| RK | 公司/品牌 | 備注 |
|---|---|---|
| 1 | 美林數據 | Tempo大數據分析平臺（BI+AI） |
| 2 | 航天云網 | 制造協同平臺、智能決策平臺、物聯網平臺 |
| 3 | 國云數據 | 大數據操作系統國云魔鏡、國云數據中臺 |
| 4 | 開運聯合 | 衛星遙測數據處理技術 |
| 5 | 慧程工程 | 制造協同平臺、智能決策平臺、物聯網平臺 |
| 6 | 昆侖數據 | 數據工程實施服務、數據分析服務、數據應用服務 |
| 7 | 遠光軟件 | 數字技術平臺EDT；“遠光數聚”幫助企業實現數字化管理和創新 |
| 8 | 工業富聯 | 以自動化、網絡化、平臺化、大數據為基礎的科技服務綜合解決方案 |
| 9 | 工業大數據創新中心 | 致力于中國自主研發工業大數據平臺的核心技術突破 |
| 10 | 樹根互聯 | “根云”平臺 |
| 11 | 朗坤智慧 | 利用工廠工藝建模技術、數據采集技術、實時數據處理技術等構建智慧工廠 |
| 12 | 百分點 | 一站式智能數據管理平臺、標簽管理系統 |
| 13 | 國網信通 | 以“網上電網”電力大數據優勢護航保供電 |
| 14 | 東方金信 | 海盒大數據智能產品提供高性能海量數據處理和人工智能服務能力 |
| 15 | 億信華辰 | 數據治理全域解決方案 |
| 16 | 東方國信 | CirroData數據庫、大數據治理平臺、BONC HT |
| 17 | 寶信軟件 | 打造“全流程管控+數字化賦能”雙驅動智慧制造整體解決方案 |
| 18 | 優也信息 | 新工業架構Thingswise工業數據OS平臺上開發的數字化和智能化應用 |
| 19 | 石化盈科 | 大數據分析平臺2.0覆蓋大數據采集、整理、分析、挖掘、展現、應用等 |
| 20 | 寄云鼎城 | 寄云NeuSeer |
| 21 | 索為系統 | “工業安卓”平臺SYSWARE |
| 22 | 長揚科技 | 工業互聯網安全、工控網絡安全和視覺AI安全大數據應用 |
| 23 | 安脈盛 | 基于產品全生命周期數據的軌道交通裝備故障預測與健康管理系統 |
| 24 | 匯通國信 | 錕錡-數據治理平臺；錕錀-工業中臺 |
| 25 | 中科云創 | “云中控”工業物聯網應用平臺將人、數據和設備連接起來 |
| 26 | 塔網科技 | 智慧工廠整體解決方案；數字工廠、透明工廠搭建；MES系統、產品追溯、設備數據采集 |
| 27 | 海云智造 | 海云智造數字化生產運營管控系統 |
| 28 | 華正信息 | 華正大數據平臺，為企業提供一站式大數據服務 |
| 29 | 梅卡曼德 | 一站式AI+3D+工業機器人解決方案 |
| 30 | 太極股份 | 流程型工業互聯網平臺TECO |
| 31 | 科技谷 | 領先的大數據人工智能跨界融合技術實力；TC.Smart企業大數據平臺 |
| 32 | 用友 | 數字化商業時代制造企業智能制造平臺用友制造云 |
| 33 | 海云數據 | 利用大數據分析與計算機視覺技術 |
| 34 | 國信會視 | 大數據基礎平臺、整體解決方案 |
| 35 | 蘑菇物聯 | 為通用工業設備行業提供一站式工業互聯網AIoT SaaS服務 |
| 36 | 中云數據 | 通用數據服務平臺RTOD；多功能工業數據服務軟件平臺UDSA；工業數據服務云平臺 |
| 37 | 帆軟 | FineBI可以實時對接業務數據庫，生成動態圖表 |
| 38 | 黑湖科技 | 用數據和算法幫助企業縮短生產周期、降低庫存積壓、提升產能利用率、透明化制造流程 |
| 39 | 愛波瑞科技 | EMBP企業異常管理實踐包 |
| 40 | 賽摩工業互聯網 | 在HMI人機界面中提供ms級設備實時數據，輔以二次開發環境和數據分析、管理應用 |
| 41 | 傲林科技 | 傲數治理平臺、智能數據分析平臺、機器學習平臺 |
| 42 | 新智認知 | 綜合運用云計算、大數據等技術設計打造一體化智能指揮、雪亮工程等解決方案 |
| 43 | 中海創 | 用工業互聯網操作系統打通異構工業設備的通訊，解決異構設備系統標準化集成難題 |
| 44 | 埃睿迪 | iReadyInsights智慧工業大腦解決方案協助企業實現數字化深度應用 |
| 45 | 億賽通 | 工業數據安全防護解決方案 |
| 46 | 數途科技 | 基于MAXIMO的工程信息系統 |
| 47 | 天澤智云 | 工業物聯網與邊緣智能系統EdgePro；工業智能模型研發平臺CyberCube |
| 48 | 捷瑞數字 | 伏鋰碼云-工業互聯網云平臺 |
| 49 | 數之聯 | 聚焦泛半導體行業的AI+工業檢測 |
| 50 | 大數點 | 數據服務、智庫/咨詢、大數據產品 |
| 2022.04德本咨詢/eNet研究院/互聯網周刊聯調 | ||
工業，立國之本、興國之器、強國之基。
工業化發展思潮涌動。2012年，美國通用電氣提出“工業互聯網”概念，包含了網絡、平臺、數據、安全四大體系，之后美國五家行業龍頭企業聯手組建工業互聯網聯盟（IIC），率先開啟了工業轉型競賽；2013年，歐洲制造業先驅德國為在新一輪工業革命中占得先機，在漢諾威工業博覽會上正式推出“工業4.0”；2015年5月，“中國制造2025”寫入國家行動綱領。
殊途同歸，種種跡象表明，現代工業已翻到嶄新的一頁：與信息化、數字化、網絡化、智能化高度融合，而工業大數據是其中最核心的支撐之一。
工業數字化轉型的基石
工業大數據，是指工業領域產品和服務全生命周期數據。其變革影響之深，覆蓋范圍之廣，足夠以自主創新能力、資源利用率、產業結構水平的提升實現跨越式發展，掀起新一代工業革命的高潮。
工業大數據的邏輯并不難理解。運用互聯網和物聯網技術“觸手”，將工業企業在研發設計、經營管理、運維服務等環節中生成和使用的數據收集起來；在平臺（既包括各種工業APP，也包括DCS、PLC、DNC、SCADA、儀表等系統）上匯聚、流通、分析，涉及到“上云”，具體包含數據存儲、管理、清洗、建模、分析、可視化、安全等關鍵步驟；投入服務與應用，并與消費者建立聯系（服務、營銷）。
當然，上述正向的產品信息流以生產流程為主視角，而逆向更能彰顯消費者驅動地位，也是工業4.0與以往最顯著的區別。總體上看，按工業大數據產業鏈可劃分為基礎層、平臺層和應用層。
大數據背靠云計算和互聯網技術。當前工業大數據市場參與者，除了少數“智改數轉”標桿工業企業，絕大多數由專業的大數據服務商和云服務商組成，以提供SaaS和PaaS服務為主要業務形式。
盡管工業大數據市場總體上處于探索和起步階段，但是仍存有相當大的市場機遇。
其一，物聯網的普及使得“大”數據有技術支撐，云計算極大地拓寬數據存儲空間，邊緣計算提升網絡服務響應速度，去年相關產業的逆勢增長，尤其是互聯網企業云業務的“回血”，提振行業信心。
其二，從世界范圍來看，我國數字經濟中產業數字化進程相對落后，一攬子支持政策的頒布，足以體現出當下工農業轉型的艱巨和緊迫性，也為深化工業企業發展打下堅實基礎。
其三，消費級市場引爆需求，人工智能讓數據處理和應用能力再上一個臺階，從而延伸出更多的商業模式。
目前我國工業領域數據采集匯聚不全面、流通共享不充分、開發應用不深化、治理安全短板突出，而這些難點需要建立統一的行業標準，開放共享的數據源和數據集，支持互操作、跨環境的云架構，去一一突破。
數據管理的思維方式發生轉變
20世紀90年代的美國超市中，超市管理人員分析銷售數據時發現了一個令人難以理解的現象：在特定的情況下，啤酒與尿布兩件看上去毫無關系的商品會經常出現在同一個購物籃中。原來，男性顧客在購買嬰兒尿片時，常會順便搭配幾瓶啤酒來犒勞自己，于是超市嘗試推出將這兩種商品擺在一起的促銷手段，居然使尿布和啤酒的銷量都大幅增加了。
“啤酒與尿布”的經典案例說明，大數據指導實踐能覓得商機。前提在于，信息大爆炸時代，人類存儲信息量的增長速度比世界經濟的增長速度快4倍，而計算機數據處理能力的增長速度比世界經濟增長速度快9倍。
量變產生質變。人們開始意識到局限于小數據分析很可能導致管中窺豹，從而對數據管理的認識發生根本性轉變：不止隨機采樣，并不一定精確，甚至無需追求因果。
IBM列出了大數據的5V特征：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。可見大數據并非只是“大”，而重在強調“數據加工”的過程，即運用大規模并行處理（MPP）數據庫、數據挖掘、分布式文件系統、分布式數據庫、云計算平臺、互聯網和可擴展的存儲系統等技術去處理非結構化或半結構化的數據。
但工業數字化轉型僅靠大數據就可以嗎？清華大學王建民提出工業大數據領域的2/8法則：20%的SQL小數據具有80%的價值密度，而80%的工業大數據價值密度僅有20%。也難怪會有“不舉小數據之‘綱’，難張大數據之‘目’”的感嘆了。
把握潮流
沒有固定的符號或象征，相比潮流的創造者，快時尚品牌更倚重對潮流的迅速反應。往日，設計師們忙于穿梭在時裝秀場汲取靈感，凝結成周期性的厚重的款式樣書，而如今，用大數據開展潮流預測業務也成為新選項。
日本從時裝發布會、時尚雜志、社交網站中收集了約2500萬張照片，構建出了目前全球規模最大的服裝信息數據庫，利用人工智能預測流行前沿，提供AI設計的服裝；英國時裝潮流預測公司WGSN每月調查14000名消費者，旨在衡量品牌引發的消費者情緒。
數字化趨勢很快從營銷蔓延到生產環節。西裝講求量體裁衣，一臺3D人體數據測量機器能在5秒內將人體90多項數據測量出來，并將誤差控制在0.01mm內，成功做到了用數據去分析人體的八大體型，然后利用這些數據組合成3D智能人體模型，指導生產制造。
不知不覺中，依托小數據定制個性化需求，大數據系統化管理生產鏈和供應鏈，已織成了龐大信息網絡，像數字孿生一樣，浮現在工業企業上方。“制造業終將成為信息產業的一部分”，并在人工智能、邊緣計算等新興技術助力下持續拓寬發展空間。
不只及時響應市場需求，在工業領域的很多應用場景中，對準確率的要求達到99.9%甚至更高，比如軌道交通自動控制，設備故障診斷產品也成為工業大數據的主要應用之一，還有質量成本優化等商業活動的方方面面，大數據預測避免和解決危機的作用愈發重要。
對于消費者而言，大數據高度的預測性也可能帶來侵害。算法“黑箱”的庇護下，個別互聯網企業屢次上演大數據殺熟戲碼，亂象從生，一再觸碰商業規則底線。在任何經濟結構中，技術之上，需堅守正直的本心。
潮流瞬息萬變，大數據應為洞見和捕捉美好而生。
“摩登時代”不止大數據
查理是一個普通的工人，生活在社會最底層，每天的生活就是日復一日發瘋般地工作，以期能夠獲得填飽肚子的可憐工資，但他還是努力奮斗著。電影《摩登時代》反映了上世紀90年代美國經濟大蕭條下的工業發展狀況，是那代人有關黑白默片的記憶。
直到現在，提起工業，很多人還會聯想到巨型而笨重的重工業設備，呆板而冗長的流水線。但現代化大數據應用打破了這一偏見，其核心邏輯在于流程分解，再通過互聯網將碎片化的信息靈活地串聯起來，用算法智能實現資源有效合理配置，注入靈魂。
因此，與大數據應用首先一同起飛是分解成很多加工任務的離散型制造業，包含火箭、飛機、武器裝備、船舶、電子設備、機床、汽車等，覆蓋高科技陣地，推動產品迭代創新。
發展現代化工業，我國面對的任務更加艱巨，需要瞄準的不止貨架上的商品，工廠里的設備，還有實驗室的器材。
另一個面向，根據技術的通用范式，我們生活在一個被“封裝”的世界里，比如我們不需要知道一輛車的引擎究竟如何工作，只要踩下油門，就可以發送指令讓引擎工作。消費者無需探知其原理，經營者在生產的過程中也無需了解，而錯誤可能正來自那些小小的模塊。
數字化、智能化撬開了“黑盒”的縫隙。1997年，施耐德最早提出了“透明工廠”的概念，并基于面向工業市場的EcoStruxure架構，如今已形成更加完善的“透明工廠”解決方案，讓細節、數據可自動標記和可溯源。
在“摩登時代”，科技、智能缺一不可。趨向高度發達的工業化途中會遇到各種各樣的問題，投入相當多的人力物力，而對于工業企業，尤其是中小型企業而言，尋找一條切實可行的道路最重要，這倚靠人的（思維的、精神的）現代化。
“身體可以疲憊、生病甚至受傷，但精神絕不可以頹唐”，《人世間》中周秉義的這一人生格言，再現當年置身改革開放的一輩直面陣痛，投身建設，依靠自身的堅守，獲得自我價值與社會價值雙重實現的歷史圖景，為硬實力躍遷擦上了明亮而溫暖的底色。
結語
工業化發展教會人們勤勞、務實、奉獻的“螺絲釘精神”，但螺絲釘要經常保養和清洗才不會生銹。人的思想也是這樣，經常檢查才不會出毛病，而有遠見卓識的人往往走在前面。
