在云计算、大数据和物联网等技术的影响下，全球掀起了以制造业转型升级为首要任务的新一轮产业革命，其中以德国工业4.0和美国工业互联网为典型代表。新一轮的产业革命主要以数字化为基础、互联网为核心、智能化为主要目标，将信息化技术与工业生产进行深度融合，来推动产业转型升级。就目前而言，美国的工业大数据规模处于各领域前列，大数据正发挥着越来越大的作用。

工业大数据有哪些特点?我们总结为"多模态、高通量、强关联"的特性。我们在工业领域总结了约有130多种不同类型的数据，数据模态多样，结构关系复杂。高通量是指数据持续不断地产生，采集频率高，通量大。强关联是指工业场景下的数据有非常强的机理支撑，不同学科之间的数据是在机理层面的关联，而不是数据字段上的关联。

而对工业大数据的分析应用，也不是将深度学习、强化学习的方法放到这里就可以有结果。我们需要获知研究对象的机理模型与定量领域知识，而这在当前基础上前进很困难。我们希望找出数据在输入、输出之间的统计关系，对机理和模型不确定、不清晰的部分加以补足，这是工业大数据应用的基础。

近年来，国际知名的软件巨头纷纷开始加大自身在制造业转型升级方面的投入，随着大数据技术的不断成熟，为数据技术向工业方面渗透提供了诸多条件，同时也为高端制造业提供了巨大的市场机会，各种商业版数据管理产品纷纷上线。

国内工业大数据发展也有一定的进展，主要依托于国内互联网应用的基础，搭建连接人与设备的通用平台，例如陕鼓动力的鼓风机远程监测平台、三一集团工程机械物联网平台、远景格林威治风电云平台、红领制衣板型数据平台、南方航空公司航空大数据平台等，这些工业领域的大数据平台尽管已经有了一定的规模，但是其内部技术架构差异较大，应用效果并不明显。

智能制造在不断获得数据的驱动，从智能制造到工业互联网平台，核心都是利用数据和模型，优化制造资源的配置效率。

随着我国人口红利的逐渐消失，工业大数据作为一种核心战略资源将成为我国工业化智能升级改造的关键要素，其也必将成为我国高科技领域发展的重点。