三年以前，如果你想弄懂“工业互联网”是个什么东西，基本上只能异常努力地依靠自己天马行空的想象。求助百度百科只会得到几行短句，而wiki的案例竟然在讲谷歌无人驾驶汽车和环境的关系。摩挲着手里崭新的《大数据时代》，你隐约觉得应该把机器和数据联系起来，似乎是一件挺酷的事儿。谁能想到仅仅三年时间，工业数据分析平台一年能够带来10亿美元的收益并将向全世界开放，“工业互联网”已经被制造业升级的大潮裹挟着站到了浪头之上。
“工业互联网”渐成生态
通用电气（GE）、IBM、英特尔等公司主推的“工业互联网”正在经历“产品－数据分析平台－应用－生态”的演进。这主要得益于Predix数据分析平台对工业互联网应用的整合能力。Predix就像工业数据领域的iOS或者安卓系统一样，能够让工程师自己建立模型和应用，打通前方数以万计的传感器和后方每天增加超过5000万条的数据库。
在实际应用中，东方航空公司在Predix上使用工业互联网应用搜集了500多台CFM56发动机的高压涡轮叶片保修数据，结合远程诊断纪录和第三方数据，建立了叶片损伤分析预测模型。从前，航空公司需要定期强制飞机“休病假”，把微型摄像头伸入发动机内进行检查。现在，只要根据数据分析平台上的结果就可以预测发动机的运行情况，定制科学的重复检查间隔，提升运营效率。
目前，GE已经发布了40款工业互联网应用。航空公司可以分析不同地区、不同气候条件下的飞行数据来优化操作流程，提高运营效率。发电厂可以针对不同时间的涡轮机组运转情况来调节电力输送，提高能源效率。医院也可以视不同部门CT机运转是否饱和来分流患者，优化医疗资产。作为Predix的拥有者，GE仅提供优化解决方案就能带来超过10亿美元的年收入。平台应用日趋繁荣，生态雏形逐渐显现。
然而，GE却宣布要在今年把Predix免费开放给整个行业。这什么情况？
工业数据领域将掀起“圈地运动”？
今年7月7日的工业互联网峰会上，GE总裁伊梅尔特说到：“过去十年，让互联网公司主导经济，是我们的失误。”
互联网企业不仅深谙“生态论”和“平台战略”，而且拥有强大的计算能力和大数据分析经验。在“互联网＋”以及“制造业复兴”这样的国家战略的催化之下，互联网企业也已经开始布局设备周期管理、渠道管理、智能医疗等领域。
工业数据领域向来有着“M”和“I”的路径选择，M代表Manufacturing（制造业），I代表Internet。一直以来，制造业主导的M模式在国内被热议，而实际上I相对M所需投资较小、适用生产场景更多、操作更灵活：
互连网企业擅长从行业的中间层，也就是系统和平台下手。KUKA在为克莱斯勒汽车公司设计机器人流水线时使用了微软云服务来搭建云端控制平台，通过大数据分析，能够根据客户反馈调整生产规模和流程，大大提高了效率和灵活性。另外，微软说这套平台的优势之一是界面亲切。想想看，当工程师发现自己要用Windows系统操作整个工厂时，会是怎样一种“喜悦”的心情吧……
在优化资产这一点上，互联网企业从用户出发，制造业巨头从机器出发，似乎殊途同归。然而，“互联网＋”大潮之下企业往往大干快上，但技术改进的资金就那么多，难免顾此失彼。对于M和I来说，在最短的时间内拿出最可行的方案，抢到最多的客户才是当务之急。
如此说来，GE公司宣布今年开放Predix也算是深得互联网公司的真传了。
数据正在重构工业
我们也应该看到，无论是传统制造业的M模式，还是互联网公司的I模式，制造业都会脱胎换骨，向着“数据之路”进发。
传统制造业企业的优势在于从源头“占领”了机器。但潜台词是：旧的机器要逐步淘汰，企业要从GE那里买来带有工业互联网功能的新设备。比如GE的新型机车Evolution里布有7公里长的导线和250个RFID传感器，每小时产生900万个数据点，能够提高1英里／小时的运营效率。这每小时900万的数据洪流从发动机中倾泻而出，冲刷着下游的动力系统、调度系统、信号系统、物流体系，推动整个路网进行数据化蜕变，运营效率也将逐级提高。
而互联网公司的优势则是控制了用户，善于数据分析。比如百度的“百度迁徙”，能够通过LBS信息精确地预测全国路网各条线路不同时期的客流量、沿途各站乘降情况；通过搜索引擎数据预测旅客乘车的目的和下车后的去向。这些数据让铁路部门有条件及时调整班次，修改线路，有针对性地安排宾馆住宿和旅行社等资源。为了达到上述目的，铁路部门需要整合服务能力，更新各路局之间的协调机制，升级调度系统，购买新式车辆，甚至在车辆动力系统中加装传感器。这一次，数据水源向上漫延，终将“溶解”旧体系。