meira -
在对智能制造企业商业模式进行分类之后，首先对所分的商业模式的内涵进行阐述。接着，借鉴ZottandAmit的研究从内容、结构、治理三个方面对上述四种商业模式展开更为细致的分析。
(1)增强型商业模式。相对于传统制造企业，增强型商业模式就是在智能制造场景下，制造企业得益于有限的数字技术应用，拓展和强化已有商业模式的内涵和整体架构。智能制造企业通过数字技术与制造技术的融合，以及与产品的嵌入实现对产品的功能和体验的改善和优化。
同时，借助物联网、传感技术实时采集和分析产品或设备的性能、运行数据持续为客户提供以产品为核心的维护、功能升级、故障处理等基本服务，这些服务并不会给企业带来实质性收入，但能提升客户对产品的使用体验和黏性。也就是说，数字技术的创新应用主要以产品、设备数据的集成与分析为主，推动企业产品功能的完善和质量的跃升。
不仅如此，通过数字化连接和数据的自由流动，数字技术的应用主要聚焦企业内部各业务流程的改造。随着分散在企业内部各部门、各业务环节的数据逐渐打通，极大优化业务流程和提高效率，同时也显著丰富和增强商业模式已有内容、结构、治理的内涵和特色。
从设计元素来看：(1)内容。增强型商业模式在内容上主要是向客户提供产品，在数字技术的影响下，产品的外观设计、功能模块以及故障率都得到相应的改善。同时，以产品为中心，不断生成各类嵌入式服务，包括基于数字技术和产品数据分析的维修、检测、升级、监控等服务，这些服务的提供旨在优化产品的性能和辅助产品的销售但并不单独盈利。
因此，这类商业模式在内容上增加了数字资源等数字化元素，但由于产品依然占据主导地位，尽管有数字化元素的融入，产品的功能或形态面临一定程度的调整，但不是本质的变化；
(2)结构。数字技术嵌入应用使得企业更容易提供数字化服务实现与客户的密切接触。数字技术打破了物理空间的限制，将企业与客户、供应商等利益相关者进行有效的连接，但增强型商业模式聚焦于产品和设备数据的分析与应用，通过数字技术连接的主要对象为客户这类利益相关者；
(3)治理。增强型商业模式的治理主要表现在核心企业(智能制造企业)在产品、设备的数据，以及由此形成的数字化服务等方面的管理占据主导地位，核心企业依托数字技术能够提高价值活动的效率。尽管在产品数据搜集、分析过程中有可能涉及数据隐私等问题，但由于所涉及的数据范围单一且大多在企业内部，所以，这并不会给核心企业的商业模式治理带来很大影响和变化。
因此，数字技术和产品、设备数据的集成与分析应用，使原有商业模式实现数字化增强，虽然与过往模式存在着差别，但本质上依然是产品主导型商业模式在智能制造情境下的调整或技术强化，附加值较低，商业模式的架构并未发生变化，这与FossandSaebi提出的进化型商业模式在内涵上是一致的。
现实生活中，许多智能制造企业的商业模式属于增强型商业模式。例如，在推进智能制造的过程中，奥士康先后启动OA协同办公系统、ERP系统以及引进一批先进自动化设备以逐步取代人工作业，降低成本和提高良品率。通过数字技术逐渐连接和打通企业内部各业务环节，实现对已有商业模式的强化。
(2)适应型商业模式。该类型商业模式是随着数字化水平的提高，智能制造企业致力于通过整合产品生命周期各环节、供应链以及用户数据，最终在企业内部形成较为完备的工业大数据。适应型商业模式表现为“技术推动”模式。
一方面，通过对工业大数据的充分挖掘和应用，使得企业的产品设计、制造等环节获得更大的提升和改善，或者说通过软件的嵌入，与互联网、物联网设施形成互联并生成以类似人类的思维方式参与复杂工作的智能产品，提升企业或用户适应外部环境的能力。智能的重要内涵表现在主体对外部环境的适应性。
另一方面，尽管数字化水平不断提高，但制造企业依然提供一些基础、简单的服务，这些服务的特征和形式也发生相应的变化。围绕智能产品的相关服务更具有智能特征。通过整合企业各环节、多层次的数据，为算法的优化和机器学习提供了必要的数据，进一步减少人力的参与和干扰，帮助企业实现按需向用户提供旨在优化和提升产品功能和质量的嵌入式服务。
相较于增强型商业模式，适应型商业模式在架构上涌现了一些新的变化：（1）内容。企业主要向客户提供智能化产品和辅以以产品为核心的基础服务。
不同于以往单一的实体产品，智能产品不仅是智能芯片的嵌入，而且能够为企业和用户实时感知、分析外部环境，为后续的衍生服务提供基础，产品的功能和形态发生了重要变化。工业大数据和基于工业大数据的分析、整合、应用能力构成了智能制造企业的关键资源和能力；
（2）结构。由于整合了供应链等企业外部数据，数字技术的应用和数据的流动使企业与外部利益相关者之间形成了更为紧密的连接。换言之，得益于数字技术的应用，更多的主体能够参与商业模式的价值创造活动，打破了原有的商业模式结构。创新主体由原来的集中化不断向分布式趋势发展。
这些创新主体有可能是企业、个体或机器人，这里的机器人泛指软件主体，包括脚本或算法等，它们被设计和组合旨在代表企业或个体从事设计重组、使用重组或路径引导等活动。
例如，企业通过对用户数据的实时采集并将其转换成用户需求信息，与企业内部生产环节、供应链的数据进行匹配，通过数字技术和数据的流动将用户需求数据分配给生产过程中的各个环节以及相应的供应商，实现对客户需求的快速响应和高效率的执行。也有研究认为，创新主体在开放式价值空间中开展价值创造和获取活动；
（3）治理。整合企业内外部数据的过程中，商业模式的价值创造突破了企业的边界，这对商业模式治理带来新的变化和挑战。通过数字技术的连接，哪些活动该由核心企业执行，哪些活动则应由外部利益相关者承担，这些任务的分配可以通过数据的自由流动和算法的自动匹配实现，这与开放式创新或分布式创新存在着某种相似性。
同时商业模式创新的流程更强调参与成员间的相互依赖性和共同的价值主张。此外，适应型商业模式会涌现数据质量和隐私、数据治理等新的问题，给商业模式治理带来了一定的挑战。
适应型商业模式的案例主要有：上汽大通汽车有限公司依托数字化平台，构建使用户、经销商、供应商、主机厂数据一体化平台与柔性化制造体系，更充分满足用户的个性化需求；潍柴动力股份有限公司实施智能制造整体战略布局，打造了企业级数据中心，在集团、子公司和第三方之间实现了数据集成和共享，提供发动机的数据采集、运行的监控、故障预测与排除等附加功能，向用户提供优质的售后服务。
（3）延伸型商业模式。延伸型商业模式是智能制造企业服务化程度深化但数字化水平依然较低的商业模式类型，是典型的“需求拉动”模式。制造企业通过对产品、设备等局部数据的分析与应用向客户延伸，提供超越产品本身更为广泛的服务，如培训、咨询、产品解决方案等，而这些服务的提供成为企业的主要价值主张并能够构成独立的收入来源，为企业创造了新的利润来源。
得益于有限的数字技术应用，这些服务很多时候是以数字化服务的形态呈现，也即是服务、数字技术、数据之间的融合和重构。数字化需要对产品、设备的信息进行解耦，从而有可能会对服务活动的性质进行重塑。这种解耦带来了知识的扩散和创造了企业协作的需求，参与协作的对象不仅来自企业内部，而且也需要企业外部的活动主体参与，从而突破了企业乃至行业的边界。
但是鉴于数据来源单一和数据驱动的有限范围，延伸型商业模式提供的数字化服务往往限于某个具体细分市场。企业在提供数字化服务的过程中，数据分析和应用成为主要的驱动力量，数字化服务的生产和价值转化过程中的边界成本远远低于传统服务