從“工業3.0”到“工業4.0”
相信所有人對人類歷史上前兩次工業革命都不會陌生，但第三次工業革命的起始點貌似很多人都不太明確，其實，第三次工業革命始于上世紀（20世紀）四五十年代開始，以愛因斯坦、馮諾依曼等科學家為代表的原子能、電子計算機等技術的發明為主體，是涉及信息技術、新能源技術、新材料技術、生物技術、空間技術和海洋技術等諸多領域的一場信息控制技術革命。如今，距離這場工業革命已經過去了半個多世紀，人類整體的工業水平也達到了前所未有的高度，德國在這個時期率先提出“工業4.0”，也就是第四次工業革命的計劃，究竟包含了哪些因素？
“工業4.0”提出的背景
根據德國政府的報告《未來圖景“工業4.0”》（Zukunftsbild“Industrie 4.0”），“工業4.0”提出的外部原因有兩個，一是美國等發達國家的“再工業化”帶來的刺激，二是以中國為首的新興國家的崛起使得德國產品在國際市場上的地位受到挑戰。因此“工業4.0”的提出并不完全是德國制造業領先的體現，也是面對日益激烈的國際競爭所催生出的應對計劃。而內部原因在于，德國本來就是制造業強國，想要保持并提高自己的優勢，一個是需要更高的技術，還有就是高效率的創新體系。
“工業4.0”包括哪些概念？
我們先來看一下“工業4.0”的三大主題，其實整個“工業4.0”的主題都是圍繞著一個“智能化”所展開的。
一是“智能工廠”，重點研究智能化生產系統及過程，以及網絡化分布式生產設施的實現；
二是“智能生產”，主要涉及整個企業的生產物流管理、人機互動以及3D技術在工業生產過程中的應用等。
三是“智能物流”，主要通過互聯網、物聯網、物流網，整合物流資源，充分發揮現有物流資源供應方的效率，而需求方，則能夠快速獲得服務匹配，得到物流支持。
按照官方的解釋，“工業4.0”的核心概念為“信息物理系統”(Cyber—PhysicalSystem)，其實就是指要在任何層面上將實體與虛擬緊密結合，實體的行為可已通過虛擬系統監測，虛擬系統同樣可以指導控制實體的行為，這與我們現在所提的無論是互聯網+、O2O、還是云計算、大數據、物聯網這些技術層面上的名詞都有著異曲同工之處，其目標都是建立一個高度靈活的個性化和智能化的產品與服務的生產模式。在這種模式中，傳統的行業界限將會消失，渠道被壓縮，產業鏈分工將被重組，企業可直接對接到消費者，并以此產生出各種新的活動領域和合作形式。
比如今年三月份海爾所建設的四家以“智能化”為主題的“互聯工廠”，就十分有效的解決了以下這些問題。
傳統制造業工廠采取平鋪式布局的大規模生產，產品品種單一，標準化，難以滿足用戶多種多樣的需求，而定制生產又存在成本高、效率低、交貨慢等諸多問題，而根據“工業4.0”所提出的三大智能化主題所改建的“互聯工廠”采用了立體化的工廠布局，通過智能化信息管理系統、RFID無線射頻等技術模擬了上千種工廠物流，從而實現了大規模定制生產，生產成本低、效率高、交貨快，又滿足了用戶多樣化與個性化的產品需求。同時企業將不僅僅進行硬件的銷售，更是通過提供完善的售前售后服務與多種多樣的增值服務，以獲取更多的附加價值。
通過上文我們基本了解了將虛擬與實體所結合的重要意義，不難看出要實現這點就一定需要一個強大的智能化信息系統來實時處理，而什么樣的系統才能算真正意義上的“智能化”系統呢？
“數字化”與“智能化”其實是兩個概念
“數字化”是第三次工業革命的技術產物，就是將許多復雜多變的信息轉變為可以度量的數據，再以這數據建立起適當的數字化模型，轉變為一系列二進制代碼，引入計算機內部，進行統一處理。簡單來說其完成的僅僅是大量信息存儲與管理的這一步，對于“工業4.0”，我們需要的不僅僅是“數字化管理”，真正需要的是“智能化管理”，而真正的“智能化”又有著怎樣的衡量標準呢？
智能一般具有以下這些特點：
一是具有感知外部世界、獲取外部信息的能力。比如通過無線射頻識別技術（RFID）可近距離和遠距離隨時隨地讀取、控制、檢測和跟蹤具備RFID標簽的物體。
二是具有記憶和思維能力，能夠利用已有的知識對信息進行分析、計算、比較、判斷、聯想、決策。這里的“記憶”即可以理解為存儲功能，“思維”并不一定是真正意義上可以像人類那樣思考，可以是通過程序設計人員設計的一系列邏輯算法，將系統所感知與記憶的數據進行邏輯運算處理，從而得出從數據角度上客觀的判斷與決策。
三是具有學習能力和自適應能力，即通過與環境的相互作用，不斷學習積累知識，使自己能夠適應環境變化。如果你覺得上面兩點并不“智能”，因為目前世界上任何一臺簡單的計算設備（如手機）都已經具備了以上兩點的能力，但從這里開始便開始引入一個深層次的智能化概念那便是“深度學習”。
所謂的深度學習簡單來講便是通過“人工神經網絡”的研究，通過計算機模擬類似于大腦的多層次“神經回路”，層次越深，則越接近人腦。從最早Google使用1.6萬個CPU（中央處理單元）所模擬的9層“神經回路”計算機在觀看了一個星期的1000多萬部Youtube視頻截取的圖像后，最終能在約10億個參數中自然而然的識別出哪些是“貓”，并且在模擬神經元處出現了和人腦內神經元一樣的放電現象，研究成果一經發布便引起了世界范圍內的轟動，隨后包括微軟、蘋果、等所有互聯網巨頭都相繼推出了自己的“大腦計劃“，而“百度大腦”（百度深度學習研究院）在招納了世界著名“人工智能”科學家吳恩達博士后更是宣稱其在“深度學習”領域已經超過了蘋果和谷歌，。
目前“深度學習”最大的應用便在于“圖片識別”與“語音交互”，比如我們目前所使用的包括Siri在內的各類語音助手、圖片搜索引擎，工業自動化加工、裝配生產過程的圖像識別監測等等，所帶來的是效率是革命性的提升。但應用絕不僅于此，未來的“智能化”工業城市將會有更加海量的“大數據”需要具備“深度學習”的智能系統來處理 ，其真正意義在于計算機將成為一個能像人類一樣能“獨立思考”的智慧大腦來幫助處理海量信息的分析與決策。
第四是具有行為決策能力，即對外界的刺激作出反應，形成決策并傳達相應的信息。這一點便很好理解了，具備以上三點相當于具備了“人的大腦”，而具有對外界刺激做出反應的能力便相當于具備了“人的軀體”，這個軀體不一定非要是實體上的，就像上面所提到的“神經元系統”，它能對外界刺激做出反射，便可以理解為具有行為決策能力。
所以，完全具備了以上特點的系統則稱為智能系統或智能化系統。
“工業4.0”差的就是“智能化”
而如今能在真正意義上實現“智能化”的制造業工廠寥寥無幾，從內部因素來看，其主要原因在于傳統制造業先導意識薄弱，大部分企業經常處于“被迫轉型”而不是“主動創新”的一個狀態，沒有足夠的意識來投入基礎設備的購買與智能化系統的研發，這在工業化水平較為落后的中國是極其常見的。而從外部因素來看，“人工智能”理論基礎雖日益完善，但由于硬件技術發展很難跟上科技理論的步伐，所以距離真正意義上的“智能化”還有一段路程要走的。但科技發展向來都是呈指數式增長的，企業必須時刻做到“居安思危”，應對局勢變化的準備，新技術的爆發誰也不能預測。
總之在“工業4.0”的進程中，機遇與挑戰并存，所有傳統企業都應該率先抓住機遇，努力向“工業4.0”邁進，不能等到政府提出了相關的計劃政策才有所觸動，在這個“大眾創業，萬眾創新”的時代，所有人都在思考，都在想方設法推動工業化的車輪，為社會創造更高效的價值，傳統企業掌握著大部分的社會資源更應該起到帶頭作用，自我升級，如果沒有足夠的前瞻意識，再大的優勢也可能被頃刻間顛覆，最終被時代淘汰也是在所難免。
