一、聚焦核心能力成為工業互聯網平臺產業發展重要趨勢

從全球發展來看，隨著工業互聯網平臺市場的日漸成熟與不同主體間的競爭加劇，平臺業務聚焦與不同平臺間分工合作成為重要趨勢。一方面，各類平臺主體基于原有核心優勢選擇2-3個業務方向進行聚焦。另一方面，聚焦不同業務的平臺主體通過合作來共同打造完整平臺解決方案。

（一）在新階段的工業互聯網平臺產業體系中，五類平臺主體占據核心位置：

1、連接與邊緣計算平臺聚焦工業設備和系統的接入管理和邊緣計算，為其他類型平臺提供“流量入口”。

2、云服務平臺多由傳統云計算服務平臺延伸而來，以公有云、私有云、混合云形式提供存儲、計算和網絡服務。

3、通用PaaS平臺集成微服務、容器等基礎框架和軟件開發工具，在云端環境中實現IT資源分配、應用調度和開發部署管理。

4、工業數據分析與可視化平臺提供海量工業數據分析、發展趨勢預測及可視化呈現功能，提升工業數據價值洞察力。

5、業務PaaS平臺則以設計仿真、生產優化、管理運營等領域經驗知識為背景，提供各類專業業務組件及預置解決方案模板，支撐快速構建面向特定工業場景的定制化工業APP。

（二）在產業鏈上游，邊緣計算、人工智能、微服務、容器等開源技術成為平臺構建的關鍵支撐。在產業鏈下游，系統集成商打通平臺解決方案在用戶現場部署的“最后一公里”。

整個平臺產業呈現出由中間高度集聚向兩端逐步碎片化的市場格局特點。中間的云服務、通用PaaS兩類技術型平臺市場將被少數幾個IT巨頭把持，上下兩端的連接與邊緣計算、數據分析與可視化、業務PaaS平臺將在特定專業領域內形成一定的聚集態勢，面向用戶的現場實施集成和工業SaaS服務市場則會因為場景和需求的不同出現深度細分。

二、連接與邊緣計算平臺逐步由分散走向相對集聚

工業互聯網平臺需要實現工廠內外各類生產要素的泛在連接以及靠近邊緣的計算分析，既包括各類消費產品的遠程接入與數據預處理，也涉及工業生產過程中的工業設備、系統的互聯互通和實時分析控制。接入場景和需求的不同驅動連接與邊緣計算平臺劃分為商業物聯和工業物聯兩大陣營，并形成了相對集聚的市場發展特點。

專注M2M的通信技術企業重點布局商業物聯平臺，目前市場第一梯隊已經基本形成。通信巨頭華為和思科憑借NB-IoT、LTE-M等移動網絡技術優勢打造物聯平臺，被英國咨詢機構HIS Markit評為領域發展布局的冠亞軍。除此之外，還有眾多企業以系統集成的方式為平臺的部署實施提供定制化的工業連接解決方案。

當前，不斷積累工業協議數量以提供通用化連接服務成為工業物聯平臺發展重要方式，紅獅控制的數據采集平臺目前支持300多種工業協議，可以接入不同類型品牌的PLC、驅動器、控制器等產品； KEPServerEX平臺集成了150余種設備驅動或插件；此外，研華科技在其新推出的WISE平臺中也已將長期積累的150多種工業協議轉化成為對外連接服務能力。這些企業正積極將工業協議接入服務向更多平臺企業提供，未來有望成為工業連接領域領導者，驅動工業物聯平臺市場走向集聚發展。

三、云服務和通用PaaS平臺將形成IT巨頭主導的產業格局

由于需要高昂的資金投入和復雜的技術集成能力，云服務平臺和通用PaaS平臺成為IT巨頭“勢力范圍”，呈現出高度集聚的特點。

一方面，云服務平臺市場馬太效應初現端倪，領軍云計算廠商成為當前市場最大贏家。亞馬遜AWS云和微軟Azure云成為國外GE Predix、西門子 MindSphere、PTC ThingWorx等主流平臺首選合作伙伴，國內阿里云、騰訊云、華為云也受到越來越多的企業青睞。

另一方面，絕大多數通用PaaS平臺都是IT巨頭主導建設。例如亞馬遜AWS在其云服務平臺基礎上積極引入容器、無服務器計算等技術來構建高性能PaaS服務，盡管出于滿足自身應用需求和布局關鍵技術的考慮，個別工業巨頭選擇自建通用PaaS平臺，例如GE和西門子都曾借助CloudFoundry開源框架構建通用PaaS平臺，但對于大部分企業而言，獨立建設通用PaaS平臺既不經濟也無必要。

總體來看，云服務平臺和通用PaaS平臺將被少數幾個IT巨頭整合成為通用底座平臺，憑借技術和規模優勢提供完整的“IaaS+通用PaaS”技術服務能力。其他企業在通用底座平臺上發揮各自優勢打造專業服務平臺，形成“1+N”的平臺體系。如紫光云引擎提供紫光UNIPower平臺，光電纜、光伏、日化等行業龍頭企業則借助其底層技術支撐能力，結合自身業務經驗優勢打造各類行業專屬平臺。

四、工業數據分析與可視化平臺向場景化分析服務轉型

大數據、人工智能技術驅動的工業數據智能分析支撐工業互聯網平臺實現數據價值挖掘，打造工業數據分析與可視化平臺是眾多主體布局的切入點和關鍵點，與行業場景和業務需求深度結合成為工業數據分析與可視化平臺未來發展必然趨勢。

不同主體布局過程中，呈現出“兩大路徑四種方式”：

一是工業企業推動領域經驗知識的數字化、軟件化。一方面將原有數字模型與分析工具轉化為平臺服務，霍尼韋爾Sentience平臺中集成工藝計算包以幫助用戶實現石化工藝優化；另一方面在傳統經驗基礎上引入先進智能分析技術，形成新的平臺分析服務，羅克韋爾FactoryTalk Analytics平臺可以利用自然語言和生產人員進行互動，幫助后者發現并解決設備難題。

二是IT企業在大數據、人工智能技術上疊加工業知識。在實現方式上，IT巨頭多立足自身基礎技術平臺提供通用化算法和工具，微軟Azure平臺提供從云端到邊緣的豐富AI工具組合，豐田物料搬運歐洲公司則利用其AI服務實現流程自動優化。

長遠來看，伴隨著技術成熟普及，通用化數據分析工具將向底層通用PaaS平臺下沉，與工業場景深度結合的數據分析與可視化平臺逐步向業務PaaS平臺和工業SaaS演化。

五、業務PaaS平臺將形成整體百花齊放、特定專業領域相對集聚的發展局面

作為支撐前端靈活構建各類工業應用和解決方案的后臺中樞，業務PaaS平臺需要深厚的專業知識和領域經驗積累沉淀，不同領域龍頭企業依托傳統業務優勢布局業務PaaS平臺，加快積累深度融入領域知識的業務組件成為贏取市場競爭的核心。

專業服務能力和行業經驗積累共同支撐業務PaaS平臺構建。

一是對設計、生產、管理、運維等領域服務能力改造升級形成開放PaaS服務。如工業軟件廠商 索為、用友等將設計仿真、運營管理、采購銷售領域軟件轉化成平臺中獨立的服務模塊，快速滿足用戶個性化應用軟件定制需求；徐工、擎天科技等自動化、裝備和制造企業則憑借生產優化、資產運維、能耗優化等方面的優勢，在平臺里提供專業化的預置解決方案。

二是將特定行業經驗知識以數字化模型或專業化軟件工具形式積累沉淀到平臺中。如數控機床行業龍頭企業德瑪吉森將其長期積累的參數優化、故障運維、產線管理經驗轉化成ADAMOS平臺中的開放式API，賦能給其他裝備制造商和客戶 。

工業場景的復雜性和客戶需求的多樣性帶來平臺解決方案的定制化需求，借鑒消費互聯網平臺經驗，構建工業業務中臺成為平臺企業更深層次滿足個性化業務需求、更廣泛拓展平臺應用的必然選擇，通過在業務PaaS平臺中積累成熟可復用的服務模塊，借助客戶、合作伙伴和第三方開發者力量開展工業 APP創新，快速響應客戶需求。