要实施工业互联网，应该从哪里入手？如何拥抱这个必然发生的未来？

我觉得大家大可不必焦虑，在我看来真正的工业互联网还没有真正开始，所有一切都在从各个角度进行一些探索和准备，每一个企业可以找到自身的切入点进行尝试。

在这个过程当中，有几个关键方向倒是需要密切把握和关注的。

首先，我们需要问自己，工业互联网和我们的现有产品之间是什么关系？如果工业互联网要大行其道的话，每一个产品必须和嵌入式的芯片整合在一起，产品的整体，乃至产品的各个细分的模块，都应该可以被标识、被追踪、被管理，而且是全生命周期的整体性管理。

在这个基础上才能建立起完全新型的产品设计库和数据库，我们才能进入工业互联网的全流程管理环节。

德国人将智能工厂和智能生产作为他们未来工业智能化的关键所在。在智能工厂里他们特别关注围绕产品的设计、生产的设计、工程的设计，以及最终产品的制造，这一过程实际上是融合了产品智能化，设计虚拟化和生产自动化的全过程。

在我们完成了第一步产品的智能化嵌入，以及身份识别之后，我们才有可能进入真正的虚拟化设计环节。

所谓虚拟化设计就是用尽量多的软件来完成原有的产品设计、样品制造、性能测试，乃至各种模拟和仿真。在这一方面传统的自动化软件、仿真软件可以发挥巨大的作用，他们只要和我们新的工业互联网理念整合在一起就够了。

但是真正意义上的产品数据管理（Product Data Management，PDM）和产品生命周期管理（Product Lifecycle Management，PLM），需要企业在管理上和设计流程上进行很大的改变，而这一方面当今的很多中国企业其实并没有准备好。

虚拟化设计环节完成之后就可以进入自动化的制造环节，在这一环节德国人给出了一个非常有意思的概念叫做“自己生产自己”。

其实当所有的零部件被赋予标签，在设计环节赋予了它准确的产品身份和出厂场景的设定之后，生产线和被生产的产品之间的对话就是自然发生的事情了。

这时机器人的介入，包括生产机器人、运输机器人，还有智能库存的管理就变得顺理成章。这种高度自动化的生产将使生产效率和生产的柔性化得到极大的提高。

丰田公司在汽车行业早已实现了生产的高度柔性化。今天以德国和日本汽车业为代表的汽车行业，可以说是智能生产领域的先驱，他们对智能机器人和自动化设备的使用是非常领先的。更进一步，德国人正在探索更新的智能化工厂。

西门子在他们位于德国安贝格的西门子电子制造工厂（EWA），尝试使用我们谈到的智能化生产的各种要素，来颠覆式地重塑他们的生产工艺和流程。

因为生产的高度智能化、自动化，还有产品的模块化、标准化以及标签化，可以使得产品制造过程达到高度的柔性，其生产流程可以伴随着不计其数的组合和错综复杂的供应链变化进行持续的优化，而效率又可以获得很大提升。

这一家工厂在生产面积没有变化的情况下，产能却在采用新的智能化设备之后提升了8倍，产品质量更是比25年前提高了40余倍。EWA的产品质量合格率高达99.9988%。

他们每年能生产出约1200万件西门子的PLC产品，几乎平均每秒就能生产出一件产品。当智能工厂和智能生产进入这样高度的自动化和柔性化之后，所产生的巨大信息和数据，反过来又能够不断地作为优化制造和设计的基础数据源，这时大数据分析自然就派上了用场。同时，累计的历史数据、维修数据、各种材料数据，又可以构建出更大的虚拟的产品库。

在这一方面，美国的GE公司在航空发动机的生产和维修方面也在进行着积极的探索。

对航空发动机的在线监控和故障诊断，是确保每一台航空发动机这一飞机心脏安全运行的至为重要的技术

。但是如果将发动机从生产到维修的所有数据全部整合在一起，进行一种全生命周期的模拟的话，所带来的数据分析质量和对故障的预测程度就远非在线实时监控所能比拟了，也就是说我们可以用软件构建一个完全虚拟意义上的发动机模型，而这个发动机是我们所拥有的实时监控数据和历史上的生产数据、维修数据、材料数据乃至天气等数据的集合，这个虚拟发动机集合了如此众多的数据信息，它对故障的预测和预防性维护水平将是单纯的在线数据监测所无法比拟的，而这个模型在大数据技术和高效的建模技术出现之前是不可想象的。

这一切将为积累大量技术的生产型企业进行高质量的产品质量维护、故障监测、故障预维护，以及产生新的服务项目奠定坚实的基础。同时，在系统层面上，可以对原有系统的效率进行更大范围的优化。因为系统的复杂度按照网络效应的计算，远远大于单台设备，或者若干机组的组合，对系统的重新建模分析，找到系统优化点，这一工作已非人力可以介入。

大规模的建模和大数据分析必然会发挥更为关键的作用。这在计算资源高度分布发达，芯片价格极其低廉，而且网络，尤其是无线网络随处覆盖的今天和未来，将变得触手可及，且十分廉价。在今天，每一个公司都可以展望工业互联网的未来，做出自己工业互联网的未来设计。

这一路径正在被探索，但是还没有标准路径，然而我们需要注意到的几个关键障碍，却是在实现这个道路的过程中需要关注的。

首先，今天的工业思维依旧是产品思维和硬件思维，而未来的工业互联网首先应该是软件思维，其次是网络和大数据思维。所谓软件思维就是说未来产品，即便软件不占到绝对统治的地位，至少和硬件是同等重要。

而今天的工业企业依旧把软件功能作为硬件功能的附加，这一现象在几乎所有的大型工业企业身上都存在，这一传统思维方式似乎很难改变。

那些能够突破这种思维方式的公司将脱颖而出。苹果就是用软件定义硬件，并且开辟了新的产业未来的佼佼者。

各行各业里的苹果在我看来都会逐渐脱颖而出，那些不能够将软件置于未来产业重要地位的公司，将失去工业互联网的未来。其次，产品的架构设计将不再依循传统的硬件大规模设计的方式。

快速的迭代，类似于软件开发的设计方式，可能会大行其道，这就需要建立一种完全新型的系统化设计架构，而这一架构在当下即使是很领先的美国和德国的大型制造型企业当中，也是缺乏的，这需要每一个企业去做出勇敢的实践和探索。

最后，在标准方面，今天没有哪个企业，也没有哪个国家对未来工业互联网提出完整意义上的标准。没有标准，每一个企业就无法在数据通信层面上达成一致，在数据安全方面也更没有一套保障的机制和体系。

德国人在智能工厂方面正在建立自己产业同盟间的产业标准，美国人以AT&T、思科（Cisco）、通用电气（GE）、IBM和英特尔（Intel）为基础成立的工业互联网联盟（Industrial Internet Consortium，IIC），也在制定通信协议方面的标准。

对标准的参与和密切关注是每一个企业在设立自己的工业互联网路线图时必须关注的关键，关于工业互联网的未来，其实也和今天的互联网发展的未来一样，恰如硅谷著名的科技预言家凯文凯利所说的那样，未来20年最重要的发明今天还没有出现。我在这里想说的是，关于工业互联网，未来到底是如何，其实今天也不清楚。

但是本书中所给出的各种探索和思考，希望能够提供一些基本的框架和方向，让我们在尝试的过程中逐渐完善，更重要的是中国企业可以在这个过程中找出一条自己的道路，创造一条产业转型升级的工业互联网的未来。