我们把工业物联网的难度总结为一个倒三角。
但实际市场中，工业物联网的竞争状态，呈现出的是一个正三角。
为什么会呈现出这样的分布，要从工业物联网的技术体系说起。
我们将工业物联网的技术应用分为以下七层：
1. 设备联网，数据采集
随着工业物联网的快速发展，很多传统的工业制造企业将目光转向了设备数据，要实现智慧管理、数据处理，第一步需要拿到设备数据。那么对于工业设备来说，数据采集很难么?设备生产厂家自己不能做?当然不是。
其实工业设备数据采集，就是做一个硬件终端，与设备交互，只要弄明白交互的物理接口、交互协议、数据类型等，这个事情就不难。但拥有协议的设备厂家，为何自身没做数据采集，而是通过第三方来获取数据，其中的难点不在数据采集本身，因为工业设备的数据具有海量且无序的特点。
除了数据采集，还要对数据进行存储、分类、处理等等，这些都是厂家需要面临和解决的问题。中国制造业现状决定数据采集将是非常大的市场需求，正催生了大量的硬件制造商、数据采集集成商等提供基础数据互通能力的服务企业。
2. 数据接收，数据存储，云平台
云平台很难吗?设备生产厂家自己做不了，其他软件公司不能做吗?MQTT就是物联网了吗?
当然是否定的。
云平台的难度当然比做一个数据采集终端要难一些，但云平台归根到底，还是一个解决终端规模接入处理能力，如何解决大规模并发的数据存储问题，这也是一个纯粹的技术问题，即便设备厂家做不了，还是有很多物联网公司能去做这件事，例如阿里云、华为云、汇川等企业。看中的正是它们的云部署能力和雄厚的实力，对于云中部署的数据有比较高的保障，这是一般的企业想做也没有能力做好的。
不过话说回来，工业物联网数据是一个时序数据，绝大多数情况下，并不能使用一般软件公司通常熟悉的关系数据库，这对物联网企业来说是一个不小的门槛，但这门槛并非不可逾越。
3. 数据处理
所谓数据处理，就是把数据进行高度的抽象，并进行必要的处理，让这些数据更加有序的保存，高效的检索，便于后续的数据应用、统计、分析计算。
数据处理这个环节，事实上很容易被忽略，绝大多数物联网服务商并不明白数据处理是怎么回事，更不知道如何去做好数据处理，只能把采集到保存过程中的数据直接应用，这就带来一系列问题：面临大量数据，只能展现零散的数据，而无法准确判断数据关联关系，且无法辅助决策等等。到了这一层，各类物联网企业的实力差距就已经明显体现出来，能够有效处理数据的企业往往能够更快速的切入行业，为客户提供数据价值
4. 数据分析，分析结果应用
数据分析对工业物联网来说，两个方面：
- 分析数据，形成分析结果，这是数据分析必须要做的一个基础的事情。
- 合理应用分析结果
现阶段的工业物联网企业，普遍还处在第一个“分析数据”，极少数开始做第二个。
分析是手段，而非目的，分析的目的就是要把分析的结果应用起来。对于智物联而言，分析的目的即是实现安全生产+节能减排+提高效率。这件事情是一件实实在在的事情，只是吹捧概念、无法真正落地的企业是很难做到预测性维护。智物联已经实现了设备连接、数据处理、业务应用的综合使能平台，可以面向各类工业场景应用，并处理各种设备和数据，目前的工业设备接入量达20万台，累积超过10T的工业运行数据。
5. 工业物联网体系化建设
工业物联网体系化建设，是工业物联网解决方案提供商最值得自豪的地方，在某种程度上，这也是区别于其他物联网企业的地方，是企业在市场竞争中真正的软实力。
6. 商业模式设计
设备厂家普遍的工业物联网需求，即让厂家知道他们的客户都是谁，以及设备位置、设备操作方法、设备运行方式、故障问题、故障处理，了解同一种设备在不同的地方使用所造成的差异、不同的用户使用习惯对设备运行带来的不同影响等。毫无疑问，通过物联网，让他们把服务从被动变成主动。
不同的企业在出发的时候，或多或少会走弯路，但是最终会走出属于自己的商业模式，而选择怎样的商业模式就决定了在一段时期内企业将如何增长，在市场中占据什么样的位置。模式本无对错，但市场会做出适当的选择。
7. 市场营销，项目落地，知识体系传递
无论是政策的推动还是市场红海，工业物联网的市场营销已经逐渐成熟，国内也有大量实施项目落地，从工信委的示范项目到广东省的“上云上平台”，展现出的是一片欣欣向荣的昌盛景象。
