规范化和模块化，让更多的人去共享、开放和应用。因此，GE不仅成立了数字化集团，而且广泛吸收更多的IT人才。

通过互联网走向工业互联网的典型则是西门子公司，它的目标是要打造成为数字化与自动化于一体的解决方案提供商。截止到2017年10月，西门子在17个国家建立了20多个数字化客户运用中心。杨春立表示，西门子的工业互联网平台架构，和GE的有明显不同，主要表现在开发运营层面。

在工信部信息化和软件服务业司两化融合推进处处长王建伟看来，美国、德国等发达国家将工业互联网作为抢占未来的重要领域，谷歌和苹果掌控主导了全球互联网应用与产业生态的发展，GE、西门子等巨头公司，则持续推进自身的战略转型，通过一系列兼并重组、业务转型、模式创新，不断提高装备智能化水平。“他们加快软件云化迁移步伐，推出了各自的平台，目前基本完成了设施验证，未来两三年，将是规模化扩张的关键时期。”王建伟说。

工业互联网市场在加速

统计数字显示，国内工业互联网市场规模的增长率保持在13%以上，而且呈现加速的态势。不过，赛迪顾问软件与信息服务业研究中心副总经理王云侯表示，目前还是北美和欧洲在引领着整个市场的发展，亚太地区虽然近年来增长得非常快，但体量较欧美还是有一定的差距。他在解读《2018年中国工业互联网产业演进及投资价值研究》白皮书时说：“体量上的差距，与我们的基础设施薄弱是密切相关的。”

据王云侯介绍，从区域来看，长三角、珠三角和京津冀，目前是我国工业互联网市场发展较快和产业基础较好的区域。就细分领域的市场而言，工业软件目前是整个工业互联网领域增速较快的领域，而工业安全领域虽然增速比较快，但是整体的市场规模非常小。“这从一个侧面说明，企业对于工业安全的关注程度还不够，工业安全的隐患和风险应该引起大家的注意。”他说。

赛迪顾问对整个行业营收规模和创新能力排名前100的企业进行了深入分析，结果发现针对工业互联网的投资有两大特点：一是投资区域，工业互联网的发展目前主要集中在京津冀和长三角地区，包括成都、重庆、武汉和合肥的长江经济带，也呈现出快速增长的趋势。从投资领域来看，赛迪顾问认为智能电网以及与CPS（信息物理系统）概念相关的投资领域，在未来比较有潜力。

对于投资机会，王云侯认为主要集中在四个方面：工业互联网平台、仿真设计、工业安全领域及大数据。

工信部早前发布的《智能制造发展规划（2016-2020年）》提出，到2020年，研发一批智能制造关键技术装备，具备较强的竞争力，国内市场满足率超过50%；突破一批智能制造关键共性技术，核心支撑软件国内市场满足率超过30%；制造业重点领域企业数字化研发设计工具普及率超过70%，关键工序数控化率超过50%，数字化车间/智能工厂普及率超过20%。对此，王云侯表示，2020年的目标还是比较高的，实现起来有一定的挑战性。

热潮下的冷思考

2017年，工业互联网在我国的发展如火如荼，在经济发达制造业快速发展的地区，很多省份都出台了工业互联网方面的方案和政策文件。但杨春立在分析我国工业互联网的发展现状时直接指出了发展的“短板”：在数据采集层，现成的数据很多，但现场采集的数据少，而且数据类型少，精度很低。在工业PaaS平台层，开发的工具不足，行业的模型缺失，不能满足工业级应用的需求。至于工业APP，并没有真正应用到工业中，另外也没有成熟的商业模式。