我们要看大数据与工业的深度融合之前，先看看核心要素大数据的本质是什么。
大数据的本质就是，“数据+算法=服务”，数据来自机器数据，业务数据，产品数据。这些数据需要通过物联网、传感器不断的获取。而算法部署在云端，一类是机理模型，另外一类是AI或者大数据模型。
通过大数据和算法，带来了新的服务，服务包括四个层次：描述这个世界(发生了什么);诊断这个世界(为什么发生);预测这个世界(将会发生什么);进行决策(应该怎么做)。最终实现优化资源配置效率，提高生产力。这也是一种全新的认识和改造这个世界的方法论。
我们说大数据的下半场是跟产业的深度融合，那么大数据与工业融合之后的工业大数据，其本质又是什么?我认为工业大数据的本质是：数据+算法=服务。
一个工业机理模型可以实现四类功能：一、描述，描述设备、工艺发生了什么;二、诊断，发生了什么问题、什么地方发生了问题;三、预测，如果不处理设备将有什么问题，能耗会有什么问题，质量会有什么问题;四、决策、最后怎么办，是对那个环节进行维修，那个环节进行优化，或者保养，增加或者减少物料的输入等等，给操作手、给总工、给管理层提供一个解决方案。
机理模型的落地，就是我们认识客观世界的一个过程。一般说会有四个阶段：一、理论推理，把工业中的热平衡、物质平衡等通过抽象的方法形成理论模型;二、实验验证，对理论模型进行实验验证，仿真验证的过程;三、模拟择优，在虚拟世界里面去完成，通过大数据模拟选择最优的结果;四、大数据分析通过模拟+大数据发现新的规律。
机理模型构建了业务场景的数字孪生，通过设备上云、物联网、互联网，实现了从局部数字孪生到跨节点的数字孪生，从静态的数字孪生到动态的数字孪生。我们在热平衡模型的应用中，对每日、每时、每秒的数据进行优化，指导在工艺环节的优化。构建一个机理模型、数字孪生，背后的原理就是大数据+算法=服务。他可以缩短研发周期，提高资源优化效率，提供新的分析方法，构建资源配置新模式。
依托于工业大数据的支持，工业企业的决策方式也将增加为更加科学规范的模式：数据+算法。数据+算法的决策机制，不是对已有决策机制的一种替代，而是增加。
“数据+算法”的决策机制原理有几个方面，对于不确定性的问题，我们首先要获得数据，理解这个世界，理解和认知规律;理解之后我们要预测发生什么，做边缘响应和远端响应;最后我们要去控制，将决策付诸行动。
企业的核心问题是解决和提高资源配置效率。大数据如何支撑企业决策，就是将正确的数据，在正确的时间，以正确的方式传递给正确的人和机器。大规模个性化生产实现了从固定靶到空中飞碟的转变。这其中，通过模型可以提供将不确定性转化为确定性的最优路径，通过大数据将数据转化为知识，将隐形数据显性化、将隐形知识显性化。