3

IIoT重点在生产制造环节

还是制造之外？

IIoT的发展重点，往往被锁定在生产制造环节。

IIoT的典型应用，比如各类智能工厂、关灯工厂…用比较刺激的说法，“无人”工厂。

其实经过逾百年的发展，生产制造环节的管控水平和效率提升已经达到了一定高度。

贝加莱公司的宋华振曾经记录过一段有趣的对话：

工业互联网的大佬说：通过工业大数据，可以提升风力发电机组的发电效率。

宋质疑道：我们做控制系统的所要做的不就是获得叶片的最大叶尖速比吗？我已经调节到最大了，你怎么才能更大呢？

大佬说：那如果风向改了呢？

宋：那控制方面不是有偏航系统吗？

大佬说：那通过大数据可以避免对电网的冲击。

宋：那控制系统不是有低电压穿越功能吗？

也许有人认为，尾部企业的生产制造环节还有很大的改进空间。

的确，按照惯常的逻辑，同一行业中，头部企业往往自动化程度较高，尾部企业还有时间和机会借助IIoT修炼内功，逐步赶上，甚至弯道超越一部分。

但当世界局势从“全球化”到“孤岛化”的演进，“黑天鹅”迭起之后，整套逻辑发生了变化。从终局逆推现在，在2019年，“降维打击”可能会成为普遍现象。运营效率不高的企业，直接被清除出局。经由市场的外力作用，完成生产制造环节的最优化。

如今IIoT的真正重心，恰恰在生产制造环节之外。

利用IIoT，我们第一次有机会系统化的“医治”工业的鲍莫尔成本病。

这一成本病理论由美国经济学家鲍莫尔，在1967年提出。

简单的说，他构建了一个两部门非平衡增长模型，成功解释了主要经济体在20世纪大部分时间，产业结构变迁以及经济增长趋势。

鲍莫尔把宏观经济分为具有正劳动生产率增长率的进步部门，和不存在劳动生产率增长率的停滞部门。

在几个关键假设条件下，鲍莫尔得出的结论是，随着时间的推移，进步部门的单位产品成本将维持不变，而停滞部门的单位产品成本将不断上升。后人在鲍莫尔的基础上，进行了完善，从两部门模型，推广到一般的n部门模型。

如果将鲍莫尔成本病理论应用于企业内部价值链，图中红色框中的生产制造环节属于“进步部门”，劳动生产率达到较高水准，而周边某些“停滞部门”的劳动生产率无法提升，将会导致劳动力不断从“进步部门”向“停滞部门”转移，运营成本增速超过收入增速，因此整个企业的增长速度将逐渐变为0，也就是得上了著名的鲍莫尔成本病。

鲍莫尔成本病理论简洁明了，也能解释工业企业中某些“停滞部门”与对应环节成本高企的现象。这些停滞部门往往与服务重度相关，比如许多电器或设备的维修成本高于重置成本，因为完成维修任务的是售后“停滞”部门，而产品的制造任务则属于生产“进步”部门。

在工业之外，金融、电信、物流等行业，已经利用最新的ICT技术手段，将“停滞部门”转变为“进步部门”，实现了与服务重度相关环节的劳动生产率显著增长。

IIoT对于工业企业的最大意义之一，是打通自身的生产制造与周边配套环节，提升“停滞部门”的劳动生产率，实现对客户需求的快速响应，提供基于产品的运维服务，向制造即服务MaaS的模式迈进。

如果仍将视角聚焦在生产制造的几个环节中打转转，那么我们是不是两耳不闻制造外，一心呆在传统工业自动化的舒适区里，继续做着IIoT？

狂热之后，迟早迎来寒冬。大涨之后，往往退潮紧随。