近期，“新基建”、“數字基建”成為熱點詞匯，“工業互聯網”作為新基建之一，不僅被市場廣泛關注，更在中共中央政治局會議中被著重點名。
工業互聯網入局新基建，對于制造企業和工業互聯網公司來說，都是一個巨大的發展機遇。此次疫情某種意義上也起到“助推器”的作用，促使企業深入應用數字化、智能化解決方案。工業互聯網平臺的高效、快速響應也向社會展示了“互聯互通、資源共享、智能協同”的價值。
工業互聯網是智能制造發展的基礎，可以提供共性的基礎設施和能力。
工業領域不同行業的差異化明顯，企業間存在很強的個性化，而工業企業的競爭優勢在于它們的行業積累，每一個細分領域的專有知識都是無可取代的。
目前很多的工業互聯網平臺都是通用型的，可以同時賦能多個不同行業。比如研華WISE-PaaS平臺能同時對工業、環保能源、交通、零售、醫療、物流等領域進行賦能。
WISE-PaaS的成長邏輯
據公開信息，一般來講，工業互聯網平臺的發展經歷大致分為四個階段，分別是云平臺、大數據平臺、物聯網平臺和工業互聯網平臺。
第一階段，大約是2010年以前，這期間產生了以亞馬遜AWS、微軟Azure為代表的云計算平臺；
第二階段，也就是2010年到2013年，產生了以SAP HANA和Teradata Aster為代表的大數據平臺；
第三階段，2013年到2015年，則有亞馬遜AWS IoT、IBM Watson IoT、微軟Azure IoT為代表的物聯網平臺誕生；
第四階段，即2015年以后，以GE Predix 、西門子MindSphere、ABB Ability為代表的工業互聯網平臺快速發展，呈現爆發式增長態勢。
而研華WISE-PaaS平臺誕生于2014年，剛好屬于第三階段，這在全球范圍內來看，還是比較早的。在那時，研華就開始了WISE-PaaS 1.0版本的研發，這是基于當時主流的Virtual Machine概念進行的設計，當時行業內數據平臺這個概念還不是太明顯。
在1.0版本時期，研華有提供一些最基本的應用服務，包括智能零售、智能醫院、智能車隊等。但在給客戶進行賦能時發現，落地了一個案例后，當應用要復制到第二個客戶時就會面臨比較大的改動，Virtual Machine的這種設計其彈性并不理想。此后，研華在此基礎上陸陸續續探索了一年，到了2015年意識到了這個1.0版本所存在的、最根本的問題。
2016年，研華決定要將1.0版本全部推倒重新做，并意識到打造數據平臺是必經之路，并將數據與應用進行了分層。在2016年時，Cloud Foundry作為一個平臺的技術基礎，在當時是比較主流的選擇，而研華也選擇了用Cloud Foundry作為WISE-PaaS 2.0的應用基礎框架。
2017年的時候，研華已有一些應用在WISE-PaaS 2.0上面成型。
2018年，他們開始了對于WISE-PaaS 3.0的研究，為平臺導入了應用框架服務的概念。
把數據平臺打造出來是第一步，數據上面還需要再寫應用，那么這里面就會有很多的研發工作要做，包括看板、配置服務，以及資產績效管理軟件APM，此外還得開始著手研發人工智能框架服務。
2019年，研華開始評估做WISE-PaaS 4.0，將WISE-PaaS之前版本用的Cloud Foundry這個平臺的底層改為Kubernetes，其主要優勢是Kubernetes的顆粒比較細，并以微服務架構提供各式AIoT軟件及服務。
“共性”與“個性”
從WISE-PaaS 1.0到4.0，WISE-PaaS從最初僅僅對于智能零售、智能醫院、智能車隊這些行業各別賦能，發展成為同時為工業、環保能源、交通、零售、醫療、物流等眾多領域提供支撐服務，成長為一個比較成熟的通用型工業互聯網平臺，研華用了整整6年的時間。
具體到不同的垂直行業，研華是如何處理這些行業一些“共性”與“個性”的問題呢？
在共性的方面，楊瑞祥表示，獲取的數據、所用的數據平臺，以及對應的多個用戶都屬于共性的部分，再者就是身份辨認、權限管理等，這些環節與具體到哪一個行業是不相關的。當數據量變多以后，還會涉及彈性擴容，而在數據管理與運算、資源的管理、用戶的管理，這些在任何應用都一樣，因此也屬于共性的部分。但具體到WISE-PaaS平臺的應用層，就存在專業的差異，而且這個差異還非常大。
在WISE-PaaS 3.0導入的應用框架服務，主要是可視化、資產效能管理、人工智能等的應用，會涉及三方面的數據價值挖掘。
第一，可視化的共性。各式各樣的可視化呈現工具，不管是醫療、零售，還是工廠等，幾乎都有所謂BI (business intelligence) 的概念，并且會生成一些績效統計、相應的報表等；此外，流程場景的可視化，比如現場平面圖、3D立體建模等也會涉及到。
第二，是設備的共性，以及拓撲、配置等。在任何場景，不管設備的位置、地理空間的大小、分散還是集中，或者復雜度如何，一定會涉及到設備的管理、拓撲等。
第三，是人員的共性。在場景中，哪些人員在哪一個位置負責哪些設備的管理，當設備出現狀況時要找誰，這在很多場景都可以設定出來，這與具體的場景也是無關的。
而在各個專業領域，企業自身的一些專業知識就很不同了，但企業相互之間會去競爭一些專業人才。楊瑞祥表示，企業之間會去競爭云方面的技術人員、數據科學家等，但是一般企業這方面的人才是很缺乏的。而WISE-PaaS的應用框架服務，可以使得企業僅需編寫少量代碼，配置導向的低代碼開發環境可以很好地應對企業的一些個性化的需求，快速簡易地開發部署，輔以WISE-PaaS / AFS（AI Framework Service）人工智能框架服務，及AI行業方案的顧問咨詢，降低了對數據科學家的依賴。
在應對各個專業細分領域的個性時，研華是以“共創”的模式，與各行業有專業Know-how的伙伴進行合作，基于WISE-PaaS進行具體行業應用的開發。
通過伙伴在行業內的專家知識，搭配研華多年來在邊緣端數據收集、聯網和在云端數據的處理應用，形成OT與IT的融合。近些年，研華積極啟動了各個領域的共創合作，育成行業深耕的系統集成商（DFSI；Domain-Focused Solution Integrator）。
比如與永進機械工業股份有限公司合資成立CNC設備遠程運營云服務商、與川源（中國）機械有限公司合資成立水處理設備遠程運營云服務商、與天津安捷科技成立合資公司賦能綜合能源服務行業、與東捷資訊成立合資公司打造智慧工廠解決方案等。
