本文来自Matter.io团队，他们希望借鉴Uber, Oscar, AirBnB, Nest等互联网企业的设计理念，想要建立一套适用于制造业的操作系统，彻底颠覆传统制造业。

如今，我们所用的各种 app 运行速度越来越快，价格降低和设计也更加美观，很多 app 也开始更多触及到了现实生活当中，比如最近炙手可热的 Uber、Nest 等，都是从线上延伸到线下的典范。

虽然这些应用与 Snapchat 和 Twitter 一样，都只是个手机 app，但他们更多的具备了一个操作系统的特征，即在同一个操作界面下控制一系列应用和硬件。

一般的操作系统是运行在内存和 CPU 上的，而Uber的系统却基于司机、车和智能手机，让乘客预约车辆，了解司机的实时位置，并通过智能手机支付。这几个要素共同组成了一个完整的闭环，自始至终都在 Uber 的 app 中完成，并且业务拓展到了城市的各个角落，在复杂多变的交通高峰期发挥了重要的作用。

Uber 并不是唯一做到这一点的应用。实际上，在我们身边，各个领域中都有一系列完成闭环的产品，比如医疗保险服务领域的Oscar，自助仓储领域的Makespace，酒后代驾服务Drizly等。这些应用每多一次安装，这个世界就会多一点健康，少一些杂乱。

然而，还有一个重要的产业没有app开发者做。它的规模巨大且对于经济发展至关重要，这就是制造业。

制造业占到了美国经济总量的五分之一，它的作业系统自里根政府以来就没有改变过。现在，在技术和市场都飞速发展的背景下，难道我们不应该重新思考如何变革这个产业吗？

在我们开始做 Matter.io 的时候，我们问自己，一个工厂的操作系统应该看起来是什么样子的，工具、原材料以及运输如何在一个统一的界面下控制？

我们认为可以从互联网产品的设计理念中借鉴很多，进而建立制造业的闭环，开发出出一个杀手级应用，成为一款“FactoryOS”。

第一：实时信息（Uber）

Uber 操作系统背后真正神奇之处在于实时信息。打开 app 几秒内，你就能够定位附近的车，获取报价，预约车辆，在司机快到时提醒。如果你想换一辆车或者开始下雨了，这些数据都会实时更新。通过为用户提供实时信息，Uber 消除了可能带来的的失落感以及漫长的等待。

等出租顶多会让你感到很烦，但生产上的耽搁对企业来说却是致命的。需要生产的设计者和小商家对于价格、生产、周转时间等信息都是不清楚的。运气好时能找到一家一般的工厂进行合作；最坏的结果就是生产不能达到要求，你的业务彻底被毁。

获取信息的时间越长、完整度越低，就越不利于生产业务的发展。如果产品设计者能像 Uber 看见车辆实时动态一样，看到生产的实时进程，生产就会变成一项资产，而不是负债。

第二：智能过滤（Oscar）

Uber 是一般消费的优秀范例，但更复杂的产品需要额外的结构层级。与制造业类似，医疗保险就非常复杂的，但是创业公司 Oscar 却尽力让买保险更简单。

和很多其它保险公司类似，Oscar 的网站会鼓励你询价，但是会先请你看保险计划等细节。Oscar 会收集一系列重要的参数：年龄、家属、收入、住址等，这些数据会用来为你提供个性化服务，推荐最欢迎的产品，根据你的材料个性化报价。

Oscar 会根据用户的婚姻状况、子女数量、年收入状况将人群细分，提供相应的医保计划。利用 Oscar，用户可以进行预约、深入了解保险计划并进行咨询。在这些功能背后，是一个信息相互连通的网络，通过每页顶部的搜索框可以找到各种营养品、药品的效果，并能够查到附近可以开这些药的医生，通过智能过滤信息，Oscar 让复杂的决定变得简单起来。

对于非专业人士来说，生产制造和医疗保险一样，十分复杂。你做决定所需要的信息根据你要生产的产品和需要的服务不同而千差万别。根据不同的项目和客户做出不同的选择可以帮设计者省很多心，让一系列小企业更容易地制造产品。

第三：利用当地资源（AirBnB）

Uber 这样的应用让用户无论到哪里都能获得同样的服务，而另一些 app，比如 Airbnb，却让地域差异成为服务的关键部分。圣诞节想去欧洲旅行？找一间巴黎市区能俯瞰塞纳河的公寓吧。如果要在夏天去南美，你可以找一座安第斯山脚下的小木屋。

与酒店业一样，不同地区的制造业有着各自的区位优势和特色。有些地区以金匠和切石工出名，有些地方则有着充足的廉价劳动力。

第四：持续学习（Nest）

软件服务与现实世界中服务相比有一点很大的优势，就是更容易收集并挖掘数据。机器学习通过算法来改善结果，而不仅仅靠人的分析。

学习是 Nest 温控器这类产品的核心功能，它能够获取你喜欢的温度，优化室内温度并节约能源。Nest 的温度控制系统自动完成这些工作，不需要使用者过多设置，他们甚至不需要了解自己的行为。

能够像 Nest 温控器一样学习的工厂将对制造业产生重大的影响，每一次生产都会改善成本、质量和速度，它可以学习不同的结构，做出更智能的设计建议。

通过监视工厂生产数据的微小差异，为生产做出最优安排。在库存方面，这样也可以根据生产速度和经销商的情况在不同的地点，生产出不同尺寸的产品。

如果 Sundance 的腰带扣比较流行，一家店铺就可以连夜从附近的城市定制一批。或者，如果登山鞋在法国南部卖得很好，零售商就可以在它欧洲分店多存一些货，这些都是可以在智能操作系统的促进下完成的。