AI赋能工业4.0：制造业变革更广、更快、更优

作者：侯文皓、Enno de Boer、Rahul Shahani、Federico Torti

对制造商而言，世界已变。随时应对不确定性已是行业常态。企业高管预测，未来5年[1]，地缘政治、气候变化、技术突破、供应链安全等因素带来的负面影响将增加15%~25%。

随着第四次工业革命（4IR）的步伐不断加快，企业的绩效实现了飞跃，与此同时，劳动力包容性和可持续性也在不断提升。经过5年的发展，全球灯塔网络[2]已为全球制造商累积了丰富的范例。每年，新加入的灯塔工厂均会对未来3~5年的价值链运营进行深度展望，为行业的持续发展贡献智慧与力量。

新晋的一批灯塔成员证实了4IR拐点的到来，其中有两大特征颇为显著：一是机器智能已达到前所未有的成熟水平。与过去试图模拟人类智能不同，现在的机器被赋予了专业智能，能够在信息物理系统中胜任复杂的生产任务；二是在产业应用层面，领军企业正重新定义“试点”的范围。为了推动规模化应用，这些企业不再局限于单个用例，而是将视野拓展到整个生产网络，通过全面布局推动转型升级。

围绕该话题，我们拟发布系列文章（共三篇），将立足于全球制造业的发展实际，深入探讨领军制造商对AI的战略部署，以及企业在实现AI快速、大规模部署过程中需要构建的核心能力。作为系列文章的开篇，本文将重点诠释为何AI的成熟标志着4IR拐点的到来，解码领先制造商如何利用AI重塑竞争优势，并列举制造商在行业竞争日益激烈的当下，需要考虑的三种战略对策——创新、加速以及追赶。后续两篇文章将分别聚焦AI对制造业的规模化影响，以及推动AI应用所需的基本能力。

新技术采用的S曲线

通过对历史上多次工业革命的回顾与分析，我们不难发现，它们的发展轨迹均呈现出一种S型的曲线特征。一阶段是“学习曲线”，往往历时较长，且早期先行者会在摸索如何使事物运转的过程中不断试错；二阶段是“应用曲线”，此时的技术基石已十分稳固，企业开始在生产网络中部署相关技术；三阶段是“优化曲线”，各行业围绕技术采用的最佳实践进行调整。在此阶段，新的标准与程序逐渐称为常规操作，且成本开始趋于稳定（见图1）。如果回看智能手机的发展历程，我们也能清晰看到这种三阶段的S曲线。

截至目前，全球灯塔网络有153家成员。这些制造业的领军者在4IR技术的采用上，要平均领先于其他制造商3~5年。如今，用例试点已不再是他们的关注焦点。对拥有多个灯塔工厂的企业而言，其生产网络都可作为大规模网络部署的试点。现在，领先企业可同时在10或50家工厂中捕捉4IR技术的价值，而其他企业仍在努力寻找单个工厂的价值。

随着灯塔企业不断加速发展，在成熟度上，领先与落后企业间的差距也在不断拉大。而近几年愈发复杂多变的商业环境, 也让这一差距愈发突出。新冠疫情期间，85%的灯塔企业营收降幅低于10%；而仅有14%的其他制造商实现了这一点。灯塔企业的反应速度显然更快：面对供应链风险，在2022年，65%的灯塔企业已经开始实现多货源采购并增加安全库存，而只有24%的其他企业推行了这项举措。

AI正在定义第四次工业革命

AI位于4IR技术金字塔的顶端，也是重要的“指挥家”。在AI的引领下，4IR技术演奏着一曲“荡气回肠的交响乐”（见图2）。

以生产现场的快速换线为例（见图3），企业不仅需要柔性机器设备来处理不同的产品，自动导引小车（AGV）来运送物料和零部件，3D打印来定制生产线夹具，还需要可穿戴技术赋能管理与技术人员，帮助他们了解实时数据。如何协调这些复杂元素之间的相互作用？答案是：AI。

然而，AI的部署离不开数据的加持。企业可从系统软件、设备传感器、互联基础设施，以及员工等多个来源，生成和收集海量数据。数据是灯塔企业领跑行业的重要原因之一。他们领先一步，更早地投资建立了数据基础设施，虽然在早期承担了一定的风险，但在后期成功释放了AI的潜力。

走出规模化的低谷

从灯塔企业身上我们不难看出，AI拥有的新用例不计其数，有望带来难以想象的绩效提升。

用例启迪能力，能力引领规模。2018年，前沿用例的具体表现还是高级分析和自动驾驶汽车的本地化应用、高度透明的数据连接和可视化仪表板，以及类似的数字精益解决方案。与现在相比，当时部署用例所需的时间更长。多数早期部署相关用例的灯塔企业称，前5个用例的部署平均花费了10~20个月；而现在，75%的灯塔企业表示，他们在6个月内便可完成5个用例的部署。不仅如此，30%的灯塔称，他们甚至可在三个月内完成。

灯塔企业在用例部署早期，需要对其数据采集和数据传输层进行“推倒重建”：设计技术堆栈，增加或升级传统基础设施，训练员工使用先进工具，以及调整组织架构，快速部署数字解决方案并获得反馈。打牢“地基”后，企业便能快速部署新用例。例如，某灯塔企业表示，生成式AI技术顾问只需短短几日或几周便可部署，而非以月或年为单位。

挑战接踵而至，灯塔企业从“试点陷阱”走向“规模化低谷”。许多灯塔企业已完成一阶段的“学习曲线”，在工厂层面初步建立了变革所需的各项能力。但规模化进程的停滞不前也带来了试点陷阱后的第二个重大挑战——规模化低谷。技术从单一工厂向整个生产网络的扩展绝非易事，这涉及到宏观层面的数据、技术、人才和组织调整。此外，二者面临的解决方案也不尽相同。以上文提到的生成式AI技术顾问为例，若想让其在20多家工厂发挥作用，这些工厂必须做好充分的前期准备。

走出规模化低谷，重新定义成功。成功摆脱规模化低谷的企业能为行业树立新标准。例如，丰田公司对大规模生产的进一步改良，使得精益生产和六西格玛成为全球企业的标配，进而催生了新标准、协议、认证和监管措施的出现。至此，创新成为了社会制度的一部分；丰田为“新常态”设立了行业基准，是“优化曲线”的有力案例。在科技和银行等制造业外之外的行业，由于AI的应用已相当成熟，因此关注焦点主要是标准的建立和监管合规性。

纵观第一次工业革命中的蒸汽机技术，以及科技和银行业中的AI部署，我们预计4IR的突破性技术将在10年内迅速普及。灯塔企业正立于革命潮头，在新的候选灯塔工厂中，基于AI的用例占比高达60%，而这一数字在2019年仅为11%。

灯塔领航：内部提升良性循环，外部差距不断拉大

生成式AI与其他前沿技术在制造业的广泛应用无法一蹴而就，但灯塔企业已成功在工厂层面实现了应用。所有新晋灯塔成员都至少有一个正在进行中的AI试点项目，部分新成员甚至已在短短几天或几周内（而非几个月或几年）实施、测试和迭代了AI用例，并获得了正面反馈。他们的成功离不开改革的关键助推因素：坚实的数据和技术基础设施，强大的人才基础，以及敏捷的运营模式。

除上述推动因素外，他们还建立了清晰的业务战略和有效的变革管理。尤为值得一提的是，灯塔企业的技术投资并非“面子工程”，而是“快、狠、准”地确保每个用例都能带来明确的业务价值。所谓“稳中求进”，他们采取了耐心、谨慎的方法，从而取得了突飞猛进的发展——用例实施周期通常在10~20个月之间，投资回报期约为两年半。有了耐心的耕耘和扎实的付出，收效也十分显著：灯塔企业的4IR用例在三年内取得2~3倍回报，在5年内取得4~5倍回报。

灯塔企业在规模化低谷中不断摸索的同时，也在逐步提升快速部署用例的能力。最近三批灯塔新成员的用例实施速度要比前三批快26%，75%的灯塔企业称，他们仅需6个月不到的时间，便能部署新的前沿用例，而30%的灯塔企业称，他们甚至可以在3个月之内完成。技术应用是个良性循环过程：进步越大，速度越快。企业能够在此过程中更加敏捷，并获得应对颠覆的能力，但也进一步加大了与其他制造商的差距[3]。

其他制造商：创新、加速，还是追赶？

对制造商而言，拐点意味着什么？随着灯塔企业等领军制造商逐渐摆脱规模化低谷，并将4IR技术的影响力扩展到整个生产网络，其他企业也需反思今后的走向。

答案不止一个：首先，企业可在生产网络层面实现数字化创新。与许多灯塔企业一样，作为行业探路者，他们敢于冒险，并有能力证明自己选择了正确的方向；其次，企业可以选择成为行业加速器。这些企业专注于实现规模化影响，可进而重塑整个行业格局；最后，奋起直追者也面临着巨大的机遇。这些企业可熟记前人谱写的“游戏规则”，在捕获价值的同时，巧妙避开学习曲线上的各个低谷（见图4）。