我国是一个典型的农业大国，工业基础非常薄弱。数据显示，以净产值衡量，工农业结构中农业比重高达84.5%，工业占15.5%，其中重工业只占4.5%。经过70年的发展，我国制造业不断发展壮大，中国也成为了一个世界制造中心。
发展至今，我国制造业取得了巨大的成就。根据国家统计局统计数据显示，2018年我国制造业增加值为26.5万亿元，持续占国民生产总值(GDP)30%左右的比重，是名副其实的国民经济支柱产业。
此外，中国还是世界第一制造大国，按照联合国工业发展组织的数据，中国22个制造业大类行业的增加值均居世界前列，其中纺织、服装、皮革、基本金属等产业增加值占世界的比重超过30%。在联合国全部19大类制造业行业中，中国有18个大类超越美国成为世界第一。2018年，中国制造业增加值占全球制造业增加值的28%，排名第一;同期美国占比为17%，日本占比为9%
值得注意的是，尽管中国制造业增加值占世界比重在不断加大，但与发达国家相比，制造业发展水平相对较低。目前，中国在钢铁、铜、水泥、化肥、化纤、发电量、造船、汽车、计算机、笔记本电脑、打印机、电视机、空调、洗衣机等数百种制造业产品的产量居世界第一位，但这些产业技术密集度不高，属于中低度技术密集型。在高端芯片、电子制造、消费电子、工业软件、高端数控机床等领域自给率严重不足。
当前我国集成电路市场仍然以国外进口为主，国产化率较低，对外依存度较高。在DRAM、NAND存储器及电脑、服务器CPU等方面国产化率为零。虽然紫光展锐、华为海思等在移动处理器方面已进入全球前列，但是，在个人电脑处理器方面，英特尔垄断了全球市场，国内相关企业有3-5家，但都没有实现商业量产，大多依靠申请科研项目经费和政府补贴维持运转。
中国是全球最大的汽车市场，2018年汽车产销量达到，蝉联全球第一。但是，由于德国、法国、日本、美国等汽车工业历史悠久，技术领先，中国汽车的自主品牌占全球的市场份额较低。根据Fucos2move统计数据显示，2018年全球汽车厂商销量前十名均为国外企业，无中国品牌。
随着技术的快速更新迭代，一个国家数控机床水平的高低已经在一定程度决定了该国制造业水平的高低。我国数控机床近年来发展维持稳定增长的态势，2018年市场规模达到3389亿元。但不同等级的数控机床的国产化率存在较大的差异，其中高端数控机床自给率严重不足。
我国需要突破自主核心技术、关键共性技术、精密工艺技术、测试控制技术等研制瓶颈，打破发达国家对我国工业制造的限制和制约，实现中国制造在高端领域的重点突破。而智能制造能对现有制造业进行提升，包括缩短开发周期、降低成本、提升效率等;此外，智能制造将会推动制造业发展出全新的制造模式，包括柔性制造、生物制造、绿色制造、分形制造等。智能制造已成为全球制造业竞争的战略制高点。
为什么是工业智能？
蓝海
工业尤其是制造业的GDP总量远高于零售、金融、建筑等行业。而工业领域每天产生的有效数据量其实不亚于BAT等互联网公司，一个大规模的工厂每天产生的数据量甚至能达到几十亿到上百亿条。
壁垒
虽然工业场景每天产生高频、海量的数据，但是大量的原始数据本身并没有直接意义，且有可能产生大规模时延和占据大量带宽。我们不仅需要在某些场景做实时的监控和分析，也需要把更多数据采集到云端做更多维和更长期的经济效益及价值分析，这是云计算的价值。而云计算+边缘计算，这是比传统消费互联网更细的颗粒度和更复杂的架构，这也意味着更高的壁垒。
拐点
互联网一条逻辑叫做“Copy to China”，“Copy to工业”是同样的道理。大规模的数据应用和平台架构在金融、电信等行业经历了充分的验证和演进，加上中国制造2025在政策一侧的催化作用，构成了拐点成立的先决条件。
工业智能的玩家画像
现阶段的用户需要的不是单个产品，而是端到端的整体解决方案。一个合格的工业智能公司，应该具备整体解决方案的构造能力。
首先，用户需求永远是第一位，不满足需求的技术都是伪命题。此外，一套好的解决方案从一个完美的架构开始。对于工业场景而言，从内、外部多源数据的整合开始，到云+端的平台架构，知识库的建立，合适模型的选择，再到反向决策和控制，只有完整打通，才能形成闭环。
整体来说，工业智能呈现一横（整体架构）+N纵（多个细分行业）的格局。
工业智能的路径选择
对于工业领域的大B客户来讲，现阶段需要的不是单个产品，而是端到端的整体解决方案。这虽说是现状，其实也是工业创业者的终极目标。然而路径选择很重要。
