0
當前，工業互聯網平臺正在驅動工業全要素、全產業鏈等實現深度互聯，并在工業數字化轉型中發揮越來越重要的作用。
工信部副部長陳肇雄表示，“目前，具備一定行業區域影響力的平臺數量超過了50個，重點平臺平均工業設備連接數已經突破65萬臺套，工業APP達1950多個，涵蓋細分行業達100多個。”
雷鋒網了解到，在電子、家電、電力這些“中國制造”崛起過程中的重點行業，現階段工業互聯網平臺已有了較高程度的滲透；而在石油石化、鋼鐵等，由于這些行業原本就對精益管理、效率提高具有較強的需求，因此對于工業互聯網平臺的應用也較為積極；另外，在服裝、農業、化工、能源、零售、交通等行業，工業互聯網平臺正在更加深遠地支撐著這些行業的變革。
【 圖片來源：阿里云正版圖片 所有者：圖蟲 】
那么，工業互聯網平臺是如何賦能各個行業？
我們知道，工業領域不同行業的差異化明顯，企業間存在很強的個性化，而工業企業的競爭優勢在于它們的行業積累，每一個細分領域的專有知識都是無可取代的。同時，目前很多的工業互聯網平臺都是通用型的，可以同時賦能多個不同行業。比如海爾COSMOPlat平臺能對家電、電子、服裝、農業、化工、模具等15個垂直行業提供全場景工業互聯網解決方案；比如研華WISE-PaaS平臺能同時對工業、環保能源、交通、零售、醫療、物流等領域進行賦能。
而據工業互聯網平臺白皮書（2019討論稿），通用、可復制的工具和服務帶來平臺實施成本的大幅降低，基于大量工業數據、工業知識、 機理模型等資源的沉淀，通過工業 APP 開發商和服務商形成部分定制化的平臺服務，可實現更廣范圍、更大規模的擴展。平臺未來將呈現 “80%通用工具服務+20%個性化系統集成開發”的能力構成，并從軟件工具轉向互聯網屬性，塑造開放協同的平臺經濟。
近日，雷鋒網采訪到了研華科技CTO楊瑞祥博士，了解到作為一款通用型工業互聯網平臺，研華WISE-PaaS平臺的發展歷程，以及如何同時賦能多個行業，如何處理不同行業之間「共性」與「個性」的問題。
據公開信息，一般來講，工業互聯網平臺的發展經歷大致分為四個階段，分別是云平臺、大數據平臺、物聯網平臺和工業互聯網平臺。
第一階段，大約是2010年以前，這期間產生了以亞馬遜AWS、微軟Azure為代表的云計算平臺；
第二階段，也就是2010年到2013年，產生了以SAP HANA和Teradata Aster為代表的大數據平臺；
第三階段，2013年到2015年，則有亞馬遜AWS IoT、IBM Watson IoT、微軟Azure IoT為代表的物聯網平臺誕生；
第四階段，即2015年以后，以GE Predix 、西門子MindSphere、ABB Ability為代表的工業互聯網平臺快速發展，呈現爆發式增長態勢。
而研華WISE-PaaS平臺誕生于2014年，剛好屬于第三階段，這在全球范圍內來看，還是比較早的。在那時，研華就開始了WISE-PaaS 1.0版本的研發，這是基于當時主流的Virtual Machine概念進行的設計，當時行業內數據平臺這個概念還不是太明顯。
在1.0版本時期，研華有提供一些最基本的應用服務，包括智能零售、智能醫院、智能車隊等。但在給客戶進行賦能時發現，落地了一個案例后，當應用要復制到第二個客戶時就會面臨比較大的改動，Virtual Machine的這種設計其彈性并不理想。此后，研華在此基礎上陸陸續續探索了一年，到了2015年意識到了這個1.0版本所存在的、最根本的問題。
到了2016年，研華決定要將1.0版本全部推倒重新做，并意識到打造數據平臺是必經之路，并將數據與應用進行了分層。在2016年時，Cloud Foundry作為一個平臺的技術基礎，在當時是比較主流的選擇，幾個大型的工業互聯網平臺都采用了這個方案，比如GE Predix。而研華也選擇了用Cloud Foundry作為WISE-PaaS 2.0的應用基礎框架。
據了解，2017年的時候，研華已有一些應用在WISE-PaaS 2.0上面成型。
2018年，他們開始了對于WISE-PaaS 3.0的研究，為平臺導入了應用框架服務的概念。楊瑞祥向雷鋒網透露，把數據平臺打造出來是第一步，數據上面還需要再寫應用，那么這里面就會有很多的研發工作要做，包括看板、配置服務，以及資產績效管理軟件APM，此外還得開始著手研發人工智能框架服務。
到了去年年初，也就是2019年，研華開始評估做WISE-PaaS 4.0，將WISE-PaaS之前版本用的Cloud Foundry這個平臺的底層改為Kubernetes，其主要優勢是Kubernetes的顆粒比較細，并以微服務架構提供各式AIoT軟件及服務。雷鋒網了解到，當平臺如果有多個用戶一起用的時候，Kubernetes可以使得用戶的起跳門檻再往下降，或者當客戶需要有多個運算的時候，有些運算占用的資源多，有些比較輕量級一些，Kubernetes也可以適用這種情況。
從WISE-PaaS 1.0到4.0，WISE-PaaS從最初僅僅對于智能零售、智能醫院、智能車隊這些行業各別賦能，發展成為同時為工業、環保能源、交通、零售、醫療、物流等眾多領域提供支撐服務，成長為一個比較成熟的通用型工業互聯網平臺，研華用了整整6年的時間。
而具體到不同的垂直行業，研華是如何處理這些行業一些「共性」與「個性」的問題呢？
在共性的方面，楊瑞祥表示，獲取的數據、所用的數據平臺，以及對應的多個用戶都屬于共性的部分，再者就是身份辨認、權限管理等，這些環節與具體到哪一個行業是不相關的。當數據量變多以后，還會涉及彈性擴容，而在數據管理與運算、資源的管理、用戶的管理，這些在任何應用都一樣，因此也屬于共性的部分。但具體到WISE-PaaS平臺的應用層，就存在專業的差異，而且這個差異還非常大。
雷鋒網了解到，在WISE-PaaS 3.0導入的應用框架服務，主要是可視化、資產效能管理、人工智能等的應用，會涉及三方面的數據價值挖掘。
第一，可視化的共性。各式各樣的可視化呈現工具，不管是醫療、零售，還是工廠等，幾乎都有所謂BI (business intelligence) 的概念，并且會生成一些績效統計、相應的報表等；此外，流程場景的可視化，比如現場平面圖、3D立體建模等也會涉及到。
第二，是設備的共性，以及拓撲、配置等。在任何場景，不管設備的位置、地理空間的大小、分散還是集中，或者復雜度如何，一定會涉及到設備的管理、拓撲等。
第三，是人員的共性。在場景中，哪些人員在哪一個位置負責哪些設備的管理，當設備出現狀況時要找誰，這在很多場景都可以設定出來，這與具體的場景也是無關的。
而在各個專業領域，企業自身的一些專業知識就很不同了，但企業相互之間會去競爭一些專業人才。楊瑞祥表示，企業之間會去競爭云方面的技術人員、數據科學家等，但是一般企業這方面的人才是很缺乏的。而WISE-PaaS的應用框架服務，可以使得企業僅需編寫少量代碼，配置導向的低代碼開發環境可以很好地應對企業的一些個性化的需求，快速簡易地開發部署，輔以WISE-PaaS / AFS（AI Framework Service）人工智能框架服務，及AI行業方案的顧問咨詢，降低了對數據科學家的依賴。
雷鋒網了解到，在應對各個專業細分領域的「個性」時，研華是以“共創”的模式，與各行業有專業Know-how的伙伴進行合作，基于WISE-PaaS進行具體行業應用的開發。
通過伙伴在行業內的專家知識，搭配研華多年來在邊緣端數據收集、聯網和在云端數據的處理應用，形成OT與IT的融合。近些年，研華積極啟動了各個領域的共創合作，育成行業深耕的系統集成商（DFSI；Domain-Focused Solution Integrator）。
比如與永進機械工業股份有限公司合資成立CNC設備遠程運營云服務商、與川源（中國）機械有限公司合資成立水處理設備遠程運營云服務商、與天津安捷科技成立合資公司賦能綜合能源服務行業、與東捷資訊成立合資公司打造智慧工廠解決方案等。
這些都是研華通過共創模式，與伙伴攜手引導產業數位轉型，實現物聯網產業共贏的新局勢。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
