兩年前的云棲大會上，馬云提出以“新零售”為代表的“五新”戰略。他此次重提新制造的理念，表示新制造會以數據為核心，完美地結合制造業和服務業。他預言IoT、芯片、人工智能、大數據云計算，所有這些將從根本上顛覆價值創造的模式。

頭部企業加速攫取智能制造紅利

馬云所提的新制造，實際就是智能制造的另一種說法。智能制造是由物聯網系統支撐的智能產品、生產和服務的流程、系統和模式的總稱。雖然目前仍有大量企業對人工智能、工業物聯網等技術持觀望態度，但近幾年，各行業頭部的企業已經悄悄搶跑，開始攫取智能制造的紅利。近日德勤公司發布的《2018中國智能制造報告》就主張，中國的智能制造發展已經進入高速成長期。

早在2013年，德勤公司就曾對中國200家制造型企業進行過類似調研，當時智能制造產品和服務貢獻的利潤在總利潤中占比過半的企業僅占企業總數的14%，而2017年時這樣的企業占總數的33%。另一方面，2013年時絕大多數（55%）的企業這一貢獻率低于10%，而如今47%的企業這一貢獻率已經大于30%。這說明無論從規模還是盈利能力來說，中國企業對智能制造產品和服務的利用呈上升趨勢。根據德勤公司的說法，主要是由于生產效率和產品服務價值的提升給企業帶來了利潤。

然而德勤的報告有意無意地回避了一個事實。

此次德勤調研的對象是大中型企業，主要以民營（53%）和外資（29%）企業為主。而且從行業分布上來看，高端裝備制造（26%）、電子元器件及電器制造（23%）、汽車及汽車零部件（22%）占絕大多數。這些企業本就更易于接受智能制造的理念，也更容易從相關技術的應用中受益。因此，德勤的報告未必能說明中國的制造業全體已經對智能制造給予了足夠的投入和重視，但可以肯定的是，制造行業中的領跑者已經嘗到了智能制造的甜頭。

嘗鮮者眾，唯有智者砥礪前行

既然有人已經看到了智能制造的好處，為什么我們沒有看到制造業熱捧智能制造的情況出現呢？答案很簡單。智能制造仍然是有門檻的，并非所有企業都有足夠的決心在智能制造的道路上砥礪前行。淺嘗輒止的大有人在。

根據德勤公司的報告，中國制造商發展智能制造的路徑可分為“計算機化/連接/可視化/透明性/預測/自適應”六個階段。

計算機化：這一階段通過計算機化高效處理重復性工作，并實現高精度、低成本制造。但不同信息技術系統相對獨立，很多設備并不具備數字接口。

連接：各信息技術（IT）系統相互關聯，實現運營技術（OT）系統的互聯互通，但IT與OT并未完全整合，依舊基于人工經驗決策。

可視化：通過現場總線和傳感器等物聯網技術，捕獲實時數據，建立企業的數字化映射（又稱“數字孿生”），轉變為基于數字進行決策。企業在當前階段僅了解狀態，不完全了解背后的成因。

透明性：通過根本原因分析生成認識。企業在當前階段只了解目前問題的根源，不能預測未來發展。

預測：利用數字化映射，模擬不同情景以預測未來發展。但企業尚不能持續、自動化地應對。

自適應：自動地進行決策并采取行動，能夠持續地適應變化的經營環境。這是智能制造的最高階段。

德勤的統計結果顯示，81%的受訪企業已經完成了第一階段（計算機化），處于第二階段（連接）的企業占41%，第三階段（可視）占28%，第四階段（透明）僅占9%，后兩個階段（預測與自適應）各占2%。換句話說，大部分企業對智能制造技術的應用還處于比較基礎的感知階段（計算機化、連接、可視化），能夠堅持向智能制造的高級階段（透明性、預測、自適應）發展的企業極少。

沃頓商學院的信息技術研究院院長兼創始人Bill Hardgrave認為，感知階段只能解釋過去發生了什么，并且要經過比較長的時間才能對各種信號（例如銷售、市場、客戶購買行為、溫度）做出反應，這樣是來不及的。要想在競爭中勝出，組織必須能夠在事件發生之前就進行預測并采取行動，也就是提升到“預測”和“自適應”這兩個階段。

工業物聯網解決方案供應商Uptake的創始人兼執行總裁Brad Keywell則給出了一個近似的量化指標——分析工業物聯網收集的數據產生的“預測性洞見”，能給生產力、可靠度與安全性帶來絕佳機會，每1塊錢投資都能換回3塊錢的回報。但這么做的前提是要充分了解怎樣運用聯網設備的優勢。如果能利用數據進行根本原因分析，用于預測性分析指導企業的行動，開發預測模型支持決策，這樣的智能制造企業無疑能爆發性地跟前三個階段的對手拉開差距。

以制造為依托，在模式上發力

馬云已經看到了智能制造尚未被挖掘出的巨大潛力。他在云棲大會上斷言，如果把制造業所有的機器設備、所有生產線的數據全部打通、智能化，將從根本上顛覆價值創造的模式。他還主張，新制造的競爭力不在于制造本身，而是制造背后的創造思想、體驗和服務能力。

一些業已取得領先優勢的制造型企業的做法與馬云的論斷不謀而合。他們借助智能制造技術打好的基礎，充分探索商業模式上的創新，增強對客戶的吸引力。比如壓縮機Kaeser Compressors公司深知制造業廠商習慣采購能運作二、三十年的“耐用”設備，所以很難滿足敏捷性方面的要求，故此提出了十分有誘惑力的方案?？蛻魺o需購買其壓縮機設備，可以選擇按照每分鐘消耗多少立方英尺的壓縮氣體來付費?？蛻艨梢源蟠鬁p少初期固定資本占用的資金，又可以在需求變動時十分便捷地調整設備數量和種類，因此這種產品即服務（PaaS）的新模式大受歡迎。

另一些企業干脆顛覆傳統模式，將付費方和使用方分離，讓免費提供的產品成為了數據資源的生產源頭。谷歌旗下的NestLabs就與電力公司合作推出政策，只要消費者與該電力公司簽署兩年的合約，就可以免費得到Nest的溫控產品。Nest的硬件產品的付費方由消費者變成了電力公司，而使用方（Nest產品的用戶）的用電大數據變成了電力公司重視的寶藏。制造商、付費方和使用方三方各取所需。

還有的企業則利用大數據能力，對用戶價值進行深度挖掘。比如，紅領集團通過自行打造的C2M電商平臺實現了大規模定制化生產。顧客在平臺上自主設計，選擇想要的款式、面料、裁剪等參數；CAD部門為每個顧客進行大數據制版，將各部分制作工藝的數據分解，傳輸到布料配給部門；分配好的布料經過個性化裁剪，進入流水線流轉；工人在終端上看到客戶的要求，根據技術數據進行手工或機械縫制。整個流程從下訂單到出廠僅需7個工作日，并做到“一人一版，一衣一款”，而成本僅為非定制西裝的1.1倍。這種模式堪稱是以規?；某杀咎魬鸲ㄖ苹a品的不對稱戰法。

面對智能制造帶來的新機會，領先的制造企業沒有滿足于對生產、流程等數據的感知，而是努力向智能制造的更高層級邁進，積極探索新的可能性。也正因為如此，業內對智能制造猶豫不決的同行會被這樣的企業甩開越來越大的差距。難怪馬云不客氣地做出了這樣的論斷：“新制造的班車已經開始啟動，不加速自己企業，不去擁抱未來的變化，不改革自己，我相信未來10-15年，大家都會哭天喊地?！?/p>