从“工业3.0”到“工业4.0”

　　相信所有人对人类历史上前两次工业革命都不会陌生，但第三次工业革命的起始点貌似很多人都不太明确，其实，第三次工业革命始于上世纪（20世纪）四五十年代开始，以爱因斯坦、冯诺依曼等科学家为代表的原子能、电子计算机等技术的发明为主体，是涉及信息技术、新能源技术、新材料技术、生物技术、空间技术和海洋技术等诸多领域的一场信息控制技术革命。如今，距离这场工业革命已经过去了半个多世纪，人类整体的工业水平也达到了前所未有的高度，德国在这个时期率先提出“工业4.0”，也就是第四次工业革命的计划，究竟包含了哪些因素？

　　“工业4.0”提出的背景

　　根据德国政府的报告《未来图景“工业4.0”》（Zukunftsbild“Industrie 4.0”），“工业4.0”提出的外部原因有两个，一是美国等发达国家的“再工业化”带来的刺激，二是以中国为首的新兴国家的崛起使得德国产品在国际市场上的地位受到挑战。因此“工业4.0”的提出并不完全是德国制造业领先的体现，也是面对日益激烈的国际竞争所催生出的应对计划。而内部原因在于，德国本来就是制造业强国，想要保持并提高自己的优势，一个是需要更高的技术，还有就是高效率的创新体系。

　　“工业4.0”包括哪些概念？

　　我们先来看一下“工业4.0”的三大主题，其实整个“工业4.0”的主题都是围绕着一个“智能化”所展开的。

　　一是 “智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；

　　二是 “智能生产”，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。

　　三是 “智能物流”，主要通过互联网、物联网、物流网，整合物流资源，充分发挥现有物流资源供应方的效率，而需求方，则能够快速获得服务匹配，得到物流支持。

　　按照官方的解释，“工业4.0”的核心概念为 “信息物理系统”(Cyber—PhysicalSystem)，其实就是指要在任何层面上将实体与虚拟紧密结合，实体的行为可已通过虚拟系统监测，虚拟系统同样可以指导控制实体的行为，这与我们现在所提的无论是互联网+、O2O、还是云计算、大数据、物联网这些技术层面上的名词都有着异曲同工之处，其目标都是建立一个高度灵活的个性化和智能化的产品与服务的生产模式。在这种模式中，传统的行业界限将会消失，渠道被压缩，产业链分工将被重组，企业可直接对接到消费者，并以此产生出各种新的活动领域和合作形式。

　　比如今年三月份海尔所建设的四家以“智能化”为主题的“互联工厂”，就十分有效的解决了以下这些问题。

　　传统制造业工厂采取平铺式布局的大规模生产，产品品种单一，标准化，难以满足用户多种多样的需求，而定制生产又存在成本高、效率低、交货慢等诸多问题，而根据“工业4.0”所提出的三大智能化主题所构建的“互联工厂”采用了立体化的工厂布局，通过智能化信息管理系统、RFID无线射频等技术模拟了上千种工厂物流，从而实现了 大规模定制生产，生产成本低、效率高、交货快，又满足了用户多样化与个性化的产品需求。同时企业将不仅仅进行硬件的销售，更是通过提供完善的售前售后服务与多种多样的增值服务，以获取更多的附加价值。

　　通过上文我们基本了解了将虚拟与实体所结合的重要意义，不难看出要实现这点就一定需要一个强大的智能化信息系统来实时处理，而什么样的系统才能算真正意义上的“智能化”系统呢？

　　“数字化”与“智能化”其实是两个概念

　　“数字化”是第三次工业革命的技术产物，就是将许多复杂多变的信息转变为可以度量的数据，再以这数据建立起适当的数字化模型，转变为一系列二进制代码，引入计算机内部，进行统一处理。简单来说其完成的仅仅是大量信息存储与管理的这一步，对于“工业4.0”，我们需要的不仅仅是“数字化管理”，真正需要的是“智能化管理”，而真正的“智能化”又有着怎样的衡量标准呢？

　　智能一般具有以下这些特点：

　　一是具有感知外部世界、获取外部信息的能力。比如通过无线射频识别技术（RFID）可近距离和远距离随时随地读取、控制、检测和跟踪具备RFID标签的物体。

　　二是具有记忆和思维能力，能够利用已有的知识对信息进行分析、计算、比较、判断、联想、决策。这里的“记忆”即可以理解为存储功能，“思维”并不一定是真正意义上可以像人类那样思考，可以是通过程序设计人员设计的一系列逻辑算法，将系统所感知与记忆的数据进行逻辑运算处理，从而得出从数据角度上客观的判断与决策。

　　三是具有学习能力和自适应能力，即通过与环境的相互作用，不断学习积累知识，使自己能够适应环境变化。如果你觉得上面两点并不“智能”，因为目前世界上任何一台简单的计算设备（如手机）都已经具备了以上两点的能力，但从这里开始便开始引入一个深层次的智能化概念那便是 “深度学习”。

　　所谓的深度学习简单来讲便是通过“人工神经网络”的研究，通过计算机模拟类似于大脑的多层次“神经回路”，层次越深，则越接近人脑。从最早Google使用1.6万个CPU（中央处理单元）所模拟的9层“神经回路”计算机在观看了一个星期的1000多万部Youtube视频截取的图像后，最终能在约10亿个参数中自然而然的识别出哪些是“猫”，并且在模拟神经元处出现了和人脑内神经元一样的放电现象，研究成果一经发布便引起了世界范围内的轰动，随后包括微软、苹果、等所有互联网巨头都相继推出了自己的“大脑计划“，而“百度大脑”（百度深度学习研究院）在招纳了世界著名“人工智能”科学家吴恩达博士后更是宣称其在“深度学习”领域已经超过了苹果和谷歌，。

　　目前“深度学习”最大的应用便在于“图片识别”与“语音交互”，比如我们目前所使用的包括Siri在内的各类语音助手、图片搜索引擎，工业自动化加工、装配生产过程的图像识别监测等等，所带来的是效率是革命性的提升。但应用绝不仅于此，未来的“智能化”工业城市将会有更加海量的“大数据”需要具备“深度学习”的智能系统来处理 ，其真正意义在于计算机将成为一个能像人类一样能“独立思考”的智慧大脑来帮助处理海量信息的分析与决策。

　　第四是具有行为决策能力，即对外界的刺激作出反应，形成决策并传达相应的信息。这一点便很好理解了，具备以上三点相当于具备了“人的大脑”，而具有对外界刺激做出反应的能力便相当于具备了“人的躯体”，这个躯体不一定非要是实体上的，就像上面所提到的“神经元系统”，它能对外界刺激做出反射，便可以理解为具有行为决策能力。

　　所以，完全具备了以上特点的系统则称为智能系统或智能化系统。

　　“工业4.0”差的就是“智能化”

　　而如今能在真正意义上实现“智能化”的制造业工厂寥寥无几， 从内部因素来看，其主要原因在于传统制造业先导意识薄弱，大部分企业经常处于“被迫转型”而不是“主动创新”的一个状态，没有足够的意识来投入基础设备的购买与智能化系统的研发，这在工业化水平较为落后的中国是极其常见的。 而从外部因素来看，“人工智能”理论基础虽日益完善，但由于硬件技术发展很难跟上科技理论的步伐，所以距离真正意义上的“智能化”还有一段路程要走的。但科技发展向来都是呈指数式增长的，企业必须时刻做到“居安思危”，应对局势变化的准备，新技术的爆发谁也不能预测。

　　总之在“工业4.0”的进程中，机遇与挑战并存，所有传统企业都应该率先抓住机遇，努力向“工业4.0”迈进，不能等到政府提出了相关的计划政策才有所触动，在这个“大众创业，万众创新”的时代，所有人都在思考，都在想方设法推动工业化的车轮，为社会创造更高效的价值，传统企业掌握着大部分的社会资源更应该起到带头作用，自我升级，如果没有足够的前瞻意识，再大的优势也可能被顷刻间颠覆，最终被时代淘汰也是在所难免。