一、数据处理之困

    实时数据分析难题：工业互联网的核心在于数据，物联网产生的数据量极为庞大，如 GE 的飞机发动机单次飞行就能生成 1TB 数据。邹俊指出，实时数据分析既是工业互联网的关键技术难点，也是当下硅谷技术开发与投资的热点领域。海量数据如不能及时有效处理，将无法为企业决策、生产优化提供精准依据，阻碍工业互联网发挥最大效能。

    数据价值挖掘挑战：甄别、分析与挖掘有价值及非结构化数据，对中美两国皆是重大挑战。谷歌凭借大数据分析与机器学习打造出击败棋手的 AlphaGo，输入海量棋谱并持续更新知识。中小企业与初创企业也在发力，如某被硅谷投资人 Allan Young 看好的大数据企业，凭借处理医疗、金融等多领域非结构化数据的能力，估值高达 200 亿美元。然而，中国珠三角地区产业升级亟需培养大数据使用意识，接轨全球趋势，当前仅有少数企业像全球 73％的企业那样，将 20％以上技术总预算投于大数据分析。

二、标准建立之难

    跨企业协同障碍：在工业互联网推进过程中，跨企业间建立标准成为另一大痛点。2014 年成立的工业互联网联盟，由 GE、AT&T、思科、IBM、英特尔等 5 家巨头牵头，旨在打破行业壁垒，疏通能源、医疗、交通和制造等多行业的技术阻碍。英特尔聚焦传感器芯片、思科负责网络传输路由设施、GE 提供机器需求，各方协同共建生态圈，但不同企业间技术路线、利益诉求各异，达成统一标准谈何容易。

    中国企业的机遇与挑战：当下中国企业跻身标准制定行列十分必要，这是掌握工业互联网话语权的关键一步。然而，段小樱以中国高端传感器、智能仪器仪表、高档数控系统、工业应用软件等市场份额偏低为例，提醒中国企业应先夯实智能化基础工业体系，确保标准制定后能有效落地，避免空中楼阁式的标准构建。

    综上所述，工业互联网在蓬勃发展之际，面临数据处理与标准建立两大核心痛点，中美企业均需在技