對技術撬動經濟一致認可，對未來網絡化、數字化、智能化的肯定，所以平臺被賦能，那么，具備什么條件的工業互聯網平臺才能存活?
什么是互聯標準?
“缺乏互操作標準”成為阻礙了工業互聯網推進。
因為沒有數據統一規范與標準，工業互聯網企業只能用大量投入數據讀寫操作和工程量，尤其是數據連接、驅動、接口的調試等方面，人工成本高企，數據價值的經濟效益無法發揮出來。
隨著IT技術迭代更新，目前，我國有200多個工業互聯網平臺，可提升制造業企業生產效率和優化流程。
制定規范和標注，有助于工業互聯網平臺間互聯互通。
可否自己開發工具?
何為平臺?即具備完整的架構。
工業互聯網也要有一個平臺。如云，為云的架構，有技術供應商提供，平臺需要具備運行時、開發環境、開發工具三個部分。工業互聯網平臺要替代現有制造業運行架構，需要有實時能力，數據鏈接，現場總線，底層設備等。再有PLC，如今的PLC與以往的大不相同，主要體現在：
一是機器學習，即算法。
二是復雜運動控制。
三是機器人，通常采用嵌入式操作系統+Windows，如今控制器可以實現。
四是回路調節，也是在于算法。
總之，工業控制就是個數學問題，包括今天的人工智能也不例外，如何運用，是由經濟性來決定。但，自動化不斷采用IT技術擴展自身，包括以太網的使用、Web技術在控制器中的應用、新的FPGA芯片、MATLAB/Simulink、FMU/FMI都往自動化平臺上集成。
有多少模型的積累?
數字孿生、人工智能、工業互聯網平臺都是未來工業制造發展過程中必不可缺少的因素，但有幾個問題值得注意：模型。
基于工業制造業發展，我們缺乏原創性設計，因此建模經驗匱乏。難以實現數字孿生，更無法機器學習。
機器學習模型主要解決“非線性”部分，即觀測器對現有的控制模型觀測中，無法求導的那部分任務進行學習—因此在單個控制系統已經達到局部最優的情況下，工業里一直在尋找更為復雜的動態下的最優。
以前這個是算力不足，而現在的芯片、存儲、網絡技術使得這件事情變得可行，那么IT的貢獻在于工具和平臺的貢獻，在于測量工具的水平提高了。
互聯網企業具有強大平臺、研發能力，可在平臺和工具間定位自己角色。但很多工業互聯網平臺聲稱自己屬于“平臺”，其實是“系統集成”角色，如微軟、IBM、華為，在深入工業應用場景中，可能會存在一些問題。
一是如何分析復雜的參數?必須要懂得工業工藝，否則難以進行學習。
二是具有模型。
如何獲得數據?
數字化的學習必須與實際的模型相結合，擁有自主模型的工業基因的企業反倒是有條件的。
數字化工具和平臺必須同時具備，否則難以實現數據采集。
什么樣的工業互聯網平臺難以存活?具備“有標準”、“有工具”、“有模型”的工業互聯網平臺才能真正在未來為制造業賦能、帶來轉型的效率提升，否則，就是風險投資中的“風險”而不是“投資”。反之，難以存活。
京公網安備 11010502049343號