伴随智能技术的发展，物流运输的整个链条，这个链条上的每一个终端环节，不管是出于效率，出于成本，还是出于物流质量控制，都不得不导入智能监控设备，不得不开发基于移动的与智能终端设备联通的APP应用，以便全流程数据可视。
工业4.0对于智能物流来说是一个发展的契机
一、中国企业经营者，无论目前处于什么阶段，甚至可能是处于前2.0(工业化和大规模制造)阶段，也应该花些时间和精力研究、思考工业4.0是什么，自己的企业离4.0有多远，或者有多近。因此，对4.0的阐述就成为了我的优先课题。
二、4.0不仅对于中国企业，即使对于德国企业，对于美国和日本企业，也是将要走向的未来的航程。
大家一定要记住，4.0概念和体系本身，一定会随着技术的发展，随着商业模式的不断实践，而不断演变，不断被赋予新的内涵。一个优秀的企业经营者应该有这样的体会，站在未来高度思考今天的进程，和就今天的问题来解决今天的问题，结果根本是不一样的。这就是，我为什么要先写4.0的根本原因。
三、从2.0或前2.0走向4.0，这是一个过程，表现为一个历史时空的概念，一个“阶段“的概念。
我们认定为”阶段“的东西，它就有发展辩证法中所说的”历史必然性“基因，就是说，你要对这个阶段的东西有深入和本质的认识，它有必然的要素，你不能跨越它。马克思说过，人类历史发展阶段，可以认识，但不能跨越。企业发展也是如此。
也就是说，我们不可能直接跨越2.0，跨越3.0，一步就梦想实现4.0，一步就梦想进入世界最牛企业，比如，造就又一个中国的华为。所以，在我的阐述中，我会突出2.0到3.0到4.0表现为一个连续不断的历史发展阶段，局部技术可以超越，可以弯道超车，整体是不可能的。
因此，有些文章轻易提出，我们可以不经过2.0和3.0直接进入4.0，写这类文章的人，我不相信，他们有过长期企业经营的经历。
四、基于对”阶段“的理解，我和我的团队大胆提出了自己的工业4.0三阶段体系，并做了我们自己的2.0、3.0和4.0的建模体系，开发了一个2.0到4.0，以模块为基础的结构化图谱。尽管我们有很多思考，但也是一家之言。
我认为，工业2.0，德国人提出是工业化，我们理解，工业化的主要表现是基于标准化的大规模制造。对中国企业来说，在大规模制造阶段，尤其是在迈向未来市场竞争无比惨烈的艰难岁月中，核心是要根本解决品质管控下的精益管理，也就是说，量的表现还是大规模制造，但要解决质量和成本，这两个根本问题。这两个问题不解决，谈3.0，谈4.0都没有太大意义。
工业3.0，我们提出的体系是模块化概念，当然目前阶段是针对离散制造业，钢铁流程行业还在研发中。
这么考虑的原因是：
第一、大规模制造解决的是人们的基本需求，这点已被历史所证明，而大规模定制是在此之上，解决人们越来越多的个性化需求，而这种个性化需求是有约束条件的，这是因为人类的技术发展，企业的制造成本，还没有发展到能充分满足任何人，任何个性化需求，而企业又能赚钱和发展的阶段。我想，这种充分条件的个性化需求，即使是工业4.0也不可能完全实现，这会是一个无限逼近的历史进程。
第二、我们实际研究、考察，包括我们自己的实践，很多案例证明，模块化是满足个性化需求的历史进程的实践，是实证过的东西。根据前后两任哈佛商学院院长的研究，模块化实践其实是始于计算机，尤其是IBM360主机的开发和制造。
这也就解释了计算机，尤其是PC机，进而到打印机等，最先全部实现了模块化制造，并从模块化制造延伸到模块化供应，整个产业链实现了模块化。这点，丰田汽车应该是做得最好的。汽车行业也是模块化走得比较早，比较扎实，也比较成功的产业。现在、家电，甚至服装企业也都在搞模块定制。
基于这四点基本逻辑，我阐述的时候，是先阐述4.0，接着要阐述工业2.0是什么，3.0是什么，如何从2.0或3.0走向4.0。
估计，如果每篇不超过5000字的话，可能把这个问题讲清楚，大约还需要3-4篇文章，请各位多给我一点耐心，同时也请求各位，在阅读完之后，给我拍砖。
这个“拍砖”，我理解，并且，我期待的是，哲学意义上的“批判”，即“理性批判”。理性批判是我们认识工业4.0，从认识的必然走向认识的自由的最好的方法!
为更便于大家理解，还是请各位，仔细琢磨这张总结构图。我的阐述基本是按照这张结构图展开的。
在“谈中国企业如何走向工业4.0”第一篇(1月15日凌晨草就)，我完成了四个模块的阐述：
智能销售系统智能用户需求交互与分析系统互联网总线与MES系统，和⑥智能生产系统。设计系统，和⑤智能采购(可视化模块供应商)，这两个模块，我准备在我的工业3.0中详细阐述。
在这篇文章(4.0第二篇)，我主要展开，⑦智能物流系统，和⑧智能服务的概述。同时，增加第⑨个模块：大数据，主要是工业大数据。
智能物流怎么理解?目前可查阅的资料不多。我主要是从两个层面思考这个问题：一个是信息系统层面，另一个是终端智能设备导入层面。
首先，为什么从信息系统层面思考?
你想想，今天我们缺少货车吗?不缺，找不到活，回来空驶的货车大把;我们缺少司机吗?现在至少有2000多万货运司机，在城郊结合部，躺在车里聊天等活的司机也是大把;我们还有4000多万货主企业，有上百万家大大小小的物流企业，有大约200万家运输企业，有500-700家物流园。
但我们的物流运输效率怎么样?有人说是世界最低的。
扣除政府实施的高物流成本(高速高收费是典型)外，我们整个物流行业的经营管理效率确实很低下。我们缺什么?缺的是让所有这些看得见的仓储物流资产有序、可视、高效运转的，看不见的系统，智能仓储物流运输系统。Uber模式的出现，Uber在全世界出租车市场的横空出世，更坚信了我的这个判断。
中国出租车行业，和物流运输几乎一样，只不过出租是送人，物流是送货。Uber从一开始做的，就是创建这样一个信息系统，打造的核心能力就是开发、运营、不断优化整个系统，通过这个系统占领和统治出租车市场。
其次，伴随智能技术的发展，物流运输的整个链条，这个链条上的每一个终端环节，不管是出于效率，出于成本，还是出于物流质量控制，都不得不导入智能监控设备，不得不开发基于移动的与智能终端设备联通的APP应用，以便全流程数据可视。
因为物流本质上就是移动的，货物、货车、司机和背后的数据都在移动。
就物流信息系统而言，在企业的微观层面，至少有以下几方面似乎可以肯定：
1.原材料和零部件完全实现基于系统的仓储管理，就是说，物料状态要能够实时看到，系统可以做到自动部署在库; 2.场内外物流(Inbound/Outbound)实现自动配送，这种配送不仅仅是指自动搬运机器的来回穿梭，更重要是实现时序排产条件下的实时供货; 3.自动发货，成品经过自动配送进入预设库位存放，更理想的是，下线的产品与货车实现0距离实时衔接，直接发货; 4.缺货、缺件的自动预警; 5.仓储物流系统全部节点，包括与外部供应商节点，实现基于云的(私有云、公有云或混合云)端到端的自动结算;
以上五个方面的实现，尤其是产品与货车0距离实时衔接等，没有料件、产线、产品、仓储、货车的统一大数据分析模型，而且是反复迭代的经验模型，是不可想象的。再把这个 6.系统放在更广阔的时空考察，从整个物流体系的宏观层面，既包括干线物流，也涵盖同城物流，甚至也涵盖小区到用户的最后一公里; 7.类似Uber的司机或承运商与货主直连的信息平台是需要的; 8.车联网系统是需要的，基于GIS的最佳路径选择和优化，这也是Uber的核心能力，对于货物运输更加需要; 9.为同城提供最后一公里服务的信息系统更为迫切，很多创业企业都在这个方面寻求创新。
以上九个方面的信息系统的建设，是智能物流的基础，是必备前提。当然在这个系统部署和建设的同时，所谓物流智能化，很显然，也必然会使用机器人，使用传感器，使用RFID，同时在立式自动仓库、自动运载机器以及相应的智能系统建设(还是要软件定义世界)的投资也不会小。但毫无悬念的是，智能物流对产品的质量确保、产品成本结构的优化和订单交付的确保，都将产生根本性改善。
最终，第十个，我想，就是基于这九大系统和终端智能设备使用，跑出来的数据：订单、货品、司机、货车、货主企业、承运商、仓储、干线运输、同城运输、最后一公里，以及相关的资金流等所构成的大数据分析，以及经过大数据分析，经过模型不断学习优化所形成的最具竞争力的物流增效、降本和最优服务水平协议模型。
工业4.0的智能服务是什么?可查阅的资料更少。
基于我们很有限的研究，智能服务未来应该贯穿整个售后服务的八大主节点：服务受理(呼叫中心)、服务执行(派工)、服务监控(服务质量管理)、配件管理(配件全生命周期管理)、服务结算、特殊业务处理、服务体系构建和服务主数据管理。
比如，在服务报修环节，肯定要由原来的用户电话或Email，发展成为用户在购买产品时信息自动进入到智能服务平台，产品在用户端使用状态的详细信息，通过智能芯片等技术手段自动传递到品牌商的智能服务平台，在用户未感知的情况下获取产品正常或异常的使用信息，主动预警给用户报修和保养等，实现远程机器自诊断、远程报修、远程维修等全流程可视化服务。
今天意义上的呼叫中心(CC)，毫无疑问，很快会退出历史舞台，取而代之的是CIC，用户互动中心，基于微信、APP、Web等(当然还有人愿意使用电话)媒介手段实现用户与服务工程师，与研发设计人员，与销售人员的并行和互动服务，以及用户之间的自服务。
同样毫无疑问，所有这些交互数据，结构化数据(订单编码)、半结构化(订单与语言交互混合数据)和非结构化数据(各种流媒体数据)都将进入CIC的后台系统，进入大数据分析模型体系，提炼出为用户提供更高水平服务的“最优曲线”：服务水平与成本的最优匹配。
智能服务的宗旨一定是，全面应用互联网、物联网技术和终端智能设备：
实现服务全过程和服务结果可视、可追溯、可评价;实现服务领域的诊断、报修、回访自动化;产品运行数据支持用户行为分析，且产品在不同环境下的运行数据对后期的产品的持续性改善提供强大的信息分析价值;服务端与模块设计，与智能制造，实现端到端流程和数据打通，实现互联并行远距离实时控制作业;服务用户360度大数据分析及丰富的应用。我深知，工业4.0，不同于今天的2.0，或3.0，一个根本性指标是工业大数据分析模型。为了论述完整性，下一篇将集中阐述工业大数据及其在工业4.0中的定位和重要性。
