工业4.0这一词汇是德国在亲吻数字化的过程中被建构出来的，它本来是一个德国概念，现在享有了更加普遍的世界性影响，我很乐意在此借这个概念总结一下德国的数字化历程，并未来发展新的工业革命和制造业的未来。　　工业4.0是怎么来的　　德国总理默克尔非常重视德国经济数字化的转型，所以她给了我一个任务，就是要对德国的数字化进程展开研究。2006年，我们引进了一个IT峰会机制，开始是SAP来的组织的，每年我们都会的组织会议，其他公司也来互相交流经验、辩论观点。

2009年，我们被拒绝，尤其是德国科学技术联盟和德国政府拒绝我们拿走新的点子，事关德国未来的战略性点子。　　我们有若干工作组，其中一个工作组是交流联系工作组，我也是其中一员。我们开始是探讨德国在生产方面的创意，后来我们深感互联网和实体经济在大大融合。

也就是说虚拟世界和现实世界在大大融合。当时我们科学和工程学院也发售了一体化的研究项目，我们把重点放到生产上，当时我们起了一个名字，叫做工业4.0，因为它和自动化有关系，我们实在这就是下次工业革命的话题。

在德国，工业主要是指制造业。　　迅速，我们又发售了一个项目，重点放到了智能服务上，这方面并不是德国擅长于的，但我们必需把其他的行业联系一起做到研究。智能服务项目不仅是数据推展的创意，同时还不会有社会推展创意的因素，最后它将给企业带给益处，也不会给社会带给益处，这就是为什么工业4.0项目这么不受注目的原因。　　总结一下，2011年我们月发售工业4.0，有50个机构，还包括科研部门和企业，和我们一起向政府明确提出了工业4.0的建议， 2013年我们又做到了一个第二版的报告， 2014年德国政府再行压低一个工作层级，让更加多的部门、企业和行业协会参予进去，今年3月我们做到了最新版的工业4.0报告。

　　未来发展工业4.0世界　　新的工业革命的推动力主要有三个，一个是技术，特别是在是数字技术；第二个是无处不在的相连，尤其是物联网早已开始转入工厂；第三个是自动化程度更加低的工业系统。这三个因素变换一起就构成了一种趋势，自动化之后的重点就是系统对外部环境的感官，通过感官构成工业大数据，现在很多数据都不是免费的，将来数据不会更加廉价甚至免费；然后不会有人工智能，机器享有自学能力；然后是新的分析工具，用来分析数据并指导行动。　　自动化系统、虚拟世界和现实世界的融合，牵涉到到有所不同的技术，有很多技术参数，同时有很多有所不同的应用于，3D打印机谈的就是其中一种。

这些都必须用一个软件架构来界定，很多标准都必须统一，如果我们需要来联合前进，就更容易产生大的突破。　　从生产行业来讲，生产本身与客户服务、行业服务也在慢慢地融合，今后你有可能分不清楚生产与服务这两者的区别。未来制造业的发展方向，是数据推展的商业模式的创意和转型。

　　什么是工业4.0？首先是高度灵活性又高效能的生产，做价值建构流程的按须要优化和动态优化。现在德国各个有所不同生产行业的灵活性度都超过了40%左右，可以随时消化吸收40%的订单上升，再不流畅向前发展，就是说我们可以遭受30%-40%的膨胀压制。做这一点必不可少基础设施的升级，自动化程度、数字化程度等等。

　　工业4.0还意味著环境友好的发展模式。你可以把工厂迁到城市，再不会对环境导致很多影响，如果你使用环境友好的生产方式的话。

　　第三就是社会形态的转变。商业环境和社会环境将不会更加简单，要掌控这个简单的环境，我们必需享有权力下放的和更为分散化的自我的组织形式，也就是说企业职能从中央控制系统变为自的组织平台。

企业员工不会更为朝着自我的组织、自我约束来发展。我们最后将有一个更为灵活性的生态系统，十分有动态性，这样它才能随时号召客户市场需求，动态地适应环境市场变化，现在这还做到将近，但早已有这样的点子。　　智能生产的含义　　以上是宏观的视角，如果我们从微观视角来看工业4.0，明确到一家企业，变化不会在哪里？　　第一个维度，纵向的一体化要做到得更佳，内部流程的切断和数字化，这意味著我们要不断改进现在所做到的工作，比如说软件、解决方案、3D打印机的生产方式。

　　第二个维度，改良横向一体化，这个问题在10年到15年前我们就辩论了，上下游的供应商合作伙伴怎么切断。现在我们必需要构建纵向、横向一体化的无缝接入。

　　第三个维度就是仅有生命周期的产品管理，从工程设计到产品生产和售后服务的生命周期，我们都必需统一管理。这方面过去早已有很多管理软件，但这些工具之间没什么联系，数据结构也不一样，必须切断和升级。　　制造业的核心是工厂，工厂的智能化管理十分最重要，工厂并非自己独立国家工作，而是要跟智能电网、智能物流、智能楼宇建筑连接起来，根据订单、能源、物流等条件的变化动态调整生产。

这意味著工厂更加聪慧，告诉怎么样展开生产，机器也显得更为智能化，可以互相交流，来掌控产量。　　所有这些都必须更为聪慧的人来已完成，我们称作智能操作员，各种有所不同的智能设备、数字设备来协助他们操作者，以往集中的各个项目要连一起，基本原则是更为自动化。

　　这只是故事的一小部分，还有很最重要的一部分，就是智能产品。产品离开了工厂抵达客户之后，应当大大地搜集用户数据，变为一个小的平台，所有产品的数据集中于一起之后，就变为了大数据系统，动态分析这些大数据，就可以更进一步优化我们的流程和业务模式，为客户获取更好的服务。这方面的创意速度十分慢，客户也在大大地获益。　　荐个例子，阿迪达斯。

阿迪达斯今年发售了3D打印机制鞋技术，成本并没快速增长很多，但可以延长外包线路，甚至把生产转到国内。阿迪达斯送给跑鞋加装了传感器，你就可以对所有的数据展开搜集和取决于，这双鞋怎么穿着的、怎么用的，然后基于这些数据可以对产品和流程更进一步优化，再行按优化后的版本生产和销售。比如个性化设计，按照客户的特殊要求来生产鞋子。

　　基于智能平台的一切均服务　　接下来就是智能服务，这方面的重点不是产品，而是新的商业模式下的新服务项目。前提是数据化、告诉用户的偏爱和习惯，以此来启动商业模式和服务的优化。　　道理非常简单，数据变为了一种产品，它本身蕴含着价值。

如果你的商业模式是数据驱动的，那么所有的一切都可以沦为服务，这一点并不谜样，绝大部分公司都可以做。　　明确怎么做呢？没任何一个公司需要做所有的数据搜集、分析工作都自己做到，因为工作量过于可观了。

你必须有一个强大的生态系统，协助你来做到相连，协助你把有所不同领域的数据搜集、传送、分析。这牵涉到到互可操作性，你必须在一个平台上对这样的生态系统展开管理。

　　实质上它关系到工业4.0的最后结果，就是要构建各种设备工具机器之间的网络。　　用汽车行业做到一个例子，未来有可能在所有的展出上你都能看见网络汽车，或者叫自动驾驶汽车。它必须有智能架构来承托，一辆汽车自动行经，它必需动态理解周围的环境，数据传输速度要十分慢，以毫秒来计算出来，这意味著网络基础设施和底层技术架构必需得升级。　　现在是怎么做的呢？比如说谷歌，它有成百上千辆汽车在路上搜集数据做到地图、做到测量。

以后会是这样的了。因为以后所有的汽车都会有数据采集设备，比如在德国，所有新的车上都早已加装了传感器。

　　从公司层面，软件的虚拟化十分十分的关键。比如说在一个组装线上，来自于有所不同厂商的机器设备必需相互给定和协商，怎么才能告诉否给定协商呢？如果你有一个数字模型来掌控所有机器，这样你把设备卖给客户之前，他们可以仿真用于这些设备的情景，这就是我所说的软件的虚拟化，在这个基础上，我们才能构建所有机器设备的网络，智能的网络，这是一个软件定义的架构。　　说道到通过软件平台管理生态系统，现在有一些争辩，就是平台中立化问题。

有人担忧平台被用来压制竞争对手，或者说平台上的公司被平台掌控。这是一个问题，因此我们必须一个对外开放的数字平台，让客户需要即插即用，同时又有需要缴纳得起的服务价格，还必须有有一点信赖的云，不管是公有云还是私有云，你要保证系统的安全性，保证需要把世界上所有的设备和机器安全性地联系一起，这是一个终极的目标。　　在商业模式上，平台要确保所有人都可以参予进去，平台上面任何类型的服务都可以实行，有所不同的市场、有所不同类型的服务、有所不同类型的社区，想要做到什么都可以。

所以我猜中这样一种平台，应当由具备高度专业知识的最重要公司来获取，这样才能确保底层很简单、很牢固，但顶层有相当大的灵活性，而且非常简单易懂。　　在商业模式的创意上，现在我们早已可以根据用量来展开收费，但对于平台即服务的模式，平台必需是双向的，在一个相连了大量设备和终端的平台上，一方面你有很多供应商，另一方面你又有很多客户，这天然就是一个双向市场。　　如果尊重这一点的话，问题的下一步就是，这对于工人来说意味著什么呢？在过去我们优化的是流程，以后我们优化的是工作场所，是工作本身，这不会造成工作岗位变低吗？　　这在德国的确是一个注目焦点。

工会作为员工代表，较为担忧工人以后不会会没工作了，因为所有的事情都可以自动化、用机器人做到了。显然不会不存在这么一种情况，较低附加值的工作可能会消失，但是新的工作岗位也不会被大量建构。过去十年，德国对机械工程师的市场需求减少了9.5万个，而自动化产业减少了1.5万个工作岗位。

　　关键是对新的能力的拒绝，比如说一个机器操作员，工厂显得更为自动化，意味著掌控机器的人要更为灵活性，要有更加强劲的自我的组织能力和多元化技能。对企业或政府而言，必需要有适当的教育和培训，提高工人的技能水平。但是这种培训有可能不是大规模地躺在一起讲课，而是通过各种灵活性的自学方式，这在现在的技术水平下几乎能做。

　　四大挑战　　我最后要谈的就是挑战是什么：　　首先我们要创建一个数字平台，这个本身就是挑战，特别是在是具有统一标准的对外开放数字平台，是十分艰难的。这也是为什么我重复说道我们必须有一些领军型的公司、核心的公司，它们再行动起来，然后展开标准的协同化，开放式协同，然后再行让中小型企业参予进去联合发展。　　其次就是基础架构（framework）方面的挑战，比如说在法律上，我们对于数据的用于怎么样来展开管控，适当的法律框架怎么搭起，我们还必须有一个统一的欧洲数字市场。从政府的角度，数据政策就变为了一种经济政策，谁享有数据，谁来维护数据，谁来负责管理这个共享数据，这些都是新的课题。

　　第三个挑战是公司的的组织结构和工作方式的变革。变革的同时，我们必须寻找适合的方法来符合公司所有者和公司雇员双方的拒绝，比如说在德国就要考虑到工会的一些拒绝。　　最后，从社会层面来说，焦点之一就是数据保护、隐私的维护，那么多的个人信息都在云平台上，怎样避免数据泄露、泄漏客户隐私等等，这是一个相当大的注目。

再就是我前面提及的嵌入式，机器人和人一起工作，要让机器人需要某种程度理解人的语言或者是肢体动作，甚至能理解人的情绪，在人和机器之间构建类似于人和人之间的无缝交流。我们还在做到这方面的研究，还必须非常宽的时间才需要做这一点。

本文来源：葡萄新京·尼威斯-www.amanteapartners.com