2018年4月4日，工业互联网平台宣讲团第二季第二讲继续开讲，由中国西电集团中央研究院总经理康鹏举博士为大家分享“工业互联网平台的技术内核和创新应用”。“工业互联网平台宣讲团”，在工信部信软司大力支持下，由中国信息通信研究院、工业互联网产业联盟、走向智能研究院主办，通过组织线上线下宣讲活动，邀请国内著名专家、学者、企业家就工业互联网平台白皮书相关理念与技术发展体系开展宣贯活动。
以下为康鹏举宣讲图文：
大家晚上好，很高兴在这里和大家见面，共同探讨工业互联网平台这个话题。下面我将分享一下我对工业互联网平台技术及应用的一些认识。
一、控制的故事
人类的故事总结起来说就是关于控制的故事，更具体的说，就是控制能量的故事。蒸汽机的发明使人类进入了机械化时代，而蒸汽机的核心控制装置就是常说的调速器。通过这个装置，人类实现了对蒸汽散发的能量的驾驭。当瓦特发明了蒸汽机的调速器后，人们通过调节阀门开度，有效控制蒸汽的流量和压力，从而驱动轮船、火车、汽车等交通运输工具。后来，人类学会了驾驭电能，进入电气化时代，发电、输电、用电，深入到人类生产力的各个方面，我们控制能量的手段更加多样，也更加精准。现在，人类进入到数字化时代和互联网时代。
在数字化时代，数据和信息是一种特殊形式的能量，和机械化时代以前的蒸汽一样，如果不知道如何驾驭，它们只能白白流失。数字化时代的企业要想成功，不仅需要拥有数据，还需要驾驭数据，将数据转化为商业价值。谷歌、百度、腾讯等，之所以成功，是因为她们找到了如何驾驭数据的真谛。当人工智能广泛应用于能量控制的各个方面的时候，也就标志着智能化时代的来临。目前，我们还处在方兴未艾的数字化时代，智能时代的探索阶段。
二、工业互联网
工业互联网作为数字化时代的典型特征，其核心理念就是要将机器，数据和人深度融合。工业互联网的基石是极致的机器：性能极致、性价比极致、用户体验极致。极致与智能的机器个体，能够相互连接，所组成的系统体现出指数效应级的价值。设计极致的机器需要相应的数字化设计手段和工具。
数字主线和数字孪生技术的进步可以使设计和验证在数字空间中虚拟进行，让工程师的创造潜力得到充分释放。一台智能的机器本身就是一个移动的（如旋转的发电机）或静止的（如电力变压器）数据中心。机器感知自我，也感知自己所处的环境，收集并积累大量的数据。数据有的在内部流转，有的与其它机器交流。数据是机器的表达，数据分析即是对表达的释义，发掘其内在的规律和特征。数据和分析诠释了工业互联网更深层次的价值。
如何让数据在工业互联网中有效流动起来，将数据转化为价值而不是将这种能量白白散失。赋能与人，让人在整个能量控制过程中更有灵活性、更加关注目标结果，让创新更加自如；赋能与物，让机器能够自适应、自诊断，具有“大脑”。赋能与人和物是工业互联网平台应用创新的核心问题。总之，工业互联网平台将会以新的业务生态系统的方式为利益相关者营造独特体验和价值。
三、通过工业互联网平台，实现数字化重塑
工业互联网平台所构建的业务生态系统，将实现企业乃至整个行业的数字化重塑。应用创新需要将多种数字技术进行有效融合，包括：云计算、边缘计算、认知计算、智能终端、数字孪生、数字主线、数字化知识体系、移动通讯和物联网等。通过这些技术的融合，我们可以重新构建客户及合作伙伴关系，以百万级别的APP让人、机器互动，提供极致和独特的用户体验，重塑行业价值链和业务运营方式。
工业互联网的应用并非局限于特定流程，如：库存优化或工厂车间的数字化、自动化，它涉及整合全产业价值链，包括：客户交互、产品创意、产品设计、智能制造和资产优化管理等诸多数字化流程。成功的工业互联网平台将从根本上重新定义企业的经营方式，以及企业与其利益相关者之间的互动方式。
四、工业互联网平台技术元素
根据《工业互联网平台白皮书》，工业互联网平台涵盖边缘层、IaaS层、平台层（也叫工业PaaS层）、应用层（也叫工业SaaS层）以及贯穿上述各层级的安全防护。对应工业互联网平台的层级，我们来进一步看一下工业互联网平台的具体技术元素。边缘层是指智能机器、设备层。智能机器的“大脑”是由工业控制器诸如PLC，IPC，PAC，或特殊行业用的智能终端等承担。机器的数字化和智能化是下一阶段工业发展的必然趋势。目前，以边缘机器智能为特征的下一代的智能终端技术正在开发中。
图1 工业互联网平台技术元素
建立在以太网络基础之上的链路连接解决了大部分机器的物理连接，Profinet、实时Ethernet等多种工业协议解决了局部通讯问题，但也制造了诸多信息孤岛。异构机器间统一的通信规范和标准能够有效的打破孤岛，虽然OPC-UA及NB-IOT等技术已经有了实践性的突破，但是实现真正的安全互联互通，满足工业控制的实时性等要求，机器与机器通讯层面需要继续创新。
工业应用场景通常是一组/群机器在一起协作运行满足生产过程的需求。比如：发电厂、化工厂、水处理厂等。机器间的协同需要一个计算能力较强的计算平台就地实现系统性、实时性强的优化控制任务。物联网雾计算平台的发展为工业雾计算技术创新提供了机遇。
通过工业互联网的IaaS层和PaaS层实现机器数据上云，即实现基于云平台的工业大数据的收集，储存，提取等数据管理任务。由于有了工业雾计算层的过滤，进入到云平台的数据，具有时序和聚焦的双重特征，更加有效，针对这种数据的收集和存储不能再用传统的处理方式，需要创新出适用于更高阶数据和业务挖掘的面向对象和服务的数据积累新模式。工业互联网平台赋能与人的特征属性要求PaaS层提供给使用者简单易用的通用性数据处理方式和工具集，快速、高效、敏捷的构建业务，让工业领域的行业专家能够轻松众创，让构建应用的过程不再是一个编程的过程。
SaaS层主要进行工业数据的应用以及将数据转换为商业价值。通过建模、计算、分析，让形成的结果具象化展示出来，针对特定的商业目标，开发特定功能的APP，可以是报告、控制、优化等。这种商业价值的体现，由数以万计的APP承载。通过数据提升整个企业的运营效率，关乎协作的效率，流程的精简，从而提质增效。
五、工业互联网生态系统
图2 工业互联网生态系统
工业互联网的发展为工控与自动化行业开拓了一个新的技术生态系统，生态系统中的每一项创新都在为工业互联网的发展做着积极的贡献，也为未来企业的发展带来了机遇。工业互联网时代将催生新一代的智能传感企业，智能终端企业，嵌入式控制企业，专注工控网络设施的企业，网络安全方案解决商，技术产品提供商，工业云平台及相关服务提供商，工业大数据分析、可视化工具的提供者，以及各个垂直行业解决方案的集成商和服务商。这个生态系统异常庞大，技术门径多样，可以说百花齐放。
六、工业互联网平台创新
1、智能终端技术
工业行业的异构多样性决定了市场对智能终端的需求是多样化的。随着物联网技术的发展和工业领域对其认知的不断加深，智能终端技术创新有了新的机遇，比如：轻量级操作系统或无操作系统的物联网终端平台可以用来开发低成本的工业智能终端；借助开源软件技术开发下一代低成本高性能的开源工控装置，如开源PLC，开源IPC，开源PAC等；多核工控机的出现为开发下一代高端工业控制器、工业边缘计算平台和工业雾计算平台打下了良好的基础；借助CPU虚拟化技术开发多操作系统的虚拟控制器可以有效支持工业APP在边缘和雾端的部署；智能终端设备支持机器直接上工业云平台等。因此，智能终端必须支持多种通信协议，如：MQTT，HTTP，RESTFUL，DDS，CAN bus，EtherCAT，Modbus，OPC-UA，PROFINET，ZigBee，WIFI等以满足不同行业的数据连接的要求。
虚拟化技术的发展能够使一台工业控制器同时支持多种操作系统，如Windows，Debian，Arduino，Ubuntu，Linux Mbed，Yocto，RTOS，Fedora，Android，TI-RTOS，Raspbian等，从而以极其灵活的配置方式支持多种应用开发环境和计算语言。智能终端不仅满足于传统实时控制的需求，还将建立信息孤岛之间的连接桥梁，将高级应用（边缘计算、人工智能）在机器端就地部署，让机器有了“大脑”。
2、工业大数据平台
工业数据的特殊性和复杂性对工业大数据平台提出了特殊的要求。工业数据包括机器数据，传感器数据，环境数据，设计数据，文档数据，记录，多媒体数据，网页数据，业务数据，生产制造过程数据，能量数据等。数据平台必须有效支撑对这些结构差异、时序差异、“脏”的大数据进行统一管理，高效使用、共享、以及价值转化。在工业互联网时代之前，工业数据的处理的主要关注点是如何实时的处理和利用机器数据，所以实时数据库技术得到了蓬勃的发展，几乎每个工控系统提供商都有自己的实时数据库技术。
工业互联网时代，实时数据库技术已无法满足工业大数据的需求。开发工业数据湖技术势在必行。如何有效地整合大数据领域已有的技术，如：Hadoop、Spark、Historian、Docker等为工业大数据管理与分析所用是关键，形成工业数据湖技术。工业数据湖技术包括工业数据的储存，提取，归类，查询，发布，共享等。工业数据湖可伸缩，弹性扩展，能够将资源最优化配置，可以有效支撑工业互联网中数据的流动、存储、预处理和业务APP的调用。
3、大数据挖掘分析
工业大数据犹如流动的能量，如果不控制（挖掘分析），就只能白白散失。有效分析工业数据需要特定的一组分析工具，根据具体的应用场景做相应的组合。常用的工业大数据分析方法有基于统计的，机器学习的，基于机理模型的，基于物理模型的（如多领域物理模型，寿命模型，失效模型等），基于信号处理的（如傅里叶变换，小波变换，卡阿曼滤波，压缩传感等）。综合而言，将基于物理机理等的模型和基于数据的模型有机结合是最有效的分析体系。这个体系被定义为数字孪生。工业大数据是由物理系统原始提供的，物理系统中的机器是工程师按精确的物理知识设计的，物理知识的积累促进了人类工业文明。数字孪生是人类物理知识的载体。
大数据挖掘分析以数字孪生为基础进行，让强弱相关的数据都有了统一的组织。基于模型的APP，基于业务单元的APP，让复杂的分析类似搭积木式的构建起来，由此催生出APP池技术，对数以万计的APP进行组织和寿命管理。
工业数据的来源多元化，其中有制造数据，质量数据，运维数据，机器数据，业务数据，流程数据以及其它类型的数据。这就需要通过有效的数据可视化工具以直观的方式展现这些数据的内在信息。开源技术如：Tableau，Qlikview，FusionCharts，HighCharts，Datawrapper，Plotly，Sisense等为工业大数据的可视化提供了强力支撑。
4、人工智能
人工智能技术在商业领域得到一定程度的应用并取得进展，尤其是在语音识别，翻译，图像处理和自动驾驶等方面。当我们通过工业互联网平台解决了工业数据源的问题后，人工智能在工业领域的应用就水到渠成。工业行业目前的诸多挑战如知识的管理，复杂系统的数字化设计，控制，诊断与维护等都可以借助人工智能技术加以解决，届时，人工智能技术在工业互联网的多个层级都会得到极大的发挥，尤其是促进边缘计算的发展和落地、雾计算和云端的高级应用。
我们常常在思考：究竟什么是智能？要回答这个问题，我们先要了解人是怎么思考的。我们每个人大脑里有一对孪生兄弟，一个是急性子，一个是慢性子。人思考或做决策就靠这两个系统，我们称它们为系统一和系统二。系统一主要靠感觉无意识地做决定。比如，运动的时候，篮球过来要接，足球来了要踢，这是人的直觉反应，不需要思考。系统二会谨慎，要做严密的逻辑思考和对未来的预判。人决策的时候，都会用到大脑中的系统一和系统二。所以，有时你会当机立断，有时会审时度势，这就是系统一和系统二的平衡结果。要想培养系统二的能力，就要多读书、思考，用逻辑去思维。人的智能就表现在系统一和系统二的平衡能力。
5、工业机器的智能
机器的智能化是指机器能像人一样思考。我们需要开发这样的机器控制技术，使机器的“大脑”像人一样通过系统一和系统二的协作进行感知，思考与决策。其中，系统一靠知觉、经验；系统二靠逻辑严密的运算、思考和分析。要实现机器的真正意义上的智能化，需要解决有关当前、过去、未来知识的有效整合。如果机器学会整合过去的经验，利用先验知识，学会能应对当前，能够预测未来，这种机器就是一台智慧机器。实施这种智能机器的设计需要相应的硬件平台和软件平台支持，再加上双系统思维的理论框架指导。基于反馈的现代控制理论可以很好地解决系统一的实施。系统二的实施目前还没有很好的解决方案，需要开拓与创新。
七、工业互联网平台应用创新
带着关于智能的思考，工业互联网平台的应用创新的图景如下：
图3 工业互联网平台的应用创新的图景
机器作为工业互联网的边界节点，智能化是其必要的特征。这要求我们首先以工匠精神去设计，制造出极致的智能机器。智能机器作为工业互联网的基石，具备交互、预见及迅速反应的能力。智能机器之间可以根据需要交谈、求助、交流信息，对环境变化做出反应，使工业互联网系统能够创造预期的价值。智能机器可以运筹帷幄，在某种程度上像人一样思考。下一步是将智能机器联网运行，即机器上云。机器与机器，机器与人互联需要以稀疏通讯的方式进行设计，以避免机器被不相关数据信息淹没。第三点，要将智能应用在边缘，雾端，云端合理分布式部署，有效实现工业系统的优化控制。第四点，通过数字化技术开发提升系统效率，实现产业升级的工业APP。最后，通过工业互联网平台重塑工业控制行业，重构工控软硬件生态系统。
1、边缘计算
工业互联网的基石是智能机器，这需要我们突破传统PLC的框架，开辟与未来智能机器相匹配的智能终端平台。这需要在终端硬件、软件和应用方面大胆创新，开拓工业互联网时代的PLC。这里我们给出一个可能的基于双系统的智能终端解决方案。一台能源设备的控制器可以由两个信息处理芯片构成：一个传统的CPU芯片和一个神经网络芯片（NPU）。CPU芯片负责运行传统的实时控制算法，实现上述“系统一”的功能。NPU芯片支撑人工智能算法和大数据的分析功能，实现上述“系统二”的功能。同时，系统二还承担和云端安全连接的功能。控制软件的开发，部署，更新和升级都可以在云端远程进行，实现现场的不停机升级。软件部署形式采用APP推送。系统一和系统二之间采用安全隔离，保证实时控制的安全性。系统二除了做就地数据处理分析外，同时负责数据的整合，选择合适的数据以合适的形式上传到云端做进一步处理。
2、雾计算
工业互联网时代又可称之为大物理-大数据的时代。在这个时代，如何将物理和数据结合创造更多的价值是关键。厂级控制是指对一个工厂范围内的所有机器做协同控制。这个厂级控制器和物联网的雾计算平台相对应。这就是我们所说的工业雾计算平台。工厂级控制平台需要比智能终端更强大的计算能力以支持基于物理原理和大数据处理的实时控制算法。我们权且称其为：智能现场代理器。它和智能终端相比，设计原理相似，区别是计算能力大大加强，APP的数目和规模也更大。
3、云计算
工业云平台的作用是整合机器、制造、业务、运营、运维以及其它数据源的数据，并将这些数据形成闭环，为整个产业链创造价值。机器的智能终端通过现场代理器安全接入云端。云平台由云平台资源层，数据层和应用层三部分组成。其中，云平台资源的配置必须灵活柔性，支持公有云和私有云的部署，以满足工业用户多样性需求；数据层的设计要适合工业大数据处理的特点；应用层必须能够支持多种工业软件的云端化和APP池化，以满足行业用户的不同需求。工业APP从应用的角度可以分为以下几类：资产优化APP，流程优化APP，赋能工具APP，产品设计APP，产品创意APP和知识管理APP等。为保证工业互联网的安全，必须有一个点对点的安控系统解决方案和相应的安控APP。用户对APP的访问还需要支持PC、平板、移动端等。
4、工业大数据湖
目前，工业云平台的数据层基本是借用商业云平台的数据层技术。工业云平台数据层的下一个创新亮点是工业大数据湖，它将用来专门储存，管理各类工业数据，如传感器数据，机器设备数据，设计数据，监控数据，业务ERP数据，多媒体数据，社交媒体数据，办公数据等。工业互联网平台需要配置相应的工业大数据搜索工具，储存工具，数据挖掘工具等做有效支撑，开发出适合工业大数据的索引、搜寻和交易的核心数据层技术。
5、工业大数据分析
工业大数据分析的过程是将数据、业务知识和物理知识有机结合起来，来回答三个问题：发生了什么？正在发生什么？将要发生什么？有了关于这三个问题的答案，就可以实施对整个工业系统的优化。为了实现、运维和业务流程的优化，选择合适的算法和发掘知识的价值都是为实现上述三个问题服务的。传统的基于业务点的数据分析已经不能满足工业互联网平台级的需求，数字孪生技术体系和APP池技术将是一种突破。
美国的工业大数据生态系统相对形成的较好，培养了大批参与者从不同的侧面和视角解决工业互联网的推广与落地。其中，有人在解决数据源的问题，有人在开发开源平台，有企业做数据平台设施、APP开发平台、算法，行业APP，有许多公司在做各个行业的垂直解决方案。这个生态系统是开放的，其中OpenStack、Docker、TensorFlow、Kafka、Hadoop、Spark等开源技术促进了全球众创。
6、数字孪生
图4 数字孪生
数字孪生指的是物理机器及其所在的环境在数字空间的一种描述、映射或表征。数字孪生系统技术体系的内容有：数字孪生语义（Ontology）技术、数字孪生知识体（Knowledge）技术和数字孪生数据体（Data Model & Meta-data Model）技术。数字孪生语义的是一种定义不同数字孪生的类型、性质、以及相互关系的体系（a formal naming and definition of the types，properties，and interrelationships of the digital twins）。数字孪生知识体是对所代表的物理实体的机理、结构、参数、设计和行为等的聚合。数字孪生数据体是对所代表的物理实体的现在和历史所产生的数据流按照特定模型组织的集合，它还包括定义数据模型的元模型。
一个抽象的、多维度、多分辨率的数字孪生数据体是开启工业APP时代的“银弹”。以数字孪生平台体系为基础的工业APP将打破现有工业软件系统所形成的孤岛，让APP的开发有了统一的数据标准。贯穿产品的整个生命周期，我们都可以构建出每一个阶段的APP。如果我们试图将这些工业APP分类的话，它们大致可以归类为：数字孪生，数字主线和知识体系。数字孪生可以是多种表现形式，比如：由物理机理驱动的机理模型、产品的设计模型、数据驱动的相关模型、描述机器属性的资产模型、用于控制的信息模型、以及机器性能模型等。
数字主线是指将产品在整个寿命周期内串在一起的数字化平台，是数字孪生、产品生命周期中每个环节的数据及知识体系的载体。它就像针线一样，贯穿机器生命周期的每个环节：客户、市场需求，产品的创意，产品的设计，产品的仿真，产品的加工制造，产品的出厂检验，产品的投入和现场运行，最后到寿命结束。
知识体系是在数字孪生和数字主线中以模型的形式存在的抽象体。目前，这些技术体系的建立才刚刚开始，需要行业的广泛参与创新，共同构建数字化时代的工业软件生态系统。
数字孪生技术为工业互联网的创新应用带来了契机，无论是电力行业还是化工行业，垂直应用变的有章可循。其核心就是需要构建基于行业的基础数字孪生技术/平台体系。这个体系必须能支撑机械、电气、热力等多领域的建模，包括：物理模型、机理模型、各种算法模型、机器学习模型及传统的统计模型等。通过这些模型可以便捷地构建各种用途的数字孪生。这个过程由建模平台完成，该平台必须具有完善的仿真能力，配置好的APP可以在该平台上进行虚拟验证。
这个体系还包括实施平台和工具平台，处于建模平台的上一层。在这里，验证后的APP可以直接转化为设计模型和源代码在各种计算平台上部署实施；可以有效集成各种工业知识和文档，如用户需求，设计文档，测试文档等。工具平台也提供各式各样的赋能工具，如：构架设计工具，可视化工具，追踪工具、集成工具、组态工具等以便APP跨行业实施部署。
数字孪生的部署与应用
从计算资源和网络资源有效利用的角度考虑，数字孪生必须以合理的方式在机器端（边缘），厂级端（雾端）和云端部署，从而实现物理资产控制、管理，优化，业务优化、赋能等诸多工业应用。物理资产控制内容包括：传感器数据实时处理与分析、高性能实时控制、执行机构监控、闭环降载荷、自适应控制、故障处理、安全停机、优雅停机等。物理资产管理包括：远程监控、远程诊断、远程介入、远程升级、远程维护、性能评估、故障分析、资产可视化等。物理资产优化含：智能增工、智能增效、智能增寿、智能改造、寿命管理、基于状态的维护等。业务优化涵盖内容有：预报、规划、排产、调度、仓储管理、资产跟踪、追踪等。赋能、流程优化的任务有：工作流、查询、文档、手册、多媒体、翻译、用户行为分析、合作、分享、按需设计，随选工具等。
数字孪生的部署与应用：远程诊断
远程监控与诊断是工业互联网平台的一个典型应用。以远程诊断为例，一台机器的诊断由多个分别部署在不同层级的数字孪生APP协作完成。在机器端（边缘端），一般部署有实时处理要求的应用APP，如传感器、执行器诊断、健康指标与特征提取、周期数累计、特诊提取、数据缓冲、诊断用线性模型的使用等；厂级端（雾端）部署实时性要求稍弱，但又需要大量计算的应用APP，如模型自适应、健康状态特征值数据库、模型训练、频谱计算、小波变换、报警优先级处理、事故录波等。云端部署高计算量需求的APP，如高保真物理模型，寿命估计，模式识别，故障回放，故障追踪，机器学习，场景演绎，相关分析，集群分析等。三个层级的APP分别处理机器本体、机器群体和系统群体所在范围的诊断。实时性、数据传输的资源、计算资源等都是决定APP分类部署的重要因素。
数字孪生：控制应用
另外一个例子是数字孪生在风电场设备控制领域的应用。有一些APP被部署在风机控制器内（边缘端），有一些APP被部署在风场控制服务器内（雾端），还有一部分部署在云平台上。一般情况下，机器端部署的是单个风机的线性模型，或简化模型；在风场控制器内部署的是整个风场及环境的模型；在云端部署了高保真的物理机理模型，用于估算部件的寿命以及流体力学有关的的复杂计算，如尾流的计算仿真等。这些APP相互协作，在保证风电资产寿命和可靠性的条件下，实现最大可能的风能捕捉。这个闭环的优化过程是100%自动化的，不需要人工介入。
八、软件定义的工业互联网平台
在工业互联网产业联盟发布的《工业互联网平台白皮书》中，工信部信软司副司长、中国信息化百人会执委安筱鹏博士在前言中清晰简明地指出了工业互联网平台的本质和定位——“工业互联网平台是传统工业云平台的迭代升级”，“工业互联网平台是新工业体系的‘操作系统’”。
未来将是一个软件定义的世界。随着技术的发展，硬件趋于标准化、模块化，虚拟化和池化，硬件的功能及性能也将通过软件来定义。工业互联网平台的发展将由软件的进步所主导。工业APP作为工业知识的载体，是未来工业数字化经济的主要驱动力。
根据《国务院关于“深化互联网+先进制造业”发展工业互联网的指导意见》，到2020年，我国工业互联网平台体系将初步形成，有望建成10个左右跨行业、跨领域，能够支撑企业数字化、网络化、智能化生产的企业级平台；到2020年，我国还将利用推进工业互联网发展的契机，培育30万个面向特定行业、特定场景的工业APP，推动30万家企业应用工业互联网平台开展研发设计、生产制造、运营管理等业务。
机器的数字化、智能化将加速自动组态工业软件的发展，工业APP制作流水线技术或许是创新的另一个关键点。为实现国家2020年工业互联网发展目标，工业行业急需一款跨行业APP开发和部署的平台，可以支持多种语言和开发环境，以组态的方式灵活实现各种工业应用。大规模开发和部署工业APP是一项艰巨，但又必须完成的任务。
开源技术为打破行业技术壁垒提供了有力的武器。谁能够通过开源、开放的平台和工具，有效地组织大众创新，有效地将片散化，孤岛化的工业知识体系微服务化、APP化、系统化、价值化，谁将是工业互联网时代的领头羊。
人类的故事就是控制能量的历史。在数字化时代，数据与信息是另外一种形式的能量，工业互联网开创了技术创新、应用创新，和模式创新的工业新纪元，让我们以更加开放、包容、智慧和创新的精神，打破机器-系统-人之间的壁垒，实现机器-机器、人-机器之间的高效协作与多系统的和谐共生，拥抱工业互联网时代的到来。
本次宣讲到此结束，谢谢大家的热心关注和宝贵的时间。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
相关文章
