第1章　从产业规律看工业互联网的发展

记得2000年，我还在上大学，学校一位老师拿到一个MIS（Management Information System）开发的项目，项目金额800万元，作为学生的我们，觉得老师真厉害，项目金额真高。从那时起直到现在，中国的管理信息化经历了快速发展的20年，经历了从萌芽到几乎全行业、全领域、全覆盖的过程，产生了从MIS 到MRP、ERP、CRM、MES 等各种各样的管理信息化系统，连街边的小卖部也在用电脑管理自己的生意了。20年来，中国做管理软件的公司呈井喷式涌现，大公司、小公司都有，各种行业、各个领域都有，软件行业从业人员的90%以上都是做各种各样的管理软件的。这些公司，这些软件工程师，都有一个共同的特点，就是离开关系数据库几乎就不会写程序了。管理信息化路径参见图1-1。

大部分做管理信息化的软件公司，为了能够迅速在市场上形成竞争力，通常要么横向在一个行业内做项目，要么纵向在一个领域内做项目，更常见的是在横向和纵向的一个交叉点上做项目，也就是大家讲的“垂直领域做深做透”。这是最容易出成绩的一种做法，但这种做法也只能一直停留在表层的应用上。所以，虽然我们经历了管理信息化这20年的快速发展，但最终成就的却是Oracle 这样的伟大公司，在国内几乎没有公认的伟大软件公司出现。

下面，我们看一看产业放大器模型，参见图1-2。

从上述对管理信息化的论述中，我们可以总结出行业发展的一个“倒金字塔”模型。一个行业的快速发展，通常都是因为有一个“方法论”，然后有少数公司基于这个方法论做出“软件工具”，更多的公司基于这个软件工具，去做基于场景匹配的各种“场景应用”。

在管理信息化这个领域，“关系数据库”是方法论，“Oracle”“MySQL”等是基于关系数据库方法论的实现工具，CRM、ERP 等各种各样的管理软件是基于场景匹配的“场景应用软件”，这些场景应用软件一定会用到某个关系数据库的工具软件。

我们再看看这几年比较火的AI（人工智能）行业。几乎从2018年下半年开始，各种基于AI 的产品快速得到商用，高铁站、机场、酒店、银行等都上线了人脸识别系统；停车场、高速公路等都上线了车牌识别系统。为什么在不到两年时间内各种AI 产品迅速普及，做AI 的公司也越来越多，而两三年前却几乎没有类似的产品和从业公司呢？这是因为近两三年间，以Google 的Tensorflow 为代表的AI 引擎成熟了（2016年AlphaGo 大战李世石是其标志性的起点）。在AI 这个例子中，“卷积神经网络”是方法论，“Tensorflow”是工具，各种人脸识别、车牌识别等软件和设备应用是“场景匹配”。

在安卓（Android）成熟后的移动终端硬件（包括手机、学习机等）领域也是同样的情景。

并不是每个领域一开始就形成了这种稳定的倒三角结构的。任何领域的发展基本上都是先有“场景应用”，然后逐步总结形成方法论和基于方法论的工具，再到工具成熟，有一个过程。但是一旦方法论和工具成熟，并被业界所认可，这个行业领域才会有真正的爆发式成长，而长期形成的场景匹配的市场格局也会重新洗牌。

工业互联网是工业升级转型的一个重要路径和抓手，从2017年开始，国家在政策和资金层面，对工业互联网都加大引导和投入。到目前为止，还是一个大的“堰塞湖”状态，整个行业并没有“快速且有价值”的发展。我们认为主要原因是这个行业还没有形成统一的“方法论”和“工具”，相当于还处在手机的“功能机”时代，没有进入“智能机”阶段。

智物联完善并开发的“多源异构数据映射”方法论和“MixIOT”工具，就是工业互联网领域的通用方法论和工具，是智慧工业核心引擎。

工业升级转型路径参见图1-3。

智物联正在建立包括销售合作伙伴、解决方案合作伙伴在内的生态体系，鼓励合作伙伴基于智物联软硬件产品进行二次开发，打造自身的工业互联网方案、产品和品牌。

在工业互联网领域，智物联是一个完全不一样的存在，智物联的定位、路径、目标都与国内该领域内的其他企业完全不同。智物联的MixIOT 被业界广泛认同，将更加有利于这个行业的快速发展。