當前，我國工業互聯網平臺產業空心化問題比較突出，國內領先工業互聯網平臺基本上都是建立在國外基礎產業體系之上，工業互聯網平臺所依賴的智能裝備、自動控制、工業協議、通用PaaS、高端工業軟件等產業鏈命門掌握在別人手里。

數據顯示，我國94%以上的高檔數控機床、95%以上的高端PLC、95%以上的工業網絡協議、90%以上的高端工業軟件被歐美日企業壟斷，50%以上的工業PaaS平臺采用國外開源架構，數據、平臺、應用和安全等四個方面的產業空心化問題亟待解決。

一、我國工業互聯網平臺產業空心化問題突出

(一)95%以上的高端PLC和工業網絡協議被國外廠商壟斷，工業數據采集能力薄弱

工業控制系統是實現工業生產自動化、數字化的基礎，是工業互聯網平臺底層數據的重要來源，也是構建工業互聯網平臺的基礎。

當前，我國工業控制系統產業競爭力較弱，和利時、浙大中控、南大傲拓、福大自動化等本土品牌主要集中在國內中低端工業控制系統市場，94%以上的高檔數控機床依賴進口，95%以上的高端PLC、50%以上的高端DCS、95%以上的工業網絡標準協議市場被GE、西門子、羅克韋爾、施耐德等國外廠商壟斷。

由于國外廠商設備數據不開放、接口不統一，因此設備的數據兼容性差、采集門檻高、采集難度大，導致設備上云難，從而制約了我國工業互聯網平臺的快速發展。

(二)50%左右的工業PaaS平臺采用國外開源架構，缺乏開源開放的本土通用PaaS平臺

工業PaaS是工業互聯網平臺的核心，也是生態系統核心技術能力的綜合體現。工業PaaS作為一種可擴展的工業云操作系統，其發展的關鍵是在通用PaaS的基礎上為工業APP開發者提供專業的開發工具和算法庫、模型庫、知識庫等微服務組件。

總體上看，我國50%左右的工業PaaS平臺采用CloudFoundary、OpenShift等國外開源架構，其余工業PaaS平臺采用自主研發架構，和國外開源架構相對成熟的開源生態相比，我國平臺自主研發架構尚未建立開源生態，對開發者的“粘性”不強，這會影響到第三方開發者在平臺上的快速匯聚，導致我國工業互聯網平臺開發者社區建設緩慢。亟需建立具有通用性、開放性和靈活性兼具的本土通用PaaS平臺，進而賦能工業PaaS平臺。

(三)90%以上的高端工業軟件被國外廠商壟斷，殺手級工業APP匱乏

殺手級工業APP是工業互聯網平臺的關鍵。高端工業軟件是工業經驗、技術、原理等工業知識的模塊化、代碼化、軟件化，是殺手級工業APP的重要來源。

表面上看，我國工業互聯網平臺與國際領先工業互聯網平臺差距主要體現在殺手級工業APP不足，但背后的根本原因是我國高端工業軟件匱乏。我國90%以上的CAD、CAE、MES、PLM高端工業軟件市場被SAP、西門子、達索、PTC等國外廠商壟斷，用友、金蝶、浪潮等一批本土優秀企業的工業軟件多集中于經營管理類，與工業場景、行業經驗結合不足，工業機理模型等核心功能模塊少，缺乏將工業軟件進行“解耦”進而“重構”成殺手級工業APP的基礎。

(四)工業信息安全保障能力不強，掣肘工業互聯網平臺建設和推廣

工業信息安全是工業互聯網平臺建設和推廣的前提和重要保障。工業互聯網強調全要素、全產業鏈和全價值鏈的連接，越來越多的人、機、物會暴露在工業互聯網上，工業設備運行體系將從封閉走向開放，鑒于工業互聯網平臺所依賴的智能裝備、自動控制、工業協議掌握在別人手里，工業信息安全存在先天短板，對企業傳統安全防范意識、安全管理方式、安全技術手段提出了更高要求，亟需工業互聯網平臺企業構建一個涵蓋設備安全、網絡安全、控制安全、應用安全和數據安全的全方位安全保障體系，以實現對工業生產系統的全方位保護，加快工業互聯網平臺應用推廣。

二、突破產業空心化瓶頸的建議

(一)補齊存量技術，夯實工業互聯網平臺基礎產業

一是提升自動控制與感知產業支撐能力。加快推動智能傳感器、可編程邏輯控制器、分布式控制系統、數據采集與監控系統等研發和產業化。

二是夯實工業互聯網平臺網絡基礎。推進工廠內網的IP化、無線化、扁平化、柔性化技術改造和建設部署，加快NB-IoT等新型網絡技術部署，加快軟件定義網絡、網絡功能虛擬化等新一代網絡技術研究和部署試點。

三是培育開放的通用PaaS平臺。建立一套標準化模塊化的工業微服務組件庫(工業知識組件、算法組件、原理模型組件)、開發環境(建模工具、開發模型、組態工具)和工業大數據系統(工業數據清洗、管理、分析)。

四是構建工業互聯網安全保障體系。強化設備、網絡、控制、應用和數據的安全保障能力，實現對工業生產系統和商業系統的全方位保護。

(二)用好增量技術，加快邊緣計算、大數據、人工智能、區塊鏈等新興技術在工業互聯網平臺中的應用推廣

一是推動邊緣智能和云平臺協同發展。加快邊緣側智能傳感、實時操作系統、智能網關、邊緣智能模塊等軟硬件開發部署，實現基于工業現場數據實時智能分析和基于云端數據的批量大數據分析協同。

二是深化大數據技術應用。圍繞工業大數據建模分析，突破多元異構數據處理、時序數據分析、海量數據挖掘等基礎技術和機理建模、流程建模、業務建模、可視化建模等核心應用。

三是推進人工智能應用。推進人工智能算法在工業微服務模塊和工業APP的融合應用，發揮機器學習強大的特征表征和非線性映射能力，增強模型的可靠性、解釋性和自我成長性。

四是加快區塊鏈應用探索。引導平臺企業布局區塊鏈技術，促進分布式合約在平臺中的應用，支持數字化模型和工業APP的流轉?；趨^塊鏈技術建設跨行業、跨領域平臺聯盟鏈，推動平臺間互聯互通。

(三)加強生態培育，加快開源社區建設和開發者培育

一是培育設備協議兼容的開源社區。引導有關企業開放各類標準兼容、協議轉換的技術，實現工業數據在多源設備、異構系統之間的有序流動，確保設備“聯得上”。

二是培育行業共性知識開放的開源社區。引導工業互聯網平臺企業開放開發工具、知識組件、算法組件，構建開放共享、資源富集、創新活躍的工業APP開發生態，確保行業機理模型“跟得上”。

三是加快工業APP開發者人才隊伍建設。支持工業互聯網平臺企業聯合聯盟、協會等組織舉辦工業互聯網“雙創”開發者大賽，打造基于工業互聯網平臺的“雙創”新生態，推動工業APP“上數量”。