中国制造2025的核心竞争力——挖掘使用数据

第四次工业革命将给中国带来更大的机会空间。因为中国不仅仅是全球第一制造大国，更是世界第一使用大国，无论是制造设备还是终端消费品，中国都拥有最庞大的使用数据。如果能够很好地分析使用，这些数据将成为中国制造2025 的核心竞争力。

世界经济论坛（World Economic Forum） 发布的世界经济体竞争力研究报告( e Global Competitiveness Report 2014-2015)，按照增长驱动方式不同将经济体的竞争力分为需求驱动型、效率驱动型和创新驱动型，中国是全球前五大经济体中唯一被划为效率驱动型的国家，而其他工业强国则都是靠创新驱动增长。2012 年美国与德国几乎同时启动了新一轮的国家工业革新计划，就是所谓的“第四次工业革命”，在新一轮变革浪潮中如何探索出一条适合自己的创新之路，是中国各个工业领域都在探讨的问题。

未来工业时代，比的是谁能给客户创造更大的价值

第四次工业革命在德国被称为“工业4.0”，在美国称作“先进制造业伙伴计划”，在中国则被称之为“中国制造2025”，每个国家都有自己的理解和实施路径，这与自身的国情和竞争力的特征密不可分，但我们要透过表象去看本质。第四次工业革命与前三次工业革命最大的区别在于：不再以制造端的生产力需求为起点, 而是将用户端的价值需求作为整个产业链的出发点。改变以往工业价值链从生产端向消费端、从上游向下游推动的模式，从用户端的价值需求出发提供定制化的产品和服务，并以此作为整个产业链的共同目标，使整个产业链的各个环节实现协同优化。

这一切的本质是工业视角的转变。第四次工业革命使制造过程和价值向使用端延伸，过去是比谁能造出更好的产品，现在比的是谁能给客户创造更大的价值。核心产品与服务就像“蛋黄”和“蛋白”的关系，以往企业只关注在核心产品中的竞争，却忽略了“蛋白”部分的创新服务。对用户而言，“蛋黄”部分满足的是可见的需求，而“蛋白”部分却可以挖掘和服务用户不可见的需求。

举例来说，大家在购买汽车的时候都会将省油作为重要的参考指标，于是汽车企业不断通过使用更轻的材料、改进发动机效率等方式来改善汽车自身的油耗。但是驾驶行为对油耗的影响也非常大，为什么没有企业去关注呢？因为驾驶习惯对于用户而言不可见，用户在买汽车时不会提出管理驾驶习惯的要求。以往我们将产品卖给客户之后就几乎到达了生产价值链的终点，然而新工业革命时代将价值链进一步延伸: 以产品作为服务的载体，以使用数据作为服务的媒介，在使用过程中不断挖掘用户需求的缺口，并利用数据挖掘所产生的信息为用户创造价值。

智能制造6M+6C，实现生产端与客户价值的无缝连接

应该如何利用煎蛋模型来看待第四次工业革命？智能制造系统中6M+6C 的模式就好比“蛋黄”与“蛋白”。传统的制造系统在前三次工业革命中主要在5M 的领域实现了技术突破，它包含了：

而在第四次工业革命中，制造业的第六个M 将会起到关键作用：

做强“蛋黄”的一个重要观点，就是如何通过数据的建模与分析反观制造过程，也是强调一个国家怎么样从数据里面找出未来竞争的实力。以中国为例，中国是制造大国更是使用大国，比如船舶、飞机、机车等等，制造能力可能不是最强，但却有着其他国家无法比拟的使用数据量，如果能从使用端投入分析力量，则不失为反向突破中国制造的有效途径。

在做强“蛋黄”的同时，还要通过服务把“蛋白”做大，这是赢得未来持续竞争力的关键。美国与德国在战略层面上的共识就是：将物联网、生产系统和务联网（service network）通过‘网络—信息系统’连接起来，实现生产端与客户价值的无缝连接。这其中包含的要素主要是6 个C ：

这正是工业4.0 环境下的智能制造与智能服务系统模式开展的有效途径，现有的制造系统需要对制造设备本身以及制造过程中产生的数据进行更深入的分析，将数据转化成为能够指导生产活动的信息，再利用信息产生优化的决策和个性化的服务来创造价值。6M+6C 的观念也与中国政府提出的工业化与信息化两化深度融合的战略不谋而合。

分析挖掘庞大的使用数据，将成为中国制造的竞争力

发现用户价值的缺口、发现和管理不可见的问题、实现无忧的生产环境( 即无需担忧质量、安全和污染的生产环境)，以及为用户提供定制化的产品和服务, 这些都离不开对数据的分析挖掘。我相信第四次工业革命将给中国带来更大的机会空间，因为中国不仅仅是全球第一制造大国，更是世界第一使用大国，无论是制造设备还是终端消费品，中国都拥有最庞大的使用数据。然而这些数据并没有被很好地加以分析利用，这方面只是存在潜力，并没有形成真正的竞争力。

未来工业界的机会空间可以分为四个部分。第一个部分是满足用户可见的需求和解决可见的问题。这方面依然有中国制造需要补的课，比如质量、污染和浪费等问题，需要的是持续改善与不断完善的标准化。第二个部分在于避免可见的问题, 需要从使用数据中挖掘新的知识为原有生产系统和产品增加价值。比如汽车能在接近事故高发区警告司机减速。 第三个部分在于利用创新的方法与技术去解决未知的问题，比如从生产数据中寻找生产工艺与方法的优化方式，以及利用智能传感找出与了解未知问题等，比如手环管理睡眠质量，都是使不可见的问题透明化，进而去管理和解决不可见的问题。第四个部分是去寻找和满足不可见的价值缺口，避免不可见因素的影响，比如，你要拍一朵花，相机能告诉你花的名字；汽车轮胎可以自我监测，并在胎压过低的时候提醒司机，以节省汽油并避免交通事故。

这就需要利用数据分析产生的智能信息去创造新的知识和价值，这也是第四次工业革命的最终目标。