工業4.0這一詞匯是德國在擁抱數字化的過程中被創造出來的，它本來是一個德國概念，現在擁有了越來越廣泛的世界性影響，我很樂意在此借這個概念回顧一下德國的數字化歷程，并展望新的工業革命和制造業的未來。

工業4.0是怎么來的

德國總理默克爾非常重視德國經濟數字化的轉型，所以她給了我一個任務，就是要對德國的數字化進程進行研究。2006年，我們引入了一個IT峰會機制，開始是SAP來組織的，每年我們都會組織會議，其他公司也來相互交流經驗、討論觀點。2009年，我們被要求，特別是德國科學技術聯盟和德國政府要求我們拿出新的想法，事關德國未來的戰略性想法。

我們有若干工作組，其中一個工作組是溝通聯系工作組，我也是其中一員。我們開始是聚焦德國在生產方面的創新，后來我們感到互聯網和實體經濟在不斷融合。也就是說虛擬世界和現實世界在不斷融合。當時我們科學和工程學院也推出了一體化的研究項目，我們把重點放在生產上，當時我們起了一個名字，叫作“工業4.0”，因為它和自動化有關系，我們覺得這就是下次工業革命的話題。在德國，工業主要是指制造業。

很快，我們又推出了一個項目，重點放在了智能服務上，這方面并不是德國擅長的，但我們必須把其他的行業聯系起來做研究。智能服務項目不僅是數據推動的創新，同時還會有社會推動創新的因素，最終它將給企業帶來益處，也會給社會帶來益處，這就是為什么工業4.0項目這么受關注的原因。

總結一下，2011年我們正式推出工業4.0，有50個機構，包括科研部門和企業，和我們一起向政府提出了工業4.0的建議， 2013年我們又做了一個第二版的報告， 2014年德國政府再抬高一個工作層級，讓更多的部門、企業和行業協會參與進來，今年3月我們做了最新版的工業4.0報告。

展望工業4.0世界

新工業革命的推動力主要有三個，一個是技術，尤其是數字技術；第二個是無處不在的連接，特別是物聯網已經開始進入工廠；第三個是自動化程度越來越高的工業系統。這三個因素疊加起來就形成了一種趨勢，自動化之后的重點就是系統對外部環境的感知，通過感知形成工業大數據，現在很多數據都不是免費的，將來數據會越來越廉價甚至免費；然后會有人工智能，機器擁有學習能力；然后是新的分析工具，用來分析數據并指導行動。

自動化系統、虛擬世界和現實世界的融合，涉及到不同的技術，有很多技術參數，同時有很多不同的應用，3D打印講的就是其中一種。這些都需要用一個軟件架構來界定，很多標準都需要統一，如果我們能夠來共同推進，就容易產生大的突破。

從制造行業來講，制造本身與客戶服務、行業服務也在慢慢地融合，今后你可能分不清楚制造與服務這兩者的區別。未來制造業的發展方向，是數據推動的商業模式的創新和轉型。

什么是工業4.0？首先是高度靈活又高效能的生產，做到價值創造流程的按需優化和實時優化。現在德國各個不同制造行業的靈活度都達到了40％左右，可以隨時消化吸收40％的訂單下降，照樣順暢向前發展，就是說我們可以經受30％－40％的收縮打擊。做到這一點離不開基礎設施的升級，自動化程度、數字化程度等等。

工業4.0還意味著環境友好的發展模式。你可以把工廠遷回城市，照樣不會對環境造成很多影響，如果你采用環境友好的生產方式的話。

第三就是社會形態的改變。商業環境和社會環境將會越來越復雜，要掌握這個復雜的環境，我們必須擁有權力下放的和更加分散化的自我組織形式，也就是說企業職能從中央控制系統變成自組織平臺。企業員工會更加朝著自我組織、自我約束來發展。我們最終將有一個更加靈活的生態系統，非常有動態性，這樣它才能隨時響應客戶需求，實時地適應市場變化，現在這還做不到，但已經有這樣的想法。

智能生產的含義

以上是宏觀的視角，如果我們從微觀視角來看工業4.0，具體到一家企業，變化會在哪里？

第一個維度，橫向的一體化要做得更好，內部流程的打通和數字化，這意味著我們要不斷改進現在所做的工作，比如說軟件、解決方案、3D打印的生產方式。

第二個維度，改進縱向一體化，這個問題在10年到15年前我們就討論了，上下游的供應商合作伙伴怎么打通。現在我們必須要實現橫向、縱向一體化的無縫對接。

第三個維度就是全生命周期的產品管理，從工程設計到產品生產和售后服務的生命周期，我們都必須統一管理。這方面過去已經有很多管理軟件，但這些工具之間沒有什么聯系，數據結構也不一樣，需要打通和升級。

制造業的核心是工廠，工廠的智能化管理非常重要，工廠并非自己獨立工作，而是要跟智能電網、智能物流、智能樓宇建筑連接起來，根據訂單、能源、物流等條件的變化實時調整生產。這意味著工廠越來越聰明，知道怎么樣進行生產，機器也變得更加智能化，可以相互交流，來控制產量。

所有這些都需要更加聰明的人來完成，我們稱之為智能操作員，各種不同的智能設備、數字設備來幫助他們操作，以往分散的各個項目要連起來，基本原則是更加自動化。

這只是故事的一小部分，還有很重要的一部分，就是智能產品。產品離開工廠到達客戶之后，應該不斷地收集用戶數據，變成一個小的平臺，所有產品的數據集中起來之后，就變成了大數據系統，實時分析這些大數據，就可以進一步優化我們的流程和業務模式，為客戶提供更多的服務。這方面的創新速度非常快，客戶也在不斷地受益。

舉個例子，阿迪達斯。阿迪達斯今年推出了3D打印制鞋技術，成本并沒有增長很多，但可以縮短外包線路，甚至把生產轉回國內。阿迪達斯還給跑鞋裝上了傳感器，你就可以對所有的數據進行收集和衡量，這雙鞋怎么穿的、怎么用的，然后基于這些數據可以對產品和流程進一步優化，再按優化后的版本生產和銷售。比如個性化設計，按照客戶的特殊要求來生產鞋子。

基于智能平臺的“一切皆服務”

接下來就是智能服務，這方面的重點不是產品，而是新商業模式下的新服務項目。前提是數據化、知道用戶的偏好和習慣，以此來啟動商業模式和服務的優化。

道理非常簡單，數據變成了一種產品，它本身蘊含著價值。如果你的商業模式是數據驅動的，那么所有的一切都可以成為服務，這一點并不神秘，絕大部分公司都可以做到。

具體怎么做呢？沒有任何一個公司能夠做到所有的數據收集、分析工作都自己做，因為工作量太龐大了。你需要有一個強勁的生態系統，幫助你來做連接，幫助你把不同領域的數據收集、回傳、分析。這涉及到互可操作性，你需要在一個平臺上對這樣的生態系統進行管理。

實際上它關系到工業4.0的最終結果，就是要實現各種設備工具機器之間的互聯。

用汽車行業做一個例子，未來可能在所有的展覽上你都能看到互聯汽車，或者叫自動駕駛汽車。它需要有智能架構來支撐，一輛汽車自動行駛，它必須實時了解周圍的環境，數據傳輸速度要非常快，以毫秒來計算，這意味著網絡基礎設施和底層技術架構必須得升級。

現在是怎么做的呢？比如說谷歌，它有成百上千輛汽車在路上收集數據做地圖、做測量。以后不會是這樣的了。因為以后所有的汽車都會有數據采集設備，比如在德國，所有新車上都已經安裝了傳感器。

從公司層面，軟件的虛擬化非常非常的關鍵。比如說在一個組裝線上，來自于不同廠商的機器設備必須互相匹配和協調，怎么才能知道是否匹配協調呢？如果你有一個數字模型來控制所有機器，這樣你把設備賣給客戶之前，他們可以模擬使用這些設備的情景，這就是我所說的軟件的虛擬化，在這個基礎上，我們才能實現所有機器設備的互聯，智能的互聯，這是一個軟件定義的架構。

說到通過軟件平臺管理生態系統，現在有一些爭論，就是平臺中立化問題。有人擔心平臺被用來打擊競爭對手，或者說平臺上的公司被平臺控制。這是一個問題，因此我們需要一個開放的數字平臺，讓客戶能夠即插即用，同時又有能夠支付得起的服務價格，還需要有值得信賴的云，不管是公有云還是私有云，你要保證系統的安全性，確保能夠把世界上所有的設備和機器安全地聯系起來，這是一個終極的目標。

在商業模式上，平臺要保證所有人都可以參與進來，平臺上面任何類型的服務都可以實施，不同的市場、不同類型的服務、不同類型的社區，想做什么都可以。所以我猜這樣一種平臺，應該由具有高度專業知識的重要公司來提供，這樣才能保證底層很復雜、很堅固，但頂層有很大的靈活性，而且簡單易用。

在商業模式的創新上，現在我們已經可以根據用量來進行收費，但對于平臺即服務的模式，平臺必須是雙向的，在一個連接了大量設備和終端的平臺上，一方面你有很多供應商，另一方面你又有很多客戶，這天然就是一個雙向市場。

如果認同這一點的話，問題的下一步就是，這對于工人來說意味著什么呢？在過去我們優化的是流程，以后我們優化的是工作場所，是工作本身，這會導致工作崗位變少嗎？

這在德國的確是一個關注焦點。工會作為員工代表，比較擔心工人以后會不會沒有工作了，因為所有的事情都可以自動化、用機器人做了。確實會存在這么一種情況，低附加值的工作可能會消失，但是新的工作崗位也會被大量創造。過去十年，德國對機械工程師的需求增加了9.5萬個，而自動化產業增加了1.5萬個工作崗位。

關鍵是對新能力的要求，比如說一個機器操作員，工廠變得更加自動化，意味著控制機器的人要更加靈活，要有更強的自我組織能力和多元化技能。對企業或政府而言，必須要有相應的教育和培訓，提升工人的技能水平。但是這種培訓可能不是大規模地坐在一起聽課，而是通過各種靈活的學習方式，這在現在的技術水平下完全能做到。

四大挑戰

我最后要講的就是挑戰是什么？首先我們要建立一個數字平臺，這個本身就是挑戰，尤其是有著統一標準的開放數字平臺，是非常困難的。這也是為什么我反復說我們需要有一些領軍型的公司、核心的公司，它們先動起來，然后進行標準的協同化，開放式協同，然后再讓中小型企業參與進來共同發展。

其次就是基礎架構（framework）方面的挑戰，比如說在法律上，我們對于數據的使用怎么樣來進行管控，相應的法律框架怎么搭建，我們還需要有一個統一的歐洲數字市場。從政府的角度，數據政策就變成了一種經濟政策，誰擁有數據，誰來保護數據，誰來負責這個分享數據，這些都是新課題。

第三個挑戰是公司的組織結構和工作方式的變革。變革的同時，我們需要找到合適的方法來滿足公司所有者和公司雇員雙方的要求，比如說在德國就要考慮到工會的一些要求。

最后，從社會層面來說，焦點之一就是數據保護、隱私的保護，那么多的個人信息都在云平臺上，怎樣防止數據泄密、泄露客戶隱私等等，這是一個很大的關注。再就是我前面提到的人機交互，機器人和人一起工作，要讓機器人能夠不僅僅了解人的語言或者是肢體動作，甚至能了解人的情緒，在人和機器之間實現類似人和人之間的無縫溝通。我們還在做這方面的研究，還需要相當長的時間才能夠做到這一點。

文章來自網絡，版權歸作者所有，如有侵權請聯系刪除