工业大数据如何成为智能制造和工业互联网的核心动力

工业大数据有哪些特点？可总结为“多模态、高通量、强关联”的特性。在工业领域，约有130多种不同类型的数据，数据模态多样，结构关系复杂；高通量是指数据持续不断地产生，采集频率高，通量大；强关联是指工业场景下的数据有非常强的机理支撑，不同学科之间的数据是在机理层面的关联，而不是数据字段上的关联。

而对工业大数据的分析应用，也不是将深度学习、强化学习的方法放到这里就可以有结果。这需要获知研究对象的机理模型与定量领域知识，而这在当前基础上前进很困难。我们希望找出数据在输入、输出之间的统计关系，对机理和模型不确定、不清晰的部分加以补足，这是工业大数据应用的基础。

智能制造在不断获得数据的驱动，从智能制造到工业互联网平台，核心都是利用数据和模型，优化制造资源的配置效率。

工业互联网并不等同于智能制造，区别在于数据的跨界和业务的边界上是否有所突破。当下，太多人过于重视平台能力，而真正的工业互联网讲的是生态，资源优化从描述、诊断向预测、决策不断深入，从单机设备、生产线、产业链再到产业生态不断拓宽。

我们的生态如何来构建业务体系，如何跨界，才是工业互联网成功与否的关键。而决定工业互联网发展方向的，一定是业务驱动。我们从一开始就反对拎着一把锤子，满世界找钉子，现在很多大数据、人工智能公司就存在这个问题。

我们需要深入到一个工业领域，造一把可靠的锤子，刚好可以去敲有需求的钉子。将业务、数据理清楚，评估数据，真正实现业务落地，要点就是三个要素的协同——人、场景、算法。