܄

“互联网+工业” 告别微笑曲线

【数据猿导读】 无论是德国的“工业4.0”,还是美国的“工业互联网”,其实质与我国工业和信息化部推广的“两化融合”战略大同小异。某种程度上说,新一轮工业革命或许对于中国制造业是一个很好的机会,也可能是中国制造业转型升级的一个重要机遇

“互联网+工业” 告别微笑曲线

今年的政府工作报告中提出我国要制定“互联网+”行动计划,推动互联网、物联网与制造业融合。无界限、全民化、信息化、传播速度快是互联网的典型特征。“互联网+工业”是“工业4.0”+“工业互联网”,除了信息化和传播快之外,还将实现制造业上下游合作伙伴的无界限、价值链共享经济下的全民化。“互联网+工业”是“信息共享”+“物理共享”,从而开创全新的共享经济,带动大众创业和万众创新。

一、以往中国制造的产品附加值较低

制造业是国家经济的命脉。没有强大的制造业,一个国家将无法实现经济快速、健康、稳定的发展,劳动就业问题将日趋突显,人民生活难以普遍提高,国家稳定和安全将受到威胁,信息化、现代化将失去坚实基础。以工业发达国家制造业的作用为例。分析目前美国的产业结构,尽管服务业对国民经济贡献的比例很高,但制造业对国民生产总值的直接贡献始终超过20%,拉动经济增长率40%。日本政府也认为,日本的高速经济增长是以制造业为核心进行的。可以说,制造业对于一个国家现代化建设具有不可替代的重要地位和作用。

由于缺乏自主品牌,缺少知名品牌,2009年数据显示,我国90%左右的出口商品属于代工生产或者贴牌生产,产品增加值只相当于日本的4.37%、美国的4.38%、德国的5.56%。

2011年底,美国学者发布了一份名为《捕捉Apple全球供应网络利润》的报告,其中针对iPhone手机利润分配的研究显示,2010年Apple公司每卖出一台iPhone,就独占其中58.5%的利润;除去主要原料供应地占的利润分成,其他利润分配依次是:未归类项目占去4.4%,非中国劳工占去3.5%,Apple公司以外的美国从业者获得2.4%,中国大陆产业工人获得1.8%,欧洲获得1.8%,日本和中国台湾各获得0.5%。正因为在价值链中没有技术含量可言,尽管付出强劳动力,其背后的获得却是最底层的、少之又少的微薄利润。

传统工业化的技术特征是利用机械化、电气化和自动化,实现大规模生产和批量销售。在当前复杂的国际竞争中和国内环境下,为提升我国制造业在全球产业价值链中的地位,解决制造业大而不强的问题,必须从传统生产方式向智能化生产方式转变。

现代工业化的技术特征,除了物理系统(机械化、电气化、自动化)之外,还要通过融合信息系统(计算机化、信息化、网络化),最终实现信息物理系统(智能化)。“互联网+工业”将有效推动中国制造业向智能化发展,存在着巨大的空间和潜力。

二、微笑曲线的变化表明机遇的到来

提到中国制造业不得不提微笑曲线。微笑曲线是宏碁集团创办人施振荣于1992年提出的著名商业理论,因其较为贴切地诠释了工业化生产模式中产业分工问题而备受业界认可,已经成为诸多企业的发展哲学。

微笑曲线将一条产业链分为三个区间,即研发与设计、生产与制造、营销与服务,其中生产制造环节总是处在产业链上的低利润环节。于是,生产制造环节的厂商总是不断地追求有朝一日能够走向研发设计和品牌营销两端。而在国际产业分工体系中,发达国家的企业往往占据着研发与设计、营销与服务的产业链高端位置,发展中国家的厂商则被挤压在低利润区的生产与制造环节。在国际产业分工体系中走向产业链高端位置,向微笑曲线两端延伸,已成为发展中国家的制造厂商们可望不可及的顶级目标。

在产业链中,附加值更多体现在两端:研发与设计、营销与服务,而处于中间环节的生产与制造附加值最低。就全球产业链来看,尽管“中国制造”铺天盖地,但是,中国制造大多是处于“微笑曲线”中间区域的生产与制造环节,投入大量的劳动力,获取少得可怜的利润。

以往,企业以大规模生产、批量销售为特征,通过规模化生产,提供标准化产品,获取行业平均利润,各企业按其所处研发与设计、生产与制造、营销与服务的产业分工位置,分享价值。处于“微笑曲线”两端的研发与设计、营销与服务是利润相对丰厚的区域,盈利模式通常具有较好的持续性;而处于“微笑曲线”中间底部区域的生产与制造只能无奈地维系相对较少的利润,而且由于技术含量低,进入门槛也相对较低,致使竞争更为激烈,可替代性强,从而又进一步挤压了利润空间。

因此,停留在“微笑曲线”的底部,并非制造业的长久之计,转型升级刻不容缓。首先,中国的资源环境正在发生变化。除了高能耗带来的环境恶化难以为继之外,随着人口红利的消退,中国劳动力资源将不像往昔那么有竞争力,专业技能民工不足的问题已经常常见诸报端。其次,劳动力成本的上升使得在中国生产制造的吸引力在不断下降,例如,富士康开始在越南投资建厂,阿迪达斯和耐克也已将主要工厂从中国迁往东南亚地区。也就是说,中国制造业的“微薄利润”甚至也很难维持下去。面对制造业越来越严峻的竞争局面,中国制造业转型升级已经迫在眉睫。

但是,中国制造业想要走出“微笑曲线”的底部区域绝非一夕之功。所以,截至目前,我们仍在探讨:如何走出微笑曲线的底部?

三.走出微笑曲线的底部

以往的思路认为,想要摆脱传统制造业的低附加值境地,就必须向“微笑曲线”的研发和服务这两端延伸,通过高新技术实现产业升级和发展制造业周边服务业是必经之路。从产业层面来看,“研究与设计”环节意味着发展高新技术产业,“营销与服务”环节则是要提高制造业周边服务业的比重。但是,这一过程会遇到诸多挑战,且不能实质性地走出微笑曲线的底部,也不能短期内走出微笑曲线的底部。

但是,“互联网+工业”时代,我们不用再纠缠这个难题了。因为,制造业传统意义上的价值创造和分配模式正在发生转变,借助互联网平台,企业、客户及利益相关方纷纷参与到价值创造、价值传递及价值实现等生产制造的各个环节。因为“互联网+工业”不仅仅是“信息共享”,还将广泛开展“物理共享”,从而形成新的价值创造和分享模式,开创全新的共享经济,带动大众创业和万众创新。

未来的工业体系中,将更多地通过互联网技术,以网络协同模式开展工业生产,以开发能够完全适应生产的产品,这种适应性将使企业在面对客户的需求变化时,能迅速、轻松地做出响应,并保证其生产具有竞争力,满足客户的个性化需求。制造业企业将不再自上而下地控制生产,不再从事单独的设计与研发环节,不再从事单独的生产与制造环节,也不再从事单独的营销与服务环节了。与之对应的是,制造企业从顾客需求开始,到接受订单、寻求生产合作、采购原材料、共同进行产品设计、制定生产计划以及付诸生产,整个环节都通过网络联接在一起,彼此相互沟通,而信息会沿着原材料传递,指示必要的生产步骤,从而确保最终产品满足客户的特定需求。这种生产制造的灵活程度无疑代表着制造业未来的发展方向,也预示全球制造行业将迎来技术升级的激烈竞争。

更主要的是,伴随社会生活的日益多元化,消费意识更加个性化。无论是研发与设计、生产与制造,还是营销与服务都必须以满足消费者需求作为出发点和归宿点,消费者体验式的参与彻底颠覆了传统生产的垂直分工体系,微笑曲线的理论基础将不复存在。

微笑曲线理论的分工模式下,企业通过规模化生产、流程化管理,提供低成本的标准化产品,获取竞争优势,企业的规模和实力发挥着决定性作用。而“互联网+工业”模式下,企业、客户及各利益方通过互联网,广泛地、深度地参与到价值创造、价值传递、价值实现等环节,客户得到个性化产品、定制化服务,企业获取了利润。

Apple的iPhone手机和小米公司的小米手机,都是一个值得借鉴的成功案例。iPhone手机的系列产品包装内一如既往地写着,“Designed by Apple in California,Assembled in China”。意即“Apple是在美国本土西部太平洋沿岸的加州进行的产品研发与设计,在中国实施的产品组装”。但是,除了很少一部分零部件之外,其他的大多零部件都不是Apple公司生产的,这已经不是一个秘密了。Apple公司对全球的各类优秀零部件供应商的产品进行了组合,生产出了iPhone、iPad。所以,iPhone是“中国制造”吗?是“美国制造”吗?显然都不是。据日本媒体报道,iPhone6中,摄像头由索尼供货,液晶面板由夏普供货,高频零部件由村田制作所或TDK供货,LED背光模块由美蓓亚等日本企业供货,只不过组装过程是由位于中国境内的富士康公司来完成的。
小米公司本身也并不亲自生产手机,只专注于设计研发和客户服务,手机生产也是通过网络协同,由类似富士康的其他合作企业来负责制造的。

也就是,随着“互联网+工业”的发展,价值链中的各个环节将共同创造价值、共同传递价值、共同分享价值。这样一来,“互联网+工业”将对制造业“微笑曲线”这个价值链进行一次颠覆性的重塑。个性化定制把前端的研发设计交给了用户;用户直接向企业下达订单,也弱化了后端的销售,从而拉平“微笑曲线”,并重新结合成价值环。

告别“微笑曲线”,这是“互联网+工业”时代中,未来制造业的必然趋势。


来源:钱塘大数据

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
环保部与腾讯达成战略合作,探索互联网+环保新模式
环保部与腾讯达成战略合作,探索互联网+环保新模式

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部