
大数据云计算赋能 互联网+向工业下沉是必然结果
自“互联网+”从概念到成为国家顶层战略,已过去两年多的时间。如今,”互联网+“的发展已经取得很大进步,在政务、警务、医疗等领域已初见成效,对传统产业的赋能效应也逐渐凸显,推动传统领域的转型升级。而“互联网+”在工业领域的下沉和渗透则是“新风口”,大数据、云计算等能力的开放,将提速工业化进程。
互联网+重塑“智造
“互联网+”是通用技术,向工业下沉是必然结果
“现在讲互联网+,对研究经济的人来说,实际上是通用技术怎么向各行业渗透。前一个很大的通用技术是电力技术,电力技术刚起来的时候,也是很小的一个领域,慢慢地渗透到所有行业。既然是通用,就代表你的技术能带来便利性或提高效率。”对于互联网+的连接能力,国务院发展研究中心企业研究所副所长张文魁这样理解。
同时,他还认为:无论德国工业4.0,还是中国制造2025,也许未来10年、20年、30年,互联网+工业的实际结果,跟现在描绘的并不一样。“但这并不要紧,互联网+作为通用技术,肯定会渗透进去。”
对于张文魁的观点,腾讯移动互联网事业群副总裁、互联网+合作事业部总经理陈广域也表示认同。他提到“互联网+”是互联网思维的进一步实践,在渗透各行各业的同时,也正在推动经济形态不断地发生改变。而对于腾讯而言,作为互联网+的提出者,腾讯“互联网+”思路核心是开放、赋能。“腾讯的定位是连接器,也就是说,不是腾讯自身有能力做所有跟产业互联网+、能源互联网+ 、制造互联网+有关的事,而是腾讯释放和输出核心能力,给所有互联网+生态合作伙伴提供平台和基础,帮助合作伙伴在实现互联网+这件事上变得更简单。”
无论这种“通用技术”渗透到什么行业,最终都会落实到产品和技术上。张文魁指出:互联网+的连接能力已初见成效,虽然在工业领域渗透还比较缓慢,但融合是早晚的事情。当互联网+开放生态与工业领域真正完美的融合时,就可能诞生伟大的产品。
腾讯“互联网+“赋能工业,基础能力是大数据和云计算
对于云计算能力腾讯云副总裁黄海清指出:“云其实是一个基础架构,是一个最底层的,一个平台上面有各个方面的分支应用。”
同时,谈到云计算在工业领域的运用时,黄海清还介绍,在离散制造,包括像汽车制造、工业制造等领域,云计算的应用空间巨大。“我们和三一重工有一个工业云项目,在工业设备上放了很多传感器,传感器收集到很多机器数据,没有云计算的支持是没有办法分析的。把传感器的数据获取、重组在云上,然后进行分析,变成数据库,变成可以利用的大数据价值。这就是大数据和云计算带给工业改革的力量。” 所以“互联网+”赋能,无论在汽车制造、工业制造、重工、轻工、机械等传统企业都需要大数据和云计算的基础能力。
陈广域强调:“大数据和云计算能力能保证数据的传输是更高效的,未来三一重工的每个挖掘机都能连接在一起,那这样我们就知道,全国有多少机器开工、进一步反映今年经济是不是景气、建筑行业是不是遇到问题。过去缺少这些数据还做不到这样的效果,但今天我们有这样的能力,我们可以帮助各行各业做这样的事情。”其实,这正是“互联网+”赋能工业的体现。
腾讯在互联网+的基础能力上,拥有大数据和云计算以及微信小程序的能力,同时,腾讯还拥有社交、游戏、支付、生活等移动端的产品,拥有庞大的用户基数,所以腾讯可以把大数据、云计算等基础能力开放出来,帮助国家政府,传统行业包括制造业在内等各个领域快速使用互联网+的能力,实现快速发展。小程序也可以帮助企业主、商家、个体更好的去触达用户,经营自己的品牌,提升效率。
“互联网+”工业领域发展 想象空间巨大
事实上,无论从德国“工业4.0”提升制造业的智能化水平,建立具有适应性、资源效率及基因工程学的智慧工厂,还是“中国制造2025”规划的发布以及一系列相关配套措施的落实来看,都将是推动传统工业转型升级,实现互联网+工业的快速发展。
工业生产的网络化和智能化特征越来越明显,“互联网+”与工业融合发展已经成为不可逆的趋势。虽然说腾讯“互联网+“赋能工业的基础能力是大数据和云计算,但是具体会以什么样的形式融合却给我们留下更大想象空间。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03