工业4.0提出者孔翰宁详解工业4.0

新工业革命的推动力主要有三个，一个是技术，尤其是数字技术；第二个是无处不在的连接，特别是物联网时代已经开始；第三个是自动化程度越来越高的工业系统。这三个因素叠加起来就形成了一种趋势，未来制造业的发展方向，是数据推动的商业模式的创新和转型，今后你可能分不清楚制造与服务的区别。

谢谢刚才主席对我的介绍，我之前是SAP的董事长和CEO，2009年成为德国国家科学与工程学院的院长，我们这个机构有400名研究人员，同时也有来自不同企业的客座研究员。

我对自己能够来到今天的会议就德国工业4.0演讲很高兴，大家知道工业4.0是一个德国词，我想借此机会讲一讲德国在拥抱数字化的过程中所走过的历程。

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进行研究。2006年，我们引入了一个IT峰会机制，开始是SAP来组织的，每年我们都会组织会议，其他公司也来相互交流经验、讨论观点。

我为什么要提这个IT峰会呢？因为这个项目使我们直接涉及到了今天讨论的话题，也就是工业4.0和物联网。2009年，我们被要求，特别是德国科学技术联盟和德国政府要求我们拿出新的想法，事关德国未来的战略性想法。

我们有若干工作组，其中一个工作组是沟通联系工作组，我也是其中一员。我们开始是聚焦德国在生产方面的创新，后来我们感到互联网和实体经济在不断融合。也就是说虚拟世界和现实世界在不断融合。当时我们科学与工程学院也推出了一体化的研究项目，我们把重点放在生产上，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，我们觉得这就是下次工业革命的话题。在德国，工业主要是指制造业。

很快，我们又推出了一个项目，重点放在了智能服务上，这方面并不是德国擅长的，但我们必须把其他的行业联系起来做研究。智能服务项目不仅是数据推动的创新，同时还会有社会推动创新的因素，最终它将给企业带来益处，也会给社会带来益处，这就是为什么工业4.0项目这么受关注的原因。

总结一下，2011年我们正式推出工业4.0，有50个机构，包括科研部门和企业，和我们一起向政府提出了工业4.0的建议，2013年我们又做了一个第二版的报告， 2014年德国政府再抬高一个工作层级，让更多的部门、企业和行业协会参与进来，今年三月份我们做了最新版的工业4.0报告。但是整个的进展还是比较慢，在最新报告中我们希望工业4.0能够在商业上有更强的关联性，能够更好地服务于企业，从而以更快的速度推进。而德国科学和工程学院是作为背后的支持力量，推动整个工作的进展。

展望工业4.0世界

新工业革命的推动力主要有三个，一个是技术，尤其是数字技术；第二个是无处不在的连接，特别是物联网已经开始进入工厂；第三个是自动化程度越来越高的工业系统。这三个因素叠加起来就形成了一种趋势，自动化之后的重点就是系统对外部环境的感知，通过感知形成工业大数据，现在很多数据都不是免费的，将来数据会越来越廉价甚至免费；然后会有人工智能，机器拥有学习能力；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，涉及到不同的技术，有很多技术参数，同时有很多不同的应用，3D打印讲的就是其中一种。这些都需要用一个软件架构来界定，很多标准都需要统一，如果我们能够来共同推进，就容易产生大的突破。

从制造行业来讲，制造本身与客户服务、行业服务也在慢慢的融合，今后你可能分不清楚制造与服务这两者的区别。未来制造业的发展方向，是数据推动的商业模式的创新和转型。

什么是工业4.0？首先是高度灵活又高效能的生产，做到价值创造流程的按需优化和实时优化。现在德国各个不同制造行业的灵活度都达到了40%左右，可以随时消化吸收40%的订单下降，照样顺畅向前发展，就是说我们可以经受30%-40%的收缩打击。做到这一点离不开基础设施的升级，自动化程度、数字化程度等等。

工业4.0还意味着环境友好的发展模式。你可以把工厂迁回城市，照样不会对环境造成很多影响，如果你采用环境友好的生产方式的话。

第三就是社会形态的改变。商业环境和社会环境将会越来越复杂，要掌握这个复杂的环境，我们必须拥有权力下放的和更加分散化的自我组织形式，也就是说企业职能从中央控制系统变成自组织平台。企业员工会更加朝着自我组织，自我约束来发展。我们最终将有一个更加灵活的生态系统，非常有动态性，这样它才能随时响应合客户需求，实时的适应市场变化，现在这还做不到，但已经有这样的想法。

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，具体到一家企业，变化会在哪里？

第一个维度，横向的一体化要做的更好，内部流程的打通和数字化，这意味着我们要不断改进现在所做的工作，比如说软件、解决方案，3D打印的生产方式。

第二个维度，改进纵向一体化，这个问题十到十五年前我们就在讨论了，上下游的供应商合作伙伴怎么打通。现在我们必须要实现横向、纵向一体化的无缝对接。

第三个维度就是全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，我们都必须统一管理。这方面过去已经有很多管理软件，但这些工具之间没有什么联系，数据结构也不一样，需要打通和升级。

制造业的核心是工厂，工厂的智能化管理非常重要，工厂并非自己独立工作，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、物流等条件的变化实时调整生产。这意味着工厂越来越聪明，知道怎么样进行生产，机器也变得更加智能化，可以相互交流，来控制产量。

所有这些都需要更加聪明的人来完成，我们称之为智能操作员，各种不同的智能设备、数字设备来帮助他们操作，以往分散的各个项目要连起来，基本原则是更加自动化。

这只是故事的小一部分，还有很重要的一部分，就是智能产品。产品离开工厂到达客户之后，应该不断的收集用户数据，变成一个小的平台，所有产品的数据集中起来之后，就变成了大数据系统，实时分析这些大数据，就可以进一步优化我们的流程和业务模式，为客户提供更多的服务。这方面的创新速度非常快，客户也在不断的受益。

举个例子，阿迪达斯。阿迪达斯今年推出了3D打印制鞋技术，成本并没有增长很多，但可以缩短外包线路，甚至把生产转回国内。阿迪达斯还给跑鞋装上了传感器，你就可以对所有的数据进行收集和衡量，这双鞋怎么穿的，怎么用的，然后基于这些数据可以对产品和流程进一步优化，再按优化后的版本生产和销售。比如个性化设计，按照客户的特殊的要求来生产鞋子。

基于智能平台的“一切皆服务”

接下来就是智能服务，这方面的重点不是产品，而是新商业模式下的新服务项目。前提是数据化、知道用户的偏好和习惯，以此来启动商业模式和服务的优化。

道理非常简单，数据变成了一种产品，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成为服务，这一点并不神秘，绝大部分公司都可以做到。

具体怎么做呢？没有任何一个公司能够做到所有的数据收集、分析工作都自己做，因为工作量太庞大了。你需要有一个强劲的生态系统，来帮助你来做连接，帮助你把不同领域的数据收集、回传、分析。这涉及到互可操作性，你需要在一个平台上对这样的生态系统进行管理。

实际上它关系到工业4.0的最终结果，就是要实现各种设备工具机器之间的互联。

用汽车行业做一个例子，未来可能在所有的展览上你都可以看到互联汽车，或者叫自动驾驶汽车。它需要有智能架构来支撑，一辆汽车自动行驶，它必须实时了解周围的环境，数据传输速度要非常快，以毫秒来计算，这意味着网络基础设施和底层技术架构必须得升级。

现在是怎么做的呢？比如说谷歌，它有几百上千辆汽车在路上收集数据做地图、做测量。以后不会是这样的了。因为以后所有的汽车都会都有数据采集设备，比如在德国，所有新车上都已经安装了传感器。

从公司层面，软件的虚拟化非常非常的关键。比如说在一个组装线上，来自于不同厂商的机器设备必须互相匹配和协调，怎么才能知道是否匹配协调呢？如果你有一个数字模型来控制所有机器，这样你把设备卖给客户之前，他们可以模拟使用这些设备的情景，这是就是我所说的软件的虚拟化，在这个基础上，我们才能实现所有机器设备的互联，智能的互联，这是一个软件定义的架构。

说到通过软件平台管理生态系统，现在有一些争论，就是平台中立化问题。有人担心平台被用来打击竞争对手，或者说平台上的公司被平台控制。这是一个问题，因此我们需要一个开放的的数字平台，让客户能够即插即用，同时又有能够支付得起的服务价格，还需要有值得信赖的云，不管是公有云还是私有云，你要保证系统的安全性，确保能够把世界上所有的设备和机器安全地联系起来，这是一个终极的目标。

在商业模式上，平台要保证所有人都可以参与进来，平台上面任何类型的服务都可以实施，不同的市场、不同类型的服务、不同类型的社区，想做什么都可以。所以我猜这样一种平台，应该由具有高度专业知识的重要公司来提供，这样才能保证底层很复杂、很坚固，但顶层有很大的灵活性，而且简单易用。

在商业模式的创新上，现在我们已经可以根据用量来进行收费，但对于平台即服务的模式，平台必须是双向的，在一个连接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。

如果认同这一点的话，问题的下一步就是，这对于工人来说意味着什么呢？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，这会导致工作岗位变少吗？

这在德国的确是一个关注焦点。工会作为员工代表，比较担心工人以后会不会没有工作了，因为所有的事情都可以自动化、用机器人做了。确实会存在这么一种情况，低附加值的工作可能会消失，但是新的工作岗位也会被大量创造。过去十年，德国对机械工程师的需求增加了9.5万个，而自动化产业增加了1.5万个工作岗位。

关键是对新能力的要求，比如说一个机器操作员，工厂变得更加自动化，意味着控制机器的人要更加灵活，要有更强的自我组织的能力和多元化技能。对企业或政府而言，必须要有相应的教育和培训，提升工人的技能水平。但是这种培训可能不是大规模地坐在一起听课，而是通过各种灵活的学习方式，这在现在的技术水平下完全能做到。

四大挑战

我最后要讲的就是挑战是什么？首先我们要建立一个数字平台，这个本身就是挑战，尤其是有着统一标准的开放数字平台，是非常困难的。这也是为什么我反复说我们需要有一些领军型的公司，核心的公司，先动起来，然后进行标准的协同化，开放式协同，然后再让中小型企业参与进来共同发展。

其次就是基础架构（framework）方面的挑战，比如说在法律上，我们对于数据的使用怎么样来进行管控，相应的法律框架怎么搭建，我们还需要有一个统一的欧洲数字市场。从政府的角度，数据政策就变成了一种经济政策，谁拥有数据，谁来保护数据，谁来负责这个分享数，这些都是新课题。

第三个挑战是公司的组织结构和工作方式的变革。变革的同时，我们需要找到合适的方法来满足公司所有者和公司雇员双方的要求，比如说在德国就要考虑到工会的一些要求。

最后，从社会层面来说，焦点之一就是数据保护，隐私的保护，那么多的个人信息都在云平台上，怎样防止数据泄密，泄露客户隐私等等，这是一个很大的关注。再就是我前面提到的人机交互，机器人和人一起工作，要让机器人能够不仅仅了解人的语言或者是肢体动作，甚至能了解人的情绪，在人和机器之间实现类似人和人之间的无缝沟通。我们还在做这方面的研究，还需要相当长的时间才能够做到这一点。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。