<mark id="oztn4"></mark>
0
對物聯網概念快速普及起到重要作用的是哪個領域？
消費領域。
物聯網能帶來最大價值的是哪個領域？
毫無疑問，必定是工業領域。
據2017年12月賽迪顧問發布的《2017中國工業物聯網產業白皮書》數據顯示，2016年，我國工業物聯網(IIoT)規模達到1896億元，在整體物聯網產業中占比第一，約為18%；預計到2020年，這一占比將達到25%，規模將突破4500億元。
圖片來源：賽迪顧問
盡管有如此大的市場體量和市場需求，但是相對于消費物聯網而言，無論是在數據采集、平臺建設、生態運營商上，都更為艱難。
雷鋒網編輯特別采訪了智物聯（深圳市智物聯網絡有限公司）CEO國承斌，就現在工業互聯網平臺建設、數據采集等行業發展關鍵問題進行了梳理，同時，也借助智物聯走過的坑和鋪過的路，給整個行業帶來更多的思考和借鑒。
從2014年7月至今，智物聯在工業互聯網這條道路上走過了四年零三個月。而在此之前，智物聯其實是深海捷科技的車聯網業務部。
成立于2007年的深海捷科技有限公司從通信行業做起，2011年，在車聯網還沒有像現在這般紅透半邊天的時候，深海捷科技就已經開始入局車聯網，也就有了智物聯的雛形。“我們從2011年到2014年做了很多車聯網完整解決方案，包括國內知名的正通汽車、奇瑞重工、車友互聯、凱越電子等，當時都是我們的客戶。”智物聯CEO國承斌告訴雷鋒網編輯。
在做了各領域、各場景下的車聯網解決方案后，“實際上我們的解決方案已經逐漸演變成一個通用的物聯網解決方案。”
在擁有這樣的通用物聯網解決方案后，整個團隊有了新的想法。
在2014年，由于我們的物聯網解決方案的穩定性、可靠性、大容量、大并發性及靈活性已經做得很好，我們覺得這樣的解決方案應該有更大的用處，例如工業、高端設備制造業這類高價值的領域用這套體系會更合適。
2014年7月，原深海捷科技車聯網業務獨立出來，注冊了定位工業互聯網的深圳市智物聯網絡有限公司。“如果給智物聯的發展分一個階段的話，從2011年到2014年，應該算是智物聯的前期孕育階段，可以算作0.1階段。”
現在的智物聯，其實更在于第二階段的發展——從2014年到2017年的“1.0階段”。智物聯在1.0階段建立起了包括數據采集層、數據處理層、數據應用層在內的整個系統架構，解決了數據采集、時延&安全、數據分析、數據建模等諸多問題。
工業互聯網領域面臨的第一個難題就是：數據采集。
數據難以采集一直被認為是工業互聯網的一大難題。國承斌告訴雷鋒網編輯，從宏觀上來看，工業領域的數據采集確實存在散、亂的問題；從微觀上來看，其實也不完全是這樣。
工業互聯網通信協議實際上有兩個維度：載體協議（作為承載的通信協議，即通信協議本身）和點表。
載體協議。在工業領域具體細分行業中，其實都有自己的通信協議，而且這樣的協議通常已經收斂成幾個協議。而這些協議通常都是大行業定制的，在國內或者全球細分行業中通常是比較確定的；
點表。通信協議上具體的點表，每個廠家都不一樣，有些廠家規劃得合理，有些廠家規劃得不合理，要搞定這一塊，只能通過時間的積累。
由此看來，只要平臺兼容這些確定的載體協議，從理論上來講，實現數據采集就成了積累不同廠商或設備的點表的問題。
為什么說是“從理論上來講”呢？
因為要實現數據采集、積累點表，就需要硬件設備，但是市面上并沒有很好用的、通用的工業數據傳輸設備。
最初，智物聯試圖找一個第三方硬件應用到他們的解決方案中，但是經過一段時間調研、測試后，發現沒有合適的硬件。“雖然當時市面上也有類似DTU（Data Transfer unit）的設備，可以通過透傳的方式采集到數據，但是這樣的設備并不適用于設備數量很大的工業應用方案，這也是為什么到目前為止，DTU在具體工業應用案例中的用量并不大的原因。”
因此，智物聯研發了自己的適配器（APRUS）。值得一提的是，APRUS擁有可編程特性，允許用戶通過LUA腳本重新定義APRUS的數據采集邏輯和數據采集協議，且可以在線刷新和升級。據國承斌透露，到目前為止，APRUS累計出貨量近20萬。
不過需要注意的是，使用APRUS時，需要按智物聯的方法對數據進行梳理、分類，并把數據表進行完善。
物聯網一直在提的是云端概念，例如云存儲、云計算等。當然，云端平臺也是工業互聯網平臺的關鍵。智物聯的GARDS基礎數據平臺是整個平臺體系的核心和基礎，提供遠程數據服務（對適配器或控制器進?鑒權、數據存儲，及雙向數據傳輸），因而對安全方面有嚴格要求。
系統安全主要包括三方面：傳輸鏈路安全、消息本身安全和反向控制安全。
傳輸鏈路安全。目前，傳輸鏈路安全相關技術（諸如對稱加密技術、非對稱加密技術、動態加密技術等）已經在銀行系統普遍應用，目前已經相對成熟的，也完全可以應用到工業領域，只不過需要更高的算力。“我們直接借鑒金融系統的加密技術做傳輸層的安全。”例如智物聯適配器與基礎云平臺數據交互采用對稱加密技術，云平臺與應用系統交互采用時間戳方式加密。
消息本身安全。工業系統中，并非所有數據都有意義，有些類別數據在采集過程中丟失某幾個并無影響，因而需要事先對所有數據進行定義及分類。例如電流是一個連續變量，這類數據在采集過程中丟一項并無影響；而開關量這樣的瞬態變量則不能丟失。“所以我們對數據進行了分類，基于這樣的分類，我們在協議上對數據進行保障。”
反向控制安全。例如在遠端下發指令控制設備開啟，實際上需要指令在短時間內到達并被執行。針對反向控制，智物聯通過在標準MQTT協議上做針對性的改進和擴展，從而實現在這類非可靠網絡上建立可靠的數據連接。
時延問題由于與網絡本身關系較大，因而，近兩年，工業互聯網更多提到邊緣側布局。
工業領域的數據量巨大，同時很多決策需要在低時延情況下完成，送到云端首先無法滿足大量數據傳輸的低時延。因為時延與網絡本身關系較大，所以更有效的方法是通過邊緣側實現大部分數據計算和存儲，只把少量重要數據和重要能力送到云端備份或運行。
控制器（APICO）是智物聯此前針對與智物聯工業互聯網平臺進行數據及信息雙向傳輸的設備。現在，智物聯更愿意將它稱為“邊緣計算盒子”。
APICO其實是一個搭載安卓系統的硬件，我們在該硬件中封裝了各種工業通信協議及分析軟件。近期，我們通過APICO幫助中石油濟柴將其沼氣發電機組發電效率的平均發電效率提升了10%。
數據分析是工業互聯網平臺的關鍵能力。國承斌告訴雷鋒網編輯，智物聯在數據分析上更多強調數學本身的作用，對具體工業任務采用大量的數學分析方法。
“我們在做數據分析模型時查閱了大量國內外文獻和研究資料，但是我們發現其實很難找到有效的資料，原因在于產研未能有效結合，之前的研究機構（例如高校）做的模型缺乏像工業互聯網平臺工具進行驗證，因而無法改進，至今仍處在理論階段；從工業界（工廠和設備使用方）來看，首先沒有辦法收集大量工業數據，另外也缺乏這種數學人才。”
國承斌告訴雷鋒網編輯，智物聯兼備人才和數據兩大優勢。
在人才方面，智物聯合伙人兼CTO吳剛博士作為數學方面專家，帶領算法團隊做數據分析及數學建模，搭建了INDASS數據分析服務系統；在數據方面，“智物聯接觸了80多類設備，目前我們的聯網設備量達到一二十萬臺，”因而，也有充足的數據。在此基礎上，智物聯得以較為順利地進行數據分析相關工作。
智物聯在數據分析方面的做法是先把底層各種數學模塊搭建好，然后針對動設備做了5個通用模型：趨勢分析模型、穩定性分析模型、指數分析模型、優化分析模型、風險分析模型；針對專用分析，智物聯做了沼氣發電模型、設備預測/評估模型、邊坡臨滑模型（礦山領域）和電鏟震動模型（露天礦挖礦）。
經過四年的深耕與積累，智物聯在今年6月提出Mixlinker 2.0的概念，發布了微服務化的MIXIOT & INDASS工業物聯網數據處理和數據分析系統，其中MIXIOT為底層系統。
現在國內大量的軟件公司，包括一些大的軟件公司進入不了工業領域，智物聯在1.0時代做了大量的具體解決方案，并在此基礎上提煉出一個底層系統（MIXIOT），軟件公司可以在在MIXIOT基礎上搭建應用軟件，發揮他們的價值。
從2.0時代，智物聯做生態的目標已經很明顯。
智物聯在建立這樣一個工業互聯網的生態時，分了四類合伙人：城市合伙人、技術合伙人、行業合伙人和項目合伙人。其中城市合伙人是代理商，而技術合伙人則是上文提到的軟件公司等行業公司。“我們的目標是在今年年底發展到100個城市合伙人和200個技術合伙人。”
與此同時，智物聯在華南與華為共同開展相關活動，外加政府對整個廣東省對商業平臺的政策引導，智物聯的工業互聯網生態已經干得風生水起。
當談到，華為有自己的平臺和生態，為什么還會加入智物聯的生態？
國承斌告訴雷鋒網編輯，智物聯可以為華為解決很多工業上的問題，華為也可以為智物聯在渠道和體系上帶來更多客戶，因而，智物聯和華為其實是互為生態。
另外，應用系統作為工業互聯網解決方案關鍵點，也是最終項目中獲利點，智物聯在2012年發布了自己第一個版本FIDIS（柔性信息與數據集成系統）。隨著生態建設成為智物聯未來的發展重點，“我們會給我們的合作伙伴逐漸開源我們這一部分代碼，讓我們的合作伙伴基于開源的這部分代碼去做具體場景應用。”
工業互聯網因為數據分散、定制化程度高，無法做出完全通用的設計方案進行快速復制，每個項目往往需要進行幾乎全新的項目開發，這使得工業互聯網廠商只有兩條路可以選：
做項目。但是做項目效率太低，普通工業互聯網平臺廠商一年智能做三五個項目，再加上普通工業企業能承受的價位通常也就一百萬左右，因而盈利困難；
賣SaaS平臺賬號。工業互聯網平臺廠商又很難滿足一個具體場景應用。
國承斌告訴雷鋒網編輯，正是看到了行業中這些問題，看到行業中缺少像移動設備中安卓這樣一個中間系統，智物聯憑借前幾年的經驗，開始試水這一領域，希望做工業互聯網中的安卓，連接工業和軟件兩方企業，推動工業互聯網發展。
工業互聯網相對消費物聯網更為復雜，同時也擁有更大價值，不論是如BAT等巨頭企業，還是初創公司，都在入局這一領域，希望分得一杯羹。
隨著眾多企業入局，工業互聯網的圈子也越來越大，更加熱鬧。與此同時，從設備聯網、數據采集，到系統建設、商業模式，也暴露出更多問題。智物聯看到了工業互聯網中的數據分散、定制化程度高，憑借自己的經驗積累，試水工業互聯網底層系統開發及生態建設。
在這樣一個AI+的時代中，國承斌告訴雷鋒網編輯，智物聯也在做AI在工業互聯網方面的應用研究，相關研究也在路上。
相關文章：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
