随着云计算在工业中的应用，工业云厂商为人类设想了一个组织上极端高效，产品品类却极端丰饶的世界。然而，要想实现上面的设想，“兼容性”和“定制化”恰是工业数据领域绕不过去的坎。工业云厂商究竟如何去克服，是我们必须审视的问题。
兼容性，跨越机器与机器的鸿沟
如果有人胆敢质疑工业系统中的复杂性，那么请翻译并背诵以下名词：Paas、SaaS、MALL、CAD、CAE、CAM，CAPP，PDM，PLM......对不起我也是问了度娘才大概知道他们各自的意思。眼花缭乱?仅仅沧海一粟而已。
事实上，除了上面这些，传感器和数据格式的兼容性问题也是工业领域的难题。习惯了互联网思维的你或许会问，这有什么难的，找个程序员解决一下不就得了?但咱们设身处地想一下，让变形金刚去和“大白”借零件，你觉得这事儿可行么。
为了尽可能规避这个问题，工业云厂商一般会挑自己熟悉的设备开展服务。如华为和思科的工业云都是从为运营商服务开始。而GE和西门子则相继推出了面向设备制造商的工业云。
同时，结盟也是扩大兼容性的好方法。GE的Predix云就是建立在GE发起的工业互联网联盟基础之上，联盟成员在两年内从5个创始成员(AT&T、思科、通用电气、IBM和英特尔)扩展到了超过50家硬件和软件企业。
只有足够的兼容性才能让复杂的生产线结成整体。比如汽车工业是自动化程度最高的行业，整车生产车间简直像“天网”指挥下的“终结者”生产线：车间里传出“其库卡库”的机械声，抓取、冲压、钣金、焊接、传送，上百只机械手协作完成，高兼容性催生了韵律一般的和谐。
相反，想象一下正在与人类抵抗军首领谈判的“天网”全息影像脸上突然“咚”地弹出一个windows对话框：“错误代码222，系统兼容性错误，是否开始检测，开始自动检测，0X????????指令引用的0x00000000内存，该内存不能written”，然后蓝屏，死机，天网卒，全剧终。
对于工业云来说，只有让兼容性高到足以跨越机器与机器之间的鸿沟，工业云对工厂、产业链、甚至行业的监测和管理才有了意义。
定制化，做人与机器的“中间层”
程序员们有个习惯，如果A和B不兼容，直接加个中间层就好。工业云就是人与机器之间的这个中间层，负责把人的意志传输给机器，也把机器的“话”翻译给人。
我们先回想一下《钢铁侠》里的超级电脑“贾维斯”。如果托尼·史塔克需要管理自己名下的工业帝国，他会去找上万个工程师每天拎着探测器和笔记本在太阳能电站、输油管道、武器生产线之间穿梭往来，发邮件打电话吗?最方便的方法一定是把所有系统的数据汇总上来，让贾维斯按照模型进行分析，实时调整，定期汇报。而这样一个高效的系统，又能够根据需要为“复仇者联盟”的英雄们生产出各式各样不同类型的装备。
具体来说工业云更像是工业领域里的Android：以Predix为例，首先，Predix负责将各类数据按照统一的标准进行规范化地梳理，云计算和大数据技术提供了随时调取和分析的平台。接下来，有了数据和平台，工程师们可以在Predix上按照自己企业的需求编写程序和应用，各取所需。然后，多亏了可视化界面和云计算技术，这些工业应用的运行和使用都能用图形、图表和按钮来表示。更棒的是，他们都可以被放在移动设备里，就像APP一样。
在移动端上查看飞机发动机情况
有了这些应用，航空公司可以依靠模型分析数据，预判飞机发动机的损伤情况，也可以预设机队的最佳飞行方案。而铁路公司可以调整运行图，达到最大运行速度和运载量。电网则可以根据用电量变化做出预案，预调局部地区输电量，防止事故发生。工业云平台让人们通过数据“读懂”机器，提高人类社会的效率。
当然，说到云计算，互联网企业自然不甘示弱。前不久，亚马逊公司也带着自己的AWSIoT平台进军了工业云领域，并在全球范围内安全地迁移数据拥有自己的优势。似乎事情在向着我预测的方向发展，工业大数据领域已然开始了“圈地运动”。
这最终导致的结果就是，工业云的应用会给制造业带来灵活的编程和数据分析方式，会有大波程序员开进工厂，工业将变得软件化。
然而，关于未来，最大的困惑正在工业本身：这是一个太过庞大繁杂的领域，即使是最大的公司也没有能力照顾得周全，兼容和定制的需求好似深渊，他的规则和边界在哪里，究竟有没有足够便捷可复制的模式，仍未有人能够回答。
