第二个主题，我想简单讲一下我对工业互联网的理解。2017年11月27日，国务院印发《关于深化“互联网+先进制造业”发展工业互联网的指导意见》之后，工业互联网成了和智能制造齐头并进的中国制造2025的两大主攻方向。

国内一下子涌现出了20多家工业互联网平台，资本市场也是甚为关注，其中富士康工业互联网股份有限公司首发获通过，过会仅仅用了36天创造了A股市场IPO的新速度，让整个行业为之侧目。据称证监会发行部释放重要信号，带有“四新”（新技术、新产业、新业态、新模式）元素的生物科技、智能制造（云计算）、互联网及生态环保领域的独角兽加快IPO进程。今天我不去详细介绍每一家工业互联网平台的模式和特点，我重点讲一下他们相通的技术架构部分。

工业互联网的叫法很多，有叫工业云的，有叫产业互联网的，有叫操作系统的，其实对于我理解工业互联网则非常朴素，我是一名创业者，研发工业互联网相关解决方案产品。相信这么说，大家也能很快了解工业互联网平台的本质，工业互联网平台其实本质上说是一个基于云平台的数字化、网络化、智能化（智能制造）解决方案。

安司长有一张图很经典，工业云到工业互联网的五个阶段，阐述清楚了工业云和工业互联网的核心区别。简单理解工业云只是研发工具类上云，和核心业务系统上云。而工业互联网把上云的范围拓展到了设备层面，制造能力交易层面。再一个从构建基于私有云的“工业PaaS+工业微服务+定制化工业APP”，到构建基于公有云加入海量第三方开发者体系，这个是明显的一个工业互联网特征区别于传统的IT架构解决方案。

所以到了这里就可以明显的感受到工业互联网到底是怎么一回事情，简单说，就是利用2c端快速发展的互联网技术架构体系，解决2b端的业务问题，形成基于互联网平台形式的协同制造和第三方生态开发体系。这里如果之谈技术架构，不谈业务需求的话，那其实谈工业互联网基本上就回到了谈云计算、物联网以及微服务、容器、Devops这些相关的互联网底层技术和开发运维方法论。

这张图是我前两年画的，这是我当时对大概工业数字化每个阶段的技术和应用演进趋势的一个预判，现在来看工业软件app store还算是猜的比较准，不过那个时候还不叫工业互联网，也没有现在的百万APP这种政府层面的推动政策，每个阶段持续的时间节点是拍脑袋有点乐观的，第四个阶段当时归结为CPS，也不知道到时是不是还叫这个名字。

anyway，不管叫什么，预测大概会走成这么一个样子。以前有erp、mes的区分，那是历史原因造成的，就比如没有iPhone的时候，大家出门得带手机、照相机、指南针，现在就带一个iPhone就可以了。回过头来，还是再说说工业互联网的四层架构，分别是数据采集（边缘计算层），LaaS层，工业Pass层，工业App层。这次层在往下分解其实就是数据中心、基础架构、操作系统、运行环境、应用和数据这几层。所谓pass层，或者laas层的划分，只不过是看哪些能自己做，哪些交给更专业的服务机构来做。

数据采集，边缘计算层，是相对来说比较新的概念，在传统IT架构和工业云的时代还不怎么提及。边缘计算指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。目前不少厂商在做这一块的事情，比如华为，HPE等著名大厂。

HPE Edgeline EL1000 融合边缘系统针对不需要云连接的复杂实时工业应用，PE Edgeline产品相当于将数据中心级的计算带到网络边缘，能够提供数据采集、状态监控、机器学习和预测性维护的能力，所有数据分析组件，包括数据建模、机器学习、实时数据分析和预见性维护，都在EL1000上实时本地执行，而不需要连接到云或者远程数据中心。

今天我还想重点谈一下Devops，这个是目前制造业企业转型做工业互联网平台绕不开的话题，目前在国外，互联网巨头如Google、Facebook、Amazon、LinkedIn、Netflix、Airbnb，传统软件公司如Adobe、IBM、Microsoft、SAP等，亦或是网络业务非核心企业如苹果、沃尔玛、索尼影视娱乐、星巴克等都在采用DevOps或提供相关支持产品。

DevOps一词的来自于Development和Operations的组合，突出重视软件开发人员和运维人员的沟通合作，通过自动化流程来使得软件构建、测试、发布更加快捷、频繁和可靠。DevOps工具是非常多种多样的，甚至可以由多种工具组成一个完整的DevOps工具链。此类工具可以应用于一种或多种类别，并可体现出软件开发和交付过程的不同阶段：编码，构建，测试，打包，发布，变更管理，配置，监视等。而平常我们所说的诸如Docker（容器化）、Jenkins（持续集成）、Puppet（基础架构构建）、Vagrant（虚拟化平台）等常用、广泛使用的工具都是服务于Devops核心思想的。

我们现在谈智能制造，那么具体智能体现在哪里？其实就是四个词，数据、模型、软件、算法。工业软件是重中之重，回顾软件行业的研发模式，大致有三个阶段：瀑布式开发、敏捷开发、DevOps。DevOps早在好多前就有人提出来，但是，为什么这两年才开始受到越来越多的企业重视和实践呢？因为DevOps的发展是独木不成林的，现在有越来越多的技术支撑。微服务架构理念、容器技术使得DevOps的实施变得更加容易，计算能力提升和云环境的发展使得快速开发的产品可以立刻获得更广泛的使用，下面这张图可以很形象的展示。

所以，通过这张图总结一下，工业互联网从技术层面来说，抛开制造的属性和业务的属性，本质上还是一个IT平台，IT行业已经越来越与市场的经济发展紧密挂钩，这个变化已经开始了，这不仅体现在Google、苹果这些大企业中，而且也发生在传统行业中，比如出租车业务中的Uber、酒店连锁行业中的Airbnb、图书经销商Amazon等。

能否让公司的IT配套方案及时跟上市场需求的步伐，在今天显得至关重要。大家可以想象一下，这些服务敢宕机吗？敢停止服务吗？同样，工业互联网平台敢宕机吗？敢停止服务吗？

DevOps 2016年度报告给出了一个运维成本的计算公式：

停机费用成本 = 部署频率 * 版本迭代失败概率 * 平均修复时间 * 断电的金钱损失。

如果答案是不敢的话，开发运维一体化工业PaaS平台建设，以及相关的各种新技术、新工具、新方法论的使用，就是工业互联网平台企业所需要核心关注的要点。