如果昨夜入睡前的你還是一家工業公司，那么次日醒來時，你就會變成一家軟件分析公司。

General Electric的前任首席執行官Jeffrey Immelt對此給出了明確表態。工業公司在與日俱增的壓力之下被迫要去適應改變的環境。他們經歷了新商業模型的轉變，體會到了采用新技術的需求。在蒸汽、電力以及計算機出現之后，現在涌現出了一大堆即將改變工業界的新技術，也就是被大家廣泛稱之為的“信息物理系統”（cyber physical system）。這些系統包括云計算和物聯網，它將物理、電子和生物環境也整合在了一起。

在接下來的博文中，我會列出我對于評估工業4.0時代的初創企業、市場面臨機遇以及風險的一些想法。我會用100多家企業作為案例來解釋，基于討論結果為工業界的創始人提供一些建議。

新概念和新技術正在進化

過去幾年出現了一些正在改變工業價值創造的新概念：從研發階段到生產以及組裝流程，最終再將產品配送到終端客戶手中。其中有一些新概念還比較有意思：

完全自動化的工廠（Lights out factory）：當我第一次聽說這個概念的時候，我著實訝異于一個事實，即完全自動化的工廠其實從20世紀80年代就已經在運營了。這個術語從本質上來說就是“autonomous factory”（自動化工廠）的同義詞，指的是沒有人類干預、可以全天候運行的工廠。

協作機器人（Cobots）：隨著人工智能領域取得了快速發展，很多人都在討論哪些工作在未來會被機器人取代。機器和人類之間并非一定要是你死我活的狀態，協作機器人就可以利用好人類與機器的協作。這些機器人適應能力很高，可以在重復性的工作中幫助人類做事。如果你對此感興趣的話，可以看看Festo的ExoHand、Skoda的工廠等等，在那里協作機器人會在機電流水線為工人提供幫助。

內存內計算（In-MemoryComputing）：這對于物聯網來說非常重要，它可以在SAP HANA這樣的平臺上，直接在內存中基于單一數據副本收集并且分析數據。

邊緣計算（Edge Computing）：這一術語是由Cisco創造的。邊緣計算可以讓公司在盡可能靠近數據源的地方處理數據，而不是在云端中進行處理。這樣做的優點在于：向云端傳輸數據的等待時間大大減少了，且安全性也更高。

機器學習和人工智能：這個概念是顯而易見的。和傳統的生產執行系統（Manufacturing Execution System）相比，生產流程中的無數數據流可以提供更可靠的預見性信息。

轉變為基于服務的商業模型

有越來越多的證據表明工業界的產品正在以“產品即服務”或“解決方案即服務”的形式出售，而不再作為一個獨立的產品出售。如果我們關注一下On-Premise（本地部署）模式到SaaS（軟件即服務）模式的轉變，那么產品的變化聽上去也就不足為奇了。為什么這會聽上去比較合理呢？工業世界中，這樣的做法又有何種優勢呢？

對于賣方來說：和SaaS一樣，公司可以因顧客終身價值（customer lifetime value）的提高以及市場門檻的降低從中獲利。此外，即便是在危機中——如果無人愿意投資新機器或資產，它們也可以創收。

對于買方來說：他們可以從更高的方便程度以及更多的服務中受益，比如說可預測性的維修或狀態監控。

（產品VS服務導向型商業模型）

這種變化發生在全球范圍內。完全避開這種趨勢的話，西方工業公司就很難憑借質量在市場中脫穎而出了，原因在于中國以及其他國家的制造公司都在迎頭趕上。這就帶來了一個疑問——該如何在低成本生產的產品競爭中脫穎而出呢？

顧客回應加快了營銷的時間，也讓公司可以更快適應發生變化的需求。利用“顧客至上”以及“顧客個性化”來增加產品多樣性，這也是一個不錯的想法。

從研發到售后，在整個過程中采用端到端解決方案。建立交互界面、應用程序接口，和供應商以及顧客分享數據，從而加強協作，提高流程的效率，減少時間和成本。

利用自動化和機器人來達到低收入國家類似的勞動力成本。

工廠堆棧不同于軟件堆棧

部分投資者一直以來會將資金投到軟件公司并將其出售給其他使用大量云計算產品的公司。對這部分人來說，投資工業界是不太一樣的。SaaS公司出售給生產者、自由職業者或中小型企業的自助服務應用程序在工業界都是鮮少見的甚至于是不存在的。對于投資早期階段的投資者而言，在種子輪階段挑選企業級銷售的贏家是非常困難的。此外，如果事先不了解該行業的話，那么大家都會覺得這些產品復雜且使用不便。

工業堆棧通常由多臺機器、多個傳感器和發射器組合而成，因此它很難去為不同公司開發統一標準化的“即插即用”解決方案。我曾和一位行業內的企業家聊過這件事，有一句話非常精辟：

“當你去了10家不同的工廠之后，你認為自己已經見過各種情況了。但當你走進第11家工廠的時候，你會發現一切又都是不同的。”

我相信工業4.0時代不僅僅只涉及到替換機器和設備，更多是要利用軟件和獲取到的數據，讓機器和人類工人可以更高效、更智能得完成工作。制造商們采取的做法不是替換機器，而是增加一些傳感器，真正有價值的部分都在軟件本身。現在，是時候徹底改造工業堆棧了。

顯然，風險必然也是存在的：

網絡安全風險：使用惡意軟件來攻擊工業自動化技術、控制設備或是從事間諜活動，即從競爭對手那里竊取敏感數據。

生產停工：軟件失靈或是無法連接到云端，這會導致生產中止。在自動化行業，一分鐘停工生產會造成22000美元的損失。

質量損失：舉個例子，新檢查軟件也許在一開始不如之前的軟件那么精確，但一段時間之后它也會不斷學習加以改進（人工智能軟件都會在一段時間之后學習到新信息）。

互操作能力：技術標準的缺失使得不同設備之間的整合以及互操作非常困難。

完成工序后的應用

當我寫到這里的時候，我不由產生了一種疑問：工業界中，哪些是最令人感興趣的領域呢？在接下來的博文中，我對于工業界的一些公司性質進行了整理。這當然并不是一份完整的名單，如果有任何需要補充的，你也可以聯系我。

CAD（計算機輔助設計） /CAE（計算機輔助工程）/Simulation（仿真）：設計產品要用到3D建模、原型樣品工具以及仿真平臺。

原型設計/尋求供應商：借助3D打印和平臺快速設計原型樣品，從而找到合適的供應商以及垂直整合工廠，比如說Plethora。

物聯網/Middleware（中間件）：從機器中獲取數據，將在線服務與脫機設備連接在一起。能夠獲取和分享數據的互聯設備可以被用來實時監控或是拿去進一步進行分析。

Shopfloor Guidance（車間指導）/應用：為復雜工序以及工藝流程的安全提供指導，確保生產質量。關注重心通常是智能手機、平板電腦或是模塊工作站。

機器人：用軟件來給機器人行為或是自動化機器人進行編程。近來，在機器人上的投資正以飛快地速度增加。

可穿戴設備：在B2C中，觸摸界面是非常普遍的，人們也習慣了使用個人設備。工業世界也意識到了這種趨勢。

分析工具/效率：可以360°掌握和控制整個生產流程。在車間計算和分析人類工人以及機器的工作。

能量監測/分析工具：監測、分析和優化能源消耗。

審查：幫助發現流水線存在問題的公司，比方說借助計算機視覺（指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像）。

可預測性維修：為狀態監視、優化性能以及減少停工時間提供解決方案。

資產追蹤/位置分析工具：借助追蹤設備和可預測性/規范性分析來了解供應鏈的所有情況。

（工業4.0時代——徹底改造工廠堆棧）

在任者并非如大家想象得那樣麻木

我們拿德國來舉例子吧。德國這個國家，23%的GDP附加值都來源于制造業，48%的中等規模全球市場領軍者——即所謂的“隱形冠軍”——都在德國。

誠然，它們也許不會像美國谷歌、蘋果、臉書和亞馬遜四大巨頭（GAFA）那樣冒險，斥巨資投資新項目，但它們也在努力推動數字計劃以及改變自己的商業模型。有人認為，如果這樣做能帶來遞增性改進的話，那么在任者當然會毫不猶豫——如果這將擾亂市場秩序或是能開發出性能好上十倍的產品，在任者也許不會立即采取行動。下面是一些例子：

K?rcher?——轉型“云優先”：從2012年開始，它們就在和AWS合作。公司的清潔機器配備了一個車載T-BOX，它可以將機器數據發送到云端，比如說發送位置信息，從而讓公司可以更加高效地計劃并且管理維修服務。

Viessmann——一個健康的風險偏好：加熱和冷凍制造商擁有自己的風投基金，這家位于柏林的制造商試圖基于物聯網建立車間社區。全公司都在體驗一些新的商業模型和想法。在我看來，這家公司也是德國中小型企業中最具前瞻性眼光的公司。

Kaeser?——改變自己的商業模型：幾年前，這家空壓機制造商在壓縮機中設置了傳感器。自此之后，公司就轉變了自己的商業模型，從出售壓縮機機器到出售“空氣即服務”。如今，顧客要為自己需要的空氣數量付錢。

BMW?——自動化市場：BMW i3的萊比錫工廠已經非常先進了，自動化程度非常高。你可以觀看這個視頻來了解一下具體情況（視頻地址：https://www.youtube.com/watch?v=q2nFKkbV63Y&t=130s）。

這些公司也必須要積極改變。相比傳統工業公司雇傭一流開發者，軟件公司進入新行業也許要輕松很多（比方說谷歌進軍自動化市場）。

對創始人的意義

顯然，整個過程為想要改革工業界的創業者們提供了巨大的機遇。下面一些事是我建議大家牢牢記住的：

客戶重點：在一開始就要與客戶和試用對象密切合作。基于他們的反饋開發產品，試圖縮小迭代周期。如果客戶使用產品并且給你反饋的話，不妨花些時間和他們進行交流。和其他向軟件公司出售產品的SaaS公司相比，你沒法進行A/B測試。不妨嘗試簡化流程，讓他們能輕松嘗試你的解決方案，比如說一開始的目標試驗對象可以是一條生產線，而非一整個車間。

避免免費嘗試：在我的印象看來，試驗人員的門檻是非常低的。很多公司愿意嘗試你的解決方案，但它們通常不愿意為此付錢。我知道有些時候確實很難開口，但你必須有底氣拒絕這種免費嘗試。有一些企業級SaaS公司在完成第一筆企業交易之后就能夠依靠自身發展起來。此外，專注于試用對象的一個或兩個用例，而非關注不同的用例類型。

出售一個用例：出售一個行業內人士能夠輕松理解的明確用例。不要出售“儀表盤”，你要出售的是一間“控制室”。按照行業內容調整你的措辭，便于大家理解。投資回報率很重要。

嘗試高賣：和研發部門或是流水線的工作人員聊天是有很大益處的，但多數情況下，盡量高賣產品。你可以嘗試聯系高層管理人員、生產計劃部經理或生產總監。情況最差不過是他們會將你轉推給他/她的下級。

理解企業級銷售：嘗試理解企業級銷售流程。誰是用戶？誰是決策者？誰掌控預算？采購流程是什么樣的？

平臺第二：不要把打造平臺放在首位，你應當先以一個小用例為基礎打造產品，開發平臺則是你的長遠目標，尤其是對于物聯網來說。人們通常不會購買物聯網技術，他們愿意付費購買的是一個能解決問題的方案。

避免無目的的Pitch：由于對行業興趣的與日俱增，許多公司都會邀請初創企業進行Pitch，所以你會碰到很多Pitch活動。在接收邀約之前，好好想想時間花在這次活動上是否值得。很多時候，這種活動不過是單方面的知識傳送，而非是他們真的對融資或合作有興趣。

上面是一些我和業界企業家以及行業專家聊天獲取到的一些信息，我期待能和行業內更多的人進行交流。如果你也想變革工業界，我很樂意聆聽你的看法。