工業4.0不僅僅是一場產品和工藝趨于智能化的技術革命，更重要的是，它將掀起一場服務也趨于智能化的商業革命!

  市場上有關工業4.0的應用場景大多描寫得比較“玄乎”，比如“云工廠”，聽著高大上，但如果我們繼續追問下去，常常還是不知道項目如何落地。然而，一旦我們把眼光放低，從基礎工作，即：收集設備或其它物件實時狀態的數據，認真做起，就會發現，實施面向工業4.0的從技術到商業的全解決方案遠在天邊，近在眼前。

  在沿著數據鏈進一步探討工業4.0全解決方案之前，我們先來聽聽物聯網生態圈企業的決策者和執行者們的聲音：

  “當我們開始啟動物聯網項目的時候，我們對自己需要什么，或者該找誰咨詢毫無頭緒 ---- 說實話，我們甚至都不了解自己在找什么?！?/p>

-- 某大型機械制造企業物聯網項目經理

  “我們之前并不知道“工業4.0”這個概念，但我們已經實際實施工業4.0好多年了?！?/p>

-- 德國某大型鋼鐵集團CEO

  “許多商家向我們咨詢物聯網，他們并不了解物聯網有什么優勢，也不知道如何利用物聯網數據轉換為商業價值。他們因為受到外部市場壓力，在預估回報很不清晰的情況下就開始自己摸索物聯網實施方案了?！?/p>

-- 某國際硬件公司物聯網銷售副總裁

  “當今市場競爭環境并非大魚吃小魚，而是快魚吃慢魚，企業必須提升執行力才能超越更快的競爭者?！?/p>

-- 深圳某工業服務公司物聯網項目負責人

  “物聯網正在從物物互聯(第一波)向實際會產生什么新的商業模式(第二波)發展，其潛在主題可以寬泛地概括為‘一切即服務’?！?/p>

-- IoT Analytics公司總裁

  “(在來自25個國家4500位商業決策者中)，55% 回應者稱物聯網對他們公司的業務具有戰略意義?！?/p>

-- IDC高級副總裁

  這些不同的聲音反映了我們普遍處于工業4.0的預熱或啟動階段，雖然少數行業革新者已經駕輕就熟地走在前沿，更多的是由于受到外部市場壓力或者企業內部面臨某個技術痛點問題開始采取行動，邊學邊干，邊干邊學。

  首先，什么是工業4.0?通俗來講，我是這么理解的：工業4.0由物聯網推動，企業通過實現關聯物件之間的實時通信產生實時大數據，然后對這些數據進行分析轉換為能夠提升生產率和客戶滿意度的商業價值，進而在更大范圍內建立縱橫交錯的商業合作伙伴關系，提升企業競爭力。簡而言之，工業4.0不僅僅是一場產品和工藝趨于智能化的技術革命，更重要的是，它將掀起一場服務也趨于智能化的商業革命!

  目前的情況是，處于物聯網上游的一些創新企業正設法克服重重困難進入下游行業應用基地拓荒;匯聚在中游的物聯網云平臺企業則忙于圈地布局，希望在漸行漸近的工業4.0時代占領市場先機;處于下游的工業用戶多數還比較迷茫，不過領先企業，尤其是與能源、機械、電氣、交通、水電行業相關的廠商已經躍躍欲試，希望能夠找到合適的用更低成本制造產品并提高競爭力的解決方案。這些方案無論多么千差萬別，無疑都將包括物聯網數據四要素：硬件(產生數據)、通信(傳輸數據)、軟件(管理數據)和應用(數據轉換為價值)。

  所以，根據物聯網數據鏈這條最關鍵的線索來描繪工業4.0全解決方案，我認為就是順理成章的。以下這張示意圖展現了適合現階段制造企業的工業4.0全解決方案。它包括方案實施過程的三個階段五個步驟：

  第一階段是縱向部署，包含物聯網“數據采集”、“數據傳輸”和“數據分析”三個步驟，在車間或工廠等局部范圍內進行，實現局部工藝智能化和定制化生產，或通過某個產品使用過程中實時把狀態參數持續傳回工廠，為生產計劃和產品質量改進提供依據。上圖三個步驟下面的注釋代表了現階段比較前沿的物聯網技術解決方案。由于物聯網技術突破層出不窮，這張示意圖的細節內容將會進行不定期更新。

  這張圖還可以解釋為什么不少云平臺公司提出的工業物聯網解決方案聽起來仿佛懸在空中?這是因為他們過于強調云和數據分析，而弱化了前期更加基礎的物聯網數據收集。想象一下，如果沒有實時、精準、優質的數據收集，后面的數據分析也就無從談起。

  幸運的是，我們看到了越來越多的物聯網大公司和初創企業已經在認真關注基礎的數據收集問題并且在這個領域獲得了技術突破。比如，具備邊緣計算功能的物聯網終端操作系統和智能網關以及具備人工智能的傳感器已經在不同場景的物聯網解決方案設計中進入商業應用。

  關于“數據傳輸”，通常工業物聯網面對多種類型的設備，它們通過數據采集集中器互相連通，形成多個既獨立又關聯運行的系統，并對應多種組網方式，包含局域、廣域和傳統通信等。工業物聯網執行設備種類繁多的事實對通信協議和數據安全提出更高的要求，OPC UA的分層模型及“發布訂閱”擴展功能或許是提供應對這種錯綜復雜場景的解決方案。

  最后是“數據分析”，這個步驟特別值得一提的是“人工智能”。至今它已經在消費市場中廣泛應用，包括醫療保健、音樂作曲、語音問答、人臉識別、圖像搜索、金融信用風險評估等，并且展示了強大的引發經濟變革的潛力。人工智能在工業領域的應用主要體現在系統能耗分析和故障診斷上，未來隨著工業數據的豐富，相信一定會有更大的發揮空間。

  第二階段是橫向部署，即：第四步的“數據應用”，它是在前面三個步驟的基礎上進一步發展企業外部生態，從涉及整個產品生命周期的數據分析中挖掘出更多商業價值和更多合作伙伴。其中有一條重要途徑是“制定行業標準”。所謂“標準”，只有用的人多了才有意義。如何讓用的人多起來呢?除了技術本身的易用和實用性以外，還必須通過多種渠道，比如建設開放的開源社區、建立初創企業的加速器、互補企業的戰略合作和投資并購、培養行業代理商、各種市場推廣等。

  第三階段是縱橫交錯的商業部署，即：第五步的“數據價值”，它涉及到商業模式創新、建設成物聯網生態系統和業務轉型，這個階段充滿想象力，也最能體現企業競爭優勢。由于物聯網本身的生態屬性，如何塑造出更加符合未來趨勢的商業模式是目前擺在眾多企業決策者面前的一個問題。比如，不少航空發動機制造企業已經換一種思維，不再出售價格高昂的設備，改為向客戶提供持續穩定的設備運行時間，降低客戶的購買門檻，客戶適用期間可通過遠程實時監控設備的運行數據提升服務水平，并不斷依據這些數據改進產品質量，實現多方共贏。類似的案例已經很多了。