【干货】国 务 院王晓明带你重新解读工业4.0
作者：互联网
本讲座选自国务院发展研究中心产业经济研究部第一研究室主任王晓明于2015年10月26日在RONG系列论坛之五——清华大学大数据重构制造业论坛上所做的题为《以知识创造的角度认识工业4.0》的演讲。
即日起，数据派将会陆续发布有关本次“大数据重构制造业论坛”的干货内容，stay tuned!!!
王晓明,男,1972年出生于黑龙江省哈尔滨市.1995年获得黑龙江大学化学专业学士学位，2000年获得清华大学MBA学位，2010年获得中国人民大学经济学博士学位。2000-2006年先后在国务院发展研究中心信息中心和办公厅工作，主要从事交通、环保、医疗、住房等公共领域的研究。2006年开始在国务院发展研究中心产业经济研究部工作，主要从事制造业、能源、交通、城市化等领域的研究工作。2009年开始重点研究战略型新兴产业、传统产业的转型升级、区域产业发展和产业转移。2013年开始研究第三次工业革命对传统产业的影响,以及中国制造强国战略、中国能源发展战略。《中国汽车产业蓝皮书》（2008-2015）总报告的执笔人，现任国务院发展研究中心产业经济研究部第一研究室主任。
正文：
王晓明：各位老师，各位同学，大家上午好！非常荣幸有机会参加这次论坛，和大家一起交流对工业4.0大数据等的认识，我发言的题目是《以知识创造的视角认识工业4.0》。
近两年，对于德国工业4.0的讨论非常热烈。但是，如何认识工业4.0，不同的专家有不同的见解。在这里，我想从知识创造的视角，谈谈个人对于工业4.0的认识。
我们中心之前一直做产业方面的研究，先是做传统产业、然后做战略性新兴产业、接着做第三次工业革命对产业的影响，现在延续到工业4.0。我们有一个认识，第三次工业革命是“一主多翼”的发展脉络，“一主”主要是信息技术与传统产业的深度融合和应用，具体到制造业就是数字化、网络化、智能化制造，“多翼”指能源技术、材料技术、生物技术的发展，一主多翼的交叉融合、群体性创新主导了当前的产业发展形态。
对工业4.0的认识，从研究的延续性来看，也应放到这样的研究脉络里来认识。就是以信息网络技术来深度***和融合传统制造业。信息技术现在耳熟能详的有物联网、大数据、云计算，工业4.0，还有横向集成、纵向集成、端到端集成，以及信息物理系统CPS，基于模型的制造MBD，由浅到深，由环节到过程，由局部到整体，变成全体系的融合，这样看待工业4.0，就是信息技术对制造业的全面***。
但是对工业4.0的认识仍然存在多样性，或者说到目前为止仍然没有达成完全的共识。我个人认为，当前对工业4.0的认识存在三方面的不足：第一，偏重于技术，战略性分析不足。特别是用信息化对企业流程再造、组织再造等等，这样的提法很多，但是对战略性分析不足。很多企业在实际进行决策时面临这样的困惑：工业4.0对于企业到底有什么好处？对于投资和收益如何分析，如何做投资决策？这是很多企业热衷于谈工业4.0，但想要实施又感觉比较困惑的问题所在。
第二，行业上认识偏重经济效益，社会性分析不足。所说的社会性是指对就业、对人在企业里重新定位方面的分析是不足的。
第三，偏重于产业实践，理论性分析不足。做经济和产业研究，从传统的理论框架来看，工业4.0实际上没有纳入到传统的理论体系之中，目前又没有新的理论体系能很好地提供解释，这也是在认识上存在的问题。其实，即使在德国，我们交流的一些专家也谈到，对于工业4.0不同企业也有不同的认识，现在为止还没有完全达成共识。
我个人想谈一个视角，认识工业4.0的新视角，即“从知识创造的角度认识工业4.0”。
我们可以用二分法框架进行认识，信息化我们认为主要是改造传统产业，通过降低信息成本，消除信息不对称，优化生产和流通，使得传统产业的生产效率得到提升。知识化我们认为是创造新知识，通过新知识创造带来新的价值，产生新的业态。与信息化不同的地方在于，知识创造不是存量提升，而是增量创造的过程，是带来新价值的过程。我想通过这样的二分法，通过信息化和知识化的差别，通过在信息化的基础上增加知识化这样一个层次，来加深对工业4.0的认识。对立也有统一，从发展演化来看，知识化要依赖于信息化，依赖于大数据的采集，是由数据到信息到知识的过程，而不是说知识没有基础，凭空产生的知识。
知识创造并不是新提出来的概念。1995年日本一桥大学的野中郁次郎和哈佛大学的竹内弘高合写了一本书《知识创造的企业》，在这本书中提出了知识创造和知识管理的理论体系。十年后的2005年，两位教授在进一步丰富、完善该理论的基础上又出了一本书《知识创造的螺旋》。这两本书在当时西方国家引起了非常大的反响，管理学大师彼得.德鲁克称之为管理学的经典。欧盟2004年发布了《未来制造业：2020展望》，可以说借鉴了两位教授的理论，提出了欧盟的制造业发展的六个转变，即基于资源的制造业向基于知识的制造业转型，从线性模式向复杂性系统的转变，从个体竞争转向系统竞争转变，单一学科向跨学科转变，从宏观到微观再到纳米层次的转变，由自上而下的生产向自下而上的生产转变等。
工业4.0和知识创造是什么关系？还要从野中郁次郎和竹内弘高的知识创造理论框架说起。两位教授认为，知识创造的源头在于个人头脑中的暗默性知识，知识创造主要沿着两个维度进行：一个维度是个人的知识组织化、社会化；另一个维度是暗默知识的表出化、形式化。在这里，暗默知识是不容易进行编码的知识，一般存在于个人头脑里，或者是组织内部。从制造业的角度看，德国、日本很多制造业企业保持竞争优势的核心资源是暗默知识，我们知道德国、日本有很多中小企业具有很强的竞争力，被称之为隐形冠军，凭借的就是工厂层面的暗默知识(Now-how)；德国的学徒制，通过师徒之间的现场示范和口口相传，在组织内分享和传播的也是这种暗默知识。形式知识是经过编码和加工转换的知识，这样的知识存在于组织外部或社会中。工业4.0与知识创造的关系就是借助新的技术和管理，沿着两个维度加速个人知识的组织化和社会化，加速暗默知识的表出化和形式化。
麦肯锡在一份报告中提出了12项颠覆性的技术，预计到2025年能够产生14-33万亿美元的新增价值。其中按带来的价值排序，排在第二位的技术就是知识自动化。我个人理解工业4.0在三个方面体现知识自动化的含义：
第一个方面，工业4.0借助物联网的数据采集功能，大数据的规律发展功能，云和端的互动功能，使知识创造有了新的工具和载体，促进了暗默知识的显性化、云端化，加速了知识创造的过程。
第二个方面，工业4.0提到横向集成、纵向集成、端到端集成，实际是借助互联网和平台经济打破企业内部门间或者不同企业之间的知识边界，使暗默的知识表出化、集成化，通过知识整合创造新的知识。
第三个方面，CPS和MBD是指基于模型的制造，目前应用最多的是在航空产业，汽车制造也开始有这样的应用。CPS和MBD使虚拟的模型具有自主学习的能力，加速了离散知识的系统化和自动化。
通过以上三个方面，工业4.0使个人的暗默知识加速向组织和社会的形式知识转化，使知识创造达到主客一体、知行合一。
知识创造可以加速企业异质化资源的形成，并成为企业竞争力的核心资源。知识创造扩大全社会价值的空间，成为全球范围内企业竞争的战略制高点。美国的再工业化不是传统制造业的回流，而是要创造新的价值空间。靠的是什么？我认为靠的是新知识的创造能力，未来企业价值的大小将主要体现在知识创造的动态能力上。未来的产业组织形态将是网络化的，所有企业都是网络上的节点，只不过有些企业是平台型的，有些企业是单点型的，这主要取决于不同行业知识创造的最佳组织形式，以及不同企业知识创造的组织能力。
即使实现了知识自动化，人仍然处于工业4.0的核心位置。人脑有知觉、类比和比喻能力，可以整合非结构化的信息。人工智能正在接近这样的能力，但是不能完全达到这样的能力。我个人认为，知识自动化是知识创造过程的自动化，是暗默知识向形式知识转化过程的自动化，而不是脱离了人自动产生知识的意思。已经形式化的知识相对于人类社会共有的暗默知识而言，可能只是冰山的一角，基于人的暗默知识仍然是知识创造的源泉，从这样的角度认识，认知科学可能是工业4.0更本质的学科基础。
知识创造的再组织是工业4.0成功的关键。这里有两个层次，一是基础学科打破学科界限，实现学科交叉和融合；另一个是打破企业组织的界限，实现组织内知识的整合和再创造。从组织变革上推进知识创造，我认为是工业4.0能否取得成功的关键。
投资信息化，还是投资知识化？首先要识别给企业带来核心竞争力的知识资源，投资信息化是为了更好转化和创造知识，是为了更加有效地管理知识，但是必须以投资知识资源、形成知识创造能力为前提。哪些是企业的信息化能力，哪些是企业的知识化能力？作为判断标准，企业的信息化能力可以通过外包来解决，而知识创造能力无法通过外包来解决。单独投资信息化或者知识化都存在边际收益递减的问题，信息化/知识创造能力合理比例的投资却可以实现边际收益递增，所以有投资最佳比例的决策问题。
最后，我想说制造业的国家竞争其实是知识创造能力的竞争。日本、德国是基于工厂层面暗默知识（工匠精神）的制造业大国，工业4.0推动暗默知识组织内的形式化和集成化。美国是互联网大国，工业4.0是推动暗默知识平台上（云上）的连接化和系统化。这在某种程度上意味着云（平台）和端（企业）的竞争，哪一方会胜出，现在还没有答案。
中国制造2025，我个人认为光有智能制造还不够，应该是“智能制造+知识创造”。对此，我们需要从战略上深化认识新一轮科技革命和产业变革，我们对这一轮变革的认识还处在相对初级的阶段；我们需要在理论上深化研究工业4.0的内涵和发展规律；我们需要在组织上探索产、学、研、用协同创新的组织形态；我们需要从实践上探索智能制造+知识创造的中国之路。
标签：4.0,认识,知识,干货,创造,工业,王晓明,暗默 来源： https://blog.51cto.com/u_15127682/2828210