机器学习模型主要解决“非线性”部分，即观测器对现有的控制模型观测中，无法求导的那部分任务进行学习—因此在单个控制系统已经达到局部最优的情况下，工业里一直在寻找更为复杂的动态下的最优。
以前这个是算力不足，而现在的芯片、存储、网络技术使得这件事情变得可行，那么IT的贡献在于工具和平台的贡献，在于测量工具的水平提高了。
互联网企业具有强大平台、研发能力，可在平台和工具间定位自己角色。但很多工业互联网平台声称自己属于“平台”，其实是“系统集成”角色，如微软、IBM、华为，在深入工业应用场景中，可能会存在一些问题。
一是如何分析复杂的参数？必须要懂得工业工艺，否则难以进行学习。
二是具有模型。
如何获得数据？
数字化的学习必须与实际的模型相结合，拥有自主模型的工业基因的企业反倒是有条件的。
数字化工具和平台必须同时具备，否则难以实现数据采集。
什么样的工业互联网平台难以存活？具备“有标准”、“有工具”、“有模型”的工业互联网平台才能真正在未来为制造业赋能、带来转型的效率提升，否则，就是风险投资中的“风险”而不是“投资”。反之，难以存活。
关于制造,封装就介绍完了，您有什么想法可以联系小编。