我們把工業物聯網的難度總結為一個倒三角。

但實際市場中，工業物聯網的競爭狀態，呈現出的是一個正三角。

為什么會呈現出這樣的分布，要從工業物聯網的技術體系說起。

我們將工業物聯網的技術應用分為以下七層：

1. 設備聯網，數據采集

隨著工業物聯網的快速發展，很多傳統的工業制造企業將目光轉向了設備數據，要實現智慧管理、數據處理，第一步需要拿到設備數據。那么對于工業設備來說，數據采集很難么?設備生產廠家自己不能做?當然不是。

其實工業設備數據采集，就是做一個硬件終端，與設備交互，只要弄明白交互的物理接口、交互協議、數據類型等，這個事情就不難。但擁有協議的設備廠家，為何自身沒做數據采集，而是通過第三方來獲取數據，其中的難點不在數據采集本身，因為工業設備的數據具有海量且無序的特點。

除了數據采集，還要對數據進行存儲、分類、處理等等，這些都是廠家需要面臨和解決的問題。中國制造業現狀決定數據采集將是非常大的市場需求，正催生了大量的硬件制造商、數據采集集成商等提供基礎數據互通能力的服務企業。

2. 數據接收，數據存儲，云平臺

云平臺很難嗎?設備生產廠家自己做不了，其他軟件公司不能做嗎?MQTT就是物聯網了嗎?

當然是否定的。

云平臺的難度當然比做一個數據采集終端要難一些，但云平臺歸根到底，還是一個解決終端規模接入處理能力，如何解決大規模并發的數據存儲問題，這也是一個純粹的技術問題，即便設備廠家做不了，還是有很多物聯網公司能去做這件事，例如阿里云、華為云、匯川等企業。看中的正是它們的云部署能力和雄厚的實力，對于云中部署的數據有比較高的保障，這是一般的企業想做也沒有能力做好的。

不過話說回來，工業物聯網數據是一個時序數據，絕大多數情況下，并不能使用一般軟件公司通常熟悉的關系數據庫，這對物聯網企業來說是一個不小的門檻，但這門檻并非不可逾越。

3. 數據處理

所謂數據處理，就是把數據進行高度的抽象，并進行必要的處理，讓這些數據更加有序的保存，高效的檢索，便于后續的數據應用、統計、分析計算。

數據處理這個環節，事實上很容易被忽略，絕大多數物聯網服務商并不明白數據處理是怎么回事，更不知道如何去做好數據處理，只能把采集到保存過程中的數據直接應用，這就帶來一系列問題：面臨大量數據，只能展現零散的數據，而無法準確判斷數據關聯關系，且無法輔助決策等等。到了這一層，各類物聯網企業的實力差距就已經明顯體現出來，能夠有效處理數據的企業往往能夠更快速的切入行業，為客戶提供數據價值

4. 數據分析，分析結果應用

數據分析對工業物聯網來說，兩個方面：

• 分析數據，形成分析結果，這是數據分析必須要做的一個基礎的事情。
• 合理應用分析結果

現階段的工業物聯網企業，普遍還處在第一個“分析數據”，極少數開始做第二個。

分析是手段，而非目的，分析的目的就是要把分析的結果應用起來。對于智物聯而言，分析的目的即是實現安全生產+節能減排+提高效率。這件事情是一件實實在在的事情，只是吹捧概念、無法真正落地的企業是很難做到預測性維護。智物聯已經實現了設備連接、數據處理、業務應用的綜合使能平臺，可以面向各類工業場景應用，并處理各種設備和數據，目前的工業設備接入量達20萬臺，累積超過10T的工業運行數據。

5. 工業物聯網體系化建設

工業物聯網體系化建設，是工業物聯網解決方案提供商最值得自豪的地方，在某種程度上，這也是區別于其他物聯網企業的地方，是企業在市場競爭中真正的軟實力。

6. 商業模式設計

設備廠家普遍的工業物聯網需求，即讓廠家知道他們的客戶都是誰，以及設備位置、設備操作方法、設備運行方式、故障問題、故障處理，了解同一種設備在不同的地方使用所造成的差異、不同的用戶使用習慣對設備運行帶來的不同影響等。毫無疑問，通過物聯網，讓他們把服務從被動變成主動。

不同的企業在出發的時候，或多或少會走彎路，但是最終會走出屬于自己的商業模式，而選擇怎樣的商業模式就決定了在一段時期內企業將如何增長，在市場中占據什么樣的位置。模式本無對錯，但市場會做出適當的選擇。

7. 市場營銷，項目落地，知識體系傳遞

無論是政策的推動還是市場紅海，工業物聯網的市場營銷已經逐漸成熟，國內也有大量實施項目落地，從工信委的示范項目到廣東省的“上云上平臺”，展現出的是一片欣欣向榮的昌盛景象。