如今，数字化、数据驱动型服务及其带来的新商业模式对企业成功至关重要，这早已不是什么新鲜事。
我们看到的变化，尤其是在制造业领域，正以前所未有的速度发生。缩短产品上市时间、提高灵活性和效率，同时确保产品质量，这些只是企业面临的部分挑战。
尽管智能工厂已在许多地方成为现实，但企业仍需进一步开发和运用数据驱动型商业模式，将产品从摇篮到坟墓的整个生命周期数字化，并整合从“管理层”到“生产车间”的业务与制造系统，从而充分发挥工业4.0的潜力。
智能技术推动未来生产
在智能工厂中，生产流程彼此互联，这意味着机器、接口和组件相互通信。由此产生的大量数据可用于优化制造流程。
例如，机器学习能够基于大量数据进行预测。它以模式识别为基础，并能通过经验自主获取知识。
借助经过妥善分析的客户数据、日志数据和传感器数据，我们可以找到新的解决方案、提高流程效率，有时甚至能由此创造新的商业模式。
人工智能（AI）是指机器以智能方式执行任务这一更广泛的概念，预计将对许多重大的社会挑战产生巨大影响。
麦肯锡估计，人工智能技术有望在19个行业的九项业务职能中创造3.5万亿至5.8万亿美元的价值。在工业4.0领域，人工智能可以帮助企业整合工业数据，并将其转化为创新的数据驱动型产品和服务。
奋起直追行业巨头
欧洲有望在人工智能领域占据领先地位。欧洲研究人员具有卓越的科研实力，全球企业正在欧洲投资，欧洲也正在发展蓬勃的初创企业生态。然而，人工智能资源分散在欧洲各地，国际竞争十分激烈。例如，2017年全球人工智能风险投资中约有48%流向了中国。
要充分发挥人工智能的潜力，造福欧洲经济与社会，并确保欧洲在人工智能领域的领先地位，就必须在区域层面凝聚力量，发挥自身优势。
如果着眼于赋能人工智能的平台，欧洲面临着艰巨任务：追赶当今的行业巨头。
想想DeepMind的AlphaGo Zero。这个程序堪称里程碑：它击败了AlphaGo的前一版本，而前一版本曾以100比0的战绩击败17次世界冠军李世石；AlphaGo Zero的训练没有使用任何来自真实人类对局的数据。
AlphaGo的早期版本通过数千盘人类业余和职业棋手的棋局学习围棋。AlphaGo Zero跳过了这一步，从完全随机的下棋方式开始，只通过与自己对弈来学习。它很快就超越了人类棋手的水平。
借助AlphaGo Zero，我们首次看到了某种“人工直觉”。我们为什么不能开发出这种基于机器数据的直觉，用来控制生产机器？
由此也产生了一种新的竞争模式，因为没有任何一家公司能够独自实现这一目标。对许多科技公司而言，所谓“竞合”——竞争企业之间开展合作——早已不是新鲜事。
如果没有亚马逊云科技、微软Azure、谷歌云平台或SAP云平台等合作伙伴，Mindsphere、Axoon或博世物联网（IoT）套件等工业平台就无法实现。
我深信，制造业很快就需要建立这种战略联盟。要在各方面达到关键规模并积累专业能力，工业领域的供应商需要积极与竞争对手合作，共同创建平台。
数字化准备度与人工智能准备度直接相关；而技术的发展离不开技术，因此数字基础设施也是一项关键要求。
人工智能系统需要强大的计算能力，这意味着要使用能够调用多核处理器和图形处理器的服务器或云计算服务。此外，训练机器学习系统需要大量数据，因此也需要更大的存储容量。
以人为本的技术
美国作家、前互联网公司高管塞思·W·戈丁曾说：“创新从来不是由任何组织创造的。创新者是人，而不是公司。”
因此，我们不能忘记全球人才争夺战。几乎每家公司都在思考人工智能如何为业务带来积极影响，因此都在寻找能够帮助其实现愿景的专业人才。未来，各种规模、各行各业的公司都将争夺顶尖人工智能人才。
我们也需要认真看待人们对失业的担忧，同时关注潜在的积极影响——因为据世界经济论坛报告《2018年就业的未来》指出，到2022年，约有7500万个工作岗位可能被替代，但工作场所中的机器和算法预计将创造1.33亿个新岗位。这意味着，未来几年人工智能的发展可能净增5800万个就业岗位。
我在此呼吁：我们所有人都必须共同努力，确保智能机器服务于人类，而不是与人类竞争。我们每个人都有责任运用技术进步应对世界面临的最大挑战，并将其转化为最大的机遇。
让我们携手共创一个这样的世界：人工智能增强人类能力，技术使我们摆脱危险或重复性任务，并帮助所有人释放最大潜能。
