中國制造2025的核心競爭力

世界經濟論壇（World Economic Forum）發布的世界經濟體競爭力研究報告（Te Global Competitiveness Report 2014-2015），按照增長驅動方式不同將經濟體的競爭力分為需求驅動型、效率驅動型和創新驅動型，中國是全球前五大經濟體中唯一被劃為效率驅動型的國家，而其他工業強國則都是靠創新驅動增長。2012年美國與德國幾乎同時啟動了新一輪的國家工業革新計劃，就是所謂的“第四次工業革命”，在新一輪變革浪潮中如何探索出一條適合自己的創新之路，是中國各個工業領域都在探討的問題。

未來工業時代，比的是誰能給客戶創造更大的價值

第四次工業革命在德國被稱為“工業4.0”，在美國稱作“先進制造業伙伴計劃”，在中國則被稱之為“中國制造2025”，每個國家都有自己的理解和實施路徑，這與自身的國情和競爭力的特征密不可分，但我們要透過表象去看本質。第四次工業革命與前三次工業革命最大的區別在于：不再以制造端的生產力需求為起點，而是將用戶端的價值需求作為整個產業鏈的出發點。改變以往工業價值鏈從生產端向消費端、從上游向下游推動的模式，從用戶端的價值需求出發提供定制化的產品和服務，并以此作為整個產業鏈的共同目標，使整個產業鏈的各個環節實現協同優化。

這一切的本質是工業視角的轉變。第四次工業革命使制造過程和價值向使用端延伸，過去是比誰能造出更好的產品，現在比的是誰能給客戶創造更大的價值。核心產品與服務就像“蛋黃”和“蛋白”的關系，以往企業只關注在核心產品中的競爭，卻忽略了“蛋白”部分的創新服務。對用戶而言，“蛋黃”部分滿足的是可見的需求，而“蛋白”部分卻可以挖掘和服務用戶不可見的需求。

舉例來說，大家在購買汽車的時候都會將省油作為重要的參考指標，于是汽車企業不斷通過使用更輕的材料、改進發動機效率等方式來改善汽車自身的油耗。但是駕駛行為對油耗的影響也非常大，為什么沒有企業去關注呢？因為駕駛習慣對于用戶而言不可見，用戶在買汽車時不會提出管理駕駛習慣的要求。以往我們將產品賣給客戶之后就幾乎到達了生產價值鏈的終點，然而新工業革命時代將價值鏈進一步延伸：以產品作為服務的載體，以使用數據作為服務的媒介，在使用過程中不斷挖掘用戶需求的缺口，并利用數據挖掘所產生的信息為用戶創造價值。

智能制造6M+6C，實現生產端與客戶價值的無縫連接

應該如何利用煎蛋模型來看待第四次工業革命？智能制造系統中6M+6C的模式就好比“蛋黃”與“蛋白”。

傳統的制造系統在前三次工業革命中主要在5M的領域實現了技術突破，它包含了：

而在第四次工業革命中，制造業的第六個M將會起到關鍵作用：

做強“蛋黃”的一個重要觀點，就是如何通過數據的建模與分析反觀制造過程，也是強調一個國家怎么樣從數據里面找出未來競爭的實力。以中國為例，中國是制造大國更是使用大國，比如船舶、飛機、機車等等，制造能力可能不是最強，但卻有著其他國家無法比擬的使用數據量，如果能從使用端投入分析力量，則不失為反向突破中國制造的有效途徑。

在做強“蛋黃”的同時，還要通過服務把“蛋白”做大，這是贏得未來持續競爭力的關鍵。美國與德國在戰略層面上的共識就是：將物聯網、生產系統和務聯網（service network）通過‘網絡-信息系統’連接起來，實現生產端與客戶價值的無縫連接。這其中包含的要素主要是6個C：

這正是工業4.0環境下的智能制造與智能服務系統模式開展的有效途徑，現有的制造系統需要對制造設備本身以及制造過程中產生的數據進行更深入的分析，將數據轉化成為能夠指導生產活動的信息，再利用信息產生優化的決策和個性化的服務來創造價值。6M+6C的觀念也與中國政府提出的工業化與信息化兩化深度融合的戰略不謀而合。

分析挖掘龐大的使用數據，將成為中國制造的競爭力

發現用戶價值的缺口、發現和管理不可見的問題、實現無憂的生產環境（即無需擔憂質量、安全和污染的生產環境），以及為用戶提供定制化的產品和服務， 這些都離不開對數據的分析挖掘。我相信第四次工業革命將給中國帶來更大的機會空間，因為中國不僅僅是全球第一制造大國，更是世界第一使用大國，無論是制造設備還是終端消費品，中國都擁有最龐大的使用數據。然而這些數據并沒有被很好地加以分析利用，這方面只是存在潛力，并沒有形成真正的競爭力。

未來工業界的機會空間可以分為四個部分。第一個部分是滿足用戶可見的需求和解決可見的問題。這方面依然有中國制造需要補的課，比如質量、污染和浪費等問題，需要的是持續改善與不斷完善的標準化。第二個部分在于避免可見的問題，需要從使用數據中挖掘新的知識為原有生產系統和產品增加價值。比如汽車能在接近事故高發區警告司機減速。 第三個部分在于利用創新的方法與技術去解決未知的問題，比如從生產數據中尋找生產工藝與方法的優化方式，以及利用智能傳感找出與了解未知問題等，比如手環管理睡眠質量，都是使不可見的問題透明化，進而去管理和解決不可見的問題。第四個部分是去尋找和滿足不可見的價值缺口，避免不可見因素的影響，比如，你要拍一朵花，相機能告訴你花的名字；汽車輪胎可以自我監測，并在胎壓過低的時候提醒司機，以節省汽油并避免交通事故。

這就需要利用數據分析產生的智能信息去創造新的知識和價值，這也是第四次工業革命的最終目標。