我们把工业物联网的难度总结为一个倒三角。
工业物联网的技术难度
但实际市场中，工业物联网的竞争状态，呈现出的是一个正三角。
工业物联网市场竞争者分布
为什么会呈现出这样的分布，要从工业物联网的技术体系说起。
我们将工业物联网的技术应用分为以下七层：
层级L1、C1： 设备联网，数据采集
随着工业物联网的快速发展，很多传统的工业制造企业将目光转向了设备数据，要实现智慧管理、数据处理，第一步需要拿到设备数据。那么对于工业设备来说，数据采集很难么？设备生产厂家自己不能做？当然不是。
其实工业设备数据采集，就是做一个硬件终端，与设备交互，只要弄明白交互的物理接口、交互协议、数据类型等，这个事情就不难。但拥有协议的设备厂家，为何自身没做数据采集，而是通过第三方来获取数据，其中的难点不在数据采集本身，因为工业设备的数据具有海量且无序的特点。
例如，单个数控机床设备，每秒产生的数据可以达到400M，按照一条产线上有10个工位十台设备来计算，五条产线的话，一个简单的工厂，其数据生产量每秒钟能达到20G，而我们使用的普通手机流量也不过是每月10G左右。
除了数据采集，还要对数据进行存储、分类、处理等等，这些都是厂家需要面临和解决的问题。中国制造业现状决定数据采集将是非常大的市场需求，正催生了大量的硬件制造商、数据采集集成商等提供基础数据互通能力的服务企业。
层级L2、C2：数据接收，数据存储，云平台
云平台很难吗？设备生产厂家自己做不了，其他软件公司不能做吗？MQTT就是物联网了吗？
当然是否定的。
云平台的难度当然比做一个数据采集终端要难一些，但云平台归根到底，还是一个解决终端规模接入处理能力，如何解决大规模并发的数据存储问题，这也是一个纯粹的技术问题，即便设备厂家做不了，还是有很多物联网公司能去做这件事，例如阿里云、华为云、汇川等企业。看中的正是它们的云部署能力和雄厚的实力，对于云中部署的数据有比较高的保障，这是一般的企业想做也没有能力做好的。
不过话说回来，工业物联网数据是一个时序数据，绝大多数情况下，并不能使用一般软件公司通常熟悉的关系数据库，这对物联网企业来说是一个不小的门槛，但这门槛并非不可逾越。
层级L3、C3：数据处理
云平台虽然解决了数据接收和存储需求，但业内人都知道，这是非常复杂的时序数据存储。数据被保存到云平台后，该怎么处理？这件事情是想着简单，实际部署却有一定难度。
近几年，市场中涌现了大量的物联网云平台服务商，但大多数能力有所差距，并未具备完善的数据处理能力，采集到的数据就像一堆面粉，非专业的云平台也就像一个面粉仓库，把一堆堆面粉放到仓库，期间只是面粉堆不断增大了而已，海量而零散的数据并不会给企业带来价值。
所谓数据处理，就是把数据进行高度的抽象，并进行必要的处理，让这些数据更加有序的保存，高效的检索，便于后续的数据应用、统计、分析计算。
数据处理这个环节，事实上很容易被忽略，绝大多数物联网服务商并不明白数据处理是怎么回事，更不知道如何去做好数据处理，只能把采集到保存过程中的数据直接应用，这就带来一系列问题：
面临大量数据，只能展现零散的数据，而无法准确判断数据关联关系，且无法辅助决策等等。到了这一层，各类物联网企业的实力差距就已经明显体现出来，能够有效处理数据的企业往往能够更快速的切入行业，为客户提供数据价值。
层级L4、C4：数据分析，分析结果应用
物联网平台开始走向平民化，非IT的专业人士可以轻松上手工业APP应用，对于绝大多数企业也无多大难度。
工业物联网的窘境，就是要面对一堆数据，却又无法从数据中看出有效信息，对于数据应用来说就更加困难。数据分析的目的就是弄清楚，这些工业数据背后的含义。这个事情的难度，远远超过前面的三件事情，即使是软件公司也不一定有这个能力，因为这些事情程序员做不了，数学工程师也不一定就能做。想要实现数据的分析与应用，就要跨越数学与工程的鸿沟，建立数学与工程桥梁。
数据分析对工业物联网来说，两个方面：
-A- 分析数据，形成分析结果，这是数据分析必须要做的一个基础的事情。
-B- 合理应用分析结果。
现阶段的工业物联网企业，普遍还处在第一个“分析数据”，极少数开始做第二个。
分析是手段，而非目的，分析的目的就是要把分析的结果应用起来。对于智物联而言，分析的目的即是实现安全生产+节能减排+提高效率。这件事情是一件实实在在的事情，只是吹捧概念、无法真正落地的企业是很难做到预测性维护。智物联已经实现了设备连接、数据处理、业务应用的综合使能平台，可以面向各类工业场景应用，并处理各种设备和数据，目前的工业设备接入量达20万台，累积超过10T的工业运行数据。
层次L5、C5：工业物联网体系化建设
工业物联网体系化建设，是工业物联网解决方案提供商最值得自豪的地方，在某种程度上，这也是区别于其他物联网企业的地方，是企业在市场竞争中真正的软实力。
在物联网洪流中，也许做数据采集、云平台、数据处理、数据分析的人或者企业会很多，但真正形成一个完整体系的却甚少。思科就是一个行业典范，当他们研制出第一台网络路由器的时候，这台路由器已经是思科体系中的成员了，他们的体系中包括了产品系列、产品线、思科标准、思科统一脚本语言等。
这件事情如果不是一开始做好，后面体系基本上是无法建设和完善的。
层次L6、C6：商业模式
工业物联网的商业模式，与互联网模式有很大的不同，一不留神就会陷入困境。
拿智物联来说，很早便瞄准了—设备生产厂家，我们认为这是一条直接敲开设备数据大门的最佳路径。
设备厂家普遍的工业物联网需求，即让厂家知道他们的客户都是谁，以及设备位置、设备操作方法、设备运行方式、故障问题、故障处理，了解同一种设备在不同的地方使用所造成的差异、不同的用户使用习惯对设备运行带来的不同影响等。毫无疑问，通过物联网，让他们把服务从被动变成主动。
智物联则不遗余力地为厂家提供所需的方案服务。智物联的模式核心，就是在提供给设备厂家服务的同时，还提供了一个以 EXP（Expert）为主的系列应用，包括边缘计算终端，给设备使用者提供了工具和利器，让设备使用者得到实惠，能更加了解设备的运行情况，更加了解设备的潜在风险，还能知道如何调整运行参数以达到节能、提高产能的效果等等。厂家可以把应用当成自身设备附加的增值服务提供给他们的客户，这些增值服务就具有了收益可能，为消化物联网带来的新成本提供了可能。
不同的企业在出发的时候，或多或少会走弯路，但是最终会走出属于自己的商业模式，而选择怎样的商业模式就决定了在一段时期内企业将如何增长，在市场中占据什么样的位置。模式本无对错，但市场会做出适当的选择。
层级L7、C7：市场营销，项目落地，知识体系传递
这是一个终极环节，也是价值兑现的“最后一公里”。
无论是政策的推动还是市场红海，工业物联网的市场营销已经逐渐成熟，国内也有大量实施项目落地，从工信委的示范项目到广东省的“上云上平台”，展现出的是一片欣欣向荣的昌盛景象。
智物联是一个拥有完整工业物联网体系的企业，在多个行业积累了大量的经验，我们的知识体系在行业内不断被认可并具备传递的价值。从最浅显的层次，让客户学会如何使用MIXIOT平台，比如，如何确定物联对象，如何编写数据采集终端（适配器）与设备之间的复杂对应关系，如何编制统一代码，如何布局数据展现显示板，如何进行运行相关的统计报表，如何配置分析项目，如何看懂分析结果，如何把边缘计算终端的输出策略告诉设备等。
深入一些，就是让客户学会如何利用 MIXIOT平台解决更加复杂的问题，从单体设备到多个设备组成的装置，到多种装置构成的生产线、多个产线组成的车间，到整个工厂…….，更深层次的意义，就是 MIXIOT 成为解决问题的标准，而这个标准的创立者是智物联。
我们不单要告诉客户你需要什么样的工业物联网，同时能够提供有效的工具和标准的方法。要清楚地知道，厂商不应只着眼于提供各种硬件、软件、平台、数据模型，而是要向使用者提供这些硬件、软件、平台、数据模型，为自己服务的方法。
