5G的特征是高带宽、低时延、高可靠、海量链接。5G将快速推进产业互联网时代的到来。

工业互联网是基于边缘计算、云平台（云存储云计算）、工业云应用（工业软件SaaS和众多工业微服务APP）构建的一整套泛在连接、云化服务、知识积累、应用创新的工业智能生态系统。工业互联网的本质是物联网、边缘计算、云平台、大数据、人工智能等信息技术的集成，构建精准、高效和实时的数据采集，建设互联、存储、分析、优化的使能平台，实现数据、技术和经验知识化、知识模型化软件化复用化，**SaaS和种类繁多的APP让制造业简洁快速地实现数字化转型升级，**终形成资源富集、多方参与、合作共赢、协同进化的制造生态系。这将使企业的数字化转型的门槛大大降低，数字换的转型的收益得深度挖掘。

基于互联和数据的智能制造，将彻底颠覆制造业的价值链。那些驶入智能制造高速公路上的企业将以越来越快的速度积累自己的知识资产，成为专家型企业，优化自己的生态圈。未来成功的价值链将是一批专家型企业构建的一个卓越的价值链。那些不能构建自己智能制造体系的企业将不可避免的被淘汰。

课程大纲

一、 必然——制造业数字化转型是生存下去的唯一出路

1. 数字化转型概述

2. 数字化转型为制造企业带来的六大能力（机会）

a) 基于数字技术设计更好的客户体验，得到更多，更忠心的客户

b) 基于数字化技术，链接科技创新和客户体验，进行快速产品创新

c) 数字化技术赋能，企业可以精准的运营，得到速度，敏捷型，质量和成本的竞争优势

d) 数字化技术赋能的超链接能力，基于“长板哲学”快速构建良好生态

e) 数字化技术赋能服务创新，基于结果和体验的服务延伸，创造更大的价值，进而推进商业模式的创新。

f) 数字化企业中充分发挥人的创造性、工匠精神实现人生价值，进而可以充分挖掘和吸引优秀的人才。

3. 全数字化颠覆——大灭绝和大爆发

二、 工业互联网企业数字化转型

1. 工业互联网技术架构

2. 工业互联网商业逻辑

3. 工业互联网平台的构架解读

4. 工业互联网生态体系和产业互联网

5. 中小企业数字化的困境和出路——工业互联网

6. 资源富集、多方参与、高精尖的云端服务和应用、低成本无限复用是出路

7. 现在世界上**的几个工业互联网平台实践分享

8. 工业互联网的技术标准和趋势解读

9. 工业互联网的产业**实践

a) 海尔COSMO Plat——生态型的工业互联网

b) 东方国信CloudIIP——产业互联网的雏形

c) 树根互联——产品云的实践

三、 5G 算力网路赋能产业数字化转型

1. 5G网络和工业网络的融合

2. 云网融合

3. 算力网络助力工业互联网和产业数字化转型

4. 联网、数据管理、算力、算法、应用赋能数字经济高质量发展

四、 工业互联中的AI

1. 人工智能的概念和发展历程

2. 人工智能的分类

3. 人工智能的技术生态

4. 人工智能的对世界的影响

5. 人工智能的生态和文化

6. 人工智能的应用场景

案例：制造，图像识别 机器学习优化铜箔工艺

案例：制造，语音识别 机器学习优化生产工艺

案例：无人超市，机器学习 智能环境优化商品组合和摆场

案例：产品设计，实验数据 机器学习优化仿真参数和产品设计

7. 人工智能的产业规划

五、 工业互联网助力制造业产业集群数字化转型路径

1. 新基建和工业互联网

i. 数字化基础设施——公有云和私有云ISSA

ii. 产业操作系统行业PAAS

iii. 数字化生态圈行业SAAS

2. 云制造概念和应用。案例：航天科工云网

3. 云化生态。案例：华为云ROMA平台和沃土计划

4. 案例：树根云助力机加行业转型升级

5. 案例：海尔卡奥斯平台打造以用户和场景为中心的生态

六、 工业互联网中的工业标识解析体系

1. 工业互联网标识解析体系解读

2. 工业互联网标识解析规划和建设进展现状

3. 工业互联网标识解析体系对产业和企业的数字化转型升级的影响

七、 企业数据治理和数据应用

1. 工业数据标准体系规划、制定和实施

2. 技术标准驱动工业数据标准

3. 业务模型为基石的企业元数据模型

4. 数据标签和数据分析

5. 元数据管理和主数据管理

6. 数据湖技术集，数据提取，数据加工，数据分析和数据存储

八、 数字孪生和工业机理模型库

1. 对象建模和数字孪生技术

2. 机理建模和数字化孪生技术

3. 虚实同步，无限试错，以虚优实

4. 算法库在工业大数据建设中的意义

5. 工艺建模

6. 质量建模

7. 设备机理建模

8. 产品机理建模

9. 销售业务算法库

10. 物流业务算法库

11. 计划和排程算法库

九、 工业互联平台的API

1. API的功能

2. 优秀的API的特征

3. 有利于开发者的API

4. 后端和前端的构建逻辑

十、 工业场景化APPs开发

1. 业务需求深度解读

2. 关键用户和定义业务需求

3. 定义业务对象、业务场景和业务流程

4. 定义数据源和算法库

5. 原型配置和试点

6. 评估和迭代