【猎云网（微信号：ilieyun
）】9月19日报道 （编译：堆堆）
如果昨夜入睡前的你还是一家工业公司，那么次日醒来时，你就会变成一家软件分析公司。
General Electric的前任首席执行官Jeffrey Immelt对此给出了明确表态。工业公司在与日俱增的压力之下被迫要去适应改变的环境。他们经历了新商业模型的转变，体会到了采用新技术的需求。在蒸汽、电力以及计算机出现之后，现在涌现出了一大堆即将改变工业界的新技术，也就是被大家广泛称之为的“信息物理系统”（cyber physical system）。这些系统包括云计算和物联网，它将物理、电子和生物环境也整合在了一起。
在接下来的博文中，我会列出我对于评估工业4.0时代的初创企业、市场面临机遇以及风险的一些想法。我会用100多家企业作为案例来解释，基于讨论结果为工业界的创始人提供一些建议。
新概念和新技术正在进化
过去几年出现了一些正在改变工业价值创造的新概念：从研发阶段到生产以及组装流程，最终再将产品配送到终端客户手中。其中有一些新概念还比较有意思：
完全自动化的工厂（Lights out factory）：当我第一次听说这个概念的时候，我着实讶异于一个事实，即完全自动化的工厂其实从20世纪80年代就已经在运营了。这个术语从本质上来说就是“autonomous factory”（自动化工厂）的同义词，指的是没有人类干预、可以全天候运行的工厂。
协作机器人（Cobots）：随着人工智能领域取得了快速发展，很多人都在讨论哪些工作在未来会被机器人取代。机器和人类之间并非一定要是你死我活的状态，协作机器人就可以利用好人类与机器的协作。这些机器人适应能力很高，可以在重复性的工作中帮助人类做事。如果你对此感兴趣的话，可以看看Festo的ExoHand、 Skoda的工厂等等，在那里协作机器人会在机电流水线为工人提供帮助。
内存内计算（In-MemoryComputing）：这对于物联网来说非常重要，它可以在SAP HANA这样的平台上，直接在内存中基于单一数据副本收集并且分析数据。
边缘计算（Edge Computing）：这一术语是由Cisco创造的。边缘计算可以让公司在尽可能靠近数据源的地方处理数据，而不是在云端中进行处理。这样做的优点在于：向云端传输数据的等待时间大大减少了，且安全性也更高。
机器学习和人工智能：这个概念是显而易见的。和传统的生产执行系统（Manufacturing Execution System）相比，生产流程中的无数数据流可以提供更可靠的预见性信息。
转变为基于服务的商业模型
有越来越多的证据表明工业界的产品正在以“产品即服务”或“解决方案即服务”的形式出售，而不再作为一个独立的产品出售。如果我们关注一下On-Premise（本地部署）模式到SaaS（软件即服务）模式的转变，那么产品的变化听上去也就不足为奇了。为什么这会听上去比较合理呢？工业世界中，这样的做法又有何种优势呢？
对于卖方来说：和SaaS一样，公司可以因顾客终身价值（customer lifetime value）的提高以及市场门槛的降低从中获利。此外，即便是在危机中——如果无人愿意投资新机器或资产，它们也可以创收。
对于买方来说：他们可以从更高的方便程度以及更多的服务中受益，比如说可预测性的维修或状态监控。
（产品VS服务导向型商业模型）
这种变化发生在全球范围内。完全避开这种趋势的话，西方工业公司就很难凭借质量在市场中脱颖而出了，原因在于中国以及其他国家的制造公司都在迎头赶上。这就带来了一个疑问——该如何在低成本生产的产品竞争中脱颖而出呢？
顾客回应加快了营销的时间，也让公司可以更快适应发生变化的需求。利用“顾客至上”以及“顾客个性化”来增加产品多样性，这也是一个不错的想法。
从研发到售后，在整个过程中采用端到端解决方案。建立交互界面、应用程序接口，和供应商以及顾客分享数据，从而加强协作，提高流程的效率，减少时间和成本。
利用自动化和机器人来达到低收入国家类似的劳动力成本。
工厂堆栈不同于软件堆栈
部分投资者一直以来会将资金投到软件公司并将其出售给其他使用大量云计算产品的公司。对这部分人来说，投资工业界是不太一样的。SaaS公司出售给生产者、自由职业者或中小型企业的自助服务应用程序在工业界都是鲜少见的甚至于是不存在的。对于投资早期阶段的投资者而言，在种子轮阶段挑选企业级销售的赢家是非常困难的。此外，如果事先不了解该行业的话，那么大家都会觉得这些产品复杂且使用不便。
工业堆栈通常由多台机器、多个传感器和发射器组合而成，因此它很难去为不同公司开发统一标准化的“即插即用”解决方案。我曾和一位行业内的企业家聊过这件事，有一句话非常精辟：
“当你去了10家不同的工厂之后，你认为自己已经见过各种情况了。但当你走进第11家工厂的时候，你会发现一切又都是不同的。”
我相信工业4.0时代不仅仅只涉及到替换机器和设备，更多是要利用软件和获取到的数据，让机器和人类工人可以更高效、更智能得完成工作。制造商们采取的做法不是替换机器，而是增加一些传感器，真正有价值的部分都在软件本身。现在，是时候彻底改造工业堆栈了。
显然，风险必然也是存在的：
网络安全风险：使用恶意软件来攻击工业自动化技术、控制设备或是从事间谍活动，即从竞争对手那里窃取敏感数据。
生产停工：软件失灵或是无法连接到云端，这会导致生产中止。在自动化行业，一分钟停工生产会造成22000美元的损失。
质量损失：举个例子，新检查软件也许在一开始不如之前的软件那么精确，但一段时间之后它也会不断学习加以改进（人工智能软件都会在一段时间之后学习到新信息）。
互操作能力：技术标准的缺失使得不同设备之间的整合以及互操作非常困难。
完成工序后的应用
当我写到这里的时候，我不由产生了一种疑问：工业界中，哪些是最令人感兴趣的领域呢？在接下来的博文中，我对于工业界的一些公司性质进行了整理。这当然并不是一份完整的名单，如果有任何需要补充的，你也可以联系我。
CAD（计算机辅助设计） / CAE （计算机辅助工程）/ Simulation（仿真）：设计产品要用到3D建模、原型样品工具以及仿真平台。
原型设计/寻求供应商：借助3D打印和平台快速设计原型样品，从而找到合适的供应商以及垂直整合工厂，比如说Plethora。
物联网/ Middleware（中间件）：从机器中获取数据，将在线服务与脱机设备连接在一起。能够获取和分享数据的互联设备可以被用来实时监控或是拿去进一步进行分析。
Shopfloor Guidance（车间指导）/应用：为复杂工序以及工艺流程的安全提供指导，确保生产质量。关注重心通常是智能手机、平板电脑或是模块工作站。
机器人：用软件来给机器人行为或是自动化机器人进行编程。近来，在机器人上的投资正以飞快地速度增加。
可穿戴设备：在B2C中，触摸界面是非常普遍的，人们也习惯了使用个人设备。工业世界也意识到了这种趋势。
分析工具/效率：可以360°掌握和控制整个生产流程。在车间计算和分析人类工人以及机器的工作。
能量监测/分析工具：监测、分析和优化能源消耗。
审查：帮助发现流水线存在问题的公司，比方说借助计算机视觉（指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像）。
可预测性维修：为状态监视、优化性能以及减少停工时间提供解决方案。
资产追踪/位置分析工具：借助追踪设备和可预测性/规范性分析来了解供应链的所有情况。
（工业4.0时代——彻底改造工厂堆栈）
在任者并非如大家想象得那样麻木
我们拿德国来举例子吧。德国这个国家，23%的GDP附加值都来源于制造业，48%的中等规模全球市场领军者——即所谓的“隐形冠军”——都在德国。
诚然，它们也许不会像美国谷歌、苹果、脸书和亚马逊四大巨头（GAFA）那样冒险，斥巨资投资新项目，但它们也在努力推动数字计划以及改变自己的商业模型。有人认为，如果这样做能带来递增性改进的话，那么在任者当然会毫不犹豫——如果这将扰乱市场秩序或是能开发出性能好上十倍的产品，在任者也许不会立即采取行动。下面是一些例子：
Kärcher ——转型“云优先”：从2012年开始，它们就在和AWS合作。公司的清洁机器配备了一个车载T-BOX，它可以将机器数据发送到云端，比如说发送位置信息，从而让公司可以更加高效地计划并且管理维修服务。
Viessmann——一个健康的风险偏好：加热和冷冻制造商拥有自己的风投基金，这家位于柏林的制造商试图基于物联网建立车间社区。全公司都在体验一些新的商业模型和想法。在我看来，这家公司也是德国中小型企业中最具前瞻性眼光的公司。
Kaeser ——改变自己的商业模型：几年前，这家空压机制造商在压缩机中设置了传感器。自此之后，公司就转变了自己的商业模型，从出售压缩机机器到出售“空气即服务”。如今，顾客要为自己需要的空气数量付钱。
BMW ——自动化市场：BMW i3的莱比锡工厂已经非常先进了，自动化程度非常高。你可以观看这个视频来了解一下具体情况（视频地址：https://www.youtube.com/watch?v=q2nFKkbV63Y&t=130s）。
这些公司也必须要积极改变。相比传统工业公司雇佣一流开发者，软件公司进入新行业也许要轻松很多（比方说谷歌进军自动化市场）。
对创始人的意义
显然，整个过程为想要改革工业界的创业者们提供了巨大的机遇。下面一些事是我建议大家牢牢记住的：
客户重点：在一开始就要与客户和试用对象密切合作。基于他们的反馈开发产品，试图缩小迭代周期。如果客户使用产品并且给你反馈的话，不妨花些时间和他们进行交流。和其他向软件公司出售产品的SaaS公司相比，你没法进行A/B测试。不妨尝试简化流程，让他们能轻松尝试你的解决方案，比如说一开始的目标试验对象可以是一条生产线，而非一整个车间。
避免免费尝试：在我的印象看来，试验人员的门槛是非常低的。很多公司愿意尝试你的解决方案，但它们通常不愿意为此付钱。我知道有些时候确实很难开口，但你必须有底气拒绝这种免费尝试。有一些企业级SaaS公司在完成第一笔企业交易之后就能够依靠自身发展起来。此外，专注于试用对象的一个或两个用例，而非关注不同的用例类型。
出售一个用例：出售一个行业内人士能够轻松理解的明确用例。不要出售“仪表盘”，你要出售的是一间“控制室”。按照行业内容调整你的措辞，便于大家理解。投资回报率很重要。
尝试高卖：和研发部门或是流水线的工作人员聊天是有很大益处的，但多数情况下，尽量高卖产品。你可以尝试联系高层管理人员、生产计划部经理或生产总监。情况最差不过是他们会将你转推给他/她的下级。
理解企业级销售：尝试理解企业级销售流程。谁是用户？谁是决策者？谁掌控预算？采购流程是什么样的？
平台第二：不要把打造平台放在首位，你应当先以一个小用例为基础打造产品，开发平台则是你的长远目标，尤其是对于物联网来说。人们通常不会购买物联网技术，他们愿意付费购买的是一个能解决问题的方案。
避免无目的的Pitch：由于对行业兴趣的与日俱增，许多公司都会邀请初创企业进行Pitch，所以你会碰到很多Pitch活动。在接收邀约之前，好好想想时间花在这次活动上是否值得。很多时候，这种活动不过是单方面的知识传送，而非是他们真的对融资或合作有兴趣。
上面是一些我和业界企业家以及行业专家聊天获取到的一些信息，我期待能和行业内更多的人进行交流。如果你也想变革工业界，我很乐意聆听你的看法。
