狮子金融

导读：德勤深度剖析智能制造在中国制造业中的部署及特点，展望智能制造落地远景，并为相关企业提出三大战略。

亚洲正受到自动化、智能化大潮袭击。国际劳工组织调研发现，越南、柬埔寨、菲律宾和印度尼西亚的工人的失业风险最高，据估量这几个区域约50%的工人事情可能在未来20年被自动化取代。

亚洲尤其是中国作为制造业的主要区域，在面临制造业向自动化、智能化、数字化转型中，能否继续保持其竞争力？

中国进入高速成耐久

智能制造是基于新一代信息手艺，贯串设计、生产、治理、服务等制造流动环节，具有信息深度自感知、智慧优化自决议、 精准控制自执行等功效的先进制造历程、系统与模式的总称 。简而言之，智能制造是由物联网系统支持的智能产物、智能生产和智能服务。

智能制造已经成为全球价值链重构和国际分工名目调整靠山下各国的主要选择。蓬勃国家纷纷加大制造业回流力度，提升制造业在国民经济中的战略职位。毫无疑问，在此次大潮中亚洲正在起劲追求突破。以人工智能为例，各国政府鼎力支持人工智能，推动科技公司、初创公司和学术界的创新。

2017年，韩国政府宣布了10亿美元的人工智能资金；日本激励人工智能创业公司和风险投资；新加坡政府的国家研究基金会宣布国家人工智能设计（AI.SG），设计未来五年投入1.5亿新加坡元（约1.07亿美元）生长人工智能。

▲ 工业4.0生长路径

除了政府的支持，亚洲企业更起劲打破行业壁垒加速新产物开发。差异于西欧同类企业，中国领先企业间的互助习以为常，一些着名类型包罗：百度与小米在物联网与人工智能领域互助开发更多应用场景；腾讯与京东互助结构电子商务生态圈；印度系统集成商组成AI同盟（如OpenAI）。这赋予它们惊人的影响力，也意味着它们拥有可用于快速推动创新的手艺实力和资源基础。

中国是亚洲智能化转型的主要气力。政府增强智能制造顶层设计，开展试点树模和尺度系统建设；企业加速数字化转型，提升系统解决方案能力。中国智能制造取得显著成效，进入高速成耐久。

中国智能制造进入成耐久主要体现在三方面：首先，中国工业企业数字化能力素质提升，为未来制造系统的剖析展望和自顺应奠基基础。第二、财政效益方面，智能制造对企业的利润孝顺率显著提升。第三、典型应用方面，中国已成为工业机械人第一消费大国，需求增进强劲。

企业智能化的六大阶段

企业数字化能力素质体现在其行使数据指导生产以及系统自优化的能力。我们借鉴国际普遍认可的工业4.0生长路径，将企业智能化成熟度分为六个阶段：盘算机化、毗邻、可视、透明、展望和自顺应。

盘算机化

企业通过盘算机化高效处置重复性事情，并实现高精度、低成本制造。但差其余信息手艺系统在企业内部自力运作，许多装备并不具备数字接口。

毗邻

相互关联的环节取代各自为政的信息手艺。操作手艺（OT）系统的各部门 实现了连通性和互操作性，然则依旧未能到达IT层面和OT层面的完全整合。

可视

领会正在发生什么，通过现场总线和传感器等物联网手艺，企业捕捉大量的实时数据，确立起企业的“数字孪生”，从而改变以前基于人工履历的决议方式，转为基于数字举行决议。

透明

领会事宜发生的缘故原由，并通过基本缘故原由剖析天生熟悉。

展望

将数字孪生投射到未来，模拟差其余情景对未来生上举行展望，并适时做出决媾和接纳适当措施。

自顺应

展望能力只是自动化行为和决议的基本要求，而连续的自顺应则使企业实现自主响应，以便其尽快顺应转变的谋划环境。

随着中国两化融合和工业物联网建设等多项行动推进，制造型企业数字化能力素质显著提升，大部门企业正致力于数据纵向集成。德勤调研效果显示，81%的受访企业已完成盘算机化阶段，其中41% 处于毗邻阶段，28%处于可视阶段，9%处于透明阶段，而展望和自顺应阶段的企业各自占2%。

▲ 受访企业所处阶段（基于企业自我评估）

智能制造利润孝顺显著提升向工业4.0进阶为制造企业带来真实可见的效益。2013年德勤曾调研天下200家制造型企业，效果显示中国企业智能制 造处在低级阶段，且利润微薄。经由五年的快速生长，智能制造产物和服务的盈利能力显著提升。

2013年智能制造为企业带来的利润并不显著，55%的受访企业其智能制造产物和服务净利润孝顺率处于0-10%的区间，而2017年，仅有11%的受访企业处于这个区间，而41%的企业其智能制造利润孝顺率在11-30%之间。利润孝顺率跨越50%的企业，由2013年受访企业占比14%提升到2017年的33%。智能制造利润孝顺率显著提升，利润泉源包罗生产历程中效率的提升和产物服务价值的提升。

▲ 智能制造产物和服务利润孝顺率显著提升

中国换道超车的两大底牌

中国已延续六年为工业机械人第一消费大国。IFR数据显示，中国工业机械人市场规模在2017年为42亿美元，全球占比27%， 2020年将扩大到59亿美元。2018-2020年海内机械人销量将划分为16、19.5、23.8万台，未来3年CAGR到达22%。汽车、高端装备制造和电子电器行业依然为工业机械人的主要用户。

中国有哪些怪异优势？首先是数据量。当前人工智能热潮背后的机械学习手艺对数据极其依赖。识别人脸、翻译语言 和试验无人驾驶汽车需要大量的“训练数据”。由于中国的人口数目和装备数目重大，中国企业在获取数据方面具有自然的优势。第二，中国制造业企业硬件装备和厂房相对西欧企业普遍较新，对照容易实现装备毗邻和厂房刷新。

▲ 全球主要市场工业机械人销量

对中国来说，工业互联网不是“弯道超车”而是“换道超车”，基于中国重大的工程师数目、完善的工业基础和大量数据潜力。

——李义章，索为系统董事长

若何部署智能制造

德勤观察发现，中国工业企业智能制造五大部署重点依次为：数字化工厂（63%）、装备及用户价值深挖（62%）、工业物联网（48%）、重构商业模式（36%）以及人工智能（21%）。

▲ 受访企业智能制造部署重点领域

▲ 受访企业所关注的手艺

工厂数字化

智能制造是以制造环节的智能化为焦点，以端到端数据流为基础，以数字作为焦点驱动力，因此数字化工厂被企业列为智能制造部署的主要义务。现在企业数字化工厂部署以买通生产到执行的数据流为主要义务，而产物数据流和供应链数据流提升空间大。

数字化工厂通过新一代信息手艺，实现 从设计、生产、物流和服务等各个环节的数据勾通，加速决议，提高准确性。只有买通数据流才气实现基于实时数据转变，对生产历程举行剖析和优化处置，进而实现营业流程、工艺流程和资金流程的协同，以及生产资源（质料、能源等）在企业内部及企业之间的动态设置。买通数据流也是工厂确立“数字孪生”的条件，数字孪生不仅指产物的数字化，也包罗工厂自己和工艺流程及装备的数字化，从而实现周全追溯、物理与虚拟双向共享和交互信息。

买通数据流主要包罗三类数据的连通，即生产流程数据、产物数据以及供应链数据。

生产流程数据

买通生产流程数据除了从生产设计到 执行的数据流(如ERP到MES)， 还包罗MES与控制装备和监视装备之间的数据流，现场装备与控制装备之间的数据流，以及MES与现场装备之间的数据流等。

▲ 生产数据流主要类型

产物数据流

买通产物数据流主要体现在产物全生 命周期数字一体化和产物全生命周期可追溯。产物全生命周期数字一体化以缩短研发周期为焦点，主要应用基于模子界说（MBD）手艺举行产物研发、建设 产物全生命周期治理系统(PLM)等。研发是数字化工厂“数据链条”的起点， 研发环节发生的数据将在工厂的各个系统间实时转达，数据的同步更新阻止了传统制造企业经常泛起的由于相同不畅发生的差错，也使得工厂的效率大大提升，缩短产物研制周期。产物全生命周期可追溯以提升产物质量管控为焦点。

主要应用是让产物在全生命周期具有唯一标识，应用传感器、智能仪器仪表、工控系统等自动采集质量治理所需要数据，通过MES系统开展在线质量检测和预警等。

供应链数据流

买通供应链数据流主要体现在供应链上下游协同优化，实现网络协同制造。主要应用是建设跨企业制造资源协同平台，实现企业间研发、治理和服务系统 的集成和对接，为接入企业提供研发设计、运营治理、数据剖析、知识治理、信息平安等服务，开展制造服务和资源的动态剖析和柔性设置。

德勤调研效果显示，现在企业致力于买通从ERP到MES甚至现场装备的数据流，但这也仅是从生产到执行的买通，未来 还需将产物数据、供应链数据串联。我们将生产数据流分为两个环节：一、买通生产设计与执行系统的数据流；二、执行与监控和现场装备的数据流。

效果显示， 83%的受访企业示意已买通ERP和MES的数据流买通。62%的企业继续向 下买通MES到现场装备的数据流。但仅有47%的企业买通了产物数据流，44%的企业买通供应链数据流。而且思量到我们观察的企业均为资质较好且为中等以上规模，这一系列比率显然高于中国整体平均水平。

▲ 受访企业数据连通情形

从行业角度来看，航空航天领域所有受访企业已经买通从生产设计到执行的数据，但从生产执行到现场装备、产物以及供应链的数据链条连通相对滞后，提升空间大。电子组件及电器制造行业产物数据流 和供应链数据流连通情形高于其他行业，数字化工厂整体水平较高。产物质量可谓是制药行业的生命，而买通产物数据流的制药企业仅占33%，行业需要强化产物全生命周期可追溯，提升产物质量管控能力。汽车及汽车零部件以及高端装备制造都在产物数据流方面领先（见下图）。

▲ 受访企业数据连通情形（按行业）

买通“次元壁”

未来数字天下和现实天下会是一体两面，买通数据流也是数字孪生（digital twin）操作的基础。德勤以为数字孪生是物理实体或流程的准实时数字化镜像，有助于企业绩效提升。数字孪生往往包罗“数字产物孪生”、“生产工艺流程数字孪生”和“装备数字孪生”差异层面但可以高度集中统一的数据模子。

数字产物孪生领域，特斯拉公司为其生产和销售的每一辆电动汽车都确立 数字孪生模子，相对应的模子数据都保留在公司数据库。每辆电动车天天 讲述其一样平常履历，并通过数字孪生的模拟程序使用这些数据来发现可能的 异常情形并提供纠正措施。通过数字孪生模拟，特斯拉天天可获得相当于 160万英里的驾驶体验，并在不停的学习历程中反馈给每辆车。生产流程数 字孪生领域，一些嗅觉敏锐的工厂及生产线最先引入数字孪生，在制作之 前，对工厂举行仿真和模拟，虚拟出制作工厂的最佳流程，再将真实参数 传给现实的工厂建设，有用削减误差和风险。待厂房和生产线建成之后，一样平常的运行和维护通过数字孪生举行交互，能够迅速找出问题所在，提高事情效率。

Gartner对美国、德国、中国与日本的202位企业的观察发现，到2020年，至少50%年收入跨越50亿美元的制造商将为其产物或资产启动至少一项数字孪生项目，届时介入使用数字孪生手艺的企业数目将增进3倍。预计在往后数年时间，将有数以亿计的用户使用数字孪生操作，它将被企业用于设计装备 服务、生产线操作、展望装备故障、提高操作效率、加速新产物开发等。在未来，这项手艺有望与工业生产彻底融合，推动智能工业进入新阶段。

若何确立数字孪生？德勤以为数字孪生的确立包罗两个主要关注领域：设计数字孪生的流程和产物生命周期的数据要求—— 从资产的设计到资产在真实天下中的现场使用和维护；确立使能手艺，整合真实资产及其数字孪生，使传感器数据与企业焦点系统中的运营和生意信息实现实时流动。

智能工厂的落地实行还要看企业痛点，有的企业要提升产物质量，有的企业要实现产物设计生产和治理的数字化，由于企业往往难以遭受“全家桶”解决方案，可以先解决眼前问题，但一定要有久远设计，以免以后无法实现互联互通。

—— 朱毅明，和利时团体总工程师

深挖装备和用户价值

制造型企业面临愈发猛烈的市场竞争和日益透明的产物订价，不得不寻找新的 价值泉源。德勤智能制造调研效果显示，装备和用户价值深度挖掘是企业智能制造部署第二重点领域。62%的受访 企业正起劲部署装备和用户价值深度挖掘，其中41%的企业偏重装备价值挖掘，21%的企业偏重用户价值挖掘。

围绕装备举行价值挖掘可以说是制造型企业的天性。如在研发设计阶段，嵌入新手艺，生产更智能或更多样化的产物；在销售阶段，提供装备相关金融服务；在售后阶段，对出厂装备和产物举行实时数据采集和监控，并举行性能剖析、展望性维护等，既提升平安性，也为企业缔造更多服务时机。

虽然起步较晚，制造型企业也在探索和实验对用户价值举行深度挖掘，其中以C2M (customer-to-manufactory，客户到制造)最受瞩目。C2M体现了定制化生产的特征，使制造商直接面临用户，以知足用户个性化需求；同时通过削减中央环节降低成本、提升效率。

例子：红领团体通过打造C2M电商平台、柔性供 应能力和大数据能力实现了大规模定制 化。主顾可以在其C2M电商平台选择名目、工艺、质料并下单。平台快速网络主顾涣散、个性化需求数据的同时，大数据和云盘算手艺按客户需求匹配产物数据模子，其名目数据和工艺数据能知足跨越百万万亿种设计组合，笼罩99.9%的个 性化设计需求。当版型确定后，系统自动天生工艺数据，工艺数据发送至工厂，工厂举行生产交付。整个流程从下订单到产 品出厂仅需7个事情日，并做到按需生产、零库存、一人一版、一衣一款。

阿里巴巴的“淘工厂”集结上万家工厂，将电商买家订单与制造厂商产能举行对接，把柔性产能档期联网，解决电商买家有订单无工厂，制造企业有产能无订单的结症。

工业物联网的三类场景

智能制造要求制造系统具备感知、剖析、决媾和执行的能力，而这些能力的焦点均涉及物联网相关手艺，如面向感 知的物联手艺（传感器、RFID、芯片）、面向剖析的工业大数据剖析和面向决议及服务的应用平台。

德勤调研效果显示，现在中国制造企业物联网应用以感知为重点，剖析和服务融会将是未来物联网建设重点。受访企业普遍确立系统以传感器采集动态数据，但数据剖析和平台应用相对滞后。

从行业应用来看，电子及电器行业传感 器和平台应用最为普及，76%的受访企业行使传感器采集数据，43%的企业行使物联网平台，但仅有33%的企业接纳大数据手艺剖析所采集的数据。汽车及零部件制造行业传感器手艺应用也有较高普及率达73%，但大数据和平台应用低于其他受访行业。制药行业大数据手艺行使最为起劲，由于医药行业早已面临海量数据和非结构化数据挑战（见下图）。

▲ 受访企业典型物联网相关手艺应用情形

感知仅是物联网应用的低级阶段，以数据洞察指导行动，从而提高效率，或者与服务融会缔造新价值，才是物联网的 焦点。云平台通过提供壮大的数据传 输、存储和处置能力，辅助制造企业采 集和处置大量数据。工业云平台不仅能 够实现企业通过平台完成产物的设计、 工艺、制造、采购、营销等环节，还将改变传统生产方式和制造生态，缔造新的收入泉源和商业模式。中国制造企业云部署现状若何？

德勤调研发现，中国制造企业云部署起劲性不高。53%的受访制造企业尚未部署工业云，47%的企业正在举行工业云部署，其中27%的企业部署私有云，14%部署公有云，6%部署夹杂云（见下图）。上云可以大幅降低每个单元的储存和盘算成本，甚至通过跨界缔造新的商业模式，但也带来了庞大性。企业忧郁一旦将诸如工厂生产历程、资产性能治理的数据放到 云平台上之后，信息平安、知识产权问题会接踵而至。除此之外，许多企业尚未明 确工业云在企业层面的商业应用和相关能力欠缺也是导致企业云部署起劲性不高的缘故原由。

对于选择公有云照样私有云，很洪水平取 决于企业的关注点差异。若是企业只是 聚焦自己的生产制造，降本增效，往往不会选择公有云；若是企业聚焦商业模式创 新和产物转型，则会自然的更倾向于选择公有云或夹杂云，由于往往涉及服务平台，需要做到一定水平上的兼容和融合。由于现在海内对照常见的工业云的部署 以云的基础功效为主，企业把云看作虚拟服务器，在云上做存储、盘算，只有少数企业通过云部署改变生产方式和制造生态，举行公有云和夹杂云部署的企业仍为少数。

▲ 受访生产型企业工业云部署

未来企业很大部门增值未来自跨企业流动，从久远看，公有云、夹杂云是大趋势，由于只有这样才气实现数据交流和资源共享。私有云虽然平安，但很可能被伶仃在新的商业模式和新的生态圈之外。

—— 贺东东 树根互联CEO

德勤以为物联网在智能制造领域的应用场景主要分为三类：装备与资产治理、产物洞察和服务创新。

治理装备与资产

具备感测与联网功效的系统与大数据连系，可以实现装备的监控和治理，如远程监控、展望性维护和互联现场等。远程监控以物联网替换传统的人工巡检机制，通过传感器远距离将装备数据传输到运营中央。展望性维护打破传统工厂 按设计举行定期维护装备的运营方式， 通过物联网对装备整个生命周期举行全程监控，并展望装备未来可能发生的故障，提前制订预防性维护设计，削减故障率并提高生产效率。

物联网还可以毗邻和监控厂房的工业装置和装备，获得有看法的剖析，从而辅助跨工业装备、 生产线以及在整个工厂局限内优化性能和效率。固然，除了新厂房，老厂房和装备在没有更新换代之前，也有联网监控的需要，若何在现有装备上举行物联网刷新是值得企业关注的问题。

洞察产物

制造企业往往不太领会自己的产物若何被使用，而物联网将改变这一现状。在产物投入使用后，制造厂商可以通过物 联网与产物确立并保持联系，网络动态数据，以加倍系统的方式实时地连续地 剖析产物使用情形。在领会客户对产物的使用方式后，厂商还可以基于数据展望客户需求，开发个性化产物和新的服务项目，提高产物附加值。

服务创新

基于数据和平台提供后市场服务，物联网 与服务融会实现商业模式创新。物联网协助制造企业更有用捕捉和展望市场需求，缔造动态化、个性化的智能服务、咨询服务、数据服务、物联网金融与保险 等新的服务种类。这类应用将打破企业原来的界限，从全社会的维度思索制造资源的优化，客户和制造端的互动以及种种商业模式的创新。

企业需要评估自身营业需要，明确商业目的、相关流程和预期效果的局限，在思量手艺可扩展性、性能、带宽经济和手艺创新品级后，才气对数据和物联网系统的处置架构做出明智的选择。

商业模式重构

智能制造不仅能够辅助制造型企业实现降本增效，也赋予企业重新思索价值定位和重构商业模式的契机。同时，新进入者也在不停挑战传统市场介入者的职位，众多手艺型企业加入战场推动工业企业探索商业模式上的创新。

德勤调研发现企业对未来商业模式的设计大致呈四类：30%的受访企业未来商业模式将以平台为焦点，26%的企业走规模化定制模式，24%以“产物 服务”为焦点向解决方案商转型，12%以知识产权为焦点（见下图）。平台型商业模式定位以提供多种软件服务和搭建生态系统为焦点，未来可能不会泛起类似BAT这样的行业巨头，但不乏垂直行业领军企业或平台。规模化定制模式，如C2M已经不局限于服装制造，而延伸到汽车和装备制造等行业。“产物 服务”为焦点旨在围绕客户需求提供解决方案，是现在许多企业在做的。以知识产权为焦点的企业往往通过专利战略，形成手艺壁垒占领市场。

▲ 受访企业未来商业模式定位

差异商业模式的价值定位和价值缔造方式差异，所面临的挑战也不尽相同（见下图）。企业需要连续审阅自己的商业模式，通过评估自身运营情形举行适当地改善并定期评估其他商业模式是否具有可行性。

▲ 差异商业模式特点及挑战

人工智能推翻制造和服务业

人工智能对制造业的影响主要来自两方面：一是在制造和治理流程中运用人工智能提高产物质量和生产效率；二是对现有产物与服务的彻底推翻。

随着海内制造业自动化水平提高，机械人在制造历程和治理流程中的应用日益泛，而人工智能更进一步赋予机械人自我学习能力。连系数据治理，导入自动化妆备及相关装备的联网，机械人通过机械学剖析，可以实现生产线的精准配合，并更准确的展望和实时检测生产问题。

人工智能在制造业产物和服务领域的应用则更具有推翻性。产物自己就是人工智能的载体，硬件与各种软件连系具备感知、判断的能力并实时与用户、环境互动。而产物的功效和服务，也将推翻原有生态系统。以汽车产业为例，传统汽车行业的竞争名目是金字塔型——整车厂处于顶端，各级别供应商追随厥后。然则在智能汽车时代，整车厂的主导职位将受到严重挑战，零部件厂商、互联网巨头、算法公司、芯片制造商、传感器供应商等企业无不加速对无人驾驶手艺的研发和商业化措施，并期望通过占有手艺制高点 打破汽车产业的生态平衡。

中国制造企业人工智能应用情形若何？

德勤智能制造调研发现，51%的受访企业在制造和治理流程中运用人工智能，46% 的受访企业在产物和服务领域已经或设计部署人工智能（见下图）。制造和治理流程中人工智能的运用更偏向系统自动化和制造精益化，目的是提高生产效率和产物质量，同时人也被解放出来，可以去思索更庞大的问题。主要应用场景包罗使用机械人实现流程自动化、柔性制造、定制化生产、质量检测等。在产物和服务领域人工智能的运用更偏重产物和服务与使用者的互动，典型应用包罗研发和新品测试、用户行为剖析、自动驾驶等。

▲ 受访企业人工智能应用及部署情形（整体）

固然人工智能仍处在其生长早期，手艺突破及商业论证需要更长时间。另外，人工智能应用环境和基础设施的完善水平，信息和平安律例、企业自身的能力都成为企业面临的主要挑战。我们发现，对于尚未部署人工智能的制造企业来说，缺乏投资人工智能的商业论证、尚不具备确立和支持人工智能的系统能力、尚不明确部署人工智能的条件为主要挑战（见下图）。

▲ 受访企业尚未部署人工智能的主要缘故原由

人工智能正迅速渗透各行各业。汽车及汽车零部件制造、高端装备制造、电子及电器制造三个行业在制造流程中接纳机械人的比例过半。汽车及零部件制造行业使用机械人的企业比例到达80%，预示未来工业机械人的市场增量将主要来自非汽车行业。在产物和服务领域已 经或设计部署人工智能的行业漫衍对照平均，高端装备制造和制药比例较高，但其他行业如新质料、汽车及零部件、航空航天、电子及电器也正在或设计部署人工智能。

▲ 受访企业人工智能应用及部署情形（按行业）

关于人工智能在制造业应用，装备相关的应用（如物流、盘产）还对照多，然则工艺相关 领域需求较少。

—— 赵金元，太极团体业IT事业一部总司理

行业对人工智能的明白已随着算法、手艺和应用的生长，越来越加深。对于企业而言，应跳出人工智能仅是“机械换人”的既定头脑，在精益制造、产物质量、用户体验等多方面举行部署。

▲ 人工智能行业应用场景

三招跨越能力鸿沟

重构商业模式是一项庞大艰难的义务，我们请企业就实现构想中的商业模式所面临的能力鸿沟举行打分，综合来看，商业模式优化、创新治理以及云部署为企业能力建设三概略害义务，德勤建议划分从以下几个方面入手提升能力：

▲受访企业亟待提高的能力（企业自我评估权重打分，分值越高能力越弱）

商业模式优化

优化商业模式可能仅需要改变或改善现在模式中部门元素，也可能涉及改变整体运营模式的重大转型。在已往的15年里，由于手艺、通讯、物流和交通等方面的迅速提高，整体运营模式的重大转 型已更为常见。企业需要运用行之有用 的方式和工具，从以下事情流程各环节入手优化商业模式。

企业转型整编：优化现有商业模式，包罗从原质料采购到产物销售历程所涉及的一切环节，挖掘可以整体改动或局部改善的待优化环节，以支持新的商业模式。

重新设置信息手艺系统：企业需要探索、设计与实行基础设施及信息手艺系统的改善。

重新调配职员：人尽其用是企业转型可连续性的要害之一。重新调配职员偏重于设计和实行职员调剂，以支持新商业模式，并实现从原有模式到新模式的顺遂过渡。该环节还包罗制订新的要害绩效指标及汇报关系以支持新商业模式。

重组执法、财政及税务架构：商业模式优化方案的设计和实行通常涉及许多庞大的执法实体及税务架构上的改变。企业治理团队需要剖析差异方式的利与弊。如新商业模式下所得税和转让订价事项有何转变，增值税和关税对新商业模式可能发生的影响。

创新治理

创新治理的目的包罗优化创新产物治理、 优化生命周期成本、优化资源使用效率和优化风险治理。

优化创新产物治理：确立统一的产物治理系统（包罗有形 的产物和服务），优化决议流程，提高决议效率

优化生命周期成本：通过产物生命周期的最优化运作，优 化产物投资成本和运营成本

优化资源使用效率：通过监控、评估和KPI治理，优化产物 治理、提升资源使用效率

优化风险治理：有用治理创新历程中的市场风险和数 据平安风险等诸多风险

值得注重的是，单纯的产物创新治理并 不能令企业恒久保持竞争优势。现在，险些所有产物种别都处于猛烈的竞争之中，任何新产物的任何怪异优势都市被快速吞噬。组合多种创新类型可以辅助公司拥有更好的财政回报。虽然不能把这些公司的绩效所有归功于创新，但创 新有助于提升一家公司的机制，包罗投资者对它未来的预期。

云部署

仅仅把数据和应用转移到云上是远远不够的，大多数情形，上云会牵涉多个营业功效，影响企业的供应商、财政报表和客户，企业需要久远设计，分步执行。企业还需要充实思量人力资源和数字化水平若何与云部署配合。

设计：审阅企业现有商业模式并探讨是否有其他可行的商业模式，凭证商业模式 制订云部署战略，举行商业论证和自身能力评估。

执行：执行阶段可以分四步走，第一步是SaaS 部署，包罗ERP，CRM，人力资源转型和其他软件部署；第二步是个性化部署，包罗应用开发、架构搭建和平台部署；第三步为云迁徙，其间可能需要对应用软件举行更新和调整。第四步为引入大数据剖析平台。

今天的市场变得越来越多样化，消费者的需求在不停转变。同时，产物、生产流程和服务的数字化、智能化已是事态所趋，受此趋势影响，工业企业正在加速智能制造部署，并不停审阅商业模式，并制订有用战略，以期从运营和战略层面推动现实价值的缔造。

小结

随着全球新一轮科技革命和产业变化加紧孕育兴起，加上我国制造业转型升级形成现在的历史性交汇。智能制造在全球局限内快速生长，已成为制造业主要生长趋势，对产业生长和分工名目带来深刻影响，推动形成新的生产方式、产业形态、商业模式。然则风险与时机并存，企业应该从商业模式优化、创新治理以及云部署三个大偏向对自己转型升级，以应对未来挑战。