工业互联网平台集体折戟，大模型如何改写工厂数字化

过去十余年间，从GE Predix到西门子MindSphere，再到国内51家「双跨平台」，工业互联网领域投入巨大却鲜有胜者。结合5家头部工业互联网企业招股书与年报合计1700多页的梳理，物联网智库近期发布的深度分析指出，工业领域不存在「平台经济学」，而大模型的到来正在撬动这场困局中的「2.5个」死结。

上一代平台的三大困局

海外样本具有标志性意义。2012年GE首次提出工业互联网概念，2013年正式推出Predix，累计投入超过40亿美元、数字部门峰值近2.8万人，但2018年GE重组数字业务，「横向平台」叙事宣告终结；西门子MindSphere于2016年高调发布，2023年降级更名为Insights Hub；Google IoT Core与IBM Watson IoT平台相继关停，SAP Leonardo品牌悄然淡出。

国内方面，工信部「双跨平台」名单从2019年的10家扩张到2023年的51家后开始收缩分级。树根互联于2023年撤回科创板IPO，成为行业转折事件。弗若斯特沙利文统计显示，国内基于平台的工业数据智能解决方案市场第一名份额仅1.7%，十余年的宏大叙事最终聚合出的「行业第一」不到五十分之一。

文章将失败原因归纳为三条：

• 网络效应缺失：工业数据天生没有跨客户外部性，A厂的产线连上平台不会让B厂的连接更有价值，没有赢家通吃的基础。
• 服务边际成本是「人」：消费平台服务1亿人与100万人成本相近，但工业平台每多一个客户就要多一个项目组。树根互联员工两年内从500多人涨到1500人，2021年人均创收34万元，但当年分摊的亏损超过了这个数字。
• 收费锚点错位：上一代平台收的是连接费、使用费、订阅费，但工业客户只愿意为「确定性结果」或「换不动的年金」付费。前者依赖项目制，资本开支一刹车收入即归零；后者的代表是OSIsoft（PI System），年收入约4亿美元，先被AVEVA以50亿美元收购，后被施耐德以超百亿美元估值私有化，买单的核心是全球两万多个站点几十年沉淀的数据与应用。

AI解开了「2.5个」死结

涛思数据创始人陶建辉在访谈中透露，过去一年他几乎天天用AI写代码写文档，公司研发效率提高了至少5倍。软件生产成本率先断崖式下降，更关键的是服务成本：部署、答疑、排障、报表等原本需要项目组承担的环节，可由AI智能体承接，工业软件服务边际成本在历史上首次被指数级压缩。

此外，大模型让「语义」第一次有了直接买家。工业数据孤立的数字没有意义，「620」必须挂上单位、测点位置、产线归属、正常波动范围、上下游联动等一整串标签，AI才能真正读懂。这部工厂数据的「字典」如今可能成为核心产品，谁的语义模型成为事实标准，谁就可能握住工业AI的读取入口。

在收费模式上，文章提出「功能免费、责任收费」的新锚点。AI让基础功能的生成成本大幅下降，但工业现场对确定性要求极高，企业真正愿意付费的是确保系统不出错的「保险」：服务保障、合规审计、权限分级、Human-in-the-loop的关键把关。这一框架直接动摇了「换不动」的传统年金逻辑，迁移成本正在被代码生成和数据搬运持续击穿。

尚未被解决的那「半个」困局，是客户数据层的网络效应。工厂依然不愿见到别家数据，单厂闭环仍是铁律。

语义与语境：两条分岔的商业路线

文章进一步区分了「语义」与「语境」这对概念：前者是数据的标签和字典，必须标准化、公开化，谁成为通用标准谁赢得生态；后者是工厂的工艺习惯、老师傅的手感和现场突发事件，是企业的核心资产，越私密越值钱。

在这一框架下，工业AI的商业版图分化为两条路径：

• 「手工高价」路线：以Palantir为代表，2025财年收入44.75亿美元（同比+56%），2026年第二季度收入19.4亿美元（同比+93%），单季净利润10.6亿美元、净利率高达55%。其CEO卡普在年报中将趋势概括为「认知的大宗商品化」，并进一步推向「AI主权」，承诺工厂私有数据绝不被用于训练公共模型。
• 「体量路径」：底层引擎开源、基础平台免费，押注AI真的能把边际交付成本降下来，从而跑通规模与生态。

文章最后指出，上一代平台争夺的是CIO的预算，这一代底座争夺的则是「模型记忆」——开源工具越频繁地出现在AI训练语料和工具注册表中，就越容易被智能体优先调用，部署量增加又反哺语料，形成工业软件史上第一条真实的增长飞轮。大模型进工厂的下半场，比拼的不再是宏大叙事，而是谁能最快在泥泞的工业现场，帮AI把「烟味」染上。