「来源:｜中国企业家俱乐部ID：cec」
消费互联网的巅峰已过，而工业互联网的大幕才刚刚拉开。
作者
许小年（中国企业家俱乐部顾问、中欧国际工商学院经济学和金融学教授）
互联网在我国经历了病毒式的增长，特别是在消费者这一端，它的冲击波及各个行业，零售、邮寄、支付、贷款、出行、医疗、养老、教育、娱乐、媒体，耕耘了所有的收入阶层，产品覆盖了高端国际国内品牌、中产阶级的大宗日常消费，一直到各种仿冒商品。
目前国内除了少数科技公司，互联网尚未进入企业内部。
企业内部机器和人的互联（M2P）、机器和机器的互联（M2M），当然也有人和人的互联，被笼统地称为工业互联网或者物联网，其意义、逻辑和实现路径与我们熟悉的消费互联网大不相同。
工业互联网的意义在于和大数据相结合，或者说大数据就是工业互联网的一部分，使企业有可能完成过去难以想象的工作。
例如C2M和大规模定制，全面提高企业的生产和经营效率，提供新鲜而丰富的客户体验，积累数据为人工智能的应用创造条件，在生产领域乃至与消费者交叉互动的更大范围上形成生态，从中培育出新的业务、新的商业模式，并引起企业组织的深刻变革。
媒体上的“工业互联网”，除了人云亦云的趋势断言，便是笼统模糊的未来描绘，真正理解工业互联网的，是少数几家默默而艰难探索着的企业。
尽管凤毛麟角，它们之中的佼佼者已取得了突破性的进展。我们下面就以它们的实际操作为案例，介绍工业互联网的原理。
1
工业互联网的逻辑
以破除打板制约为例
工业互联网和消费互联网的一个重要区别就是它具有鲜明的行业和企业属性，不存在各个行业都适用的一般规律，我们只能通过案例的研究与讨论，理解工业互联网。
案例公司是一家位于山东的服装制造企业，生产定制西服，企业的产能长期受到瓶颈因素——打板的制约。
所谓打板，就是将三维尺寸转化为二维平面上的形状。
做过定制服装的读者都知道，裁缝师傅先要用柔软的皮尺给你量体，你的肩宽、腰围、背长都是不规则的弧线，你无法用几何公式精确画出图1中背片上的那条曲线ab，ab的长度、弧度与脖颈周长、肩膀及背部的弧度有关，但你又说不出准确的关系，脖子的周长可以量得，而肩膀和背部的弧度是皮尺量不出来的。
没有准确公式，我们就无法利用电脑发出指令，操纵机器裁剪布料，因而不可能进行大批量的工业化生产。
图1.打板之难
在目前的定制服装行业，裁缝只能依据多年的经验，以脖颈周长为主，参照其他相关尺寸，确定ab的长度和弧度。
体会一下三维曲面转换为二维平面的困难，读者不妨设想在一个橘子上画出世界地图，剥开橘子，摊平橘子皮，上面的世界各国的图形会变成什么样子？再把摊成平面的橘皮合拢起来，做成地球仪呢？
三维立体到二维平面，再从二维平面到三维立体的转换，这是服装个性化定制的最大难点，目前只能手工完成。
裁缝师傅需要根据人体的十几个尺寸，在布料上画出西服上衣的领子、前襟、袖子、背片等几十个图形，分别裁剪，再将几十片布缝起来。成衣既要穿着贴身舒适，又要看着挺括潇洒。这个技术含量很高的操作不是一般人能做的，经验的积累至关重要。
受到经验的限制，定制服装的商业形态一直是裁缝师傅开店，带几个徒弟，规模做不大，交货期长和价格高成为行业的两大痛点。
传统服装制造厂家的应对方式是制作标准板型，根据人体数据的统计分析，设计小、中、大、超大等型号，但标准板型只能做到长短大致合身，无法满足身材高低胖瘦的个性化需求，仅适用于较为宽松的休闲外衣和内衣。
西装和衬衫的合身要求比较高，大、中、小三码不够用，厂家不得不按领子或身高分出更多的规格。对个性化要求再高的，就必须到裁缝店量身定做了。
如何解决个性化需求和批量生产之间的矛盾？
这家山东企业革命性地采用大数据技术和计算机辅助设计（CAD），突破了裁缝师傅的稀缺资源制约，成功地实现了定制服装的流水线生产。
定制生产的原理说起来并不复杂，先在数据库里存储足够多的板型，比如说10万个，当客户张三前来订购时，电脑从数据库里找出和张三身材最接近的比如说李四的板型，相当于普通服装店里大、中、小三档变成了10万档，张三仍会感觉不合身吗？没关系，在李四板型的基础上，电脑用算法根据张三的尺寸进行微调。
张三的板型设计好了之后，存入数据库，不断丰富库里的板型。板型积累越多，后面的选配就越精确，设想如果存有全国14亿人的板型（大数据），打板就变成了简单的数据调用，边际成本是不是就接近于零了呢？
这项创新的实质是将裁缝师傅的经验数字化，存到数据库里，反复使用，突破打板手工作业的制约。
数据库就像陈年佳酿，积累的时间越久越有价值，大数据呈现出收益递增的特征，虽然递增的原因和消费互联网的梅特卡夫效应大不相同。
CAD仅为数字化技术应用的一个环节，打板完成后，系统自动生成每一块布片的工艺文件、材料文件、工时文件和财务文件。
电脑根据工艺文件将板型数据传到数控裁床，由机器自动裁剪，站在裁床旁边的工人给每一裁好的布片钉上RFID卡（万物互联），挂上吊架，带有传感器的布片开始在缝制车间游走。
每一布片的数据同时也被传到布料库，更新库存信息，如果发现库存降到了安全线以下，IT系统自动向供应商发出采购订单。
数控裁床裁剪
资料来源：图片来源于互联网
这么多的布片同时在吊挂系统上，由排产软件做实时运算，发出指令，将布片送至当前负荷较轻的机位上。
在这里请注意“实时运算”几个字，若以分钟为单位做实时计算，每台机器只取一个数据比如负荷率，一班8小时有个数据，若以秒为单位就有个数据。
一个车间里几百台设备，数千甚至数万片布，如何在每一时点上、将每一片布安排到“最合适”的机器上加工，排列组合的数量随着时点、布片或机器的增加而指数上升，没有大数据和云计算能力根本就无法完成这样的运算。
缝纫工人接到这片布，扫码读出加工指令，进行相应的操作，锁边、开扣眼、缝纫、熨烫，等等。完成加工后，扫码更新布片的状态，数据实时输入系统，再把这片布挂回吊架，让它向下一个加工点移动。
最后，分散在各个工位上、同属一件衣服的布片由系统指挥，集中在某一工位上，由工人拼缝为成衣，经过熨烫、包装，发给客户。请注意图中的西服是完全个性化的，款式、大小、颜色、布料都不相同，客户还可以要求绣上自己的名字或其他个人标志。
数字化企业的IT系统和物联网的对应
依托线上和线下的两张网，这家服装企业真正做到了C2M。
北京的客户在当地的感应式设备上量体，从移动端录单，输入个人的尺寸及选定的款式、面料等信息，云端的天网和山东的地网根据客户的定制需求运行，最终把服装送到他的北京家中。
从下单到交货，时间由过去的一两个月缩短为一周，与手工制作的裁缝店相比，价格降低50%左右，定制服装从高收入人群的奢侈品变成了中产阶级的普通消费品。
C2M以颠覆性的手段解决了困扰服装业最深的库存问题。
在时尚潮流迅速变化的今天，传统服装制造企业承受着越来越大的存货管理压力。厂家无法准确预测某一款式设计的需求量，备货少了有可能断供，临时补货根本来不及调整或更换生产线；备货多了又怕消费者喜新厌旧，卖不出去成了库存积压，而过时商品的处理通常要打折50%以上，这个损失只能由厂家和销售商承担。
在C2M的模式下，消费者先下单，企业再生产，从源头上消灭了库存，代价是消费者要等一周的时间，而不是在商店里立即取货。如果价格降低一半，相信很多消费者还是有耐心等候七天的。
2
工业互联网之难
既然工业互联网有如此大的效益，为什么在国内甚至科技发达的国家也进展缓慢呢？
生产制造与消费的区别在于个性化，很难形成经济批量。一款畅销的手机可以卖几百万甚至上千万部，一个爆红的App下载也可达到这个量级，产品研发费用均摊到千万部手机上，产生非常显著的研发规模经济效益。
然而规模效应只限于苹果、三星这些2C的手机品牌厂商，为它们代工的制造厂家（如富士康）就没有那么幸运了。
以手机外壳为例，加工工艺一般为冲压，将一块金属片放在模具上，开动冲床一次压制成型。一套模具如果能冲制10万个手机壳，则一款手机只需要几十套模具就够了。
这让代工厂感到为难，为生产苹果机壳的这几十套模具专门投资建一条流水线吗？模具批量太小，无法回收生产线投资。接受三星的订单以放大批量呢？三星有它自己的要求，苹果模具生产线上未必能做。
不仅为三星代工困难，而且如果明天苹果推出新机型，现有的模具生产线说不定都无法利用，或者起码也要经过改造，但改造投资又会是多少？由于没有规模经济效应，模具生产的通行方式是单机加工零件，手工装配。不管自制还是外购，手机代工厂的模具成本都会高居不下。
读者或许会问，能否像上面介绍的服装企业一样，设计一条数字化和个性化定制的模具生产线？
这正是产业互联网的思路，由一家企业开发出一个模具制造平台，多家企业使用以分担开发者的前期投入，降低模具成本。
这个想法虽好，在推行的过程中又碰到新的具体问题，首先要解决的是谁来做开发者。
工业互联网和产业互联网有着非常强的行业属性，生产制造过程中的工艺诀窍（know-how）行业与行业不同，同一行业中的企业与企业不同，掌握这些know-how是搭建产业互联网平台必不可少的前提条件。
从消费互联网起家的科技公司，如亚马逊或阿里巴巴，不熟悉制造业，一边学习行业知识一边开发互联网产业平台，事倍功半，由精通本行的企业来做，则更具优势。相对于“互联网思维”，工业互联网更需要“行业思维”。
这导致了产业互联网的一个悖论：只有行业专家才能开发行业平台，而行业专家开发的平台没人愿意用。
目前国内海尔的电器制造Cosmoplat、三一重工的工程机械制造、富士康的Beacon等平台都碰到了类似的问题。德国西门子的制造和管理平台Mindsphere主要在内部使用，由于没有外部企业使用而分担开发成本，西门子必须接受工业互联网综合收益相对较低的现实。
一个日渐流行的替代方案是社会分工，将工业互联网分为三层，应用层、平台层和基础设施层。
预计层级分工将成为工业互联网推广普及的主流模式，例如：
华为公司向客户承诺，一不碰底层的数据，二不碰SaaS层的应用软件，以此吸引企业使用华为的工业云；通用电气放弃了自建底层基础设施的计划，与亚马逊、微软在IaaS层展开合作；而西门子选择了亚马逊、微软和阿里巴巴作为云服务的供应商，自己则聚焦在SaaS层上应用软件的开发。
3
从工业1.0到工业4.0
工业互联网和曾被热炒的工业4.0之间是什么关系？
我们倾向于认为两者基本是一回事，仅在语境上有些微小区别。
“工业互联网”一词似乎更多指向线上的云平台，而“工业4.0”强调线下实体的互通互联，在很多场合下和“物联网”的含义大致相同。
毫无疑问，工业4.0需要互联网，但这并不意味着有了互联网就可以实现工业4.0。工业生产技术经过迭代升级发展到今天，每一代都以上一代为基础，每一阶段都是不可省略的，从工业1.0到工业4.0是个渐进和自然延伸的过程，没有因为互联网的出现而发生颠覆式的或断裂式的飞跃。
工业1.0的实质是机械化或动力化，蒸汽机代替水力、畜力和人力，后来又出现了电动机、内燃机与核动力。将单台设备连接起来，形成流水生产线，就是以自动化为主要内容的工业2.0。
20世纪下半叶，随着微处理机的普及，电脑在很多方面代替了人脑，计算机辅助设计、程序控制机床和设备等技术标志着工业3.0的到来。电脑不仅大大提高了机器的自动化程度，而且引起了管理的变化。
企业采用各种职能软件如以财务、人力资源为主线的ERP、客户管理系统CRM、仓库管理WMS、办公行政OA，等等，提高了管理的效率。在积极推动经营管理信息化的同时，企业也有意无意地为工业4.0准备了条件。
工业3.0存在重大的缺陷，信息被封闭在垂直和分立的管理流程中，形成“信息孤岛”或“信息深井”，信息流动不畅，利用效率不高。如何打通分立的系统，促进信息在企业各个业务单元、职能部门间更有效地流动，企业在积极探索的过程中，逐步从工业3.0走向了工业4.0。
工业4.0的基础是物理世界的数字化。从IaaS层往下是数据产生层。
不仅商店、车间、仓库、设备、车辆、材料、零件、工具和人员“万物互联”，而且“万物皆数”，现实世界中的人、财、物和包括文字、图像、声音在内的信息，都要转换为虚拟空间中的数字。
机床的物理形态在虚拟空间中消失了，变成了一组数据：设备编号、外表形状（数字化图像）、加工能力、加工精度、给定时点上的工作状态等。人员也表示为多维度的数据：员工编号、脸形、指纹、年龄、性别、职务、工作经历等。
没有数据，工业4.0就是无源之水，无本之木。只有彻底的数字化，才能做到万物互联。
从工业3.0延伸而来，又超越工业3.0，数字化和物联网为工业技术带来了质的突破。
运用工业4.0技术，过去难以想象的大规模个性化定制成为可能，C2M由远景变为现实，职业经理人梦寐以求的实时管理具备了推广的条件。企业的管理层级减少，财务核算、员工绩效考核等职能大为简化，企业的组织结构发生深刻的变化。
技术不仅改变了世界的现状，而且引导和激发人们创造更为神奇的明天。
物联网产生了海量数据，大数据存储和运算的需求催生了云技术，寻求更有效算法的努力则汇集到人工智能上。
当我们还在为万物互联的效果感到惊诧时，万物智能的时代正快速临近。机器的智能化并非始于今日，无人机、智能家具、半自动驾驶汽车已有商业化产品，人工智能将如何改变我们的经济和社会？与其听信专家的预测，不如看看科幻小说和好莱坞的科幻电影。
4
小结
消费互联网的巅峰已过，工业互联网的大幕刚刚拉开。虽然都是互联网，两者的逻辑有着根本的不同。
工业互联网基本没有梅特卡夫效应，规模效应和协同效应也无法和消费互联网相比，它的行业和企业属性非常强，成功的必要前提是具备专门的细分领域知识。
工业互联网以数字化为先行，企业实现经营、生产、管理的全面数字化之后，才能做到工业4.0的万物互联也就是物联网。
物联网带来的不仅是生产和管理效率的提高，而且为企业组织的重塑创造了条件。管理的变革将激发员工的主动性和创造力，由此产生的效益超出我们今天的想象。
数字化和物联网产生的海量数据要求更高的数据处理与分析能力，人工智能不再是预言家和自媒体提高点击率的玄虚辞藻，而变成实际应用的必需。
但是，无论人工智能和大数据发展到什么程度，市场的功能都依然无可替代，机器可以处理数据，但产生数据的只有在市场上进行交易的人。
版权声明：文章来源于“身边的经济学”，本