工業互聯網與工業智能，是工業企業數字化轉型的不同形態，但對兩者關系的認識，關系到工業數字化轉型的路徑與效果。

中國工程院院士譚建榮認為，工業互聯網是互聯網和新一代信息技術與工業系統全方位深度融合形成的產業和應用生態，是工業智能化發展的關鍵綜合信息基礎設施。

工業數據的特點

在不久前的2019第三屆世界智能大會上，譚建榮表示：“數據是工業互聯網的核心，通過工業數據全周期的感知、采集和集成應用，形成基于數據的系統性智能，推動工業向智能化方向發展。”

工業生產的數據就是工業數據，來源于工業產品生命周期各個環節，包括生產經營相關業務數據、設備物聯數據和制造企業外的數據等等。

隨著云計算、大數據等新一代信息技術在工業領域的運用，工業數據逐漸從簡單、離散、孤立的數據，發展為與人、云和應用互聯的海量大數據，有更多類型更多龐大的數據需要傳輸處理，數據處理的鏈條也變得更長，制造企業工業數據逐步打通，形成工業互聯網。

工業互聯網三大核心要素，第一就是智能化的設備，加上智能化的系統，收集生產過程中的數據。第二是智能設備的協同運行維護與學習優化。第三，工業互聯網提供決策，要能面向復雜大數據輔助決策。

譚建榮認為，工業數據有三個特點，一是多源異構，來源很多，而且數據結構是異構，特別是非結構化的數據，分析起來很困難。二是數據關聯性強，是全生命周期，基本上對連續生產的企業，要24小時持續采集，要保證實時性、連續性、穩定性、動態性。三是數據相關領域非常復雜，包括故障檢測、預測管理、可靠性等都涉及不同的專業領域。

在工業互聯網中網絡是基礎，通過物聯網、互聯網等技術實現工業全系統的互聯互通，促進工業數據充分流動和無縫集成。“但是如何實現數據的充分流動和無縫集成，要求很高。”譚建榮說。

工業互聯與工業智能的關鍵技術

對于工業智能，譚建榮強調，“工業智能就是工業知識庫，沒有知識談不上智能。現在很多企業搞智能化但沒談到知識，沒有知識的智能就是空架子，最多是一個自動化、數字化、信息化，談不上智能化。智能化一定是建立在知識庫的基礎上，而且這個知識不是死的，需要動態傳感。”

那么，如何判斷智能化呢？譚建榮提出，智能化的標準就是自主決策——機器根據不同的工況能自主決策，這是工業智能最核心的部分。工業智能的發展經歷五個階段，第一是工業生產系統的管理與改善。第二以數據為標準的管理體系。第三數據驅動的綠色性建模。第四支持決策的知識系統。第五實體的景象對稱映射建模。

數據是工業互聯網的核心，也是工業智能的核心。譚建榮總結認為，從工業數據到工業智能涉及到六大技術。第一是數據挖掘技術，要從大量的、不完全的、有噪聲、模糊的隨機的實際數據中，提取隱含其內的、人們事先不知道但又具有潛在價值的信息和知識，來揭示數據之間有意義的聯系、趨勢和模式。

數據挖掘還要不斷對數據深度進行提取，這有三個要點，第一洞悉工業數據特征背后的物理意義，以及特征之間關聯性的機理邏輯。第二覆蓋工業過程中的各類場景條件，提取能反映對象真實狀態的全面工業數據信息。第三在大數據的前提下，保證工業數據的質量，冗余的數據要去掉。

第二是數據匹配技術。第三是機器學習，這涉及到算法，目前國內還在應用層面。第四是知識工程，包括知識獲取、知識表達及知識使用三個層面。第五是模式識別。第六是數字孿生。