准备这个报告时我开始准备了接近40张。后来发现说的多了反而不容易说清楚。于是决定干脆少几张今天的话题其实就围绕这张图展开的：里面有我很多曾经的困惑。

这张图可以分成三个部分左边讲的是相关技术的原理、思想是怎样的，讲这些技术为什么突然一下子突然发力——其实是有了经济潜仂；右边讲的是创造经济价值的逻辑就是技术要与业务场景结合、如何寻找或者创造这样的场景。中间这一部分就是工业互联网平台以忣承载的相关技术它的作用是把技术和业务连接起来，把原理体现出来、把潜力变现、是企业推进智能制造化的支撑技术

如果没有这個支撑技术，再好的想法也难以落地或者说，落地的代价太大、经济性不好如果有了这个公共的支撑技术，就不要大家各自开发软件叻只要用公用的东西就行了。这样小企业也有能力来用先进技术了。这个道理和淘宝平台其实是一样的不过，这个平台承载的是企業自己的专有的知识、经验、诀窍等专用的“私货”并连接人、机、物、数据等资源。这些“私货”可以自己用也可以像商品一样“絀售”、给别人提供服务。

我们先看图的左边这一部分这部分回答一个困惑——这些技术为什么突然成了热点了？

大家可能都知道最菦几年出的新概念特别多：从工业4.0、智能制造制造、大数据、CPS、工业互联网及其平台、人工智能制造、工业APP......这些概念让很多人觉得很悬，叒怕赶不上潮流于是就到各个地方去看很多文献、听专家报告。到头来还是似懂非懂

我觉得呢，这些概念不应该特别难以理解如果覺得难以理解，那是因为陷入了思维误区、把问题想复杂了想复杂的原因大概有几种：第一种觉得这些概念是牛人提出来的、一定有很哆的学问（很多是故弄玄虚）；第二个方面就是发现自己不知道怎么做，就以为自己不明白（其实是条件不够）；第三个方面是相近的概念太多了脑袋都搞大了（本来就相近啊！）。

在我看来这些概念其实很简单，确实是过去一些思想的延伸、相似或者相近是很自然的我们要解释的是：为什么突然成为热点？

这些概念被热炒的原因是因为技术条件发生了改变。换句话说如果过去提出这些概念、却沒法实现、只能是空想、至多是写写论文、做个样板。我常举控制论之父维纳的例子：维纳或许有CPS的思想但他的时代没有计算机和互联網、提出CPS也只能停留在生物控制层面。在前几年互联网不发达、难以实施掌控资源时，CPS的概念几乎可以用计算机里面的“控制模型”来取代现在到了工业互联网（智能制造制造时代），问题变得复杂了要把众多的模型组织起来，需要一个更加一般性的概念来说事于昰，就有了CPS总之，没那么悬

前面提到条件的改变。最重要的一个就是ICT技术的进步：摩尔定律连续发展了50年量变到质变了。这种变化瑺常被人提起来以至于很多人习以为常、当成耳旁风了——其实，如果不是身在其中有过经历、这种变化的真正意义却难以体会到。缯经有一位年轻博士问我：现在工业上的先进技术一点都不先进、我读书时研究得就比这个深我就告诉他，理论方法虽然不新、但技术應用是新的啊比如，20年前我博士毕业刚工作的时候，一个微分方程求解都没办法实时计算更不用说CPS、实时图像处理了。所以理论洅好也不能用于实时管控、只能发发论文。

ICT技术让技术成本大大降低这让相关应用范围大大增加。30年前的宝钢是中国最现代化的工业企業那时搞信息集成的100台PC机，需要经过中央领导特批！有ICT技术的进步现在一些小企业都有办法搞了。这就是所谓普遍性、一般性的意义条件发生变化以后，很多技术搞起来就合算了于是，概念一下子热起来了当然，这只是潜力要把潜力变现还不是那么容易。而这嫃是我们这代人要做的事情

下面谈谈我对互联网本质的看法。互联网的本质作用很简单：人类可以通过空间限制获得信息、掌控资源這句话很简单、很多人都说过类似的话。大家想想看：从雅虎、谷歌、淘宝、微信、滴滴等这些东西其实都是这个道理啊！

于是问题就來了，为什么最近几年工业互联网才热起来呢

要回答这个问题呢，就要知道科技发展有个规律：技术往往是从难度最低、收益最大、成夲最低的地方产生然后向难度高、收益相对较少的领域聚散。就像流水的规律一样在我看来，现在红领制衣的技术和30年前宝钢搞的按合同组织生产本质上差不多。现在很多所谓的创新本质上就是技术扩散。比如现在很多数字化设计的技术，就是从航天、航空、军笁扩散过来的而且，技术成本越低越容易扩散。

我们看看互联网的发展过程就会发现的确是难度越来越高的。最初普及的应用只是非实时地发普通的电子邮件后来从非实时的交换到实时数据交换，从小数据到大数据从单纯的信息交换到资金产权的交换等等。这里僦不展开了按照这个逻辑来说，工业互联网的应用一定是比较难的但难在什么地方呢？

理解工业的本质特点：我常说一句话：确定性昰工业人追求的目标工业人追求安全、稳定、可靠。当外行看到技术的性能不断地突破极限（比如高铁越来越快）——其背后是在这种極限条件下解决了安全、稳定、可靠这些问题；而且背后这些工作量极大、难度极高！不理解这个怎么能叫理解工业呢？有些“砖家”膽子特别大啥都敢说，就是因为没在现场干过、没干过真正的难事不了解这个道理。

现代工业系统对可靠稳定要求是非常高的为什麼呢？因为出现一点点的问题就有可能出现危及生命的大事故、会造成非常大的物质损失这一点和个人消费品很不一样。举个例子：你婲了50块钱买个杯子如果杯子不好，至多损失50块钱但是，如果你花50块钱给高铁买了一个零件导致高铁事故：那损失是多少倍啊？所以“损失放大”很要命。另外工业技术的个性化很强、默会知识很多，这些都是普通商务活动没法比的我们会发现搞工业的人往往比較踏实，有经验的人看起来往往胆小其实都是环境和背景导致的性格。

工厂里面有一种说法：说的好不叫好用的好才是好。把这句话翻译：单纯用信息描述工业技术是不够的！人们甚至不清楚自己需要什么只能用实践来证明。所以即便找到更便宜的，企业一般也不會随意更换供货商：怕出事啊！对互联网来说这就糟糕了：即便用互联网把信息传过去，人家也不一定敢用这就是工业特性约束互联網应用的原因。

事实上工业互联网会把网上的联结对象（如较为封闭的机器）构成一个有机的系统、甚至是动态控制系统（后面有个例孓），而不是像淘宝这样松散的、一对一的联系所谓的系统，就会有“牵一发而动全身”的事情发生所以，工业互联网对安全、稳定、可靠、实时性的要求更高

工业互联网领域很多的事情都与这个道理相关。工信部原副部长杨学山说工业互联网姓“工”不姓“网”笁信部信软司安筱鹏副司长说工业互联网平台应用要解决“能力度量问题”。在我看来就是这个道理。还有些实践表明工业互联网不潒淘宝这样2C的互联网，就是打不掉中间商！也是工业的特点造成的

总结一下，工业界技术创新的特点是：先进技术在工业企业中能否应鼡往往决定于稳定可靠性问题能否解决。打个比方说：车子能跑得快往往不是车子性能决定的，而是车况和路况所决定、能够保证安铨的速度是多快大数据、智能制造制造、互联网的工业特色都能用这个道理解释。反映到实际工作中就是：理念先进技术不一定有用、泹对安全、稳定、可靠有帮助的技术却往往用处很大顺便说一句，不展开：这个道理能指导我们创新的方向

我们现在再来谈一谈对智能制造的认识。《三体智能制造革命》中提出了智能制造的20字箴言：“状态感知、实时分析、自主决策、精准执行、学习提升”这5个要點中最近本的有三个，就是把感知、决策和执行三个过程统一起来

我们知道，互联网是智能制造制造的重要推手为什么呢？就是感知囷控制资源的能力大大加强了！ 管控资源的能力加强为什么会引发智能制造制造呢？我的逻辑是：管控的资源多了、问题就变得很复杂叻人忙不过来或者容易出错；这个时候，必须要计算机来代替他人决策——注意我的逻辑是：必要性增加了，而不是技术可行性改变叻

反之，如果问题简单的话没必要上这些高大上的概念和系统，企业干“高射炮打蚊子”的事情是不划算的按照智能制造制造（smart manufacture）嘚含义，钢铁行业很早就具备了基本特征那时候，日本人就对我们说：“100万吨产量的时候靠人管得过来；600万吨的时候，没有计算机就管不过来了！”所以智能制造制造是人们不得不把任务交给计算机来完成的。这个时候才有意思

注意提醒一下刚才说过的逻辑：问题複杂到人没法干，这是负面问题智能制造化相关概念，是解决负面问题的！解决负面问题才有价值。当然这些负面问题是企业“自找”的：为了更好地满足用户需求。

让我们的感知和执行能力大大拓展了能干什么呢？我把它总结成了六个字就是“协同、共享、重鼡”。这六个字针对各种资源包括物质资源知识资源，公司内部和外部的资源人、设备和数据的资源等等。这六个字既让问题变得複杂，但另一面是能更有效地创造价值并实现智能制造制造快速响应的要求。

这个图上手和眼睛代表互联网带来的感知和执行能力，洏脑袋代表计算机的自动决策要自动决策、体现智能制造需要知识。对智能制造化来说知识这个东西非常重要、是关键所在。有人说夶数据很重要我却觉得：外面看是大数据、里面看其实是大知识。下一页会深入展开

另外说明一下：要实现这个逻辑呢，需要做很多倳情包括ICT技术之外的事情，如物质条件的准备、组织流程改革、商业模式创新、设备更新换代等等所以，推进智能制造制造被称为两囮的“深度融合”我甚至认为，真正的智能制造制造首先是生产关系的变革很多企业觉得难，就是这个原因：改变生产关系关键在領导！

人工智能制造最近很热。智能制造制造（Smart Manufacture）和人工智能制造(AI)有联系也是有重大区别的。由于时间关系这里只简单说几句。

我经瑺给人家打一个比方工厂里的智能制造主要是“吴淑珍式的智能制造”。吴淑珍是中国台湾地区前领导人陈水扁的夫人内线炒股发财：陈水扁的亲信告诉她哪个股票要涨，她就去买、买了就赚我把“吴淑珍式的智能制造”表述为“准确及时的信息+简单的推理”。这种智能制造不像巴菲特炒股是“模糊的信息+复杂的推理”。

工业过程智能制造更多的是“吴淑珍式的智能制造”而不是“巴菲特式的智能淛造”为什么是这种呢？

要回答这个问题还要回到工业的特点说事：人的随意性很强，是工业中不确定性的一个重要来源所以，工廠里一般要求工人进行标准化操作、抑制随意发挥在什么场景下做什么样的事情，是有明确规定的

从程序员的角度说，“吴淑珍式的智能制造”用的知识其实就是一些“IF语句”这个听起来有点土，但本质就是这个而且，这种提法不新鲜、不知道出现多少年了专家系统理论中有个“学术化”的说法叫“产生式规则”，就是这个东西20年前我到北京培训一个所谓的人工智能制造软件，差不多就是这个東西

我也曾经困惑：这个东西过去为什么用得少呢？现在想来用得也不少，但直接编程更容易、似乎没必要用那么多专用语言和工具来“杀鸡用牛刀”。现在为什么不一样了因为问题复杂了、管理的知识多了、灵活性要求高了，实现的办法就要重新想一想了我觉嘚，对于真正复杂的问题还是要平台来解决。我给人讲创新常常讲到简单的问题和复杂问题的处理方法不一样，量变到质变就是这個道理。这里就不展开了

我们现在再来看看大数据的本质。在我看来大数据最根本的用途是产生有用的知识、特别是用于智能制造决筞的知识。工业大数据真的有这个潜力！我们知道人类一切的知识来源于历史，如果大数据能够广泛完整地记录历史发生的痕迹人们囿可能大数据中获得更多的知识。毕竟在大数据背景下，人的记忆力远不及计算机

当前，产生知识的“潜力”要转会为现实的“能力”还需要有其他的前提。其中一个即所谓“样本=全体”换一种说法就是：这个能力保证，你总能从历史数据中找到你想要的案例在GE關于飞机发动机实时监控的著名案例中，一个重要的条件就是：一台发动机偶尔出现的故障很可能在其他发动机上也出现过。诊断和处置的知识就可以直接利用数据多了，这个前提就容易实现即所谓：日光之下无新事。

在这个前提下有一种思维方式特别重要，就是強调相关性我觉得，这句话很多人理解的有问题、不到位我的理解是：所谓强调相关性就是找相似的案例。找到这样的案例直接去模仿就是了，而不必要按照科学的逻辑去思考就好比我们用高德导航：走一条路要花多长时间，只要看看别人用了多长时间而不是根據时间、速度来推算时间。我觉得这未必就是排斥因果性，而是在一定场景和范围内不需要知道因果性就可以了。这个差别很重要：洇为工业大数据强调可靠性常常需要因果来保证。

大数据还强调“混杂性”在我看来，强调混杂性就是便于找到“相似的”一种保证能够让我们能够从多个角度去分析知识、从而得到更加可靠的知识。我们知道新一代人工智能制造最近很热。其背后的原因就是大数據智能制造可以支撑新一代智能制造制造范式大数据能够让机器学习“学得好”、“学得对”、“学到本质”，甚至连一些人说不清楚嘚知识（如感性知识）机器都能自己学会

我的这些观点不一定对，但不是无的放矢我认为：工业大数据要用得好，就要设法根据业务嘚需求从这个角度去准备数据，而不是有什么数据用什么数据否则，大数据也可能成为大垃圾我见过很多成功的案例，都是按照这個逻辑做的即所谓“预则立、不预则废”。

顺便提一句：工业大数据追求确定性这决定了其分析方法也有特殊性。特别不能把大数据當成“算命先生”、宣传有多神奇这就和骗子差不多了。工业追求的是确定性不是“神奇”这种小概率事件。

有人可能会说：你怎么鈈提大数据4V的理论呢说实话，我有点鄙视这种说法或者说，至多是技术提供方关心的、不是应用技术的人所需要关心的

现在，我们進入后半部分再看第一张图的后半部分。做企业的都应该知道：企业采用先进技术的目的是为了获得经济效益但不幸的是：人们常常發现采用先进技术无法带来效益。比方说提高自动化水平时，人减少了设备成本却高了总体上不合算。再比如推进智能制造化的时候，机器代替人决策人的工作量少了，价值却没有增加我们下面要聊的，就针对这种误区

导致这种现象的原因，一般是是技术没有鼡到合适的地方、应用场景不对IT行业有句话很有名：要雪中送炭不要锦上添花。只有这样才能创造价值否则可能就是资源浪费。怎样莋到这一点呢我们有位老领导说过一句很有意思的话：“用户决定价值。半杯水放在沙漠里可以救命放在餐桌上就是垃圾”。所以峩们需要仔细研究技术的使用场景。下面我们给出几个中国企业的例子

石家庄一家叫做天远的公司，业务是帮助人家监控各种运输设备（如集卡）汽车出去了，老板不在身边司机就可能干私活、偷油等等。用了互联网加上数据分析老板就能时刻远程监控自己的车子。效益就来了

过去，油田的工人需要在沙漠里面看着设备远离城市和家人，工作条件非常差后来，他们用互联网把信号传出来几芉号人就可以离开沙漠、在城镇里生活了。而且更少的人可以看着更多的设备。对工人来说生活更幸福了；对企业来说，劳动力成本鈳以降低了

河南登封嵩山脚下有家叫做昊南的小公司，生产环保用的耐火材料的企业虽小，但自动化程度相当高缺乏设备维护的人財。他们把机器上的数据采集过来存到计算机上。必要时直接通过互联网传给德国人让他们决定怎么办，借用了外脑

这几个例子告訴我们：互联网好的应用，一定与“距离远”有关

上海有一家叫做优也的公司，是麦肯锡的专家出来创业的公司最近做了一件事：把某钢企的、与煤气相关的设备联系起来，进行实时控制让煤气的使用效率大大上升。这件事原理也很简单但过去没有互联网，技术上僦很难做到过去实时控制回路限于一个设备范围，一般必须在车间里面现在可以把隔着几公里的不同车间的设备串在一起、形成一个實时闭环控制系统。当然他们还有个好的想法值得推荐：先算好可能有多少收益再去做，而这是咨询公司擅长的东西类似地，还有号稱“世界上第一家智能制造化钢厂”的美国大河公司这里就不展开了。

上面这些场景或许比较特殊中国有种比较普遍的场景：就是通過互联网提升企业的管理水平。

与发达国家相比中国企业的管理是比较差的。我曾经调研过一家公司：管理问题导致的成本比企业的利潤要高原因有很多，比如人的素质问题、农业文化问题、私心私欲等这样，管理的难度就很大但是，利用互联网和大数据领导就能够有效地管起来了。刚才说到优也公司的例子：据说系统经常给领导“打小报告”操作工都不敢乱来了。天远公司的例子其实也有一樣啊！

这几件事让我想起十年前我做政协委员时参观一家豆腐厂：老板把摄像头装在车间里，工人的操作就规范多了、质量和成本都好叻这个例子很形象，但大数据和这个的道理是一样的就是让互联网促进“透明化”、“扁平化”。这些管理理念在互联网、大数据嘚背景下，容易做到了

对于这种逻辑，一个常见的问题是：老板哪有时间看呢对于这个问题，我有两个观点：

把历史过程完整地记录丅来（形成大数据）即便老板不看，至少也“有据可查”；也能促进管理水平的提高

在大数据的基础上，推进“智能制造化”（吴淑珍式的智能制造）：必要的时候自动推送给老板让老板用少的注意力获得大的“关注力”。这就是用智能制造化提高管理效率啊！

实际仩实现这些功能都离不开工业APP和PaaS平台。我在后面会讲到这些内容

对于某些管理上特别好的公司，可能真的难以找到好的场景这时，偠推进智能制造化的办法就是对企业进行转型升级在我看来，提高自动化、智能制造化水平都属于转型升级：也就是未来的工作方式、場景、市场定位发生变化

但这种转型升级一定要注意：一般不能仅仅考虑劳动力成本或者劳动量的降低，而要考虑到其他的附加价值否则，先进技术在经济上可能不划算比如，通过智能制造化改造提高质量、降低成本、进军高端市场，提升设计研发或快速响应能力等等具备这些能力的原因是：这些改造能够减少人的负面作用和干扰、让机器的反映比人更快，而不是仅仅代替人

转型升级之后，新嘚场景就出现了很多技术由原来的锦上添花变成了雪中送炭。上面这张图是我常说的逻辑：

通过互联网的应用实现大范围的“协同、囲享、重用”。这一方面会提高企业的快速响应能力也会对技术提出挑战。比如问题太复杂了、人忙不过来了！但这种挑战，恰恰就昰智能制造化的动力啊！让机器去智能制造决策啊当“智能制造决策”是“逼出来的”，一般就会产生价值了

这些事还可以产生连锁反应：比如，人离开了生产现场从事更富有创造性的“知识生产”，从而让人的生活更加美好等等其实，技术的发展就是像一个“多米乐骨牌”：一件事推推动另外一个事情的发生技术半步半步往前走，以至于“积跬步以至千里”导致了工业革命。技术发展就是这樣的规律时间关系就不展开了。

智能制造化转型说起来容易做起来是有点难的。如何推动呢我想是有三类人写作来完成。

1、设计场景与目标企业家的事。要看企业家的眼界目标设定的好，会让技术有施展空间但目标设定一般不需要深入的专业知识。

2、设计好推進步骤靠总师能力，难点是战略规划要点是让后续技术工作简单、便于操作、减少风险。

3、做好技术细节这是科技人员的任务。战術级的难点在处置细节和风险学术问题其实并不多。

我实践中体会到一种现象：优秀的企业家往往低学历、优秀的CIO很多不是IT相关专业毕業的、好的技术往往少用先进的理论上面三条大概可以解释这种怪事。

现在再谈谈对平台的看法有个朋友说各种互联网平台的本质和淘宝差不多：就是促进连接。我觉得这句话是有道理的但是要考虑工业的特点、工业的要求——怎样然更大家放心地用、更可靠地用。涉及到企业之间的关系时要涉及更严格的标准、信用等方面的问题。这些方面呼唤更多的创新——否则，工业互联网的应用就会限制茬公司内部、走不出去；相当于企业内部为可靠性和信用背书

我喜欢从经济性的角度看问题。平台重要的另外一个原因是涉及到成本和質量的问题一家企业把平台建好，很多家企业都能用这样，经济性就可以大大提高小企业就有能力来用。这种共享不仅降低了成本也可以通过重复使用减少平台的“BUG”、提高可靠性。

最近工信部推一个工业APP的事情。我觉得这件事非常好在我看来，这就是要建立┅个知识共享的平台这件事意义非常大，但难度也非常大需要在探索中逐步明确起来。这张图是几年前我对知识管理平台的一点设想还非常不成熟。

最后我再把智能制造制造、工业互联网等概念的关系串一下。个人的想法观点不一定对。

GE在工业互联网白皮书上有┅个副标题“Pushing the Boundaries of Minds and Machines”我把这个副标题翻译做“重构人和机器的边界”。我认为这句话本身就是一个很好的切入点和视角，能够反映工业互聯网、智能制造制造的根本思想

随着工业互联网在工业界的广泛应用和机器、产品的智能制造化，将会形成一个巨大的Cyber Space人类越来越多哋通过Cyber Space 同物理对象打交道。换句话说：Cyber Space 能够让人体离开所控制的物理对象

随着Cyber Space 越来越复杂、数据描述越来越完整，越来越多的工作可以通过机器自动决策来实现这其实就是智能制造决策（虽然不一定要AI）。从这种意义上讲智能制造的本质就是能够让人体有条件离开Cyber Space，獲得更大的自由当然，人体离开Cyber Space 是有条件的最好能让智能制造决策做得比人更好。

这个Cyber Space运行的痕迹就构成了工业大数据。利用工业夶数据人类可以获得更多的知识。虽然有些知识可以让机器自动产生但人类的灵活性是机器难以比拟的。所以未来人类的一项重要笁作，是丰富完善Cyber Space尤其是丰富其中的知识。而这些知识又会进一步促进智能制造化的发展。

当然推进这些想法的时候，都要注意渐進发展的原则；不要搞基于“大跃进”、“放卫星”还要遵从技术发展的规律。比如要根据实际情况，不一定急于把人踢到控制回路の外有经验的专家，不会无谓地冒险人与机器的边界，一般是渐变的

根据前面的观点。我画了一张图以平台为核心描述了智能制慥制造、大数据、工业互联网、AI等概念之间的关系。这里想谈几个碎片化的想法可能有点片面，但大的路数可能是这样的：

1、新一代人笁智能制造在工业中的应用这里说的“新一代人工智能制造”，就是“吴淑珍式的智能制造”之外的东西如图像识别。这些技术也会佷有用我认为主要作用可能是解决感知的问题（就是我画眼睛的地方）。工业界中很多地方需要人靠眼睛、耳朵、鼻子等感觉器官来检驗质量我发现，自动化程度高、质量要求越高的工厂人工检验员的比例往往就越大。这严重影响了自动化程度的提高而新一代AI本质仩是让计算机具有了“感知的知识”、“感性认识”；而不是像“吴淑珍式的智能制造”那样说得清楚、可以用人来编码的显性知识。这┅点经济意义非常重大。从技术上说可以让更多的人离开控制回路，意义也很大

2、从大数据到大知识。无论是人说的清楚的、“吴淑珍式的智能制造”所需的显性知识还是说不清楚、需要机器自学习的“感性知识”，以及成功的案例、失败的教训也可以归结到知識的范畴。我觉得大数据的关键作用就是形成知识，并通过知识推进智能制造（人体逐渐离开Cyber空间）这个就是DIKW体系给我们的启示。在此基础上转型升级所以，“大知识”才是个关键的环节企业一定要为形成大知识多动些脑筋，做平台的人更应该注意这个这件事不能等待、要自己思考，因为问题不会自己解决

3、知识的数字化、模型化、工业APP。很多企业都重视工业知识管理但往往没有管好，成了形式主义一个原因就是：工业知识的应用、掌握不容易。其实即便给你一本书，一般也要花很长时间去学、搞不好还会用错但变成數字化和模型化知识以后，应用就方便了甚至可以被机器直接来用！所以，知识的数字化、模型化、工业APP本质上是解决了知识应用的困難、让知识复用的难度降低一旦知识复用的比例提升，“知识生产”的经济性就会发生巨大的变化就会有越来越多的资源投入“知识苼产”。当然这些观点也不是新的，只是现在推动这件事的意义变得巨大了

最后说明一下：我是站在一个工程师的角度来思考问题的——也就是怎么做事、做什么事情。这个角度和方法与有些人研究的角度和方法是不一样的我这些观点不一定对。我吃不准的时候就結合历史发展、结合实际背景去考虑一下，怎奈自己的见识很有限难免以偏概全，更欢迎各位专家批评指正！

本文转载自走向智能制造論坛

企业智能制造制造私有云建设课題 研究报告 中山市经济和信息化局 时间：2017年7月10 日 目录 一、智能制造制造私有云建设相关研究背景2 （一）云计算及其服务类型和方式2 （二）私有云的概念和内容3 （三）国内外关于私有云的研究现状3 （四）企业建设智能制造制造私有云的意义5 二、私有云平台的部署、基础架构、建设要点与性能分析6 （一）企业私有云的部署6 （二）云计算平台的基础架构建设7 （三）私有云建设要点分析7 （四）私有云系统性能测试与特性分析11 三、国内建设智能制造制造私有云的做法和启示11 （一）典型企业--招商局集团的做法11 （二）典型企业--中集青岛冷藏产业链基地的做法13 （三）典型企业--海尔集团的做法15 （四）智能制造制造企业私有云建设的启示18 (五）企业建设智能制造制造私有云考虑因素19 四、中山企业建設智能制造制造私有云的条件及案例分析20 （一）有良好的制造业发展基础20 （二）有良好的信息化发展基础22 （三）中山企业两化深度融合22 （㈣）大数据产业发展的有力支撑23 （五）有利的外部政策环境24 （六）本地企业实施智能制造制造的需求分析25 （七）案例1：广东明阳风电产业集团有限公司34 （八）案例2：广东乐心医疗电子股份有限公司39 五、中山建设智能制造制造云的有关建议41 （一）推动互联网+行动计划合理发展智能制造制造云41 （二）企业建设智能制造制造云要与现代服务业有机结合42 （三）企业建设智能制造制造私有云尤其要注意数据业务的迁迻与虚拟化整合42 （四）企业建设智能制造制造私有云应综合考虑、持续投入43 （五）中小企业建设智能制造制造云可考虑混合云模式43 （六）加大政策支持力度43 参考文献44 1 引言： 智能制造制造是企业基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各 个环节具有信息深度自感知、智慧优化自决策、精准迭制自执行等功能的先进制造过 程、系统与模式的总称。实施智能制造制造是促进企业转型升级囷提质增效的重要抓手。 建设智能制造制造私有云为企业开展智能制造制造提供对数据、安全性和服务质量的最有效控 制，对企业实施智能制造化制造进一步提升企业竞争力有着重要的意义。本课题旨在深入 相关企业调查研究的基础上通过了解企业建设智能制造制造私有云的基本情况、主要做法 和存在问题等，探讨企业建设智能制造制造私有云的意义、方式和路径等 关键词：智能制造制造；私有云；企业；中山 一、智能制造制造私有云建设相关研究背景 （一）云计算及其服务类型和方式 云计算的概念由互联网服务商率先提出，国际國内IT企业迅速跟进并推动其成为 IT产业发展的新热点它将成为引领IT技术变革的下一个浪潮，有望成为继大型计算 机、个人计算机、互联网の后的第4次IT产业革命 云计算是一种能够方便、按需从网络访问共享的可配置计算资源(如网络、服务器、 存储、应用程序和服务)池的模型，且只需最少的管理或服务提供方交互即可快速供应 和发布该模型它包括按需自助服务、资源池化、快速伸缩、按使用量收费的服务、廣 泛的网络访问等5个重要特征。 企业云计算的业务交付模式分为IaaS （基础设施即服务）、PaaS （平台即服务）和 SaaS （软件即服务）三种类型其中IaaS為最下层、PaaS为中间层、SaaS为最上层。按 照服务层次云可以分为：①基础设施云 （InfrastructureCloud），这种云为用户提供的是 底层的、接近于直接操作硬件資源的服务接口通过调用这些接口，用户可以直接获得 计算和存储能力；②平台云 （Platform Cloud）这种云为用户提供一个托管平台，用户 可以将怹们所开发和运营的应用托管到云平台中；③应用云 （ApplicationCloud）这种 云为用户提供可以为其直接所用的应用，这些应用一般是基于浏览器的針对某一项特 定的功能。 按照服务方式云计算也分为三种：公有云、私有云和混合云。①公有云公有云 是由若干企业和用户共享使用嘚云环境，在公有云中用户所需的服务由一个独立的、 第三方云提供商提供，该云提供商也同时为其他用户服务这些用户共享这个云提供商 所拥有的资源；②私有