当前，工业互联网平台正在驱动工业全要素、全产业链等实现深度互联，并在工业数字化转型中发挥越来越重要的作用。

工信部副部长陈肇雄表示，“目前，具备一定行业区域影响力的平台数量超过了50个，重点平台平均工业设备连接数已经突破65万台套，工业APP达1950多个，涵盖细分行业达100多个。”

笔者了解到，在电子、家电、电力这些“中国制造”崛起过程中的重点行业，现阶段工业互联网平台已有了较高程度的渗透；而在石油石化、钢铁等，由于这些行业原本就对精益管理、效率提高具有较强的需求，因此对于工业互联网平台的应用也较为积极；另外，在服装、农业、化工、能源、零售、交通等行业，工业互联网平台正在更加深远地支撑着这些行业的变革。

那么，工业互联网平台是如何赋能各个行业？

我们知道，工业领域不同行业的差异化明显，企业间存在很强的个性化，而工业企业的竞争优势在于它们的行业积累，每一个细分领域的专有知识都是无可取代的。同时，目前很多的工业互联网平台都是通用型的，可以同时赋能多个不同行业。比如海尔COSMOPlat平台能对家电、电子、服装、农业、化工、模具等15个垂直行业提供全场景工业互联网解决方案；比如研华WISE-PaaS平台能同时对工业、环保能源、交通、零售、医疗、物流等领域进行赋能。

而据工业互联网平台白皮书（2019讨论稿），通用、可复制的工具和服务带来平台实施成本的大幅降低，基于大量工业数据、工业知识、 机理模型等资源的沉淀，通过工业 APP 开发商和服务商形成部分定制化的平台服务，可实现更广范围、更大规模的扩展。平台未来将呈现 “80%通用工具服务+20%个性化系统集成开发”的能力构成，并从软件工具转向互联网属性，塑造开放协同的平台经济。

近日，笔者采访到了研华科技CTO杨瑞祥博士，了解到作为一款通用型工业互联网平台，研华WISE-PaaS平台的发展历程，以及如何同时赋能多个行业，如何处理不同行业之间「共性」与「个性」的问题。

WISE-PaaS的成长逻辑

据公开信息，一般来讲，工业互联网平台的发展经历大致分为四个阶段，分别是云平台、大数据平台、物联网平台和工业互联网平台。

第一阶段，大约是2010年以前，这期间产生了以亚马逊AWS、微软Azure为代表的云计算平台；

第二阶段，也就是2010年到2013年，产生了以SAP HANA和Teradata Aster为代表的大数据平台；

第三阶段，2013年到2015年，则有亚马逊AWS IoT、IBM Watson IoT、微软Azure IoT为代表的物联网平台诞生；

第四阶段，即2015年以后，以GE Predix 、西门子MindSphere、ABB Ability为代表的工业互联网平台快速发展，呈现爆发式增长态势。

而研华WISE-PaaS平台诞生于2014年，刚好属于第三阶段，这在全球范围内来看，还是比较早的。在那时，研华就开始了WISE-PaaS 1.0版本的研发，这是基于当时主流的Virtual Machine概念进行的设计，当时行业内数据平台这个概念还不是太明显。

在1.0版本时期，研华有提供一些最基本的应用服务，包括智能零售、智能医院、智能车队等。但在给客户进行赋能时发现，落地了一个案例后，当应用要复制到第二个客户时就会面临比较大的改动，Virtual Machine的这种设计其弹性并不理想。此后，研华在此基础上陆陆续续探索了一年，到了2015年意识到了这个1.0版本所存在的、最根本的问题。

到了2016年，研华决定要将1.0版本全部推倒重新做，并意识到打造数据平台是必经之路，并将数据与应用进行了分层。在2016年时，Cloud Foundry作为一个平台的技术基础，在当时是比较主流的选择，几个大型的工业互联网平台都采用了这个方案，比如GE Predix。而研华也选择了用Cloud Foundry作为WISE-PaaS 2.0的应用基础框架。

据了解，2017年的时候，研华已有一些应用在WISE-PaaS 2.0上面成型。

2018年，他们开始了对于WISE-PaaS 3.0的研究，为平台导入了应用框架服务的概念。杨瑞祥向笔者透露，把数据平台打造出来是第一步，数据上面还需要再写应用，那么这里面就会有很多的研发工作要做，包括看板、配置服务，以及资产绩效管理软件APM，此外还得开始着手研发人工智能框架服务。

到了去年年初，也就是2019年，研华开始评估做WISE-PaaS 4.0，将WISE-PaaS之前版本用的Cloud Foundry这个平台的底层改为Kubernetes，其主要优势是Kubernetes的颗粒比较细，并以微服务架构提供各式AIoT软件及服务。笔者了解到，当平台如果有多个用户一起用的时候，Kubernetes可以使得用户的起跳门槛再往下降，或者当客户需要有多个运算的时候，有些运算占用的资源多，有些比较轻量级一些，Kubernetes也可以适用这种情况。

「共性」与「个性」

从WISE-PaaS 1.0到4.0，WISE-PaaS从最初仅仅对于智能零售、智能医院、智能车队这些行业各别赋能，发展成为同时为工业、环保能源、交通、零售、医疗、物流等众多领域提供支撑服务，成长为一个比较成熟的通用型工业互联网平台，研华用了整整6年的时间。

而具体到不同的垂直行业，研华是如何处理这些行业一些「共性」与「个性」的问题呢？

在共性的方面，杨瑞祥表示，获取的数据、所用的数据平台，以及对应的多个用户都属于共性的部分，再者就是身份辨认、权限管理等，这些环节与具体到哪一个行业是不相关的。当数据量变多以后，还会涉及弹性扩容，而在数据管理与运算、资源的管理、用户的管理，这些在任何应用都一样，因此也属于共性的部分。但具体到WISE-PaaS平台的应用层，就存在专业的差异，而且这个差异还非常大。

笔者了解到，在WISE-PaaS 3.0导入的应用框架服务，主要是可视化、资产效能管理、人工智能等的应用，会涉及三方面的数据价值挖掘。 

• 第一，可视化的共性。各式各样的可视化呈现工具，不管是医疗、零售，还是工厂等，几乎都有所谓BI (business intelligence) 的概念，并且会生成一些绩效统计、相应的报表等；此外，流程场景的可视化，比如现场平面图、3D立体建模等也会涉及到。

• 第二，是设备的共性，以及拓扑、配置等。在任何场景，不管设备的位置、地理空间的大小、分散还是集中，或者复杂度如何，一定会涉及到设备的管理、拓扑等。

• 第三，是人员的共性。在场景中，哪些人员在哪一个位置负责哪些设备的管理，当设备出现状况时要找谁，这在很多场景都可以设定出来，这与具体的场景也是无关的。

而在各个专业领域，企业自身的一些专业知识就很不同了，但企业相互之间会去竞争一些专业人才。杨瑞祥表示，企业之间会去竞争云方面的技术人员、数据科学家等，但是一般企业这方面的人才是很缺乏的。而WISE-PaaS的应用框架服务，可以使得企业仅需编写少量代码，配置导向的低代码开发环境可以很好地应对企业的一些个性化的需求，快速简易地开发部署，辅以WISE-PaaS / AFS（AI Framework Service）人工智能框架服务，及AI行业方案的顾问咨询，降低了对数据科学家的依赖。

笔者了解到，在应对各个专业细分领域的「个性」时，研华是以“共创”的模式，与各行业有专业Know-how的伙伴进行合作，基于WISE-PaaS进行具体行业应用的开发。

通过伙伴在行业内的专家知识，搭配研华多年来在边缘端数据收集、联网和在云端数据的处理应用，形成OT与IT的融合。近些年，研华积极启动了各个领域的共创合作，育成行业深耕的系统集成商（DFSI；Domain-Focused Solution Integrator）。

比如与永进机械工业股份有限公司合资成立CNC设备远程运营云服务商、与川源（中国）机械有限公司合资成立水处理设备远程运营云服务商、与天津安捷科技成立合资公司赋能综合能源服务行业、与东捷资讯成立合资公司打造智慧工厂解决方案等。

这些都是研华通过共创模式，与伙伴携手引导产业数位转型，实现物联网产业共赢的新局势。