“智慧与机器”（Mind+Machine）大会上，GE总裁伊梅尔特称，到2020年，GE软件收入将达到100亿美元。然而随后又宣称更改为150亿美元。这个看似低级的失误，让外界无意中看到了GE内
部对软件部门△认知所存在的摇摆。
GE早期引入数据分析平台 “工业互联网”的时候，是跟大伙伴一起玩的，包括天下无敌的亚马逊云服务AWS；GE还跟埃森哲合资成立Taleris公司，用于补齐GE云计算的短板。GE曾列举跟埃森
哲、IBM的不同，暗示自己不是咨询公司，也不是软件公司。然而GE最◣新庄严宣布，通用电气打算成为全球第十大软件公司，直面IBM、微软这些软件巨头。
这个工业巨无霸一直在行业精耕细作，做事强悍，只求市场份额的第一或第二。此刻为何如此摇摆？
究其根源，还在于工〒业巨变的影响。在工业发生变革的过渡期，所有被热望灼烧着的巨人们，每天都在反复摆弄着自己手上的牌，希望能打出漂亮的组合，迎合窗外那些迫不及待地需要听到
新希望、新方向的形形色色的听众。
GE终于为这次革命性巨变调好了音。在最近一次谈话中，伊梅尔特发狠似地¤说道，所☆有企业和公司，如果不能把软件作为其核□ 心业务组成，都将被颠覆出局。
对于国内制造业而言，这可以说是一个充满了冷冷寒意的规劝。
软件帝国冉冉升起
2015年10月，GE正式宣布将内部的所有数字职能都整合到“通用电气数字集团”(GE Digital)，将软件和分析技术与该公司的工业产品整√合到一起。GE Digital估计2015年实现软件营收60亿
美元，通过五年时间跻身全球10大软件公司。
虽然GE Digital目前占比不过GE的4%，但丝毫不影〓响GE认定这就是未来。正如西门子成立的Digital Factory数字化技术集团一样，GE Digital也在确立自己在未来的主导地位，并深刻地影响
着其他交通、能源、建筑等传统优势工业部门。
GE毫不含糊地设立了CDO（首席◥数字官）这样一个全新↘的角色，这也是GE工业互联网战略中的重要一环——不过CIO（首席信息官）的角色依然保留。首次担任CDO角色的是从思科空降到通用电
气的鲁奇。
鲁奇加入GE一年之后，工业互联网正式向外公开。作为CDO，他需要协助GE完成“数字主线”（Digital Thread），作为GE下一步的制造系统，实现数据流的全整合、从设计到制造的全流程数
字化。
作为GE Digital总裁，鲁奇还是做〇了一个非常小心谨慎的探索。GEDigital被分成两个部分：一个是面向行业的软件解决方案Software&Service。GE这个老牌自动化设备和软件供应商拥有大量
的行业经验，在面向▲包括航空、能源、医疗等十三个行业领域的软件解决方案上面可以说得心应手；另外一个是Predix云平台，这是一块需要小心处理的探索之地。
工业云平台唱大戏
作为连接机器、数据和人的重要平台，Predix在2013年10月首次公开示众。它可将各类数据按照统一的标准㊣进行规范化梳理，为云计算和大数据技术█提供随时调取和分析的平台，工程师们可
以在Predix上按照自己企业的需求编写程序和应用，各取所需。各种分布式计算、大数据分析、资产管理、M2M通讯、移动性都可以叠加在上面。
Predix有时候会跟iOS和安卓操作系统】相提并论。GE希望在此为工业互联网建立工业生态系统，在此之上，建立APP应用商店，建立面向工业应用的GE Store。
2014年，GE将各种设备管理方案，整合成四十余种名为Predictivity数据与分析解决方案〓，通过增加可靠性，提高资产性能，延长资产寿命，增强资产安全以帮助企业优化资产。一年之后，
GE决定升级，向所有企业开放Predix操作系统，帮助各行各业的企业创建和开发自己的工业互联网应用。
Predix云平台的开放，意味着GE决定通过放弃⊙眼前利益，争取通过GE的产品和ξ 标准，在世界范围内搭建一个广泛的工业互联网平台。
如果说GE Digital的Software是人员、物流、信息流相连的各种局部交汇处，那么Predix则是解决人、机、数据相连的最终交汇之地。
这就是工业云所在地。工业云的应用会给制造业带来灵活的编程和数据分析方式。这意味着＠会有大批程序员走进工厂，工业将变『得软件化。通过IT信息◣技术和OT运营技术，借助Predix云的连
接，工厂的资产管理、机器数据更加可控。
工业互联网承载着GE的未来◇之梦，而Predix则是工业互联网的云平台。伊梅尔特已经坚定信念，APP才是工业的未来。
GE迫不及待地希望2016年会有2万名开发者在Predix平台开发应用软件。到2020年，GE商店内的应用程序目标为50万个。而所有这些APP的安＠ 身之地，就是GE寄予厚望的Predix平台。
Predix其实主要源╳自GE原有的EAM资产管理软件的云化和平台化处理。由于不同组织业务的特殊性，Predix的实际广泛应用其实仍然存在着不确定性。它到底是一个操作系统，还是PaaS平台，
抑或是一个数据中心，似乎让GE颇费踌躇。
GE数据海洋
GE的产品线非常庞大，覆盖能源、医疗、家庭、交通运输、金融等。光能源集团，旗下业务就覆盖了◣发电、水处理、能源服务、石油和天然气、可再生能源、检测控制等。而所有的这些业务
，GE找到了一个共性，那就是：数据无处不在，而且其价值被严重低估了。从这个角度出发，到2014年年底，GE声明自己已经管理着价值1万亿美元的资产和由1000多万个传感器追踪的5000多
万的独◤特数据。
GE的车队服务Fleet Service每天管理↘着超过26,000的车辆资▅产，由7.95亿美元资★产通过260万个传感器所产生；
GE采矿方案团队监控来自世界各地每10分钟从50个网站超过200000的信号；
GE的700台9 E燃气轮机组在全球运作累计超2500万小时；
GE运输每年从13300台机车分析产生了146TB的数据……
随着大数据、人工智能、互联网、物联网的暴〇发性发展，无与伦比的数据海╱洋展露出一望无际的浩瀚。那后■面一定有财富，五百多年前大航海的故事似乎又要在虚拟空间上演。虚拟海洋的∞财
富主权同样并不确定谁是真正的主人，它在呼唤雄心勃勃而有准备的探险者。
制造业上演数据交响乐
工业互联网的核◣心是资产管理，尤其№是设备资产的数据管理。这与工业4.0强调的生产与制造有很大不同。传统工业设备每天产生大量数据，如果利用工业互联网手段将这些数据整合出来提供
给客户，可能会▃实现工业设备能源效率的提升；而工业企业合理利用这些数据，也能促㊣进自身以更快的速度发展。因此GE慷慨大方地建议，就地挖宝吧！每一个工业企业投资者都应该理解自
己的互联网策略是什么。
在GE的眼里，一辆机车就是一个奔跑的数据中心。飞机引擎是飞行的数据中心，它们每天产生巨量的数据，这些ξ数据可以反馈给客户，用于提升燃油效率，改善它们的环保表现。甚至一个企
业的资产观也将发生变化：GE的发动机，不必是波音Ψ空客的设备，而是GE自己的资产，可以随时倾听、维护和预警。换言之，工厂生产的智能产品，也许就像是一只♀只鸽子，不管放飞多远，
它们都会为数◎据中心带来回信。
先进制造业对GE的影响力正变得更加明显，这︽也改变了GE高层的思维模式。在过去，GE发动机大约40％的生产任务外包给全球的供应商；而基于对制造业全新未来的考量，GE不打算外包了，
一反常态地计划将更多的制造工作放在GE内部，以获得更多的供应链增值。
这是一个清晰的信号，这对于中『国制造而言，这也是一个至关重要∏的启示：制造业才是未＠来经济竞争的基础。
作为制造业主体之一，GE身体力行地推荐自己的卓越工厂（Brilliant Factory）实践，这既是高级数据分析向全球¤进行示范的明证，也是自我发展的最好推动力。GE去年5月在印度普纳正式
运营的卓越工厂，可以实现混线生产，如发动机、涡轮以及这∮些产品零部件的制造。工业互联网的要素展现得淋漓尽致。
工◥业数据正在变得无与伦比地重要。在机器发展的历史上，最早的机器本身并不产生数据。而随着它︼和电子技术、信息技术、控制等相融合之后，数据开始出现，并被广泛收集，但工厂人员
只是做简单的监控、反馈和分析。
终于，当所有的资产都配备传感器、能够定制数据流、记录硬件的表现，当〓所有这些数据都可以被分析并用来优化性能的时候，再往前走一步的时刻来临了◣：基于专业的分析，智能机器能够
将生产力提高ω到一个全新的水平。这就是GE所理解的“工业互联网”，机器、人、数据可以相连，借助行业知识和专家经验，通过工业数据←的分析，全新的价值出现了。冷冰冰的金属可以跟
大脑智慧相≡交融，这是个重新定义“机-智”(Machine+Mind)的时代，数字化开始成为主宰工业升级的新▅派力量。
工业数№字财富之城
GE总裁的视线已经被工业全新的财富所诱惑。伊梅尔特不屑于辩论工业互联网的技术泡沫是否存在，他强调，目前数字化技术在消费领域APP经济已经创造超过3000亿美元的市场价值。而工业
领域的发展，将远远超过这个数字。而GE的科学家╱认为，即将到来的卐2030年，工业互联网将增加15万亿美元的GDP。
GE坚定地相信，全新的工业拐点已经到来※。OT技术（运维）将接过神力不再的IT技术的魔棒，数据将成为全新的主导性推动力。靠着庞大的神经末梢，所有的实体〒机器都会转化为数据经济，
从而建立一个庞大的数字帝国。所有工业领域的人类知识财富，都在此堆积。
闪耀之巅，那将是一座无与伦比的财富之城。
工业互联网源自设备资→产管理需求
设备维护与能源管理一直是工业领域最重要的命题之一。2012年11月，GE推出了“工业互联网——打开机器与智慧的边界”白皮书，热情洋溢地宣告工业互联网开启了工业经济的新时代，智
能仪表的优化，可以使得单台设备以最好的状态运行；而相互连接的机器，则可以形成⌒智能网络。
在过去，飞机引擎中的传感器都是被动模式——直到出现故障才会在仪表盘上亮红灯。这类传感器有很多，例如测量温度、压力和电『压的，其传感数据过去很少被保留和研究。在大多数飞行
中，引擎只会保留三个平均值，分别是起飞〓、巡航和降落数据。而在GE的下一代GEnX引擎中（装备波音787飞机）将会保留每次飞行的所有基础数据，甚至会从飞机实时传输回GE分析。这样一
台引擎一年产生的数据量甚至会超过GE航空业务↙历史上所有的数据。虽然机器间∑ 通过传感器通讯已经不是什么新概念，但是GE的业务规模能让这种想法得到更快实现。显然，作为拥有最大规
模的工业数据集，同时掌握历史数据并监测未来数据，GE能够测试任何算法的可行性。这就是GE面向未来的数据战略。
诊断和预测被认为是面向不同时间的世界观。以往的设备维护往往都是“应激性”反应，有故障⊙报警再去解决问题，这被称为“诊断Diagnositics”；而随着主动性预防和维护的普及，现在
“预测性Progostics”诊断则是希望提前了解设备的运行节点，并做出主动性调整。这已经成□为设备资产管理行业发展的主流方向。
根据美国着名的自动化咨询公司ARC的2015年调查报告，在美国目前只有18%的工厂利用设备数据进行主动性预防维护，而且往往只限于过程参数数据，如材料〓的温度、压力等简单数据。其他
大量的设备数据都被忽视，直接丢弃。这些数据随着◣机器铁锈，悄无声息地散发到大气中了。
然而，随着大数据时代的到来，工业从业者重新意识到这个充满铁锈味的数据的价值。工业互联网是工业数据觉醒时代的最好代名词。一个庞大的物理世界——由机器、设备群和网络组成，
通过大数据与数↓字分析的能力，与人的决♀策相连。这种虚实结合的工业新场景，激发了工业的想象力——准确地说，人们试图给机器开始增加想象力。
工业互联网的“机与智”
工业互联网的核心，就是解决人与机器的连接问题。这其中涉及到的先进分析（高级分析），就是工业大数据专业分析。与普々通的数据分析不同，它涉及复杂的工业知识模型。
在图4所示的三个要素中，智能机器将现实世界中的机器、设备、机群和网络通过先进的传感器、控制器和∞软件应用程序连接起来；高级分析则是使用ぷ基于分析与预测算法，结合各种关键学科
的深厚专业知识来理解机器与大型系统的运作方式；而人员的连接，也是关键的一步。通过实时连接，连接各种工作场所的人员，将人的决策性因素与设计、操作、维护卐以及服务相关联。
这是冷〖冰冰的金属与智慧的连接与融合，Big Iron +Big Data=Big Outcome（大铁砣+大数据=大产出）。数据和知识连接了一切设备。
刚刚被GE收购的生命科学仪器制造商赛默飞（Thermo Fisher）的化学分析仪在原有的智能功能基础上添加网√络连接功能，一旦进入危险环境，化学分析结果就会马上传输给用户，立即启动化
学缓解过程，无需等待就实现仪器和人◇员净化。赛默飞通过GE的 Predix云平台，用于安全地获取、分析和储存产品数据，并传输到公司内部和客户手上。
而德国医疗设备制造商百↑多力（Biotronik），生产各种不同的起搏器、胰岛素泵和其他设备。现在百多力决定为所有的设备加上互联的属性。突然间，就像是扫地雷的游戏一样，当一个恰当
的雷点被扫除后，大片的孤岛瞬间连成了一个大陆：家庭健康⌒监测系统。病人不同器官的■数据，会被整合到一个数据处理中心，这样医生就可以全面地监测病人身体健康状况，而且远程就可
以实现。
工业升级的斗法▽路径
“工业4.0”让德国工业出尽了风头，然而这只是面向未来的工业升级的一个技术版本之一。西门子对智能工厂充满了期待，它很清楚，智能工厂绕不开自动化设备——这是它的强项；智能产
品绕不开产品设计，这也是它的强项。
从GE的工业互联∑ 网定义中看，它并没有直接回答产品〗设计问题——似乎忽略了这在↙工业领域的一个宏大的重要主题。这个一闪而过露出来的空当，很快被同是工业互联网联盟（IIC）成员的美
国PTC公司所解决——这是西门子PLM（产品周期管理）软件领域事业部多年来最大的两个竞★争对手之一。PTC做了一个□ 精准的选择，将前端的设计研发与后期设备的维护与联网进行打通。数据
流动，仍然是决定性的焦点，这一点与工业互△联网的战略高度一致。
连接产品设计与生产制造，打造CPS（信息物理系统）的连通，是德国人选择的一条路——尽管德国工业4.0所提到的横向价值链体系中∞，也同样提到了售后服务，但生产仍然是压倒性的因素
。
而连接设计与设备资产，尤其设备与决策模型互连，是①美国选择的另外一条路径。设备相连似乎是一个更容易实现的生态系统。它内在的逻辑，不是更快地生产，更是更高的效率：资源配置
和优化是同样重要的大事。这对于备受产能过剩困扰、急需降低成本和尽快提升固有资产价值的中国制造业而言，是一个不错的♀选项。
工业互联网的发展与实施路径】
工业互联网不仅拓展了制造业边界，而且也进一步呼应了另外一个正在如火如荼燃起的新经济现象：共享经济。那就是替代原有的产品所有制，减∩少把产品据为己有的需求，通过共享闲置机
器形成全新的服务链条。“服务即产品”的商业模式Ψ允许用户获得产品完整的服务，但只需要支付他们消耗掉的那部分产品。显然，这种变体正是“共享使用”的核心。企业设备的租赁、多
余机器的闲置生产能力，很快将成为工业互联网∴利用数据调度物理实体的一个蓬勃发◥展的方向。
与此同时，无论什么样的革命，都不能忽略能源机制。而分散式能源将成为当下工业升级的一个不可忽略的现象——美国着名科技学者里夫金已经在狂热地拥抱这种他认为即将到来的能源革
命。在工业互联网的体系下，能源管理本来就是其中天生的组成部分。而工业互联【网的开发性与去中心化的特征，也与分散式能源的发█展相得益彰。
这些问题都将随着工业互联网的进一步发展而愈发清晰。对于当下，更为迫切的需求是，工业互联网如何迅速落地。在工业互联网联盟中，各个成员通过TestBed实验床，已经迫不及待地推出
了很多有特点的局部实践和示范点。
如果我们更为现实一¤点，就整体而言，必须解决四个问◇题。
设备问题：全新的设备需要具备入网功能；而既有设备※的翻新则需要通过各种传感器≡进行可靠、安全的数据收集。机器需要开口说话，首先需要不再聋哑——传感器、接线器、连网都是必须
要迈出去的一步。
数据分析：建立高级数据分析的架构。这看似是个信息化问题，但实际上却是一个工业技术体系的问题。如何能在在各种资产之☆上，建立∮业务模型，使得不同的设备数据可〖以汇聚和分析，首
先是一个学科工程师、现场技术人员需要回答的问题，其次才是一个IT工程师的问题。采集什么数据，分析什么数据，依赖何种数学模型，都在考验着一个企ω业工业技术的Know-How。
系统平台：建立全新的平台，在一个共享的体系框架下，支撑不同的应用，从而使得不同领域不同工作组的人，都可以共享信息〗和知识。GE迫不及待地推●广Predix，这显然是最∑ 佳路径。不过
对于企业而言，建立一个内部可以共享通用的平台，应该也是一件必选项。事实上，当产业边界不知不觉地被拓展，在大规模定制的时代，这个系统平台将成为企业最有价值的数据资产。
最后一个问题自ω 然是管理问题，也就是商业流程体系╳将会发生改变。大部分商业决策——如果不是全部，都需要从机器分析中所获得数据来进行驱动。然而企业管理者必须首先要相信设备入
网、高级分析、系统平台搭建完全可信，相信工业互联网正在引起巨变，这一切才会发生。
工业互联网不是互联网的工业化，而是设◆备管理效能的深度升级；不是简单的数据能力挖掘，而是一个生态体系的建设。在这一生态体系下，万物互联，人机的融◎合到达了一个巅峰的高度。
在工业互联网♀的眼界中，以前的机器忽然变成了一个偷懒的家伙：爱耍脾气爱生病爱罢工。这次，它的健康情况被无数个神经网络无时无刻地监控起来。数字化武装的赛博系统变成它的新管
家。所有的机器和设备被逼到极致，工业互联网使得设备故障的几率和时间大幅度降低，而且让】设备能够在能耗最低、性能★最佳的状态中工作。
