VCH08.1-EAB-064ET-A1D-064-CS-E1-PW

VCH08.1-EAB-064ET-A1D-064-CS-E1-PW

VCH08.1-EAB-064ET-A1D-064-CS-E1-PW 

工业尤其是制造业的GDP总量远高于零售、金融、建筑等行业。而工业领域每天产生的有效数据量其实不亚于BAT等互联网公司，一个大规模的工厂每天产生的数据量甚至能达到几十亿到上百亿条。

壁垒

虽然工业场景每天产生高频、海量的数据，但是大量的原始数据本身并没有直接意义，且有可能产生大规模时延和占据大量带宽。我们不仅需要在某些场景做实时的监控和分析，也需要把更多数据采集到云端做更多维和更长期的经济效益及价值分析，这是云计算的价值。而云计算+边缘计算，这是比传统消费互联网更细的颗粒度和更复杂的架构，这也意味着更高的壁垒。

VCH08.1-EAB-064ET-A1D-064-CS-E1-PW

互联网一条逻辑叫做“Copy to China”，“Copy to 工业”是同样的道理。大规模的数据应用和平台架构在金融、电信等行业经历了充分的验证和演进，加上中国制造2025在政策一侧的催化作用，构成了拐点成立的先决条件。

工业智能的玩家画像

现阶段的用户需要的不是单个产品，而是端到端的整体解决方案。一个合格的工业智能公司，应该具备整体解决方案的构造能力。
首先，用户需求永远是 位，不满足需求的技术都是伪命题。此外，一套好的解决方案从一个 的架构开始。对于工业场景而言，从内、外部多源数据的整合开始，到云+端的平台架构，知识库的建立，合适模型的选择，再到反向决策和控制，只有完整打通，才能形成闭环。
整体来说，工业智能呈现一横（整体架构）+N纵（多个细分行业）的格局。