業(yè)已完成計算機化階段，其中41%處于連接階段，28%處于可視階段，9%處于透明階段，而預測和自適應階段的企業(yè)各自占2%。

智能制造利潤貢獻顯著提升向工業(yè)4.0進階為制造企業(yè)帶來真實可見的效益。2013年德勤曾調(diào)研全國200家制造型企業(yè)，結(jié)果顯示中國企業(yè)智能制造處在初級階段，且利潤微薄。經(jīng)過五年的快速發(fā)展，智能制造產(chǎn)品和服務的盈利能力顯著提升。

2013年智能制造為企業(yè)帶來的利潤并不明顯，55%的受訪企業(yè)其智能制造產(chǎn)品和服務凈利潤貢獻率處于0-10%的區(qū)間，而2017年，僅有11%的受訪企業(yè)處于這個區(qū)間，而41%的企業(yè)其智能制造利潤貢獻率在11-30%之間。利潤貢獻率超過50%的企業(yè)，由2013年受訪企業(yè)占比14%提升到2017年的33%。智能制造利潤貢獻率明顯提升，利潤來源包括生產(chǎn)過程中效率的提升和產(chǎn)品服務價值的提升。

中國換道超車的兩大底牌

中國已連續(xù)六年為工業(yè)機器人第一消費大國。IFR數(shù)據(jù)顯示，中國工業(yè)機器人市場規(guī)模在2017年為42億美元，全球占比27%，2020年將擴大到59億美元。2018-2020年國內(nèi)機器人銷量將分別為16、19.5、23.8萬臺，未來3年CAGR達到22%。汽車、高端裝備制造和電子電器行業(yè)依然為工業(yè)機器人的主要用戶。

中國有哪些獨特優(yōu)勢？首先是數(shù)據(jù)量。當前人工智能熱潮背后的機器學習技術(shù)對數(shù)據(jù)極其依賴。識別人臉、翻譯語言和試驗無人駕駛汽車需要大量的“訓練數(shù)據(jù)”。由于中國的人口數(shù)量和設備數(shù)量龐大，中國企業(yè)在獲取數(shù)據(jù)方面具有天然的優(yōu)勢。第二，中國制造業(yè)企業(yè)硬件設備和廠房相對歐美企業(yè)普遍較新，比較容易實現(xiàn)設備連接和廠房改造。

對中國來說，工業(yè)互聯(lián)網(wǎng)不是“彎道超車”而是“換道超車”，基于中國龐大的工程師數(shù)量、完善的工業(yè)基礎(chǔ)和大量數(shù)據(jù)潛力。

——李義章，索為系統(tǒng)董事長

如何部署智能制造

德勤調(diào)查發(fā)現(xiàn)，中國工業(yè)企業(yè)智能制造五大部署重點依次為：數(shù)字化工廠（63%）、設備及用戶價值深挖（62%）、工業(yè)物聯(lián)網(wǎng)（48%）、重構(gòu)商業(yè)模式（36%）以及人工智能（21%）。

工廠數(shù)字化

智能制造是以制造環(huán)節(jié)的智能化為核心，以端到端數(shù)據(jù)流為基礎(chǔ)，以數(shù)字作為核心驅(qū)動力，因此數(shù)字化工廠被企業(yè)列為智能制造部署的首要任務。目前企業(yè)數(shù)字化工廠部署以打通生產(chǎn)到執(zhí)行的數(shù)據(jù)流為主要任務，而產(chǎn)品數(shù)據(jù)流和供應鏈數(shù)據(jù)流提升空間大。

數(shù)字化工廠通過新一代信息技術(shù)，實現(xiàn)從設計、生產(chǎn)、物流和服務等各個環(huán)節(jié)的數(shù)據(jù)串連，加速決策，提高準確性。只有打通數(shù)據(jù)流才能實現(xiàn)基于實時數(shù)據(jù)變化，對生產(chǎn)過程進行分析和優(yōu)化處理，進而實現(xiàn)業(yè)務流程、工藝流程和資金流程的協(xié)同，以及生產(chǎn)資源（材料、能源等）在企業(yè)內(nèi)部及企業(yè)之間的動態(tài)配置。打通數(shù)據(jù)流也是工廠建立“數(shù)字孿生”的前提，數(shù)字孿生不僅指產(chǎn)品的數(shù)字化，也包含工廠本身和工藝流程及設備的數(shù)字化，從而實現(xiàn)全面追溯、物理與虛擬雙向共享和交互信息。

打通數(shù)據(jù)流主要包括三類數(shù)據(jù)的連通，即生產(chǎn)流程數(shù)據(jù)、產(chǎn)品數(shù)據(jù)以及供應鏈數(shù)據(jù)。

生產(chǎn)流程數(shù)據(jù)

打通生產(chǎn)流程數(shù)據(jù)除了從生產(chǎn)計劃到執(zhí)行的數(shù)據(jù)流(如ERP到MES)，還包括MES與控制設備和監(jiān)視設備之間的數(shù)據(jù)流，現(xiàn)場設備與控制設備之間的數(shù)據(jù)流，以及MES與現(xiàn)場設備之間的數(shù)據(jù)流等。

產(chǎn)品數(shù)據(jù)流

打通產(chǎn)品數(shù)據(jù)流主要體現(xiàn)在產(chǎn)品全生命周期數(shù)字一體化和產(chǎn)品全生命周期可追溯。產(chǎn)品全生命周期數(shù)字一體化以縮短研發(fā)周期為核心，主要應用基于模型定義（MBD）技術(shù)進行產(chǎn)品研發(fā)、建設產(chǎn)品全生命周期管理系統(tǒng)(PLM)等。研發(fā)是數(shù)字化工廠“數(shù)據(jù)鏈條”的起點，研發(fā)環(huán)節(jié)產(chǎn)生的數(shù)據(jù)將在工廠的各個系統(tǒng)間實時傳遞，數(shù)據(jù)的同步更新避免了傳統(tǒng)制造企業(yè)經(jīng)常出現(xiàn)的由于溝通不暢產(chǎn)生的差錯，也使得工廠的效率大大提升，縮短產(chǎn)品研制周期。產(chǎn)品全生命周期可追溯以提升產(chǎn)品質(zhì)量管控為核心。

主要應用是讓產(chǎn)品在全生命周期具有唯一標識，應用傳感器、智能儀器儀表、工控系統(tǒng)等自動采集質(zhì)量管理所需要數(shù)據(jù)，通過MES系統(tǒng)開展在線質(zhì)量檢測和預警等。

供應鏈數(shù)據(jù)流

打通供應鏈數(shù)據(jù)流主要體現(xiàn)在供應鏈上下游協(xié)同優(yōu)化，實現(xiàn)網(wǎng)絡協(xié)同制造。主要應用是建設跨企業(yè)制造資源協(xié)同平臺，實現(xiàn)企業(yè)間研發(fā)、管理和服務系統(tǒng)的集成和對接，為接入企業(yè)提供研發(fā)設計、運營管理、數(shù)據(jù)分析、知識管理、信息安全等服務，開展制造服務和資源的動態(tài)分析和柔性配置。

德勤調(diào)研結(jié)果顯示，目前企業(yè)致力于打通從ERP到MES乃至現(xiàn)場設備的數(shù)據(jù)流，但這也僅是從生產(chǎn)到執(zhí)行的打通，未來還需將產(chǎn)品數(shù)據(jù)、供應鏈數(shù)據(jù)串聯(lián)。我們將生產(chǎn)數(shù)據(jù)流分為兩個環(huán)節(jié)：一、打通生產(chǎn)計劃與執(zhí)行系統(tǒng)的數(shù)據(jù)流；二、執(zhí)行與監(jiān)控和現(xiàn)場設備的數(shù)據(jù)流。

結(jié)果顯示，83%的受訪企業(yè)表示已打通ERP和MES的數(shù)據(jù)流打通。62%的企業(yè)繼續(xù)向下打通MES到現(xiàn)場設備的數(shù)據(jù)流。但僅有47%的企業(yè)打通了產(chǎn)品數(shù)據(jù)流，44%的企業(yè)打通供應鏈數(shù)據(jù)流。而且考慮到我們調(diào)查的企業(yè)均為資質(zhì)較好且為中等以上規(guī)模，這一系列比率顯然高于中國整體平均水平。

從行業(yè)角度來看，航空航天領(lǐng)域全部受訪企業(yè)已經(jīng)打通從生產(chǎn)計劃到執(zhí)行的數(shù)據(jù)，但從生產(chǎn)執(zhí)行到現(xiàn)場設備、產(chǎn)品以及供應鏈的數(shù)據(jù)鏈條連通相對滯后，提升空間大。電子組件及電器制造行業(yè)產(chǎn)品數(shù)據(jù)流和供應鏈數(shù)據(jù)流連通情況高于其他行業(yè)，數(shù)字化工廠整體水平較高。產(chǎn)品質(zhì)量可謂是制藥行業(yè)的生命，而打通產(chǎn)品數(shù)據(jù)流的制藥企業(yè)僅占33%，行業(yè)需要強化產(chǎn)品全生命周期可追溯，提升產(chǎn)品質(zhì)量管控能力。汽車及汽車零部件以及高端裝備制造都在產(chǎn)品數(shù)據(jù)流方面領(lǐng)先（見下圖）。

打通“次元壁”

未來數(shù)字世界和現(xiàn)實世界會是一體兩面，打通數(shù)據(jù)流也是數(shù)字孿生（digitaltwin）操作的基礎(chǔ)。德勤認為數(shù)字孿生是物理實體或流程的準實時數(shù)字化鏡像，有助于企業(yè)績效提升。數(shù)字孿生往往包含“數(shù)字產(chǎn)品孿生”、“生產(chǎn)工藝流程數(shù)字孿生”和“設備數(shù)字孿生”不同層面但可以高度集中統(tǒng)一的數(shù)據(jù)模型。

數(shù)字產(chǎn)品孿生領(lǐng)域，特斯拉公司為其生產(chǎn)和銷售的每一輛電動汽車都建立數(shù)字孿生模型，相對應的模型數(shù)據(jù)都保存在公司數(shù)據(jù)庫。每輛電動車每天報告其日常經(jīng)驗，并通過數(shù)字孿生的模擬程序使用這些數(shù)據(jù)來發(fā)現(xiàn)可能的異常情況并提供糾正措施。通過數(shù)字孿生模擬，特斯拉每天可獲得相當于160萬英里的駕駛體驗，并在不斷的學習過程中反饋給每輛車。生產(chǎn)流程數(shù)字孿生領(lǐng)域，一些嗅覺敏銳的工廠及生產(chǎn)線開始引入數(shù)字孿生，在建造之前，對工廠進行仿真和模擬，虛擬出建造工廠的最佳流程，再將真實參數(shù)傳給實際的工廠建設，有效減少誤差和風險。待廠房和生產(chǎn)線建成之后，日常的運行和維護通過數(shù)字孿生進行交互，能夠迅速找出問題所在，提高工作效率。

Gartner對美國、德國、中國與日本的202位企業(yè)的調(diào)查發(fā)現(xiàn)，到2020年，至少50%年收入超過50億美元的制造商將為其產(chǎn)品或資產(chǎn)啟動至少一項數(shù)字孿生項目，屆時參與使用數(shù)字孿生技術(shù)的企業(yè)數(shù)量將增長3倍。預計在今后數(shù)年時間，將有數(shù)以億計的用戶使用數(shù)字孿生操作，它將被企業(yè)用于規(guī)劃設備服務、生產(chǎn)線操作、預測設備故障、提高操作效率、加速新產(chǎn)品開發(fā)等。在未來，這項技術(shù)有望與工業(yè)生產(chǎn)徹底融合，推動智能工業(yè)進入新階段。

如何創(chuàng)建數(shù)字孿生？德勤認為數(shù)字孿生的創(chuàng)建包含兩個主要關(guān)注領(lǐng)域：設計數(shù)字孿生的流程和產(chǎn)品生命周期的數(shù)據(jù)要求——從資產(chǎn)的設計到資產(chǎn)在真實世界中的現(xiàn)場使用和維護；創(chuàng)建使能技術(shù)，整合真實資產(chǎn)及其數(shù)字孿生，使傳感器數(shù)據(jù)與企業(yè)核心系統(tǒng)中的運營和交易信息實現(xiàn)實時流動。

智能工廠的落地實施還要看企業(yè)痛點，有的企業(yè)要提升產(chǎn)品質(zhì)量，有的企業(yè)要實現(xiàn)產(chǎn)品設計生產(chǎn)和管理的數(shù)字化，由于企業(yè)往往難以承受“全家桶”解決方案，可以先解決眼前問題，但一定要有長遠規(guī)劃，以免以后無法實現(xiàn)互聯(lián)互通。

——朱毅明，和利時集團總工程師

深挖設備和用戶價值

制造型企業(yè)面臨愈發(fā)激烈的市場競爭和日益透明的產(chǎn)品定價，不得不尋找新的價值來源。德勤智能制造調(diào)研結(jié)果顯示，設備和用戶價值深度挖掘是企業(yè)智能制造部署第二重點領(lǐng)域。62%的受訪企業(yè)正積極部署設備和用戶價值深度挖掘，其中41%的企業(yè)側(cè)重設備價值挖掘，21%的企業(yè)側(cè)重用戶價值挖掘。

圍繞設備進行價值挖掘可以說是制造型企業(yè)的天性。如在研發(fā)設計階段，嵌入新技術(shù)，生產(chǎn)更智能或更多樣化的產(chǎn)品；在銷售階段，提供設備相關(guān)金融服務；在售后階段，對出廠設備和產(chǎn)品進行實時數(shù)據(jù)采集和監(jiān)控，并進行性能分析、預測性維護等，既提升安全性，也為企業(yè)創(chuàng)造更多服務機會。

雖然起步較晚，制造型企業(yè)也在探索和嘗試對用戶價值進行深度挖掘，其中以C2M(customer-to-manufactory，客戶到制造)最受矚目。C2M體現(xiàn)了定制化生產(chǎn)的特性，使制造商直接面對用戶，以滿足用戶個性化需求；同時通過減少中間環(huán)節(jié)降低成本、提升效率。

例子：紅領(lǐng)集團通過打造C2M電商平臺、柔性供應能力和大數(shù)據(jù)能力實現(xiàn)了大規(guī)模定制化。顧客可以在其C2M電商平臺選擇款式、工藝、材料并下單。平臺快速收集顧客分散、個性化需求數(shù)據(jù)的同時，大數(shù)據(jù)和云計算技術(shù)按客戶需求匹配產(chǎn)品數(shù)據(jù)模型，其款式數(shù)據(jù)和工藝數(shù)據(jù)能滿足超過百萬萬億種設計組合，覆蓋99.9%的個性化設計需求。當版型確定后，系統(tǒng)自動生成工藝數(shù)據(jù)，工藝數(shù)據(jù)發(fā)送至工廠，工廠進行生產(chǎn)交付。整個流程從下訂單到產(chǎn)品出廠僅需7個工作日，并做到按需生產(chǎn)、零庫存、一人一版、一衣一款。

阿里巴巴的“淘工廠”集結(jié)上萬家工廠，將電商買家訂單與制造廠商產(chǎn)能進行對接，把柔性產(chǎn)能檔期聯(lián)網(wǎng)，解決電商買家有訂單無工廠，制造企業(yè)有產(chǎn)能無訂單的結(jié)癥。

工業(yè)物聯(lián)網(wǎng)的三類場景

智能制造要求制造系統(tǒng)具備感知、分析、決策和執(zhí)行的能力，而這些能力的核心均涉及物聯(lián)網(wǎng)相關(guān)技術(shù)，如面向感知的物聯(lián)技術(shù)（傳感器、RFID、芯片）、面向分析的工業(yè)大數(shù)據(jù)分析和面向決策及服務的應用平臺。

德勤調(diào)研結(jié)果顯示，目前中國制造企業(yè)物聯(lián)網(wǎng)應用以感知為重點，分析和服務交融將是未來物聯(lián)網(wǎng)建設重點。受訪企業(yè)普遍建立系統(tǒng)以傳感器采集動態(tài)數(shù)據(jù)，但數(shù)據(jù)分析和平臺應用相對滯后。

從行業(yè)應用來看，電子及電器行業(yè)傳感器和平臺應用最為普及，76%的受訪企業(yè)利用傳感器采集數(shù)據(jù)，43%的企業(yè)利用物聯(lián)網(wǎng)平臺，但僅有33%的企業(yè)采用大數(shù)據(jù)技術(shù)分析所采集的數(shù)據(jù)。汽車及零部件制造行業(yè)傳感器技術(shù)應用也有較高普及率達73%，但大數(shù)據(jù)和平臺應用低于其他受訪行業(yè)。制藥行業(yè)大數(shù)據(jù)技術(shù)利用最為積極，因為醫(yī)藥行業(yè)早已面臨海量數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)挑戰(zhàn)（見下圖）。

感知僅是物聯(lián)網(wǎng)應用的初級階段，以數(shù)據(jù)洞察指導行動，從而提高效率，或者與服務交融創(chuàng)造新價值，才是物聯(lián)網(wǎng)的核心。云平臺通過提供強大的數(shù)據(jù)傳輸、存儲和處理能力，幫助制造企業(yè)采集和處理大量數(shù)據(jù)。工業(yè)云平臺不僅能夠?qū)崿F(xiàn)企業(yè)通過平臺完成產(chǎn)品的設計、工藝、制造、采購、營銷等環(huán)節(jié)，還將改變傳統(tǒng)生產(chǎn)方式和制造生態(tài)，創(chuàng)造新的收入來源和商業(yè)模式。中國制造企業(yè)云部署現(xiàn)狀如何？

德勤調(diào)研發(fā)現(xiàn)，中國制造企業(yè)云部署積極性不高。53%的受訪制造企業(yè)尚未部署工業(yè)云，47%的企業(yè)正在進行工業(yè)云部署，其中27%的企業(yè)部署私有云，14%部署公有云，6%部署混合云（見下圖）。上云可以大幅降低每個單元的儲存和計算成本，甚至通過跨界創(chuàng)造新的商業(yè)模式，但也帶來了復雜性。企業(yè)擔心一旦將諸如工廠生產(chǎn)過程、資產(chǎn)性能管理的數(shù)據(jù)放到云平臺上之后，信息安全、知識產(chǎn)權(quán)問題會接踵而至。除此之外，很多企業(yè)尚未明確工業(yè)云在企業(yè)層面的商業(yè)應用和相關(guān)能力欠缺也是導致企業(yè)云部署積極性不高的原因。

對于選擇公有云還是私有云，很大程度取決于企業(yè)的關(guān)注點不同。如果企業(yè)只是聚焦自己的生產(chǎn)制造，降本增效，往往不會選擇公有云；如果企業(yè)聚焦商業(yè)模式創(chuàng)新和產(chǎn)品轉(zhuǎn)型，則會天然的更傾向于選擇公有云或混合云，因為往往涉及服務平臺，需要做到一定程度上的兼容和融合。由于目前國內(nèi)比較常見的工業(yè)云的部署以云的基礎(chǔ)功能為主，企業(yè)把云看作虛擬服務器，在云上做存儲、計算，只有少數(shù)企業(yè)通過云部署改變生產(chǎn)方式和制造生態(tài)，進行公有云和混合云部署的企業(yè)仍為少數(shù)。

未來企業(yè)很大部分增值將來自跨企業(yè)活動，從長遠看，公有云、混合云是大趨勢，因為只有這樣才能實現(xiàn)數(shù)據(jù)交換和資源共享。私有云雖然安全，但很可能被孤立在新的商業(yè)模式和新的生態(tài)圈之外。

——賀東東樹根互聯(lián)CEO

德勤認為物聯(lián)網(wǎng)在智能制造領(lǐng)域的應用場景主要分為三類：設備與資產(chǎn)管理、產(chǎn)品洞察和服務創(chuàng)新。

管理設備與資產(chǎn)

具備感測與聯(lián)網(wǎng)功能的系統(tǒng)與大數(shù)據(jù)結(jié)合，可以實現(xiàn)設備的監(jiān)控和管理，如遠程監(jiān)控、預測性維護和互聯(lián)現(xiàn)場等。遠程監(jiān)控以物聯(lián)網(wǎng)替代傳統(tǒng)的人工巡檢機制，通過傳感器遠距離將設備數(shù)據(jù)傳輸?shù)竭\營中心。預測性維護打破傳統(tǒng)工廠按計劃進行定期維護設備的運營方式，通過物聯(lián)網(wǎng)對設備整個生命周期進行全程監(jiān)控，并預測設備未來可能發(fā)生的故障，提前制定預防性維護計劃，減少故障率并提高生產(chǎn)效率。

物聯(lián)網(wǎng)還可以連接和監(jiān)控廠房的工業(yè)裝置和設備，獲得有見解的分析，從而幫助跨工業(yè)設備、生產(chǎn)線以及在整個工廠范圍內(nèi)優(yōu)化性能和效率。當然，除了新廠房，老廠房和設備在沒有更新?lián)Q代之前，也有聯(lián)網(wǎng)監(jiān)控的需要，如何在現(xiàn)有設備上進行物聯(lián)網(wǎng)改造是值得企業(yè)關(guān)注的問題。

洞察產(chǎn)品

制造企業(yè)往往不太了解自己的產(chǎn)品如何被使用，而物聯(lián)網(wǎng)將改變這一現(xiàn)狀。在產(chǎn)品投入使用后，制造廠商可以通過物聯(lián)網(wǎng)與產(chǎn)品建立并保持聯(lián)系，收集動態(tài)數(shù)據(jù)，以更加系統(tǒng)的方式實時地持續(xù)地分析產(chǎn)品使用情況。在了解客戶對產(chǎn)品的使用方式后，廠商還可以基于數(shù)據(jù)預測客戶需求，開發(fā)個性化產(chǎn)品和新的服務項目，提高產(chǎn)品附加值。

服務創(chuàng)新

基于數(shù)據(jù)和平臺提供后市場服務，物聯(lián)網(wǎng)與服務交融實現(xiàn)商業(yè)模式創(chuàng)新。物聯(lián)網(wǎng)協(xié)助制造企業(yè)更有效捕捉和預測市場需求，創(chuàng)造動態(tài)化、個性化的智能服務、咨詢服務、數(shù)據(jù)服務、物聯(lián)網(wǎng)金融與保險等新的服務種類。這類應用將打破企業(yè)原來的邊界，從全社會的維度思考制造資源的優(yōu)化，客戶和制造端的互動以及各種商業(yè)模式的創(chuàng)新。

企業(yè)需要評估自身業(yè)務需要，明確商業(yè)目標、相關(guān)流程和預期結(jié)果的范圍，在考慮技術(shù)可擴展性、性能、帶寬經(jīng)濟和技術(shù)創(chuàng)新等級后，才能對數(shù)據(jù)和物聯(lián)網(wǎng)系統(tǒng)的處理架構(gòu)做出明智的選擇。

商業(yè)模式重構(gòu)

智能制造不僅能夠幫助制造型企業(yè)實現(xiàn)降本增效，也賦予企業(yè)重新思考價值定位和重構(gòu)商業(yè)模式的契機。同時，新進入者也在不斷挑戰(zhàn)傳統(tǒng)市場參與者的地位，眾多技術(shù)型企業(yè)加入戰(zhàn)場推動工業(yè)企業(yè)探索商業(yè)模式上的創(chuàng)新。

德勤調(diào)研發(fā)現(xiàn)企業(yè)對未來商業(yè)模式的規(guī)劃大致呈四類：30%的受訪企業(yè)未來商業(yè)模式將以平臺為核心，26%的企業(yè)走規(guī)?；ㄖ颇Ｊ剑?4%以“產(chǎn)品+服務”為核心向解決方案商轉(zhuǎn)型，12%以知識產(chǎn)權(quán)為核心（見下圖）。平臺型商業(yè)模式定位以提供多種軟件服務和搭建生態(tài)系統(tǒng)為核心，未來可能不會出現(xiàn)類似BAT這樣的行業(yè)巨頭，但不乏垂直行業(yè)領(lǐng)軍企業(yè)或平臺。規(guī)?；ㄖ颇Ｊ?，如C2M已經(jīng)不局限于服裝制造，而延伸到汽車和裝備制造等行業(yè)?！爱a(chǎn)品+服務”為核心旨在圍繞客戶需求提供解決方案，是目前很多企業(yè)在做的。以知識產(chǎn)權(quán)為核心的企業(yè)往往通過專利戰(zhàn)略，形成技術(shù)壁壘占領(lǐng)市場。

不同商業(yè)模式的價值定位和價值創(chuàng)造方式不同，所面臨的挑戰(zhàn)也不盡相同（見下圖）。企業(yè)需要持續(xù)審視自己的商業(yè)模式，通過評估自身運營情況進行適當?shù)馗纳撇⒍ㄆ谠u估其他商業(yè)模式是否具有可行性。

人工智能顛覆制造和服務業(yè)

人工智能對制造業(yè)的影響主要來自兩方面：一是在制造和管理流程中運用人工智能提高產(chǎn)品質(zhì)量和生產(chǎn)效率；二是對現(xiàn)有產(chǎn)品與服務的徹底顛覆。

隨著國內(nèi)制造業(yè)自動化程度提高，機器人在制造過程和管理流程中的應用日益泛，而人工智能更進一步賦予機器人自我學習能力。結(jié)合數(shù)據(jù)管理，導入自動化設備及相關(guān)設備的聯(lián)網(wǎng)，機器人通過機器學分析，可以實現(xiàn)生產(chǎn)線的精準配合，并更準確的預測和實時檢測生產(chǎn)問題。

人工智能在制造業(yè)產(chǎn)品和服務領(lǐng)域的應用則更具有顛覆性。產(chǎn)品本身就是人工智能的載體，硬件與各類軟件結(jié)合具備感知、判斷的能力并實時與用戶、環(huán)境互動。而產(chǎn)品的功能和服務，也將顛覆原有生態(tài)系統(tǒng)。以汽車產(chǎn)業(yè)為例，傳統(tǒng)汽車行業(yè)的競爭格局是金字塔型——整車廠處于頂端，各級別供應商跟隨其后。但是在智能汽車時代，整車廠的主導地位將受到嚴峻挑戰(zhàn)，零部件廠商、互聯(lián)網(wǎng)巨頭、算法公司、芯片制造商、傳感器供應商等企業(yè)無不加快對無人駕駛技術(shù)的研發(fā)和商業(yè)化步伐，并期望通過占據(jù)技術(shù)制高點打破汽車產(chǎn)業(yè)的生態(tài)平衡。

中國制造企業(yè)人工智能應用情況如何？

德勤智能制造調(diào)研發(fā)現(xiàn)，51%的受訪企業(yè)在制造和管理流程中運用人工智能，46%的受訪企業(yè)在產(chǎn)品和服務領(lǐng)域已經(jīng)或計劃部署人工智能（見下圖）。制造和管理流程中人工智能的運用更偏向系統(tǒng)自動化和制造精益化，目的是提高生產(chǎn)效率和產(chǎn)品質(zhì)量，同時人也被解放出來，可以去思考更復雜的問題。主要應用場景包括使用機器人實現(xiàn)流程自動化、柔性制造、定制化生產(chǎn)、質(zhì)量檢測等。在產(chǎn)品和服務領(lǐng)域人工智能的運用更側(cè)重產(chǎn)品和服務與使用者的互動，典型應用包括研發(fā)和新品測試、用戶行為分析、自動駕駛等。

當然人工智能仍處在其發(fā)展早期，技術(shù)突破及商業(yè)論證需要更長時間。另外，人工智能應用環(huán)境和基礎(chǔ)設施的完善程度，信息和安全法規(guī)、企業(yè)自身的能力都成為企業(yè)面臨的主要挑戰(zhàn)。我們發(fā)現(xiàn)，對于尚未部署人工智能的制造企業(yè)來說，缺乏投資人工智能的商業(yè)論證、尚不具備建立和支持人工智能的系統(tǒng)能力、尚不明確部署人工智能的前提為主要挑戰(zhàn)（見下圖）。

人工智能正迅速滲透各行各業(yè)。汽車及汽車零部件制造、高端裝備制造、電子及電器制造三個行業(yè)在制造流程中采用機器人的比例過半。汽車及零部件制造行業(yè)使用機器人的企業(yè)比例達到80%，預示未來工業(yè)機器人的市場增量將主要來自非汽車行業(yè)。在產(chǎn)品和服務領(lǐng)域已經(jīng)或計劃部署人工智能的行業(yè)分布比較均勻，高端裝備制造和制藥比例較高，但其他行業(yè)如新材料、汽車及零部件、航空航天、電子及電器也正在或計劃部署人工智能。

關(guān)于人工智能在制造業(yè)應用，設備相關(guān)的應用（如物流、盤產(chǎn)）還比較多，但是工藝相關(guān)領(lǐng)域需求較少。

——趙金元，太極集團業(yè)IT事業(yè)一部總經(jīng)理

行業(yè)對人工智能的理解已隨著算法、技術(shù)和應用的發(fā)展，越來越加深。對于企業(yè)而言，應跳出人工智能僅是“機器換人”的既定思維，在精益制造、產(chǎn)品質(zhì)量、用戶體驗等多方面進行部署。

三招跨越能力鴻溝

重構(gòu)商業(yè)模式是一項復雜艱巨的任務，我們請企業(yè)就實現(xiàn)構(gòu)想中的商業(yè)模式所面臨的能力鴻溝進行打分，綜合來看，商業(yè)模式優(yōu)化、創(chuàng)新管理以及云部署為企業(yè)能力建設三大關(guān)鍵任務，德勤建議分別從以下幾個方面入手提升能力：

商業(yè)模式優(yōu)化

優(yōu)化商業(yè)模式可能僅需要改變或改進目前模式中部分元素，也可能涉及改變整體運營模式的重大轉(zhuǎn)型。在過去的15年里，由于技術(shù)、通信、物流和交通等方面的迅速進步，整體運營模式的重大轉(zhuǎn)型已更為常見。企業(yè)需要運用行之有效的方法和工具，從以下工作流程各環(huán)節(jié)入手優(yōu)化商業(yè)模式。

企業(yè)轉(zhuǎn)型整編：優(yōu)化現(xiàn)有商業(yè)模式，包括從原材料采購到產(chǎn)品銷售過程所涉及的一切環(huán)節(jié)，挖掘可以整體改動或局部改進的待優(yōu)化環(huán)節(jié)，以支持新的商業(yè)模式。

重新配置信息技術(shù)系統(tǒng)：企業(yè)需要探索、設計與實施基礎(chǔ)設施及信息技術(shù)系統(tǒng)的改進。

重新調(diào)配人員：人盡其用是企業(yè)轉(zhuǎn)型可持續(xù)性的關(guān)鍵之一。重新調(diào)配人員側(cè)重于設計和實施人員調(diào)度，以支持新商業(yè)模式，并實現(xiàn)從原有模式到新模式的順利過渡。該環(huán)節(jié)還包括制定新的關(guān)鍵績效指標及匯報關(guān)系以支持新商業(yè)模式。

重組法律、財務及稅務架構(gòu)：商業(yè)模式優(yōu)化方案的設計和實施通常涉及許多復雜的法律實體及稅務架構(gòu)上的改變。企業(yè)管理團隊需要分析不同方式的利與弊。如新商業(yè)模式下所得稅和轉(zhuǎn)讓定價事項有何變化，增值稅和關(guān)稅對新商業(yè)模式可能產(chǎn)生的影響。

創(chuàng)新管理

創(chuàng)新管理的目標包括優(yōu)化創(chuàng)新產(chǎn)品管理、優(yōu)化生命周期成本、優(yōu)化資本使用效率和優(yōu)化風險管理。

優(yōu)化創(chuàng)新產(chǎn)品管理：建立統(tǒng)一的產(chǎn)品管理體系（包括有形的產(chǎn)品和服務），優(yōu)化決策流程，提高決策效率

優(yōu)化生命周期成本：通過產(chǎn)品生命周期的最優(yōu)化運作，優(yōu)化產(chǎn)品投資成本和運營成本

優(yōu)化資本使用效率：通過監(jiān)控、評估和KPI管理，優(yōu)化產(chǎn)品管理、提升資本使用效率

優(yōu)化風險管理：有效管理創(chuàng)新過程中的市場風險和數(shù)據(jù)安全風險等諸多風險

值得注意的是，單純的產(chǎn)品創(chuàng)新管理并不能令企業(yè)長久保持競爭優(yōu)勢。如今，幾乎所有產(chǎn)品類別都處于激烈的競爭之中，任何新產(chǎn)品的任何獨特優(yōu)勢都會被快速吞噬。組合多種創(chuàng)新類型可以幫助公司擁有更好的財務回報。雖然不能把這些公司的績效全部歸功于創(chuàng)新，但創(chuàng)新有助于提升一家公司的機制，包括投資者對它未來的預期。

云部署

僅僅把數(shù)據(jù)和應用轉(zhuǎn)移到云上是遠遠不夠的，大多數(shù)情況，上云會牽涉多個業(yè)務功能，影響企業(yè)的供應商、財務報表和客戶，企業(yè)需要長遠規(guī)劃，分步執(zhí)行。企業(yè)還需要充分考慮人力資源和數(shù)字化程度如何與云部署配合。

規(guī)劃：審視企業(yè)現(xiàn)有商業(yè)模式并探討是否有其他可行的商業(yè)模式，根據(jù)商業(yè)模式制定云部署戰(zhàn)略，進行商業(yè)論證和自身能力評估。

執(zhí)行：執(zhí)行階段可以分四步走，第一步是SaaS部署，包括ERP，CRM，人力資源轉(zhuǎn)型和其他軟件部署；第二步是個性化部署，包括應用開發(fā)、架構(gòu)搭建和平臺部署；第三步為云遷移，其間可能需要對應用軟件進行更新和調(diào)整。第四步為引入大數(shù)據(jù)分析平臺。

今天的市場變得越來越多樣化，消費者的需求在不斷變化。同時，產(chǎn)品、生產(chǎn)流程和服務的數(shù)字化、智能化已是大勢所趨，受此趨勢影響，工業(yè)企業(yè)正在加快智能制造部署，并不斷審視商業(yè)模式，并制定有效策略，以期從運營和戰(zhàn)略層面推動實際價值的創(chuàng)造。

小結(jié)

隨著全球新一輪科技革命和產(chǎn)業(yè)變革加緊孕育興起，加上我國制造業(yè)轉(zhuǎn)型升級形成如今的歷史性交匯。智能制造在全球范圍內(nèi)快速發(fā)展，已成為制造業(yè)重要發(fā)展趨勢，對產(chǎn)業(yè)發(fā)展和分工格局帶來深刻影響，推動形成新的生產(chǎn)方式、產(chǎn)業(yè)形態(tài)、商業(yè)模式。但是風險與機遇并存，企業(yè)應該從商業(yè)模式優(yōu)化、創(chuàng)新管理以及云部署三個大方向?qū)ψ约恨D(zhuǎn)型升級，以應對未來挑戰(zhàn)。