以下是对安筱鹏博士的《重构：数字化转型的逻辑》一书的笔记摘抄。
逐字摘抄能够加深自己的理解，防止“水过地皮湿”，强烈推荐这种读书方法。
不重构，无未来：拥抱数据驱动的智能+新时代
伴随着新一代信息通信技术（以互联网、大数据、人工智能、5G为代表）的持续创新和渗透扩散，新一轮工业革命正在全球范围孕育兴起，制造业正迈向体系重构、动力变革、范式迁移的新阶段，加速向数字化、网络化、智能化方向延伸扩展，万物互联、数据驱动、软件定义、平台支撑、组织重构、智能主导正在构建制造业的新体系，它也成为了全球新一轮产业竞争的制高点。
体系重构
（1）谁来生产（Who）在变：生产主体从生产者向产消者Prosumer演进，个性化定制模式的兴起让消费者全程参与到生产过程中；
（2）生产什么（What）在变：生产对象从功能产品向智能互联产品演进，可动态感知并实时响应消费需求的无人驾驶、服务机器人等智能化产品的商业化步伐不断加快；
（3）用何工具（Which）在变：生产工具从以工业社会传统的以能量转换为特征的工具向智能工具演进，即具备对信息进行采集、传输、处理、执行的工具，3D打印、数控机床、智能机器人等智能装备快速涌现；
（4）如何生产（How）在变：生产方式从传统制造的“试错法”向基于数字仿真的“模拟择优法”转变，构建制造业快速迭代、持续优化、数据驱动的新生产方式；
（5）在哪生产（Where）在变：网络化协同制造、分享制造等制造业新模式推动生产地点从集中化走向分散化，跨部门、跨企业、跨地域的协同成为常态，尤其是分享制造的发展，构建起了检测、加工、认证、配送等制造能力标准化封装、在线化交易的新体系，推动制造能力在全社会范围内进行协同。
动力变革
制造业迈向转型升级的新阶段——数据驱动的新阶段。
（1）资源优化是目标，即不断优化制造资源的配置效率，就是要实现更好的质量、更低的成本、更快的交付、更高的满意度，就是要提高制造业全要素生产率；
（2）数据流动是关键，即能够把正确的数据在正确的时间以正确的方式传递给正确的人和机器，把数据转化为信息，把信息转化为知识，把知识转化为决策，以信息流带动技术流、资金流、人才流、物资流，以应对和解决制造过程的复杂性和不确定性等问题，提高制造资源的配置效率；
（3）工业软件是核心，软件本质上是人类隐形知识显性化的载体，是一套数据自动流动的规则体系。
范式迁移
制造范式指在一定时期、在特定技术条件下对制造业价值观、方法论、发展模式和运行规律的认识框架。人类认识和改造世界的方法正从传统的理论推理（以牛顿定律、爱因斯坦相对论为代表，以“观察+抽象+数学”为关键要素，是人类认识世界最根本的方法，依赖于少数天才科学家，具备严密的逻辑关系，是试验验证和模拟择优的基础）、试验验证（以爱迪生发明灯泡为代表，以“假设+试验+归纳”为关键要素，依赖于设备材料的高投入，实验过程大协作、长周期，验证结果直观）向模拟择优（以波音777研发为代表，以“样本数据+机理模型”为关键要素，依赖于高质量机理模型的支撑，和传统试错法相比，投入少、周期短，可推动产品研发、验证、制造、服务业务在赛博空间的快速迭代，实现更短的研发周期、更低的制造成本、更高的产品质量和更好的客户体验）和大数据分析（以GE通过平台优化风电设备性能为代表，以“海量数据+大数据分析模型”为关键要素，依赖于海量数据的获取，以及计算、存储资源的低成本和高效利用，是一种基于数据驱动的价值创造范式）转变。
智能制造和工业互联网
20世纪80年代提出的智能制造和2012年提出的工业互联网是面对制造转型升级需求，基于不同时代的技术体系、需求结构、竞争结局提出的解决方案，既有联系又有区别，从智能制造和工业互联网，是信息技术体系从传统架构向云架构的迁移，是制造资源从局部优化到全局优化的演进，是业务协同从企业内部到产业链的扩展，是竞争模式从单一企业竞争到生态体系竞争的升级，是产业分工从基于产品的分工到基于知识的分工深化，但其内在逻辑是一致的——以数据的自动流动化解复杂系统的不确定性。
重构
（1）思维重构：以大视野、大科学、大融合维度视角，审视新一轮科技革命和产业变革机理，打通穿透数字化转型的技术、产业、经济、商业、政策的语境与逻辑，在数据+算法定义的世界中，探索升维思考之后的降维落地之路；
（2）战略重构：数字化转型带来了工具革命和决策革命，人们要重新思考战略的形成、演化与落地；
（3）技术重构：大科学、大技术交叉融合的时代，技术体系的解耦、分化、再封装正在构建新技术体系，如何洞察技术变局，以OT与IT融合、云架构升级、微服务落地，粉碎僵化开发模式和陈规桎梏，重建技术支撑体系；
（4）能力重构：技术赋能时代，传统能力升级与新型能力培育相互交织激荡，企业竞争力体系正在加速重构；
（5）组织重构：企业组织迎来了异常转基因工程，无边界的液态组织正在激活企业的内生动力。
智能制造的逻辑：从生产装备自动化到数据流动自动化
人类社会的发展史就是一部应对不确定性、寻求确定性的历史，克服对不确定性的恐惧是人类认知深化的重要动力，对客观世界的理解、预测、控制是人类化解不确定性恐惧的三步曲。
信息的价值在于减少认知的不确定性，个性化定制、产品智能化、产业分工深化及竞争格局加剧不断提升制造系统的复杂性及生产过程的不确定性，智能制造的本质就在于以数据的自动流动化解复杂系统的不确定性，提高智能资源配置效率。
智能制造的本质
智能制造的本质在于以数据的自动流动化化解复杂制造系统的不确定性，优化制造资源配置效率。
信息、不确定性与人类社会发展
认知的分野：认知规律中的不确定性
（1） 哲学视角
人们对客观世界的认知并非在确定性和不确定性之间二选一，而是两种思维方式在不断相互转化、交叉融合（灰度思维）。对于现实世界，人们的未知远大于已知，人类不懈追求认知的绝对确定性而逐步显现出其不确定性。
（2） 科学视角
以牛顿三大定律和万有引力定律为核心的牛顿力学作为经典科学，完美地解释了确定性运动学规律和现象。由此而来，近现代科学成就不断强化人们基于确定性逻辑规律的认知，人们不自觉地把科学性和确定性等同起来。
对不确定性的重新认识，是现代科学对于人类思想的重要贡献，是20世纪的重大进步。海森堡的测不准原则、哥德尔的不完全性定力、阿罗的社会选择理论、埃弗雷特的平行宇宙理论等不确定性的发现，促使我们的观念发生了根本变化。（用科学的理论认识总结这种不确定性，是区别被动接受和主动接受不确定性的判据，是不确定性和确定性的融合）
（3） 经济学视角
经济学通过研究人的经济行为来分析经济现象，又将人的行为过程描述为决策过程，经济学的一个基本问题是在不确定性条件下人们的决策原则是什么。
1972年诺贝尔经济学奖获得者阿罗认为，所谓信息就是根据条件概率原则有效地改变概率的任何观察结果，不确定就意味着成本，信息的价值就在于降低了经济的不确定性。
信息的价值：减少认知的不确定性
香农在论文《通信的数学理论》中指出：信息是用来减少随机不确定性的东西，信息的价值是确定性的增加。信息就是两次不确定性之差，信息就是传递中的知识差。
社会的演进：基于信息能力拓展的分工与协作
工业革命孕育的市场经济本质是如何在高度不确定性的环境中实现科学决策，哈耶克（1974年诺贝尔经济学奖获得者）认为，市场经济就是一个信息处理系统，大量独立个体通过价格发现机制，基于各种有限、当地化、碎片化的信息进行决策，优化资源配置。
进入数字经济时代，人类大规模协作的广度、深度、频率进入了一个新阶段，企业边界正在被重新定义，科层组织正在被瓦解，产消者不断涌现，微粒社会正在来临，平台经济体迅速崛起，人类社会已经从工业社会百万人量级的协作生产体系演进到数千万、数亿人的合作，这也带来了产业分工不断深化。
企业竞争的本质：优化资源配置效率的竞争
企业竞争的本质
罗纳德.科斯指出：“企业的本质是一种资源配置的机制，是替代市场进行资源配置的组织“。市场和企业是配置资源的两种可相互替代的手段，在市场上资源的配置由价格机制来调节，在企业内则通过管理协调来完成，企业的边界由交易费用决定。当企业内的交易费用低于在市场上的交易费用时，企业的边界则得以扩展，直至两者的交易费用相等为止。
企业竞争的本质是在不确定市场环境下企业资源配置效率的竞争。对于制造企业而言，在研发、设计、采购、生产、配送、服务的每个环节，都面临着如何优化资源配置效率的问题。
不确定性的来源
（1）产品本身的复杂性：现代产品是集软件、电子、机械、液压、控制于一体的技术系统，产品的设计、生产、维护难度越来越高，产品的研发组织充满了不确定性；
（2）生产过程的复杂性：制造是一个涉及企业内外部多主体、多设备、多环节、多学科、多工艺、跨区域协同的复杂系统工程。伴随着产业分工深化、个性化消费兴起、智能化步伐加快，生产过程的复杂性不断提高；
（3）市场需求的复杂性：制造企业正从传统的大规模标准化生产向适应用户个性化定制和体验式消费的新型生产方式演进；
（4）供应链协同的复杂性：随着全球化的发展，企业制造分工日趋细化，产品供应链体系也随之越来越庞大。
智能制造的本质：以数据的自动流动化解复杂系统的不确定性
智能的演化
杨学山在《智能原理》一书中指出“智能是主体适应、改变、选择环境的各种行为能力”。
（1）生物智能的演化：从单细胞到多系统、从低级到高级、从单个生命体向物种群落的演化。
（2）非生物智能的演化：对于非生物智能的探索有三大主流学派，即基于逻辑推理算法的符号主义学派、基于神经网络及网络间联结机制与学习算法的连接主义学派、基于“感知—行动”行为模拟算法的行为主义学派。
数据的自动流动
完整、准确的数据采集（智能装备和终端、各种传感器）是数据自动流动的起点，及时、可靠的数据传输网络（5G、物联网、时间敏感网络）是数据自动流动的通道，科学、合理的数据分析（算法、软件）是数据自动流动的核心，精准、有效的数据决策（分布式控制系统DCS、可编程逻辑控制器PLC）是数据自动流动的终点。
信息化与资源优化配置
信息物理系统是一种非生物智能与生物智能的集成系统，其本质是通过信息化手段实现数据自动流动，以信息流带动技术流、资金流、人才流、物资流，进而解决复杂制造系统的不确定性问题，不断优化资源配置效率。
在实际生产过程中企业生产运行时间损失、生产制造资源浪费情况十分严重，通过全面优化企业生产全流程、各环节资源配置提升企业生产效率，提高生产有效可用时间的潜力巨大。
（1）从资源优化配置的系统性来看，将从局部优化向全局优化演进。智能制造系统从单机设备、单一环节、单一场景、单一要素的局部小系统不断向大系统、巨系统演进，从部门级到企业级，再到产业链级，乃至产业生态级系统演进，不断突破地域、组织、机制的界限，实现对人才、技术、资金等资源和要素的高效整合，从而带动产品、模式和业态创新。
（2）从资源优化配置的时效性来看，将从静态优化向动态优化演进。传统制造理念是以不变应万变、以确定性应对不确定性，用各种冗余应对可能出现的不确定性，传统制造走向智能制造，就是摒弃冗余思维、静态思维，走向精准思维、动态思维，实时响应变化、拥抱变化，以动态优化策略应对各种不确定性。
制造业智能化转型的趋势
高效率、低成本、高质量是制造业不变的追求。当前，互联网、大数据、人工智能等新技术持续创新和高速发展，为制造业发展注入新的活力，使得制造业加速迈向万物互联、数据驱动、软件定义、平台支撑、组织重构的新时代。
万物互联：互联一切可数字化的事物
所谓万物互联，就是人、物、数据和应用通过互联网连接在一起，实现所有人和人、人和物及物和物之间的互联，重构整个社会的生产工具、生产方式和生活场景。在万物互联的角度下，信息化就是物理设备不断成为网络终端并引发整个社会变革的过程，信息技术发展的终极目标是基于物联网平台实现设备无所不在的连接，开发各类应用，提供多种数据支撑和服务，未来所有产品都将成为可监测、可控制、可优化、自主性的智能产品。
可监测、可控制、可优化、自主性的智能产品将感知客户需求、推送客户服务，推动企业从产品生产商到客户运营商的转变。
数据驱动：驱动制造资源的优化配置
数据驱动的本质就是通过生产制造全过程、全产业链、产品全生命周期数据的自动流动不断优化制造资源的配置效率，就是要实现更好的质量、更低的成本、更快的交付、更高的满意度，就是要提高制造业全要素生产率，这将带来数据驱动的服务（智能互联产品正演变为一个客户需求数据实时感知的平台，演变为基于实时数据的客户服务平台）、数据驱动的创新（企业对客户现实需求和潜在需求的深度挖掘、实时感知、快速响应、及时满足，越来越依赖于需求—功能—创意—产品链条数据联动的速度、节奏和效率）、数据驱动的生产（数字化模型普遍存在于生产体系各个环节，构建了面向设计、生产、运营、服务和管理的产品库、知识库、专家库，衍生出个性化定制、极少量生产、服务型制造和云制造等新的生产模式）和数据驱动的决策（企业内部的横向集成和企业间的纵向集成实现了数据的及时性、完整性、准确性和可执行性，推动数据—信息—知识—决策持续转化，构建企业运营新机制）。
软件定义：定义数据自动流动的准则
软件的本质是构建一套数据自动流动的规则体系，基于软件打造“状态感知—实时分析—科学决策—精准执行”的数据闭环，解决研发设计、生产制造、运营管理乃至生产制造全过程中的复杂性和不确定性问题，提高资源配置效率。
（1）软件定义实现了软硬件的解耦分离：其核心是利用分层思想将软硬件分离，通过打破过去的一体化硬件设施，实现“硬件资源的虚拟化”和“服务任务的可编程”，即将传统的“单体式”（Monolithic）硬件设施分解为“基础硬件虚拟化及其API+管控软件”两部分：基础硬件通过API提供标准化的基本功能，进而在其上新增一个软件层替换“单体式”硬件中实现管控的“硬”逻辑，为用户提供更开放、灵活的系统管理服务。这一思想以虚拟化技术为基础，既解决了资源的效率过低的问题，也极大地提升了资源的弹性和灵活性。
（2）软件定义重构生产流程和控制模式：软件定义了生产流程，打破了传统的“设计—制造—测试—再设计”的过程，重构一个与实物制造相对应的虚拟制造空间，实现了研发设计、仿真、试验、制造、服务在虚拟空间并行运行，通过软件定义设计、产品、生产和管理等制造全环节的方式，推动制造过程快速迭代、持续优化和效率提升。软件定义了控制模式，在工业革命300年的历史进程中，控制装置作为技术完备系统（动力装置、传动装置、执行装置、控制装置）重要子系统之一发展最为迅猛，从珍妮纺织机到继电器开关，从电流调节器到数控机床，从嵌入式控制到基于云平台的远程控制，控制系统在核心技术上走过了一条“机械—机电—电子—数字—软件”的技术发展路线，软件技术的发展促使装备控制模式实现从物理控制到数字控制的革命性变迁。
平台支撑：支撑制造业生态体系的构建
平台是基于信息技术构建的连接多个参与方的虚拟空间，是提供信息汇聚（信息门户平台）、产品交易（电商平台）和知识交易（工业互联网平台）的互联网信息服务载体。
工业互联网平台是工业全要素连接的枢纽，是工业资源配置的核心。工业互联网的本质是推动工业资源和要素的解耦、整合和重构，构建新的发展理念、生产体系、组织架构和商业模式，宏观上提升国家资源高效配置能力，中观上培育产业生态构建能力，微观上打造企业新型能力。工业互联网平台推动资源优化的范围从单机、产线、车间、企业拓展到跨企业、跨区域，正在重塑制造业研发体系、生产范式和商业模式，推动企业研发实现研发主体跨部门协同化、研发流程并行化、研发模式闭环化，不断提升研发效率、缩短研发周期、降低研发成本，推动企业智能制造在更广的范围、更深的领域优化制造资源配置效率，实现价值创造从封闭的价值链向开放的价值网络拓展，推动企业从产品生产商向客户运营商转变，基于平台开展状态监测、故障诊断、预测预警、健康优化等各种新型智能服务。
组织重构：重构社会分工协作体系
组织重构的本质就是进入数字经济时代后，数据作为一种新管理要素与传统技术、业务流程、组织结构相互影响、相互作用，极大地变革了不同群体的交流方式、交易方式，有效提升交易速率和质量，从而使得企业内外部交易成本呈现明显下降趋势，推动了组织向扁平化（极小化的自组织）、平台化（极大化的平台）和联盟化（生态化的产业联盟）方向发展。
信息物理系统（CPS）：智能制造技术体系
信息物理系统集成先进的信息通信和自动控制等技术构建了一个物理空间与赛博空间相互映射、实时交互、高效协同的复杂系统，是智能制造发展的关键技术支撑。信息物理系统的核心在于构建一套基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，从而解决生产制造过程中的复杂性、不确定性，提高资源配置效率。
CPS的总体定位：支撑智能制造的综合技术体系
CPS打通状态感知、实时分析、科学决策、精准执行四个环节，连接了物理空间和赛博空间，构筑起数据自动流动的闭环赋能体系，通过隐性数据显性化、隐性知识显性化，实现由数据转化为信息、信息提炼成知识、知识转化决策，在这一过程中，解决了物理世界四个基本问题：首先是描述（Descriptive）物理世界发生了什么（What happened）；其次是诊断（Diagnostic）为什么会发生（Why it happened）；再次是预测（Predictive）接下来会怎样（What will happen）；最后是决策（Decision）应该怎么办（How to do），决策完成之后就可以驱动物理世界执行（Action），最终实现制造资源的优化配置。
CPS的技术要素：一硬、一软、一网、一平台
状态感知就是通过各种各样的传感器感知物质世界的运行状态，实时分析就是通过工业软件实现数据、信息、知识的转化，科学决策就是通过大数据平台实现异构系统数据的流动与知识的分享，精准执行就是通过控制器、执行器等机械硬件实现对决策的反馈响应，这一切都依赖于一个实时、可靠、安全的网络。
可以把这一闭环赋能体系概括为“一硬”（感知和自动控制）（感知的本质是物理世界的数字化，通过各种芯片、传感器等智能硬件实现生产制造全流程中人、设备、物料、环境等隐性信息的显性化，自动控制体现为一系列动作或行为，作用于人、设备、物料和环境上，如分布式控制系统DCS、可编程逻辑控制器PLC及数据采集与监视控制系统SCADA等）、“一软”（工业软件）（工业软件是对工业研发设计、生产制造、经营管理、服务等全生命周期环节规律的模型化、代码化、工具化，是工业知识、技术积累和经验体系的载体，是实现工业数字化、网络化、智能化的核心）、“一网”（工业网络）（工业网络是连接工业生产系统和工业产品各要素的信息网络，通过工业现场总线、工业以太网、工业无线网络和异构网络集成等技术，能够实现工厂内各类装备、控制系统和信息系统的互联互通，以及物料、产品与人的无缝集成，并呈现扁平化、无线化、灵活组网的发展趋势）、“一平台”（工业互联网平台）（工业互联网平台是高度集成、开放和共享的数据服务平台，是跨系统、跨平台、跨领域的数据集散中心、数据存储中心、数据分析中心和数据共享中心，基于工业互联网平台推动专业软件库、应用模型库、产品知识库、测试评估库、案例专家库等基础数据和工具的开发集成和开放共享，实现生产全要素、全流程、全产业链、全生命周期管理的资源配置优化，以提升生产效率、创新模式业态，构建全新产业生态），即“新四基”。
CPS的层级体系：单元级、系统级、系统之系统级
信息物理系统建设的过程就是从单一部件、单机设备、单一环节、单一场景的局部小系统不断向大系统、巨系统演进的过程，是从部门级到企业级，再到产业链级，乃至产业生态级演进的过程，是数据流闭环体系不断延伸和扩展的过程，并逐步形成相互作用的复杂系统网络，突破地域、组织、机制的界限，实现对人才、技术、资金等资源和要素的高效整合，从而带动产品、模式和业态创新。
CPS可以分为单元级、系统级、系统之系统（SoS）级三个层级：
（1）单元级是具有不可分割性的信息物理系统的最小单元。它可以是一个部件或一个产品，通过“一硬”（如具备传感、控制功能的机械臂和传动轴承等）和“一软”（如嵌入式软件）就可构成“感知—分析—决策—执行”的数据闭环，具备了可感知、可计算、可交互、可延展、自决策的功能，典型的单元级最小单元如智能轴承、智能机器人、智能数控机床等。每个最小单元都是一个可被识别、定位、访问、联网的信息载体，通过在赛博空间中对物理实体的身份信息、几何形状、功能信息、运行状态等进行描述和建模，在虚拟空间也可以映射形成一个最小的数字化单元，并伴随着物理实体单元的加工、组装、集成不断叠加、扩展、升级，这一过程也是最小单元在虚拟和实体两个空间不断向系统级和系统之系统级同步演进的过程。
（2）系统级是“一硬、一软、一网”的有机组合。信息物理系统的多个最小单元（单元级）通过工业网络（如工业现场总线、工业以太网等，简称“一网”），实现更大范围、更宽领域的数据自动流动，构成智能生产线、智能车间、智能工厂，实现了多个单元级CPS的互联、互通和互操作，进一步提高制造资源优化配置的广度、深度和精度。系统级CPS基于多个单元级最小单元的状态感知、信息交互、实时分析，实现了局部制造资源的自组织、自配置、自决策、自优化。由传感器、控制终端、组态软件、工业网络等构成的分布式控制系统（DCS）和数据采集与监控系统（SCADA）是系统级CPS，由数控机床、机器人、AGV小车、传送带等构成的智能生产线是系统级CPS，通过制造执行系统（MES）对人、机、物、料、环等生产要素进行生产调度、设备管理、物料配送、计划排产和质量监控而构成的智能车间也是系统级CPS。
（3）系统之系统级（SoS级）是多个系统级CPS的有机组合，涵盖了“一硬、一软、一网、一平台”四大要素。SoS级CPS通过工业互联网平台，实现了跨系统、跨平台的互联、互通和互操作，促成了多源异构数据的集成、交换和共享的闭环自动流动，在全局范围内实现信息全面感知、深度分析、科学决策和精准执行。基于工业互联网平台，通过丰富开发工具、开放应用接口、共享数据资源、建设开发社区，加快各类工业App和平台软件的快速发展，形成一个赢者通吃的多边市场，构建一个新的产业生态。
信息化的终极版图就是要在赛博空间构建起一个与物理空间泛在连接、虚实映射、实时联动、精准反馈、系统自治的数字孪生体。伴随着新技术、新方法、新模式的持续创新，物理空间与数字孪生的交互将实现从静态、动态向实时不断演进，这将驱动着赛博空间的数字孪生无限逼近真实物理空间，实现在单元级、系统级、SoS级等不同层次上的感知、分析、决策、控制。
建设CPS的思路：数据自动流动是关键
资源优化是目标
（1）在资源优化的频率上，从静态优化走向动态优化，摒弃传统的以不变应万变的思维模式，根据需求和环境的变化实时调整资源配置方式（柔性生产）；
（2）在资源优化的范围上，从单点局部走向全局优化；
（3）在资源优化方法论上，从实体优化走向虚实结合优化，从传统的“试错法”向基于数字仿真的“模拟择优法”演变。
总体来看，基于CPS的资源优化过程是一个“螺旋式”上升的过程：
数据自动流动是关键
如果机器人、数控机床、立体仓库等生产设备的自动化替代的是体力劳动者，那么数据流动的自动化将替代脑力劳动者；如果生产设备的自动化是工业3.0，那么数据流动的自动化才是工业4.0的本质。
信息物理系统的本质就是构建一套数据自动流动的运行体系，即将正确的数据（所承载知识）在正确的时间传递给正确的人和机器，以信息流带动技术流、资金流、人才流、物资流，进而不断优化制造资源的配置效率。
从数据流动的视角看，数字化解决了“有数据”的问题，网络化解决了“能流动”的问题，智能化解决了“自动流动”的问题。
工业软件是核心
产品设计和全生命周期管理软件（如CAX、PLM等）建立了高度集成的数字化模型及研发工艺仿真体系，生产制造执行系统（MES）是企业实现纵向整合的核心，联通了设备、原料、订单、排产、配送等各主要生产环节和生产资源，企业管理系统（如ERP、WMS、CRM）为企业的业务活动进行科学管理，改变了企业管理模式和管理理念。
新型能力培育是主线
企业推进信息物理系统建设，不能只单纯强调信息技术的先进性，而要围绕企业新型能力不断推进数据、技术、业务流程、组织结构的互动创新和持续优化，将技术的进步、组织结构的变革、业务流程的优化转化成企业的新型能力，诸如个性化定制、精益管理、风险管控、供应链协同、市场快速响应等新型能力，进而重构企业生产方式、服务模式和组织形态，不断获取差异化的可持续竞争优势。
当前我国企业关注信息化环境下的六大类能力，包括研发创新类（主要关注基于客户需求的数字化快速定制研发、产品研发、工艺设计、生产制造一体化，以及在线、异地协同研发）、生产管控类（重点关注大规模个性化定制生产管控、基于用户订单的柔性生产、服务型制造等）、供应链管理类、财务管控类、经营管控类（主要关注基于数据分析的智能决策、企业资源集中共享与协同运营等）及用户服务类（主要关注远程诊断与服务、客户互动与敏捷服务、产品全生命周期追溯等）能力。
系统解决方案是重点
推动信息物理系统的应用与发展既需要核心关键技术的突破，也需要一批具有广泛应用前景的行业系统解决方案。
软件定义的未来工业
“软件定义制造”的本质是研发设计、生产制造、经营管理、运维服务等全生命周期业务环节规律的模型化、代码化、工具化，从根本上优化制造业产品装备、生产方式、组织管理和产业生态，是实现智能制造的核心。
软件定义的本质
西门子2014年成立数字化工厂集团——“全球智能制造软硬件整合解决方案提供商”。
罗兰贝格公司的专家在谈到工业4.0时曾指出，未来的工业竞争存在两种可能的情景：软件革命和硬件进化。软件革命的情境是，来自硅谷的国际ICT巨头或新兴企业，以ICT产业领域的技术优势、竞争规则和商业模式重整制造业，通过构建制造业平台、解决方案和产业生态，掌控消费者，从而掌握制造业发展的主导权。硬件进化的情境是，传统制造业进一步强化核心工业技术的竞争优势，更加高效地解决传统工业体系封闭、分散、碎片化的问题，化解软件革命所带来的新生产模式的挑战。
一部工业革命300多年的发展史，就是一部人类社会如何创造新工具，更好地开发资源、不断地解放自己的发展史。信息通信技术牵引的新一轮工业革命，推动了人类生产工具从能量转换工具到知识和智能工具的演进，从开发自然资源到开发信息资源拓展，从解放人类体力到解放人类脑力跨越。
软件开发过程中最重要的逻辑就是if…then…，其核心理念是如何将现实世界可能出现的各种不确定性状态，通过“数据+算法”的分析判断转化为确定性选择，通过对这一逻辑结构的不断组合、嵌套，软件能够在现实世界中建立起一套认识、理解、化解不确定性的方法论。
工业软件是人们对工业研发设计、生产制造、经营管理、运维服务等全生命周期业务环节认知规律的模型化、代码化、工具化，是工业知识、技术积累和经验体系的新载体，是实现工业数字化、网络化、智能化的核心。数字化正在从研发手段、管理手段、服务手段等环节走向产品、设备本身，各种芯片、传感器、智能微尘等都具有数字化计算内核（嵌入式系统）（有数据）；网络化正在从物质（机械，如螺栓、导线）连接向能量（物理场，如传感器、WiFi）连接、信息（数字，如比特）连接，甚至意识（生物场，如意识）连接演进（数据能流动）；进而，当网络无处不在、知识沉淀为数据和软件、信息可以在任何场景下以数字化形式调用时，智能化得以实现（数据能自动流动）。
软件定义产品
软件定义产品功能
主要表现在：定义产品功能（笔记本电脑、智能手机）、增强产品效能（数控机床、CT机）、拓展产品边界（智能牙刷、智能水杯）。
软件定义产品结构
每次技术的重大突破，都会推动产品结构持续创新和演进，构建起新的产品结构。以“蒸汽机”为代表的第一次工业革命催生了工业文明；以“电力技术”为代表的第二次工业革命催生出的电动机，使工业产品从“蒸汽时代”迈向“电气时代”。信息技术和自动化技术的应用，催生出可控制电压电流的伺服电机，“电气一代”跃升为“数控一代”。当前，软件正在与机械、电子、控制等传统工业技术相结合，推动产品逐步向“智能一代”进化，并构建新的产品结构，“一代软件、一代产品”的时代正在到来。
（1）功能结构的重构
信息技术革命带来的重大变革是，信息技术与自动控制、机械制造技术的集成引发机械产品结构和功能的重大变革，以往仅能靠机械和电子元件等物理实体实现的功能，可以通过软件来实现，产品功能不断丰富，同时物理结构复杂性和成本不断降低。
在飞机飞行中，基于对状态信息实时感知、计算、控制的电传操纵系统取代了复杂、脆弱和笨重的液压式飞行操纵系统，飞控软件和电子系统使得飞行器的结构更简化、更轻巧、更可靠。同时，飞机、汽车、船舶都可以通过数字驾驶舱技术，用简洁的显示屏替代传统的数据仪表。
（2）性能结构的优化
软件的进化正带来产品设计模式及产品性能结构的重大变化，传统的计算机辅助设计（Computer-Aided Design, CAD）正在向计算机主导设计（Computer-Automated Design,CAD）演进。传统的产品结构设计主要依靠设计工程师的经验和水平，而现在计算机辅助设计正在向计算机自动设计转变。设计仿真工具可根据产品的参数要求，通过不断的迭代优化，自动地给出产品结构的最佳方案，并结合材料技术和制造技术的变革制造出性能更加优秀的产品。
（3）价值结构的再造
产品基于软件功能的增加带来了更高的价值，软件成为产品价值创造的重要来源。
软件定义企业管理流程
发展和成熟于不同技术时代的ERP、CRM、SCM、PLM等管理软件，是某种管理理论、经验和知识的表达、重现和固化，是一种管理规律认知的代码化、软件化。基于软件的业务流程管理正在成为现代企业核心竞争力的重要组成部分。
软件支撑和定义的研发设计模式
软件支撑和定义的经营管理模式
企业经营管理是指运用先进科学管理理念、方法和工具对企业资源、供应链、客户关系等业务活动进行科学管理和系统优化。随着信息技术的发展，ERP、SCM、CRM等管理软件成为推动企业资源管理、供应链管理、客户关系管理的有效工具，改变了企业管理模式和管理理念。这些管理软件的本质是管理理念、方法的模型化、代码化、软件化，通过代码集成了数以千计优秀企业的经营管理精粹，提炼总结了行业知识和最佳实践，并不断进行迭代优化。
管理软件把看不见、摸不着的管理思想、企业文化变成了可看、可学、可复制的标准化模块，管理软件的本质是管理思想的代码化。
软件支撑和定义的组织架构
企业功能平台化、运营决策小型化、多部门协同化。
软件定义企业生产方式
制造范式的迁移：从实体制造到虚拟制造，以快速迭代、持续优化、数据驱动重建制造效率、成本、质量管控体系
新概念泛滥反映了制造范式的迁移。
虚拟制造：制造业数字化、网络化、智能化的过程，是在赛博空间重建制造流程，并基于此不断提升制造效率的过程。
数字样机从传统的几何样机向性能样机、制造样机和维护样机拓展，并将进一步进化为与实体产品对应的产品数字孪生（Digital Twin）。
制造模式的变革：从规模生产到定制生产，以数据的自动流动化解制造系统的不确定性、多样性和复杂性
智能制造与传统制造的本质区别在于，在生产制造过程中，人员、机器、产品之间信息交流的载体、方式、效率不同。智能制造的基础是数字化，传感器、智能装备终端、工业网络、工业软件的大量使用促进了生产制造全过程的数字化，数据采集、传输、存储、分析和挖掘的手段相比传统制造更加丰富，大量蕴含在生产制造过程中的隐性数据不断被采集、汇聚、加工，形成新的知识、决策，不断优化制造资源的配置效率，数据的自动有序流动实现了物资流、资金流的高效利用。
美国国家标准与技术研究院（NIST）曾经提出，智能制造就是要解决差异性更大的定制化服务、更小的生产批量和不可预知的供应链变更。智能制造的一个重要任务就是应对制造复杂系统的不确定性，这种复杂性既来自产品的复杂性，也来自定制化生产等新生产方式所带来的制造成本、质量和效率的挑战。
制造系统的重建：从封闭体系走向开放体系，以网络化协同实现制造资源局部优化向全局优化的演进
软件产业发展的过程就是持续优化资源配置的过程，从计算机辅助设计（CAD）到基于模型的设计（MBD）、基于模型的企业（MBE），从物资需求计划（MRP）到企业资源计划（ERP），从制造执行系统（MES）到制造运营管理（MOM），资源优化的范围越来越广。
软件定义企业创新能力
包括产品研发创新能力、精益及柔性生产能力（精益生产的核心思想是：通过持续改进，杜绝一切无效作业与浪费）、市场需求实时响应能力、全生命周期服务能力（可预测性维护能力额制造资源分享能力）。
软件定义产业生态
智能制造发展的一个重要目标就是在商务系统、制造工厂和供应商之间实现企业生态联盟的集成。而这种生态构成，是以集成化软件产品为核心、跨界合作为重要发展模式，其具体表现在以下3个方面。
（1）构建基于智能机器的数据采集系统。通过将不同标准接口的设备进行统一集成，将不同类型的机械设备（不同年代、不同生产商）进行连接打通，实现对OT层数据的打通及采集，进而将设备厂商、元器件厂商纳入生态系统中。
（2）形成智能分析工具。通过整合IT软件企业、大数据专业服务商及互联网企业的云服务能力，提升数据分析速度和精度，从而支撑设备、资产、流程优化。
（3）搭建开放平台实现工业App的开发。随着新一代信息技术和制造技术的融合，智能制造新型集成化产品不断涌现，显现出以开放化平台为核心，向下整合硬件资源、向上承载软件应用的发展趋势，集成了多种网络通信协议、应用协议、数据协议的工业IoT平台，成为IT、自动化、制造领域领先企业的新宠。
工业4.0：他山之石的启示
工业4.0：为什么
德国工业4.0的概念最大的成功在于，它把几百年工业发展的历史与现代信息技术趋势进行了完美的集成，是继承性与创新性的统一、理论性与通俗化的统一、严肃性与时尚性的统一。
工业4.0：是什么
与国际社会关于第三次工业革命的说法不同，德国学术界和产业界认为，前三次工业革命的发生，分别源于机械化、电力和信息技术。他们将18世纪引入机械制造设备定义为工业1.0，将20世纪初的电气化定义为工业2.0，将始于20世纪70年代的生产工艺自动化定义为工业3.0，而物联网和制造业服务化迎来了以智能制造为主导第四次工业革命，或革命性的生产方法，即工业4.0。德国工业4.0战略旨在通过充分利用信息通信技术和信息物理系统（CPS）相结合的手段，推动制造业向智能化转型。
工业4.0是互联
工业4.0的核心是连接，要把设备、生产线、工厂、供应商、产品、客户紧密地连接在一起。“工业4.0”适应了万物互联的发展趋势，将无处不在的传感器、嵌入式终端系统、智能控制系统、通信设施通过信息物理系统（CPS）形成一个智能网络，使产品与生产设备之间、不同的生产设备之间，以及数字世界和物理世界之间能够互联，使机器、工作部件、系统及人类会通过网络保持数字信息的交流。
（1）生产设备之间的互联。从工业2.0到工业3.0时代的重要标志是，单机智能设备的广泛普及。工业4.0工作组把1969年第一个可编程逻辑控制器Modicon 084的使用作为工业3.0的起点，其核心是各种数控机床、工业机器人自动化设备在生产环节的推广，我们可以把它理解为单机设备智能化水平不断提升并普及推广。工业4.0的核心是单机智能设备的互联，不同类型和功能的单机智能设备的互联组成智能生产线，不同智能生产线间的互联组成智能车间，智能车间的互联组成智能工厂，不同地域、行业、企业的智能工厂的互联组成一个制造能力无所不在的信息物理系统，这些单机智能设备、智能生产线、智能车间及智能工厂可以自由地、动态地组合，以满足不断变化的制造需求，这是工业4.0区别于工业3.0的重要特征。
（2）设备和产品的互联。工业4.0意味着智能工厂能够自行运转，零件与机器可以进行交流。由于产品和生产设备之间能够通信，使产品能理解制造的细节及自己将被如何使用。同时，它们能协助生产过程，回答诸如“我是什么时候被制造的”“哪组参数应该被用来处理我”“我应该被传送到哪”等问题。
（3）虚拟和现实的互联。信息物理系统（CPS）是工业4.0的核心，它通过将物理设备连接到互联网上，让物理设备具有计算、通信、控制、远程协调和自治五大功能，从而实现虚拟网络世界与现实物理世界的融合。
（4）万物互联（Internet of Everything, IoE）。信息技术发展的终极目标是实现无所不在的连接，所有产品都将成为一个网络终端。万物互联就是人、物、数据和程序通过互联网连接在一起，实现人类社会所有人和人、人和物及物和物之间的互联，重构整个社会的生产工具、生产方式和生活场景。
工业4.0是集成
工业4.0将无处不在的传感器、嵌入式终端系统、智能控制系统、通信设施通过CPS形成一个智能网络，使人与人、人与机器、机器与机器及服务与服务之间能够互联，从而实现横向、纵向和端对端的高度集成。
（1）纵向集成。企业信息化在各个部门发展阶段的里程碑，就是企业内部信息流、资金流和物流的集成，是在哪个层次、哪个环节、哪个水平上，是在生产环节上的集成（如研发设计内部信息集成），还是跨环节的集成（如研发设计与制造环节的集成），还是产品全生命周期的集成（如从产品研发、设计、计划、工艺到生产、服务等全生命周期的信息集成）。工业4.0所要追求的就是在企业内部实现所有环节信息无缝链接，这是所有智能化的基础。
（2）横向集成。在市场竞争牵引和信息技术创新驱动下，每个企业都在追求生产过中的信息流、资金流、物流无缝链接与有机协同，在过去，这一目标主要集中在企业内部，但现在企业要实现新的目标：从企业内部的信息集成走向产业链信息集成，从企业内部协同研发体系走向企业间的研发网络，从企业内部的供应链管理走向企业间的协同供应链管理，从企业内部的价值链重构走向企业间的价值链重构。横向集成是企业之间通过价值链及信息网络所实现的一种资源整合，为实现各企业间的无缝合作，提供实时产品与服务，推动企业间研产供销、经营管理与生产控制、业务与财务全流程的无缝衔接和综合集成，实现产品开发、生产制造、经营管理等在不同企业间的信息共享和业务协同。
（3）端到端集成。所谓端到端就是围绕产品全生命周期的价值链创造，通过价值链上不同企业资源的整合，实现从产品设计、生产制造、物流配送、使用维护的产品全生命周期的管理和服务，它以产品价值链创造来集成优化供应商（一级、二级、三级……）、制造商（研发、设计、加工、配送）、分销商（一级、二级、三级……），以及客户信息流、物流和资金流，在为客户提供更有价值的产品和服务的同时，重构产业链各环节的价值体系。
工业4.0是数据
据将会呈现爆炸式增长态势。伴随着工业互联网、工业大数据、信息物理系统（CPS）的推广，智能装备、智能终端的普及，以及各种各样传感器加速普及使用，将会带来无所不在的感知和无所不在的连接，所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到企业运营、价值链乃至产品的整个生命周期，是工业4.0和制造革命的基石。（产品数据、运营数据、价值链数据、外部数据）
工业4.0是创新
技术创新（新型传感器、集成电路、人工智能、移动互联、CPS、虚拟制造等）、产品创新（智能产品、智能生产线、智能车间、智能工厂等）、模式创新（生产模式：机器分析判断+机器生产制造，商业模式：网络众包、异地协同设计、大规模个性化定制、精准供应链管理）、业态创新（工业云服务、工业大数据应用、物联网应用）、组织创新（业务流程重组和企业组织再造）
工业4.0是转型
（1）从大规模生产向个性化定制转型。
（2）从生产型制造向服务型制造转型。
（3）从要素驱动向创新驱动转型。
工业4.0：如何看
德国工业4.0战略与中国的信息化和工业化深度融合战略在核心理念、主要内容和具体做法等诸多方面殊途同归。
工业4.0：怎么干
可以从五个方面认识和理解智能制造，即产品的智能化（即把传感器、处理器、存储器、通信模块、传输系统融入到各种产品中，使产品具备动态存储、感知和通信能力，实现产品的可追溯、可识别、可定位）、装备的智能化（指通过先进制造、人工智能等技术的集成融合，形成具有感知、决策、执行、自主学习及维护等自组织、自适应功能的智能生产系统，以及网络化、协同化的生产设施。装备的智能化至少是在两个维度上进行的，即单机智能化及单机设备互联形成的智能生产线、智能车间、智能工厂）、生产的智能化（重组客户、供应商、销售商及企业内部组织的关系，重构生产体系中信息流、产品流、资金流的运行模式，重建新的产业价值链、生态系统和竞争格局）、管理的智能化（通过将信息技术与现代管理理念融入企业管理，实现企业流程再造、信息集成、智能管控、组织优化，以形成数据驱动型的企业，从而不断提升信息化背景下企业的核心竞争力）和服务的智能化（既体现为企业如何高效、准确、及时挖掘客户的潜在需求并实时响应，也体现为产品交付后对产品实现线上线下（O2O）服务，实现产品的全生命周期管理）。
工业互联网：从基于产品的分工到基于知识的分工
从智能制造到工业互联网，是信息技术体系从传统架构向云架构的迁移，是制造资源从局部优化到全局优化的演进，是业务协同从企业内部到产业链的扩展，是竞争模式从单一企业竞争到生态体系竞争的升级，是产业分工从基于产品的分工到基于知识的分工深化，但其内部逻辑是一致的——以数据的自动流动化解复杂制造系统的不确定性，提高制造资源的配置效率。
探索制造业与互联网融合发展之路
李克强总理强调：“我国经济保持中高速增长、迈向中高端水平必须要有基本依托，这个基本依托就是推动形成大众创业、万众创新的新动能。”大型制造企业、电信企业和互联网企业积极构建基于互联网的开放式“双创平台”，在推动制造业转型升级方面发挥了重要作用。
（1）网络化协同制造
网络化协同制造是指企业借助互联网或工业云平台，发展企业间协同研发、众包设计、供应链协同等新模式，以此能有效降低资源获取成本，大幅延伸资源利用范围，打破封闭疆界，加速从单打独斗向产业协同转变，促进产业整体竞争力提升。
（2）个性化定制
个性化定制是从传统工业过渡到智能制造阶段的重要标志。其本质是利用互联网平台和智能工厂建设，将用户需求直接转化为生产排单，开展以用户为中心的个性定制与按需生产，以有效满足市场多样化需求，解决制造业长期存在的库存和产能问题，从而实现产销动态平衡，满足成本、质量和效率等多方面需求。
（3）服务型制造
制造业竞争正面临以下四个转变：一是市场需求正从产品导向向产品服务系统导向转变；二是高价值环节从制造环节为主向服务环节为主转变；三是基于产品服务的竞争正成为增强产品竞争优势的重要途径；四是市场交易正从短期交易向长期交易转变。
（4）制造业分享经济
《国务院关于深化制造业与互联网融合发展的指导意见》强调：“推动中小企业制造资源与互联网平台全面对接，实现制造能力的在线发布、协同和交易，积极发展面向制造环节的分享经济，打破企业界限，共享技术、设备和服务，提升中小企业快速响应和柔性高效的供给能力。”
“新四基”（感知和自动控制（一硬）、工业软件（一软）、工业网络（一网）、工业互联网平台（一平台））是深化制造业与互联网融合的关键支撑。
工业互联网平台：为什么，是什么，怎么看？
为什么
工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网通过构建连接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析，从而形成科学决策与智能控制，以提高制造资源配置效率。
5G、窄带物联网（NB-IoT）、时间敏感网络（TSN）、OPCUA等网络技术及工业以太网、工业总线等通信协议的应用，为制造企业系统和设备数据的互联汇聚创造了条件，构建了低延时、高可靠、广覆盖的工业网络，实现了制造系统各类数据便捷、高效、低成本的汇聚。大数据和人工智能技术的发展，实现了不同来源、不同结构工业数据的采集与集成、高效处理分析，进而帮助制造企业提升价值。各领域技术的不断发展，并与工业技术融合，构建起了工业互联网平台综合技术体系，工业互联网平台应运而生。
在这一进程中，尤其值得关注的是云计算技术的发展。云计算技术的发展正在重构软件架构体系和商业模式。高弹性、低成本的IT基础设施日益普及，软件部署由本地化逐渐向云端迁移，软件形态从单体式向微服务不断演变。开源云架构、容器技术为可重构、可移植、可伸缩的应用服务敏捷地开发和快速部署提供保障，各类新型工业App逐步推广应用，推动了制造资源优化配置。
是什么
工业互联网的架构
（1）数据采集（边缘层）是基础
数字采集的本质是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。核心就是要构建一个精准、实时、高效的数据采集体系，把数据采集上来，通过协议转换和边缘计算，将一部分数据在边缘侧进行处理，这适用于对实时性、短周期数据的快速处理，处理结果将直接返回到机器设备；将另一部分数据传到云端，通过云计算更强大的数据运算能力和更快的处理速度，对非实时、长周期数据进行综合利用分析，从而进一步优化形成决策。
工业现场数据云端汇聚面临的突出问题可以总结为“三不”：不敢传（数据安全问题）、不需传（本地化和实时性问题）、不能传（协议标准不统一），即无法支撑实时数据采集和实时分析、智能优化和科学决策。一是工业数据采集存在数据安全隐患。工业数据采集会涉及大量重要工业数据和用户隐私信息，在传输和存储时都会存在一定的数据安全隐患，也存在黑客窃取数据、攻击企业生产系统的风险。因此，急需从技术、管理和法律法规等多方面保障数据安全。二是工业协议标准不统一且数据开放性不够。目前在工业数据采集领域，存在Modbus、CAN、ControlNet、DeviceNet、Profibus、Zigbee等各种工业协议标准，各个自动化设备生产及集成商还会自己开发各种私有的工业协议，各种协议标准不统一、互不兼容；同时很多设备和系统的数据开放性不够，缺乏数据接口及文档说明，导致协议适配解析和数据互联互通困难。三是工业数据采集实时性要求难以保证。生产线的高速运转，精密生产和运动控制等场景对数据采集的实时性要求不断提高，传统数据采集技术对于高精度、低时延的工业场景难以保证重要信息实时采集和上传，无法满足生产过程的实时监控需求。
当前，突破数据采集瓶颈的主要思路包括以下两个方面：
（a）通过协议兼容、转换实现多源设备、异构系统的数据可采集、可交互、可传输。GE通过将数据采集转换模块Predix Machine部署在现场传感器、控制器和网关中，以多种方式实现不同协议的兼容和转换，来完成工业现场数据采集及云端汇聚。西门子通过在设备端部署数据采集模块MindConnect Nano，实现通用协议兼容和私有协议转换及云端汇聚。
（b）通过边缘计算等技术在设备层进行数据预处理，进而大幅提高数据采集、传输效率，以降低网络接入、存储、计算等成本，提高现场控制反馈的及时性。
（2）IaaS是支撑
IaaS是通过虚拟化技术将计算、存储、网络等资源池化，向用户提供可计量、弹性化的资源服务。IaaS是工业互联网平台运行的载体和基础，其实现了工业大数据的存储、计算、分发。
（3）工业PaaS（平台层）是核心
工业PaaS本质是一个可扩展的工业云操作系统，它能够实现对软硬件资源和开发工具的接入、控制和管理，为应用开发提供了必要接口及存储计算、工具资源等支持，它为工业应用软件开发提供一个基础平台。
工业PaaS面临的突出问题是开发工具不足、行业算法和模型库缺失、模块化组件化能力较弱，现有通用PaaS平台尚不能完全满足工业级应用需要。当前，工业PaaS建设的总体思路是，通过对通用PaaS平台的深度改造，构造满足工业实时、可靠、安全需求的云平台，采用微服务架构，将大量工业技术原理、行业知识、基础模型规则化、软件化、模块化，并封装为可重复使用的微服务，通过对微服务的灵活调用和配置，降低应用程序开发门槛和开发成本，提高开发、测试、部署效率，为海量开发者汇聚、开放社区建设提供技术支撑和保障。
（4）工业App（应用层）是关键
工业App主要表现为面向特定工业应用场景，整合全社会资源推动工业技术、经验、知识和最佳实践的模型化、软件化、再封装（工业App），用户通过对工业App的调用实现对特定制造资源的优化配置。工业App由通用云化软件和专用App应用构成，它面向企业客户提供各类软件和应用服务。
当前，工业App发展的总体思路包括以下两个方面。
（a）传统的CAD、CAE、ERP、MES等研发设计工具和管理软件加快云化改造。云化迁移是当前软件产业发展的基本趋势，全球软件产品“云化”步伐不断加快，基于传统集中式架构的软件开发部署模式正在向高可用、易扩展、低成本的分布式云架构转型。
（b）围绕多行业、多领域、多场景的云应用需求开发专用App应用。大量开发者通过对工业PaaS层微服务的调用、组合、封装和二次开发，将工业技术、工艺知识和制造方法固化和软件化，开发形成了专用App应用。
工业互联网平台的本质
工业互联网平台的本质是一套面向制造业数字化、网络化、智能化的解决方案，这套解决方案与传统方案最本质的区别就是基于云架构，这是需求场景、技术演进、生态构建共同作用的必然结果，其基本的逻辑就是“数据+模型=服务”，就是如何采集制造系统海量数据，把来自机器设备、业务系统、产品模型、生产过程及运行环境中的大量数据汇聚到工业PaaS平台上，实现物理世界隐性数据的显性化，实现数据的及时性、完整性、准确性，并将技术、知识、经验和方法以数字化模型的形式沉淀到平台上，形成各种软件化的模型（机理模型、数据分析模型等），基于这些数字化模型对各种数据进行分析、挖掘、展现，以提供产品全生命周期管理、协同研发设计、生产设备优化、产品质量检测、企业运营决策、设备预测性维护等多种多样的服务，从而实现数据—信息—知识—决策的迭代，最终把正确的数据、以正确的方式、在正确的时间传递给正确的人和机器，优化制造资源配置效率。
工业互联网平台的核心
工业PaaS中最核心的要素组件是基于微服务架构的数字化模型。数字化模型将大量工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、模块化，并封装为可重复使用的组件。
（1）数字化模型是什么？数字化模型可以分为两种，一种是机理模型，包括基础理论模型（如飞机、汽车、高铁等制造过程中涉及的流体力学、热力学、空气动力学方程等模型），流程逻辑模型（如ERP、供应链管理等业务流程中蕴含的逻辑关系）、部件模型（如飞机、汽车、工程机械等涉及的零部件三维模型）、工艺模型（如集成电路、钢铁、石化等生产过程中涉及的多种工艺、配方、参数模型）、故障模型（如设备故障关联、故障诊断模型等）、仿真模型（如风洞、温度场模型等）。机理模型本质上是各种经验知识和方法的固化，它更多是从业务逻辑原理出发，强调的是因果关系。随着大数据技术发展，一些数据分析模型也被广泛使用，包括基本的数据分析模型（如对数据做回归、聚类、分类、降维等基本处理的算法模型）、机器学习模型（如利用神经网络等模型对数据进行进一步辨识、预测等）及智能控制结构模型，大数据分析模型更多的是从数据本身出发，不过分考虑机理原理，更加强调相关关系。
（2）数字化模型从哪来？这些数字化模型一部分来源于物理设备，包括飞机、汽车、高铁制造过程的零件模型，设备故障诊断、性能优化和远程运维等背后的原理、知识、经验及方法；一部分来源于业务流程逻辑，包括ERP、供应链管理、客户关系管理、生产效能优化等这些业务系统中蕴含着的流程逻辑框架；此外还来源于研发工具，包括CAD、CAE、MBD等设计、仿真工具中的三维数字化模型、仿真环境模型等；以及生产工艺中的工艺配方、工艺流程、工艺参数等模型。
（3）数字化模型怎么开发？用什么工具开发？所有这些技术、知识、经验、方法、工艺都将通过不同的编程语言、编程方式固化形成一个个数字化模型。这些模型一部分是由具备一定开发能力的编程人员，通过代码化、参数化的编程方式直接将数字化模型以源代码的形式表示出来，但对模型背后蕴含的知识、经验了解相对较少；另一部分是由具有深厚工业知识沉淀但不具备直接编程能力的行业专家，将长期积累的知识、经验、方法通过“拖拉拽”等形象、低门槛的图形化编程方式（低代码），简易、便捷、高效地固化成一个个数字化模型。
（4）数字化模型什么样？采用什么技术架构？当把这些技术、知识、经验、方法等固化成一个个数字化模型沉淀在工业PaaS平台上时，主要以两种方式存在：一种是单体式架构，即把一个复杂大型的软件系统直接迁移至平台上；另一种是微服务架构，传统的软件架构不断“解耦”成一个个功能单元，并以微服务架构形式呈现在工业PaaS平台上，构成一个微服务池，然后对这些微服务调用，重构成面向角色的App。目前两种架构并存于平台之上，但随着时间的推移，单体式架构会不断地向微服务架构迁移。当工业PaaS平台上拥有大量蕴含着工业技术、知识、经验和方法的微服务架构模型时，应用层的工业App可以快速、灵活地调用多种碎片化的微服务组件，实现工业App快速开发部署和应用。
（5）数字化模型怎么用？一旦海量数据都汇聚到工业PaaS平台上，工业技术、知识、经验和方法以数字化模型的形式沉淀在PaaS平台上，当海量数据加载到数字化模型中，进行反复迭代、学习、分析、计算之后，可以解决物理世界四个基本问题：首先是描述（Descriptive）物理世界发生了什么（What happened）；其次是诊断（Diagnostic）为什么会发生（Why ithappened）；再次是预测（Predictive）下一步会发生什么（What will happen）；最后是决策（Decision）该怎么办（How to do），并驱动物理世界执行（Action），优化资源配置效率。概括起来讲，就是状态感知、实时分析、科学决策、精准执行。
工业互联网与消费互联网的区别
制造业数字化架构体系的演进：从传统IT架构到工业互联网架构
微服务：工业互联网脚骨技术变革的关键
相比于传统软件开发架构面临的软件代码体积大、更新慢、维护难等问题，微服务具有轻量化、松耦合、快部署、高灵活度等特性，其适用于互联网需求变化快、用户群体面广等特点。在工业领域，现有工业软件架构体系越来越难以满足制造业生产体系的复杂性和不确定性需求，微服务架构为各类工业知识、经验、方法、技术等在工业互联网平台上的沉淀创造了条件，实现了工业知识的复用、重构、创造和传播，极大地提高了工业App的开发、测试、部署效率。
（1）微服务的本质
微服务（Microservice）是一种将复杂应用拆分成多个单一功能组件，通过模块化组合方式实现“松耦合”应用开发的软件架构，也称微服务架构（Microservice Architecture）。每个功能组件都是一个独立的、可部署的业务单元，称之为微服务组件。每个微服务组件可以根据业务逻辑，选择最适合该微服务组件的语言、框架、工具和存储技术进行开发部署。因此，微服务架构是一种独立开发、独立测试、独立部署、独立运行、高度自治的架构模式，同时也是一种更灵活、更开放、更松散的演进架构。其本质是一种将整体功能分解到各个离散服务中，实现对原有解决方案解耦，进而提供更加灵活服务的设计思想。
（2）微服务的特征
在工业互联网领域，微服务作为汇聚工业大数据与提供工业智能服务的关键核心，驱动着工业大数据开始“数据产生—数据汇聚—数据处理—数据加工—数据调用—数据展示”的数据之旅，其实现路径是将各种以数字化模型构成的微服务组件容器化，通过负载均衡、弹性扩展快速实现微服务的部署、组合及调度，以支撑工业App的应用开发与使用
（3）微服务设计原则
单一职责原则、服务自洽原则、轻量级通信原则、接口明确原则。
怎么看
工业云视角
工业互联网平台就是在传统工业云平台软件工具共享、业务系统集成的基础上，叠加了制造能力开放、知识经验复用和开发者集聚的功能，从而大幅提升工业知识生产、传播和利用的效率，它是一个不断演进的过程。
解决方案视角
工业互联网平台本质上是一套基于云平台的数字化、网络化、智能化解决方案。
操作系统视角
工业互联网平台实质上是一个可拓展的工业操作系统，向下，可以实现对各种软硬件资源接入、控制和管理；自身，承载着蕴含大量工业知识的数字化模型与微服务；向上，提供开发接口、存储计算及工具资源等支持，并以工业App的形式提供各种各样的服务。
操作系统通过分层思想将软硬件的分离解耦，以打破过去的一体化硬件设施，进而实现“硬件资源的通用化”和“服务任务的可编程”。“硬件通用化”和“服务可编程”技术演进主要解决的问题是：快速应对名种不确定性。即让“变化快”的软件摆脱束缚，使得变化“更快”；让“利用率高”的硬件逐渐沉淀趋于统一，使得利用率“更高”。硬件能够提高资产通用性，其遵循规模经济，可大规模生产标准化产品，降低生产成本。软件能够丰富产品个性化，其遵循范围经济，使企业能从提供同质产品向提供多样化产品转变，以满足市场个性化需求。
在工业里很多技术、知识、经验、方法创新需要从零开始，知识复用水平较低。而构建一个工业互联网平台，能够将大量工业技术原理、行业知识、基础工艺、模型工具、业务流程及老专家几十年的经验进行规则化、软件化、模块化，以数字化模型的形式沉淀在这个平台上。沉淀之后能够减少大部分重复性工作，可以直接调用、复用、传播，重构工业创新体系，进而大幅度降低创新成本和风险，提高研发、生产和服务效率。从这个角度讲，工业互联网平台就是通过提高工业知识复用水平构筑工业知识创造、传播和应用新体系，即重构工业知识新体系。
产业生态视角
经济学视角
工业互联网的价值在于其加快了从基于产品的分工向基于知识的分工演进，构建了新的产业分工体系，推动了经济增长。郭朝晖也曾多次强调，工业互联网的应用将会带来新的工作场景：有经验的人离开了生产现场，从事更富有创造性的“知识生产”。
（1）信息化推动经济增长的机理
提高生产率：
提高交易效率：
（2）知识创造的专业化是分工深化的新阶段
伴随着生产力水平的不断提升，产业分工不断深化，其大致经历了五个阶段：一是部门专业化，即农业、手工业和商业之间的分工；二是产品专业化，即以完成的最终产品为对象的分工，如汽车、机械、电器产品的生产；三是零部件专业化，即一个企业仅仅生产某个最终产品的一部分；四是工序专业化，即专门进行产品或零部件生产的一个工艺过程，如铸造、电镀等；五是生产服务专业化，即在直接生产过程之外，又提供基于产品的为生产服务，如物流配送、金融服务等。
以集成电路产业为例，集成电路产业分工水平明显高于其他行业，其形成了基于知识的产业分工新体系。
1991年，英国ARM公司成立，同时逐渐涌现出一批专注于集成电路知识产权包（IntellectualProperty, IP）设计、研发公司，集成电路产业开始兴起架构授权的Chipless新商业模式，这标志着基于知识创造的专业化分工独立出现在集成电路产业链中，工业知识脱离电路产品的附庸，开始作为独立的产品进行传播、使用和交易，随后在集成电路各个环节涌现出大量以各类IP包形式存在的设计、仿真、试产、制造等环节的工业知识，这些知识大幅提高了设计效率、产品性能、制造可行性及良品率，基于知识交易的新业态逐渐显现。
（3）工业互联网平台加快构建基于知识的产业分工新体系
一方面，工业互联网平台为工业知识的App化、微服务化创造了条件，实现了工业知识的产品化封装、平台化汇聚、在线化开放；另一方面，工业互联网平台构建了一个工业技术和知识的交易体系，它为工业App、微服务组件、模型算法等交易对象的呈现、交易、传播和复用提供了统一的场所，促进了工业知识、技术的供给方（大型企业、科研院校、开发者）与使用方（大中小企业）等交易主体在线显现、需求清晰、交易激活。
消费互联网革命并非简单地将线下产品迁至线上。同样，工业互联网革命也并非简单地将依附在书籍、标准、专利上的工业知识迁至平台，而是革命性地改变工业知识的生产、交易方式，将传统的由供给方定制化软件开发（作坊式）的方式及一对一的交易模式，转变成由需求方个性化定制工业App（流水式）及平台化多对多的交易方式。这一新型交易体系将会带来更多新的商业价值。
工业互联网通过采用类似“乐高积木”的组建模式，将大量工业知识、经验、方法、模型以微服务组件化的方式沉在工业互联网平台上。通过“平台+微服务组件+App+…”的方式，将各种业务功能组件化、模块化、微服务化，在一个基础通用平台上，对细化的业务功能进行统一编排调用，既实现了软件产品的快速开发，又充分满足了不同企业不同场景的定制化需求，实现了知识产品和功能适用化的高度统一，找到了一条通往软件开发高效、定制、产品化的发展路径。
工业互联网平台的演进路径
工业互联网平台与工业云有本质的区别，又有许多联系，工业互联网平台是传统工业云功能的叠加与迭代。从过去几年的工作实践及技术和产业发展趋势来看，工业云平台向工业互联网平台的演进经历了成本驱动导向、集成应用导向、能力交易导向、创新引领导向、生态构建导向五个阶段，这几个阶段可以并行，也可以跳跃。
成本驱动导向阶段
工业云发展的第一阶段是成本驱动导向阶段。这一阶段主要是研发设计类工具上云。云计算具有资源池化、弹性供给、按需付费等典型特征，它能大幅降低企业购买研发工具的成本，提高企业研发效率，降低成本是工业云平台起步发展阶段考虑的重要因素。
在硬件方面，云平台通过IT硬件资源租用取代直接购买或自建，可以大幅降低硬件成本。在软件方面，从购买软件授权到根据时间、人、次数来订阅云服务，也可以大幅降低成本。在部署成本与运营成本方面，工业云平台可以在任意时间、任意地点快速部署，大大缩短了信息系统建设周期，同时，工业云平台由平台运营商统一管理，可大幅减少企业运维成本。
集成应用导向阶段
工业云发展的第二阶段是集成应用导向阶段，这一阶段主要是在研发设计类工具上云的基础上，推动核心业务系统上云，以及实现内部系统集成。
企业对两化融合的投入和企业从两化融合中获得的收益并不是线性关系，企业两化融合水平只有达到集成阶段之后，企业的收益才会呈现指数化增长。
实现集成有两种途径，其一是渐进的路径，即不改变现有的技术架构，不断地通过各类数据总线和接口实现不同业务系统之间的互联互通；其二则是工业云这一激进路径，即企业将业务系统迁移到云端，从而解决系统内部的互联互通问题。因此，集成应用导向阶段工业云平台的典型特征是通过核心业务系统上云，打通信息孤岛，促进制造资源、数据等集成共享，提升企业效益。
能力交易导向阶段
工业云发展的第三阶段是能力交易导向阶段。这一阶段在企业研发设计类工具、核心业务系统上云之后，底层的设备和产品开始上云，工业云平台开始演进为工业互联网平台。
硬件设备上云+核心业务系统上云+研发工具上云，推动互联网在经历信息交流（搜狐、新浪）与产品交易（京东、阿里）之后，正在进入能力交易的新阶段，未来在互联网上不再仅仅是手机、衣服等产品的交易，还将出现研发设计能力、测试试验能力、生产制造能力、物流能力等生产能力的交易。
创新引领导向阶段
第四阶段是创新引领导向阶段。这一阶段在企业研发设计类工具、核心业务系统、底层的设备和产品开始上云之后，制造业架构体系发生了革命性变革。创新引领主要体现在三个方面，一是“云计算+边缘计算”成为计算能力新组合；二是微服务架构成为知识经验封装的新模式；三是工业App成为新型软件形式。
生态构建导向阶段
第五阶段是生态建设导向阶段。在这一阶段，随着海量第三方开发者与通用工业App的出现，工业互联网平台将进入一个以生态构建为导向的新阶段。当前全球领军企业都在围绕“智能机器+云平台+工业App”的功能架构，培育海量第三方开发者开发工业App，构建基于平台的制造业生态，不断巩固和强化制造业竞争优势。
