工业互联网大数据商业模式的新挑战

在工业互联网中，大数据应用特征与商业模式的挑战主要表现为大数据应用标的物变化的挑战。至今为止，在大数据商业模式的所有变化与演进中，基本都是组织、交易、流通与服务的变革与升级，并未涉及与影响标的物的物理特性与形态的变化。

智能制造的核心是信息物理系统（CPS，Cyber-Physical Systems），通过传感网紧密连接现实世界，将网络空间的高级计算能力有效运用于现实世界中。在生产制造过程中，与设计、开发、生产有关的所有数据将通过传感器采集并进行分析，形成可自律操作的智能生产系统；智能服务将智能产品与状态感知、大数据处理等技术结合，改变了产品的现有销售和使用的模式。由此可见，在智能制造中大数据支撑着“产品创意―设计―生产―消费―服务”各环节，并且将影响和改变产品的物理特性与物理形态，其影响范围、能力和形态大大区别于已有的仅限于互联网环境的商业模式。

在智能制造中，生产模式转换为柔性动态组织模式，生产设备按照指令智能操作，产品形态变得更加丰富，消费形态满足了人们提出的个性化需求，因此，智能制造将激发许多新的挑战。成百上千万个运行参数按照不同频率发送，瞬时密度可能达到每秒10万条记录，甚至更高；成千上万台设备持续几年到几十年的使用和维修数据非常庞大，现行关系型数据库难以承受；大数据涉及到众多专业知识，需要集成各种专业分析工具才能实现有效的挖掘等，诸如以上的各类问题必然需要对大数据的运行效率提出严苛要求，还要综合平衡度量系统吞吐率、并行处理能力、计算精度与作业能耗等多种效能因素，同时，工业互联网是一个复杂的巨系统。智能制造需要对复杂事件的对象所涉及的行为和状况、时间、地点和起因等关键要素，具有及时、全面、精准的了解，并随着事件的演化对其要素的动态性可以及时地捕获和感知。因此，智能制造面临数据关联耦合关系极为复杂，更面临跨行业、跨领域的大数据带来的挑战。

不同的工业企业都面临着大数据成本和时间效应问题。目前，全国各地都在建设大数据中心，成本很高。以光大银行大数据中心为例，其一次性建设成本高达2.3亿元，每年运行维护成本约4 900万元。相比之下，阿里云数据中心项目在河北张家口建设，项目总投资约180亿元。

在智能制造中，涉及多个行业，每个行业的数据有不同的结构特点，需要多领域的关联、推荐、预测并快速获取价值；也需要反映数据在杂交、关联、分析、预测后在产品与市场中的价值。调查显示，当前我国有三分之一的企业使用很多从外部购买的数据和互联网平台数据，有38.7%的企业使用互联网平台数据。因此，应尽快建立大数据的交易规则，并逐步形成不同等级的交易平台。

未来10年，中国将进入工业互联网时代，物理世界与数字世界融合将是全新时代的突出特征。因此，加快构建以数据为核心的大数据产业链，加快数据资源的开发利用，推进数据的产品化和商品化，创新智能制造领域的大数据商业新模式，将成为我国大数据产业新的突破口。