基于智能平台的“一切皆服务”
接下来就是智能服务，这方面的重点不是产品，而是新商业模式下的新服务项目。前提是数据化、知道用户的偏好和习惯，以此来启动商业模式和服务的优化。
道理非常简单，数据变成了一种产品，它本身蕴含着价值。如果你的商业模式是数据驱动的，那么所有的一切都可以成为服务，这一点并不神秘，绝大部分公司都可以做到。
具体怎么做呢？没有任何一个公司能够做到所有的数据收集、分析工作都自己做，因为工作量太庞大了。你需要有一个强劲的生态系统，帮助你来做连接，帮助你把不同领域的数据收集、回传、分析。这涉及到互可操作性，你需要在一个平台上对这样的生态系统进行管理。
实际上它关系到工业4.0的最终结果，就是要实现各种设备工具机器之间的互联。
用汽车行业做一个例子，未来可能在所有的展览上你都能看到互联汽车，或者叫自动驾驶汽车。它需要有智能架构来支撑，一辆汽车自动行驶，它必须实时了解周围的环境，数据传输速度要非常快，以毫秒来计算，这意味着网络基础设施和底层技术架构必须得升级。
现在是怎么做的呢？比如说谷歌，它有成百上千辆汽车在路上收集数据做地图、做测量。以后不会是这样的了。因为以后所有的汽车都会有数据采集设备，比如在德国，所有新车上都已经安装了传感器。
从公司层面，软件的虚拟化非常非常的关键。比如说在一个组装线上，来自于不同厂商的机器设备必须互相匹配和协调，怎么才能知道是否匹配协调呢？如果你有一个数字模型来控制所有机器，这样你把设备卖给客户之前，他们可以模拟使用这些设备的情景，这就是我所说的软件的虚拟化，在这个基础上，我们才能实现所有机器设备的互联，智能的互联，这是一个软件定义的架构。
说到通过软件平台管理生态系统，现在有一些争论，就是平台中立化问题。有人担心平台被用来打击竞争对手，或者说平台上的公司被平台控制。这是一个问题，因此我们需要一个开放的数字平台，让客户能够即插即用，同时又有能够支付得起的服务价格，还需要有值得信赖的云，不管是公有云还是私有云，你要保证系统的安全性，确保能够把世界上所有的设备和机器安全地联系起来，这是一个终极的目标。
在商业模式上，平台要保证所有人都可以参与进来，平台上面任何类型的服务都可以实施，不同的市场、不同类型的服务、不同类型的社区，想做什么都可以。所以我猜这样一种平台，应该由具有高度专业知识的重要公司来提供，这样才能保证底层很复杂、很坚固，但顶层有很大的灵活性，而且简单易用。
在商业模式的创新上，现在我们已经可以根据用量来进行收费，但对于平台即服务的模式，平台必须是双向的，在一个连接了大量设备和终端的平台上，一方面你有很多供应商，另一方面你又有很多客户，这天然就是一个双向市场。
如果认同这一点的话，问题的下一步就是，这对于工人来说意味着什么呢？在过去我们优化的是流程，以后我们优化的是工作场所，是工作本身，这会导致工作岗位变少吗？
这在德国的确是一个关注焦点。工会作为员工代表，比较担心工人以后会不会没有工作了，因为所有的事情都可以自动化、用机器人做了。确实会存在这么一种情况，低附加值的工作可能会消失，但是新的工作岗位也会被大量创造。过去十年，德国对机械工程师的需求增加了9.5万个，而自动化产业增加了1.5万个工作岗位。
关键是对新能力的要求，比如说一个机器操作员，工厂变得更加自动化，意味着控制机器的人要更加灵活，要有更强的自我组织能力和多元化技能。对企业或政府而言，必须要有相应的教育和培训，提升工人的技能水平。但是这种培训可能不是大规模地坐在一起听课，而是通过各种灵活的学习方式，这在现在的技术水平下完全能做到。
四大挑战
我最后要讲的就是挑战是什么：
首先我们要建立一个数字平台，这个本身就是挑战，尤其是有着统一标准的开放数字平台，是非常困难的。这也是为什么我反复说我们需要有一些领军型的公司、核心的公司，它们先动起来，然后进行标准的协同化，开放式协同，然后再让中小型企业参与进来共同发展。
其次就是基础架构（framework）方面的挑战，比如说在法律上，我们对于数据的使用怎么样来进行管控，相应的法律框架怎么搭建，我们还需要有一个统一的欧洲数字市场。从政府的角度，数据政策就变成了一种经济政策，谁拥有数据，谁来保护数据，谁来负责这个分享数据，这些都是新课题。
第三个挑战是公司的组织结构和工作方式的变革。变革的同时，我们需要找到合适的方法来满足公司所有者和公司雇员双方的要求，比如说在德国就要考虑到工会的一些要求。
最后，从社会层面来说，焦点之一就是数据保护、隐私的保护，那么多的个人信息都在云平台上，怎样防止数据泄密、泄露客户隐私等等，这是一个很大的关注。再就是我前面提到的人机交互，机器人和人一起工作，要让机器人能够不仅仅了解人的语言或者是肢体动作，甚至能了解人的情绪，在人和机器之间实现类似人和人之间的无缝沟通。我们还在做这方面的研究，还需要相当长的时间才能够做到这一点。