德国已经开始升级工业革命4.0
工业革命4.0（Industry 4.0）首次提出是在2011年的汉诺威工博会上。工业革命4.0，简单说即是利用网络和云科技，将更为庞大的机器群连接起来，让机器之间自相控制，自行优化，智能生产，大大减少从事重复劳动和经验工作的人力数量，使生产质量和效率提升到一个新阶段。具体的实现方法是基于信息物理生产系统（CPPS）和它的五级结构（5C），即连接（Connection），转换（Conversion），中枢处理（Cyber），认知（Cognition）和构建（Configuration）。
连接（Connection）是实现整个生产结构变化的第一步。通过把数量庞大的机器和嵌入式系统进行全面无缝连接，达到机器向控制中心反馈，或者机器对机器（M2M）交换数据的目的。而要为基数庞大且不断增加的机器群建立物联网（IoT），则需要网络科技和设备制造工业的协同变革。就网络而言，原始采用的互联网协议（IPv4）数量远远不能满足，需要过渡为地址资源更加丰富的物联网网络协议（IPv6）。硅谷早在2009年就已经提倡世界范围的网络协议升级，目前这一计划在诸多国家进展顺利，为工革4.0打下了坚实基础。
另一方面，制造业需要进行机器革命，为机器和设备植入合适的传感元件来帮助完成机器之间的生存感知和信息传递。苹果为了给其移动设备添加支付功能Applepay，在iPhone和iWatch内植入的近场通信技术（NFC）感应卡就是一种低成本、且完全满足其功能特点的传感元件。相应地，实现M2M需要为每台机器甚至机器的每个关键部件都植入既满足链接功能，又兼顾安装及运行成本的可读或读写功能传感器。要带动这一大规模的机器革命，尤其需要机械与自控界旗舰企业（如西门子、通用电气）的大力支持和倡导。
实现了IoT意味着高度自动化的到来，机器（已可称为机器人）之间可以直接传达命令甚至多级别命令来达到自相控制。这样一来，曾经的中间媒介——人，就可以脱离接受一台机器信息，分析决策然后为下一台机器进行相关操作的劳动环节，而将更多以远程化、分散化监控的形式存在。人在接受和分析信息的过程中容易出现偏差和错误，建立机器之间的直接传递还可以避开这一环节。当然机器间传递必须准确，不仅仅是简单的数据交换，还要有通过数信转换（Conversion）将数字转为有意义的信息，使得控制、设备与智能生产应用之间相互理解。既然如此，选择和使用通用的信息交流标准也就成为这一结构的关键。现行技术中，08年开放的MTconnect已经作为信息交流标准被制造业广泛应用了，也就是说这一过程已经有了实现方法。
除去一般操作的全面自动化，工革4.0的另一大特点是设备运行状态数据将以经验的形式存储于中枢系统（Cyber）中，而云端则拥有更多同类设备的历史记录。通过大数据分析，中枢系统可以建立设备装置的经验运行模型，从而完成过程模拟、以及更为高级的设备行为预测。不仅仅是问题的实时通报，计算机可以做到根据细微变化而自行完成健康监测，包括诸如老化、零件磨蚀等维护和经验问题的预判。
同时，中枢系统还将不断向人类或自身进行经验学习，自我丰富知识。CPPS会通过认知（Cognition）过程对获得的数据信息和模拟决策结果进行评估，然后以合适的方式呈现给具有专业经验的人或设计者，经由人判断后做出选择支持计算机的结论或为它更新问题分析标准。人机交互结果反馈回到中枢系统，再由中枢积累这些反馈的信息，进行自我构建（Configuration），自我完善后的系统会越来越精准地完成将来的工作。
机器自相控制管理、自动化与自优化大大强化了资源的有效利用，从而打破传统工厂集中控制的生产结构。在自动生产前提下，具有高效和节能优势的微型反应器、微型生产装置将得以充分利用（细化生产规模）。例如，庞大数量的微型反应器（Micro Reactor）可以取代单个大体积反应器，这样做的优势是微量反应相比大范围粗糙接触反应将进行得更加彻底，更加高效，降低投入、减少浪费，提高生产力。同时，细化生产规模还可以让生产更快地适应市场，根据市场需求量精确地调整生产量，最大程度消除生产过剩。另一方面，人机交互的远程化和分散化也方便用户更近地参与生产，使得订单更加精确，并可以根据用户自定义参数而进行调整，变得富有个性化。相信不久的将来，人们便可以通过APP客户端选择模型或输入简易的构建程式来生产符合自己订制的产品。
最终，生产规模细化和精确生产，促使大型工厂将转化为更多更加灵活的小型自控工厂。借助网络和云技术则可以实现跨越地区对这些散布开来的不同工厂进行生产同步调整，这样的跨越甚至是可以跨越国家界限和公司界限的，工厂内部不再集中大量的工人，员工也可以分散在世界各地直接根据自己的权限对工厂进行操作。这些新的“无人作业工厂”被称为智能工厂（Smart Factory）和全球工厂（Global Factory）。笨重臃肿的集中控制被灵活精准的智能自控取代，生产集中转为生产分散，生产资料重新分配并带来了社会结构和社会产业资源比重的调整。
工业革命4.0对各行业会产生不同影响
随着新技术的到来，新行业和新技能人才将会分配得到部分社会资源，并逐渐增大持有比重，相对成熟的行业将慢慢衰退，而后维持剩余持有资源的平衡。
其中，二次工业革命诞生的产业如电力、化工、冶炼等行业，其发展在信息革命中到达顶峰，而在智能生产时代将逐渐减小社会产业比重。需要说明的是，社会产业比重并不与其社会重要性成正相关，例如农业（包括渔林牧）作为人类社会的基础产业无论在任何时代其重要性都不言而喻，但随着社会多元化和生产力发展，农业在社会工作的占比越来越小。同理，能源及基础工业随着人类社会上层建筑的升级会占有越来越少的社会比重，其社会位置也逐渐趋向于工业革命之后农业和手工业所处的位置。
这样的转型必然导致基础工业原从业人员流向新兴领域，留下少部分人继续从事本行业工作，以分食和平衡新行业和现有行业结构重组带来的社会财富比重变化。不过，从原有行业中脱离并不意味着增加社会就业压力或者社会负担，因为资源重组本身就带来了新的契机，部分人或许会因为社会分工重新洗牌而获得更好条件。因此，学习新技能并积极完成转型是传统行业从业者应具备的心态。下文将推测和列举工革4.0后教育发展方向。
留下继续从事传统工业的人，因为同行业者的离开而可以继续握有相同或者比之前更多份额的社会财富。坚守并不意味着从业者应顺从行业老化的趋势，而应该看到变革所带来的进步和便利，或许可以利用新模式把自家行业上升到新的高度。典型的案例是手工业在网络时代环境下利用新技术和新社会需求而重新变得“昂贵”起来，比如3D打印帮助完成了复杂、精细模具的建造，使得手工业者可以完成更为复杂和更具想象力的劳动；而新的社会需求衍生出的供给模式（比如离线商务模式，O2O）也为小型作坊的推广和供销带来了方便。
在集中工厂变为分散工厂之后，物流行业也面临全面转型的巨大挑战，传统以集中为主要模式的供应链管理将会因为要适应小型化、分散化、个性化生产而逐渐被打破。与这次工业革命方式相同，供应链体系需要更多的实时数据追踪，并依靠数据分析帮助实现快速决策。不过处在计划制定与决策层面的物流行业者并不会大幅减少，因为目前计算机还无法做出超越经验推断的更高级思维。但是无人机技术包含在物联网和四次工业革命范围内，也就是说运输方面的人力将有缩减的趋势。
至于处在生产下游，直接面向消费者的零售行业，随着客户直接介入生产进行订制，以及供应链依靠IT管理适应直接销售这两点的逐步实现，将变得越来越薄弱。但零售行为本身作为人类生活文化的一部分不会消失，B2B的销售方式和其所涵盖的资源关系网也依然会为这个行业继续提供便利。
在第三次工业革命，即网络革命中发展起来的行业，以IT为代表，将在工革4.0的进程中达到鼎盛，但也同其他行业的历史规律一样，会在四次革命的末期迎来衰退。配置自动化、构建信息物理空间、编织更为庞大而有序的网络需要大量IT人才的努力和付出，在早期安全性薄弱，机器仍处于经验积累的阶段，其他各个行业都需要计算机信息领域人员的技术支持，这些技术支持现在或以IT部门存在于各个公司中，或以外包形式交由专业的信息服务公司处理。不过随着物联网络的建成，社会不再需要过多的基础建设者，企业也不再需要独立支付的IT部门，此时就是行业衰退的开始。多数企事业单位的IT人员需要考虑转行，剩余的人将集中于大型的网络科技和信息技术支持公司继续从事升级和维护的工作。值得注意的是，原先从事计算机行业的人转行优势明显，因为未来人才的基本要求便是计算机化思维（ComputerizedMind）。
同样，最近两年来占据北美职业人才需求量前列的数据分析和大数据行业，作为社会转型阶段的重要角色，也会在工革4.0的完成过程中慢慢减小社会比重。现在网络时代发展接近末期，人类社会所创造的数据信息量变得比历史的任何时候都要庞大。在2014年，世界上平均每天约有2.3x10^21字节的数据被创造出来，而20年前，全世界的总数据量还不到2.5x10^18字节。面对快速更新的巨大信息量，大多数行业过去以领导者个人经验为依据的决策，在未来将被更多时候以数据分析结果为主要参考标准。前述从中枢处理到自我构建（Cyber-Cognition-Configuration）的三级结构正是数据分析的计算机物理系统实现，在帮助缔造这三级结构的过程中，数据分析行业起到了重要的先行和构建作用，而在其实现以后，需要的人力数量便会减少。
上述论断似乎带有当代领军行业正在奋力为自己挖掘坟墓的悲观色彩，实则并非如此，先进生产力的本质是为人们提供更好的生活。所以与其说为自己挖掘坟墓，不如说为整个社会建造地下宫殿，而挖掘开发的庞大空间资源，将会为建设者自身创造新的发展环境。
除此之外，包括政治、经济和文化领域在内，人类的生存活动都受到新工业革命的影响，不再赘述。
未来人应具备的能力和教育的方向
作为工业革命4.0智能时代，科技人才应该具备的两个重要技能即是计算机化思维与数据分析能力。
既然无论对于生产者、管理者还是用户，介入生产过程同机器直接进行交互是本次工业革命的一个重要实现结果，那么只有对交互方法的正确理解才能有助于准确传达和接受信息。就好比人们通过掌握外语来与其他国家的人交流一样，学习计算机的语言，理解计算机的思维才能更好地享受物联网和计算机物理系统带来的便利。在信息时代，人类发明并建造计算机，努力对其开发和优化，好让计算机可以更好地理解人类行为，模拟人类的学习和表达过程；在智能时代，计算机的认知能力开始超越人类的个体经验，甚至可以为人类行为提供帮助和预测，所以人应该转变观念，从过去的驱使计算机理解人类行为变为主动学习和理解计算机的思维方式。因此，理解计算机思维以及懂得程序编译的人，将更容易从事各个领域的工作。
数据分析能力也同样为理解和确认计算机的分析方法提供帮助，并成为辅助计划者和决策者顺利安排计算机完成工作的有效工具。因此，IT和数据分析行业的工作者，在未来无论是继续从事本行业还是投身于跨界行业都是极具优势的。而在这两类行业衰退之前，其他更早开始面临挑战的行业应看到这些能力的重要性，积极学习，增进相关知识的了解，以适应未来改变。
此外，艺术、体育及文化生活相关的思维意识和能力也将成为判定未来人才的重要标准。这里所说的艺术能力并非完全的艺术消费品（如传统油画、音乐会）鉴赏能力，而更多的是艺术化表达能力和概念设计能力。随着人类生活的多媒体高信息化发展，简易直观的文字表达显现出传递方向单一、传递信息模糊和接受体验差等问题，在表述上失去优势，而高度结合美学与文化的表现形式如动画、人机交互应用等则越来越受到欢迎。麦肯锡公司就曾经为了加强报告的表达性，而调整内部人才的比例，削减了工商管理硕士（MBA）的比重，增加招收了更多的艺术学硕士（MFA, Masterof Fine Art）。
抽象化表达与文化、情感的体验是（至少下一个时代内）计算机无法取代人类完成的，这也成为艺术、体育及文化生活相关工作技能重要的另一个原因。而美学与文化设计是可以建立在现有功能的基础上的，企业可以成立专门的艺术部门来完成企业文化与日常生活的结合，为自身和用户带来更多精彩体验。比如谷歌主页现在每天带给人小感动、小惊喜的GoogLEDoodles 就正是Fine Art的实际应用。Google Doodles根据新闻或当日历史事件编绘制作，包含从人文到科技各个领域，它引发用户的观看兴趣，并引导观看者进行相关知识的搜索。无形中为社会和人们的生活带来了更多新鲜感与正能量，也为自己赢得了更好的用户体验。
高速学习、分享教育、跨界整合会成为工革4.0完成时期人们必须掌握的能力。大型在线教育模式（MOOC）现在已经非常成功地突破了传统教育的框架，这使得更多的成功者和领头人可以随时通过网络传播自己的经验。传统教师大多数因为需要为教育事业贡献而停留在学校中，缺少社会实践，传授学生的内容限制性较强，甚至很多只在做题与应试技巧上，难以真正高效和准确地培养人才。相比而言，未来受教育者（其也可以通过分享自身经验变成他人的教育者）可以更多地自主选择，接受来自更大范围的优秀人才直接分享秘笈，快速深入不同领域，以实现个人从事多个行业的能力，并能把不同行业结合发展，衍伸创新。所以，学习、分享、整合，不仅仅作为技能，也是一种未来生活的基本素养。
最后提醒读者，不应误认为世界将迎来自动化而放弃努力工作和经验积累，本文关于工业革命4.0的介绍和展望，是为了让我们可以在忙碌中给自己一些思考的闲暇，提醒自己方向和目标，让未来的工作和生活更有理论基础，不至迷惘。或许在看过本文后能对未来20年的职业生涯所做工作的意义和目的有新的认识。毕竟要实现工业革命4.0，靠的正是每一个人的努力，团队合作，以及整个社会的相互协作。
信息开源与产业结构升级是世界发展的趋势，在这个趋势里，中国绝不能自我封锁，放弃与世界交流。回望200年前，当欧洲开启航海贸易热潮之时，中国的闭关自我保护，终于换来了自科技至生产结构的全面落后，沦落为世界底层的工具。而今我们奉开放为国策，更应该积极响应连接世界的伟大工程，利用我们的集中优势，在人类实现连接的的道路上成为功臣和先驱，而不是集中力量去修筑一座长长的隔离墙。
