培育百万工业APP面临三大“卡脖子”瓶颈

受限于行业机理沉淀能力不强、工业大数据建模分析能力较弱、开源社区建设滞后等“三座大山”需要翻越，我国工业APP培育仍处于初级阶段。当前大多数工业APP是传统工业云平台上的“移民”，预测类和决策类等高端工业APP严重匮乏，培育百万工业APP任重道远。

受限于行业机理沉淀能力不强、工业大数据建模分析能力较弱、开源社区建设滞后等“三座大山”需要翻越，我国工业APP培育仍处于初级阶段。当前大多数工业APP是传统工业云平台上的“移民”，工业PaaS平台上土生土长的“原居民”数量有限，同时大多工业APP是描述类和诊断类应用，预测类和决策类等高端工业APP严重匮乏，培育百万工业APP任重道远。

一是受限于行业机理模型沉淀能力不强，工业APP数量不多。

严格意义上讲，工业APP是依靠工业PaaS上的行业机理模型“生长”出来的，属于工业互联网平台上的“原居民”。但是受限于工业互联网平台发展尚属于初级发展阶段，工业PaaS平台赋能不够，平台上的工业APP数量少且“鱼龙混雜”，当前工业互联网平台上承载的工业APP基本上是工业云平台上搬迁过来的“移民”。一方面，根据航天云网、海尔、树根互联、东方国信、用友、索为、清华紫光等国内领先工业互联网平台企业公开的数据，据不完全统计，我国工业APP数量不超过2万个，远远难以满足企业上云需求。另一方面，这2万款工业APP中，很多从传统软件云化而来的，只能算是工业互联网平台上的“移民”，真正从工业PaaS平台“生长”出来的工业APP屈指可数。

二是受限于大数据建模分析能力较弱，工业APP质量不高。

工业APP是研发出来的，更是用大数据“喂”出来的，没有一年甚至数年的大数据训练，很难培育出高质量的工业APP。当前，我国工业APP发展不仅存在数量不多的问题，也存在质量不高的现象，主要体现在以下三个方面。从数据分析深度看，状态监测、故障诊断类工业APP多，预测预警类尤其是智能决策类工业APP少。从数据分析广度看，受限于数据采集能力不足，基于单一数据源开发的工业APP多，基于设备和业务系统等多源异构数据开发的工业APP少。从数据分析精度看，仅仅基于工业机理模型或数据驱动模型开发的工业APP多，基于机理模型和数据驱动模型联动开发的工业APP少。

三是开源社区建设滞后，开发者“双创”生态尚未建立。

当今时代，软件开源和硬件开放已成为不可逆转的趋势，掌控开源生态，将成为全球工业互联网平台的焦点。GE、西门子、PTC等领先平台企业均已建立为开发者提供开源代码、开发工具、微服务组件的开源社区，平台拥有上万名开发者。在我国，工业互联网平台开源社区建设处于空白，开发者规模和能力与国外工业互联网平台相比差距显著，严重制约了工业APP的培育。