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。
智能生产的含义
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。
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。
基于智能平台的“一切皆服务”
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。
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
面临的挑战是什么?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。
