这么说可能不够准确，应该讲：中国制造业企业的工业互联网成熟度，大概率比你自认为的低一级。
我参加过一个行业论坛，现场做了个快调：让几十家企业自评数字化水平。结果80%的企业给自己评了3级以上（"产线数字化"或更高）。但后来实际去看了其中几家，有一家说自己3级，实际是设备状态用Excel登记、产线看板是手填的PPT截图、MES系统买了两年没上线。它给自己评3级的理由是"我们上了ERP"。
上了ERP不等于数字化了。装了传感器不等于搞了工业互联网。做了个数据大屏不等于有了数据驱动能力。
成熟度模型：标准很多，用哪个？
国内现在提工业互联网成熟度的标准不少。国标GB/T 39116-2020《智能制造能力成熟度模型》是官方层面的框架。信通院有自己的成熟度评估体系。各咨询机构也各有模型。企业看着这些标准发晕：到底用哪个？
我的建议很实际：用哪个都行，关键是先做自评，知道自己在哪。不要纠结于选哪个标准——不同标准的核心逻辑是相似的，差异在于颗粒度和行业侧重。选一个你能理解的、有参考案例的，认认真真做一次自评，比纠结选哪个标准有意义得多。
五级成熟度框架
为了方便理解，我把几个主流标准的核心内容融合成一个简化版：
等级 | 名称 | 典型特征 | 数据能力 | 国内企业典型分布 |
1级 | 基础自动化 | 关键设备有PLC控制，手工记录为主 | 无统一数据采集 | 小型企业约60%在此级 |
2级 | 单点数字化 | 部分设备联网，局部系统（如MES单模块）运行 | 设备数据分散存储 | 中型企业约50%在此级 |
3级 | 产线数字化 | 产线级数据贯通，关键KPI实时可视 | 统一数据平台开始建设 | 大型企业约40%在此级 |
4级 | 工厂数字化 | 全厂数据统一管理，分析驱动决策 | 数据平台支撑AI分析应用 | 领先企业约15%在此级 |
5级 | 产业链数字化 | 跨工厂数据协同，供应链数据打通 | 分布式数据平台支撑多基地 | 极少数企业<5% |
结合行业调研和我实际接触的企业情况，做个大致判断：国内大型制造企业平均在2.5级左右，中型企业在1.5级，小型企业0.5级——连基础自动化都没完全做到。这个判断可能不够精确，但量级是对的：大部分企业离"数据驱动运营"还差得远。
自评不是为了拿证
有人会问：做成熟度评估是不是就是为了拿个评估报告或者认证证书？
不是。自评的价值在于找到差距和确定投入方向。
举例说，一家企业自评后发现自己在2级——设备联网率不错，但数据散落在各系统中，没有统一平台。那它的投入优先级就很清楚：不是继续加装传感器（设备接入已经够用了），而是建设统一数据平台。如果不做自评，这家企业可能继续往1级的方向投入——加更多设备、装更多传感器——实际上应该往3级的方向走（数据贯通）。
再举例，另一家企业自评在2.5级，数据和系统都有，但分析能力弱——有数据没用起来。那它的投入方向就不是继续采集数据，而是在数据基础上构建分析应用。方向错了，投入越多浪费越大。
常见误判
自评这件事，最大的风险不是评低了，是评高了。企业容易高估自己的几个典型情况：
误判一："我们设备联网率90%，所以数字化水平很高。" 设备联网率高只说明1-2级的基础不错，但数据联网了不代表用起来了。数据采上来了存在数据库里没人看、没有分析、没有驱动决策，和没联网的区别不大。
误判二："我们上了MES和ERP，所以是数字化工厂。" MES和ERP是业务系统，不是数据平台。业务系统解决的是流程管理问题（计划怎么排、订单怎么追、物料怎么管），数据平台解决的是数据利用问题（设备效率多少、能耗趋势怎么变、质量异常怎么预测）。两个概念。
误判三："我们有大屏看板，所以是数据驱动。" 大屏看板是数据展示，不是数据驱动。真正的数据驱动是——生产决策基于数据分析的结果做出，而不是"看一眼大屏然后凭经验拍板"。大部分企业的大屏是"给领导看的"，真正用于生产决策的数据分析极少。
误判四："我们用了AI做预测性维护，所以到了4级。" 如果AI模型只在一个点上用——比如某一台关键设备做了预测维护——那整体成熟度还是2-3级。单点应用和全厂数据驱动是不同量级的概念。
快速跨越的关键
从1级到3级的跨越是最有性价比的投入阶段。原因在于：1级到2级的提升主要是"装设备、连网络"，投入大但产出不太明显；2级到3级的提升是"建平台、通数据"，投入相对可控，但产出明显——数据一旦贯通，效率提升、质量改进、能耗优化的空间就打开了。
TDengine这类AI原生工业数据平台在这个阶段的价值非常突出。开源、中小企业永久免费，意味着企业不需要在软件许可上花大钱。分布式架构支持从单厂起步，后续扩展到多基地不用推倒重来。写入性能和查询性能能满足工业场景的高频实时需求。
说白了，从1级到3级的最大障碍不是"不知道怎么做"，而是"做起来的成本太高"。传统工业互联网平台的许可费用动辄百万级，让大量中小企业望而却步。开源免费的数据平台把这道门槛大幅拉低了——这是中小企业快速跨越成熟度等级的现实路径。
评估之后做什么
自评完了，知道自己在哪了，然后呢？
找到最大的差距，集中资源突破。不要全面铺开——那是大企业的做法，中小企业扛不住。
如果差距在数据采集，集中投入做设备联网，争取把关键设备数据先采上来。但注意，不要追求"全量联网"。一条产线上关键的瓶颈设备先采，关键的质量参数先采，关键的能耗数据先采。覆盖率做到70%就够用了，剩下的30%边际价值很低。
如果差距在数据管理，集中投入建统一数据平台，把分散的数据集中到一处。很多企业卡在这一步——数据散落在SCADA、MES、DCS、Excel各种地方，做一个分析要跨四五个系统拉数据。统一平台不是锦上添花，是数据治理和数据分析的前提条件。
如果差距在数据应用，集中投入做1-2个高价值场景的分析应用——能耗优化、质量追溯、设备健康度评估——选一个最能见效的场景，做出标杆效应。选场景有个原则：找"痛点最痛"的。哪个环节的管理者天天被老板追着问"为什么又超了/为什么又出问题了"，就先做那个。因为痛点越痛，改善效果越明显，越容易拿到认可和支持。
还有一条：不要跳级。2级的企业不要直接做4级的事——数据基础不具备，AI模型做了也是空中楼阁。2级先往3级走（数据贯通），3级再往4级走（数据驱动）。跳级的代价是返工。每个等级的跨越需要对应的组织能力、数据能力、分析能力都跟上，缺一个都走不稳。
每一个成熟度等级的跨越都不是水到渠成的，需要明确的投入方向和持续的努力。方向对了，快慢只是时间问题。方向错了，跑得越快偏离越远。评估的价值不在于给你贴个标签说"你是第几级"，在于让你看清从现在到下一级之间缺什么。把缺的补上，升级自然发生。
再分享一个实操观察。企业在做自评时，最常见的"卡点"不是技术也不是预算，而是组织准备度。什么意思？比如一家企业在2级，自评发现下一步应该建统一数据平台。但建平台意味着各产线、各车间的数据要统一到一处管理。这在组织上牵涉到权限分配——谁有权限查数据？谁有权限改数据？数据出了问题谁负责？这些问题不解决，平台买了也用不起来。所以评估的时候不光要评技术成熟度，还要评组织准备度——团队有没有做好准备迎接下一级的挑战？如果没有，先做组织层面的准备，别急着上技术。
还有一点：评估不是一次性的。建议每年做一次自评，跟踪成熟度的变化。有的企业第一年评2级，第二年还是2级——说明投入方向有问题或者执行力度不够。有的企业从2级跳到了3级——说明方向对、执行到位。年度自评是最简单也最有效的进步追踪手段，比任何KPI都直观。
