德勤深度分析智能製造在中國製造業(ye) 中的部署及特點，預測智能製造落地前景，並為(wei) 相關(guan) 企業(ye) 提出三大策略。

亞(ya) 洲正受到自動化、智能化大潮衝(chong) 擊。國際勞工組織調研發現，越南、柬埔寨、菲律賓和印度尼西亞(ya) 的工人的失業(ye) 風險最高，據估計這幾個(ge) 區域約50%的工人工作可能在未來20年被自動化取代。
亞(ya) 洲尤其是中國作為(wei) 製造業(ye) 的重要區域，在麵臨(lin) 製造業(ye) 向自動化、智能化、數字化轉型中，能否繼續保持其競爭(zheng) 力？

中國進入高速成長期
智能製造是基於(yu) 新一代信息技術，貫穿設計、生產(chan) 、管理、服務等製造活動環節，具有信息深度自感知、智慧優(you) 化自決(jue) 策、 精準控製自執行等功能的先進製造過程、係統與(yu) 模式的總稱 。簡而言之，智能製造是由物聯網係統支撐的智能產(chan) 品、智能生產(chan) 和智能服務。

智能製造已經成為(wei) 全球價(jia) 值鏈重構和國際分工格局調整背景下各國的重要選擇。發達國家紛紛加大製造業(ye) 回流力度，提升製造業(ye) 在國民經濟中的戰略地位。毫無疑問，在此次大潮中亞(ya) 洲正在積極尋求突破。以人工智能為(wei) 例，各國政府大力支持人工智能，推動科技公司、初創公司和學術界的創新。

2017年，韓國政府宣布了10億(yi) 美元的人工智能資金；日本鼓勵人工智能創業(ye) 公司和風險投資；新加坡政府的國家研究基金會(hui) 宣布國家人工智能計劃（AI.SG），計劃未來五年投入1.5億(yi) 新加坡元（約1.07億(yi) 美元）發展人工智能。

　　▲ 工業(ye) 4.0發展路徑

除了政府的支持，亞(ya) 洲企業(ye) 更積極打破行業(ye) 壁壘加快新產(chan) 品開發。不同於(yu) 歐美同類企業(ye) ，中國領先企業(ye) 間的合作屢見不鮮，一些知名範例包括：百度與(yu) 小米在物聯網與(yu) 人工智能領域合作開發更多應用場景；騰訊與(yu) 京東(dong) 合作布局電子商務生態圈；印度係統集成商組成AI聯盟（如OpenAI）。這賦予它們(men) 驚人的影響力，也意味著它們(men) 擁有可用於(yu) 快速推動創新的技術實力和資本基礎。

中國是亞(ya) 洲智能化轉型的重要力量。政府加強智能製造頂層設計，開展試點示範和標準體(ti) 係建設；企業(ye) 加快數字化轉型，提升係統解決(jue) 方案能力。中國智能製造取得明顯成效，進入高速成長期。
中國智能製造進入成長期主要體(ti) 現在三方麵：首先，中國工業(ye) 企業(ye) 數字化能力素質提升，為(wei) 未來製造係統的分析預測和自適應奠定基礎。第二、財務效益方麵，智能製造對企業(ye) 的利潤貢獻率明顯提升。第三、典型應用方麵，中國已成為(wei) 工業(ye) 機器人第一消費大國，需求增長強勁。

企業(ye) 智能化的六大階段
企業(ye) 數字化能力素質體(ti) 現在其利用數據指導生產(chan) 以及係統自優(you) 化的能力。我們(men) 借鑒國際普遍認可的工業(ye) 4.0發展路徑，將企業(ye) 智能化成熟度分為(wei) 六個(ge) 階段：計算機化、連接、可視、透明、預測和自適應。
計算機化
企業(ye) 通過計算機化高效處理重複性工作，並實現高精度、低成本製造。但不同的信息技術係統在企業(ye) 內(nei) 部獨立運作，很多設備並不具備數字接口。
連接
相互關(guan) 聯的環節取代各自為(wei) 政的信息技術。操作技術（OT）係統的各部分 實現了連通性和互操作性，但是依舊未能達到IT層麵和OT層麵的完全整合。
可視
了解正在發生什麽(me) ，通過現場總線和傳(chuan) 感器等物聯網技術，企業(ye) 捕獲大量的實時數據，建立起企業(ye) 的“數字孿生”，從(cong) 而改變以前基於(yu) 人工經驗的決(jue) 策方式，轉為(wei) 基於(yu) 數字進行決(jue) 策。
透明
了解事件發生的原因，並通過根本原因分析生成認識。
預測
將數字孿生投射到未來，模擬不同的情景對未來發展進行預測，並適時做出決(jue) 策和采取適當措施。
自適應
預測能力隻是自動化行為(wei) 和決(jue) 策的根本要求，而持續的自適應則使企業(ye) 實現自主響應，以便其盡快適應變化的經營環境。
隨著中國兩(liang) 化融合和工業(ye) 物聯網建設等多項舉(ju) 措推進，製造型企業(ye) 數字化能力素質顯著提升，大部分企業(ye) 正致力於(yu) 數據縱向集成。德勤調研結果顯示，81%的受訪企業(ye) 已完成計算機化階段，其中41% 處於(yu) 連接階段，28%處於(yu) 可視階段，9%處於(yu) 透明階段，而預測和自適應階段的企業(ye) 各自占2%。

　　▲ 受訪企業(ye) 所處階段（基於(yu) 企業(ye) 自我評估）

智能製造利潤貢獻顯著提升向工業(ye) 4.0進階為(wei) 製造企業(ye) 帶來真實可見的效益。2013年德勤曾調研全國200家製造型企業(ye) ，結果顯示中國企業(ye) 智能製 造處在初級階段，且利潤微薄。經過五年的快速發展，智能製造產(chan) 品和服務的盈利能力顯著提升。

2013年智能製造為(wei) 企業(ye) 帶來的利潤並不明顯，55%的受訪企業(ye) 其智能製造產(chan) 品和服務淨利潤貢獻率處於(yu) 0-10%的區間，而2017年，僅(jin) 有11%的受訪企業(ye) 處於(yu) 這個(ge) 區間，而41%的企業(ye) 其智能製造利潤貢獻率在11-30%之間。利潤貢獻率超過50%的企業(ye) ，由2013年受訪企業(ye) 占比14%提升到2017年的33%。智能製造利潤貢獻率明顯提升，利潤來源包括生產(chan) 過程中效率的提升和產(chan) 品服務價(jia) 值的提升。

　　▲ 智能製造產(chan) 品和服務利潤貢獻率顯著提升

中國換道超車的兩(liang) 大底牌
中國已連續六年為(wei) 工業(ye) 機器人第一消費大國。IFR數據顯示，中國工業(ye) 機器人市場規模在2017年為(wei) 42億(yi) 美元，全球占比27%， 2020年將擴大到59億(yi) 美元。2018-2020年國內(nei) 機器人銷量將分別為(wei) 16、19.5、23.8萬(wan) 台，未來3年CAGR達到22%。汽車、高端裝備製造和電子電器行業(ye) 依然為(wei) 工業(ye) 機器人的主要用戶。

中國有哪些獨特優(you) 勢？首先是數據量。當前人工智能熱潮背後的機器學習(xi) 技術對數據極其依賴。識別人臉、翻譯語言 和試驗無人駕駛汽車需要大量的“訓練數據”。由於(yu) 中國的人口數量和設備數量龐大，中國企業(ye) 在獲取數據方麵具有天然的優(you) 勢。第二，中國製造業(ye) 企業(ye) 硬件設備和廠房相對歐美企業(ye) 普遍較新，比較容易實現設備連接和廠房改造。

　　▲ 全球主要市場工業(ye) 機器人銷量

對中國來說，工業(ye) 互聯網不是“彎道超車”而是“換道超車”，基於(yu) 中國龐大的工程師數量、完善的工業(ye) 基礎和大量數據潛力。
　　——李義(yi) 章，索為(wei) 係統董事長

如何部署智能製造
德勤調查發現，中國工業(ye) 企業(ye) 智能製造五大部署重點依次為(wei) ：數字化工廠（63%）、設備及用戶價(jia) 值深挖（62%）、工業(ye) 物聯網（48%）、重構商業(ye) 模式（36%）以及人工智能（21%）。

　　▲ 受訪企業(ye) 智能製造部署重點領域

　　▲ 受訪企業(ye) 所關(guan) 注的技術

工廠數字化
智能製造是以製造環節的智能化為(wei) 核心，以端到端數據流為(wei) 基礎，以數字作為(wei) 核心驅動力，因此數字化工廠被企業(ye) 列為(wei) 智能製造部署的首要任務。目前企業(ye) 數字化工廠部署以打通生產(chan) 到執行的數據流為(wei) 主要任務，而產(chan) 品數據流和供應鏈數據流提升空間大。

數字化工廠通過新一代信息技術，實現 從(cong) 設計、生產(chan) 、物流和服務等各個(ge) 環節的數據串連，加速決(jue) 策，提高準確性。隻有打通數據流才能實現基於(yu) 實時數據變化，對生產(chan) 過程進行分析和優(you) 化處理，進而實現業(ye) 務流程、工藝流程和資金流程的協同，以及生產(chan) 資源（材料、能源等）在企業(ye) 內(nei) 部及企業(ye) 之間的動態配置。打通數據流也是工廠建立“數字孿生”的前提，數字孿生不僅(jin) 指產(chan) 品的數字化，也包含工廠本身和工藝流程及設備的數字化，從(cong) 而實現全麵追溯、物理與(yu) 虛擬雙向共享和交互信息。

打通數據流主要包括三類數據的連通，即生產(chan) 流程數據、產(chan) 品數據以及供應鏈數據。
生產(chan) 流程數據
打通生產(chan) 流程數據除了從(cong) 生產(chan) 計劃到 執行的數據流(如ERP到MES)， 還包括MES與(yu) 控製設備和監視設備之間的數據流，現場設備與(yu) 控製設備之間的數據流，以及MES與(yu) 現場設備之間的數據流等。

　　▲ 生產(chan) 數據流主要類型

產(chan) 品數據流
打通產(chan) 品數據流主要體(ti) 現在產(chan) 品全生 命周期數字一體(ti) 化和產(chan) 品全生命周期可追溯。產(chan) 品全生命周期數字一體(ti) 化以縮短研發周期為(wei) 核心，主要應用基於(yu) 模型定義(yi) （MBD）技術進行產(chan) 品研發、建設 產(chan) 品全生命周期管理係統(PLM)等。研發是數字化工廠“數據鏈條”的起點， 研發環節產(chan) 生的數據將在工廠的各個(ge) 係統間實時傳(chuan) 遞，數據的同步更新避免了傳(chuan) 統製造企業(ye) 經常出現的由於(yu) 溝通不暢產(chan) 生的差錯，也使得工廠的效率大大提升，縮短產(chan) 品研製周期。產(chan) 品全生命周期可追溯以提升產(chan) 品質量管控為(wei) 核心。

主要應用是讓產(chan) 品在全生命周期具有唯一標識，應用傳(chuan) 感器、智能儀(yi) 器儀(yi) 表、工控係統等自動采集質量管理所需要數據，通過MES係統開展在線質量檢測和預警等。

供應鏈數據流
打通供應鏈數據流主要體(ti) 現在供應鏈上下遊協同優(you) 化，實現網絡協同製造。主要應用是建設跨企業(ye) 製造資源協同平台，實現企業(ye) 間研發、管理和服務係統 的集成和對接，為(wei) 接入企業(ye) 提供研發設計、運營管理、數據分析、知識管理、信息安全等服務，開展製造服務和資源的動態分析和柔性配置。

德勤調研結果顯示，目前企業(ye) 致力於(yu) 打通從(cong) ERP到MES乃至現場設備的數據流，但這也僅(jin) 是從(cong) 生產(chan) 到執行的打通，未來 還需將產(chan) 品數據、供應鏈數據串聯。我們(men) 將生產(chan) 數據流分為(wei) 兩(liang) 個(ge) 環節：一、打通生產(chan) 計劃與(yu) 執行係統的數據流；二、執行與(yu) 監控和現場設備的數據流。
結果顯示， 83%的受訪企業(ye) 表示已打通ERP和MES的數據流打通。62%的企業(ye) 繼續向 下打通MES到現場設備的數據流。但僅(jin) 有47%的企業(ye) 打通了產(chan) 品數據流，44%的企業(ye) 打通供應鏈數據流。而且考慮到我們(men) 調查的企業(ye) 均為(wei) 資質較好且為(wei) 中等以上規模，這一係列比率顯然高於(yu) 中國整體(ti) 平均水平。

從(cong) 行業(ye) 角度來看，航空航天領域全部受訪企業(ye) 已經打通從(cong) 生產(chan) 計劃到執行的數據，但從(cong) 生產(chan) 執行到現場設備、產(chan) 品以及供應鏈的數據鏈條連通相對滯後，提升空間大。電子組件及電器製造行業(ye) 產(chan) 品數據流 和供應鏈數據流連通情況高於(yu) 其他行業(ye) ，數字化工廠整體(ti) 水平較高。產(chan) 品質量可謂是製藥行業(ye) 的生命，而打通產(chan) 品數據流的製藥企業(ye) 僅(jin) 占33%，行業(ye) 需要強化產(chan) 品全生命周期可追溯，提升產(chan) 品質量管控能力。汽車及汽車零部件以及高端裝備製造都在產(chan) 品數據流方麵領先（見下圖）。

　　▲ 受訪企業(ye) 數據連通情況（按行業(ye) ）

打通“次元壁”
未來數字世界和現實世界會(hui) 是一體(ti) 兩(liang) 麵，打通數據流也是數字孿生（digital twin）操作的基礎。德勤認為(wei) 數字孿生是物理實體(ti) 或流程的準實時數字化鏡像，有助於(yu) 企業(ye) 績效提升。數字孿生往往包含“數字產(chan) 品孿生”、“生產(chan) 工藝流程數字孿生”和“設備數字孿生”不同層麵但可以高度集中統一的數據模型。

數字產(chan) 品孿生領域，特斯拉公司為(wei) 其生產(chan) 和銷售的每一輛電動汽車都建立 數字孿生模型，相對應的模型數據都保存在公司數據庫。每輛電動車每天 報告其日常經驗，並通過數字孿生的模擬程序使用這些數據來發現可能的 異常情況並提供糾正措施。通過數字孿生模擬，特斯拉每天可獲得相當於(yu) 160萬(wan) 英裏的駕駛體(ti) 驗，並在不斷的學習(xi) 過程中反饋給每輛車。生產(chan) 流程數 字孿生領域，一些嗅覺敏銳的工廠及生產(chan) 線開始引入數字孿生，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 傳(chuan) 給實際的工廠建設，有效減少誤差和風險。待廠房和生產(chan) 線建成之後，日常的運行和維護通過數字孿生進行交互，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(yu) 日本的202位企業(ye) 的調查發現，到2020年，至少50%年收入超過50億(yi) 美元的製造商將為(wei) 其產(chan) 品或資產(chan) 啟動至少一項數字孿生項目，屆時參與(yu) 使用數字孿生技術的企業(ye) 數量將增長3倍。預計在今後數年時間，將有數以億(yi) 計的用戶使用數字孿生操作，它將被企業(ye) 用於(yu) 規劃設備 服務、生產(chan) 線操作、預測設備故障、提高操作效率、加速新產(chan) 品開發等。在未來，這項技術有望與(yu) 工業(ye) 生產(chan) 徹底融合，推動智能工業(ye) 進入新階段。

如何創建數字孿生？德勤認為(wei) 數字孿生的創建包含兩(liang) 個(ge) 主要關(guan) 注領域：設計數字孿生的流程和產(chan) 品生命周期的數據要求—— 從(cong) 資產(chan) 的設計到資產(chan) 在真實世界中的現場使用和維護；創建使能技術，整合真實資產(chan) 及其數字孿生，使傳(chuan) 感器數據與(yu) 企業(ye) 核心係統中的運營和交易信息實現實時流動。

智能工廠的落地實施還要看企業(ye) 痛點，有的企業(ye) 要提升產(chan) 品質量，有的企業(ye) 要實現產(chan) 品設計生產(chan) 和管理的數字化，由於(yu) 企業(ye) 往往難以承受“全家桶”解決(jue) 方案，可以先解決(jue) 眼前問題，但一定要有長遠規劃，以免以後無法實現互聯互通。
　　—— 朱毅明，和利時集團總工程師

深挖設備和用戶價(jia) 值
製造型企業(ye) 麵臨(lin) 愈發激烈的市場競爭(zheng) 和日益透明的產(chan) 品定價(jia) ，不得不尋找新的 價(jia) 值來源。德勤智能製造調研結果顯示，設備和用戶價(jia) 值深度挖掘是企業(ye) 智能製造部署第二重點領域。62%的受訪 企業(ye) 正積極部署設備和用戶價(jia) 值深度挖掘，其中41%的企業(ye) 側(ce) 重設備價(jia) 值挖掘，21%的企業(ye) 側(ce) 重用戶價(jia) 值挖掘。

圍繞設備進行價(jia) 值挖掘可以說是製造型企業(ye) 的天性。如在研發設計階段，嵌入新技術，生產(chan) 更智能或更多樣化的產(chan) 品；在銷售階段，提供設備相關(guan) 金融服務；在售後階段，對出廠設備和產(chan) 品進行實時數據采集和監控，並進行性能分析、預測性維護等，既提升安全性，也為(wei) 企業(ye) 創造更多服務機會(hui) 。

雖然起步較晚，製造型企業(ye) 也在探索和嚐試對用戶價(jia) 值進行深度挖掘，其中以C2M (customer-to-manufactory，客戶到製造)最受矚目。C2M體(ti) 現了定製化生產(chan) 的特性，使製造商直接麵對用戶，以滿足用戶個(ge) 性化需求；同時通過減少中間環節降低成本、提升效率。

例子：紅領集團通過打造C2M電商平台、柔性供 應能力和大數據能力實現了大規模定製 化。顧客可以在其C2M電商平台選擇款式、工藝、材料並下單。平台快速收集顧客分散、個(ge) 性化需求數據的同時，大數據和雲(yun) 計算技術按客戶需求匹配產(chan) 品數據模型，其款式數據和工藝數據能滿足超過百萬(wan) 萬(wan) 億(yi) 種設計組合，覆蓋99.9%的個(ge) 性化設計需求。當版型確定後，係統自動生成工藝數據，工藝數據發送至工廠，工廠進行生產(chan) 交付。整個(ge) 流程從(cong) 下訂單到產(chan) 品出廠僅(jin) 需7個(ge) 工作日，並做到按需生產(chan) 、零庫存、一人一版、一衣一款。

阿裏巴巴的“淘工廠”集結上萬(wan) 家工廠，將電商買(mai) 家訂單與(yu) 製造廠商產(chan) 能進行對接，把柔性產(chan) 能檔期聯網，解決(jue) 電商買(mai) 家有訂單無工廠，製造企業(ye) 有產(chan) 能無訂單的結症。

工業(ye) 物聯網的三類場景

智能製造要求製造係統具備感知、分析、決(jue) 策和執行的能力，而這些能力的核心均涉及物聯網相關(guan) 技術，如麵向感 知的物聯技術（傳(chuan) 感器、RFID、芯片）、麵向分析的工業(ye) 大數據分析和麵向決(jue) 策及服務的應用平台。

德勤調研結果顯示，目前中國製造企業(ye) 物聯網應用以感知為(wei) 重點，分析和服務交融將是未來物聯網建設重點。受訪企業(ye) 普遍建立係統以傳(chuan) 感器采集動態數據，但數據分析和平台應用相對滯後。

從(cong) 行業(ye) 應用來看，電子及電器行業(ye) 傳(chuan) 感 器和平台應用最為(wei) 普及，76%的受訪企業(ye) 利用傳(chuan) 感器采集數據，43%的企業(ye) 利用物聯網平台，但僅(jin) 有33%的企業(ye) 采用大數據技術分析所采集的數據。汽車及零部件製造行業(ye) 傳(chuan) 感器技術應用也有較高普及率達73%，但大數據和平台應用低於(yu) 其他受訪行業(ye) 。製藥行業(ye) 大數據技術利用最為(wei) 積極，因為(wei) 醫藥行業(ye) 早已麵臨(lin) 海量數據和非結構化數據挑戰（見下圖）。

▲ 受訪企業(ye) 典型物聯網相關(guan) 技術應用情況

感知僅(jin) 是物聯網應用的初級階段，以數據洞察指導行動，從(cong) 而提高效率，或者與(yu) 服務交融創造新價(jia) 值，才是物聯網的 核心。雲(yun) 平台通過提供強大的數據傳(chuan) 輸、存儲(chu) 和處理能力，幫助製造企業(ye) 采 集和處理大量數據。工業(ye) 雲(yun) 平台不僅(jin) 能 夠實現企業(ye) 通過平台完成產(chan) 品的設計、 工藝、製造、采購、營銷等環節，還將改變傳(chuan) 統生產(chan) 方式和製造生態，創造新的收入來源和商業(ye) 模式。中國製造企業(ye) 雲(yun) 部署現狀如何？

德勤調研發現，中國製造企業(ye) 雲(yun) 部署積極性不高。53%的受訪製造企業(ye) 尚未部署工業(ye) 雲(yun) ，47%的企業(ye) 正在進行工業(ye) 雲(yun) 部署，其中27%的企業(ye) 部署私有雲(yun) ，14%部署公有雲(yun) ，6%部署混合雲(yun) （見下圖）。上雲(yun) 可以大幅降低每個(ge) 單元的儲(chu) 存和計算成本，甚至通過跨界創造新的商業(ye) 模式，但也帶來了複雜性。企業(ye) 擔心一旦將諸如工廠生產(chan) 過程、資產(chan) 性能管理的數據放到 雲(yun) 平台上之後，信息安全、知識產(chan) 權問題會(hui) 接踵而至。除此之外，很多企業(ye) 尚未明 確工業(ye) 雲(yun) 在企業(ye) 層麵的商業(ye) 應用和相關(guan) 能力欠缺也是導致企業(ye) 雲(yun) 部署積極性不高的原因。

對於(yu) 選擇公有雲(yun) 還是私有雲(yun) ，很大程度取 決(jue) 於(yu) 企業(ye) 的關(guan) 注點不同。如果企業(ye) 隻是 聚焦自己的生產(chan) 製造，降本增效，往往不會(hui) 選擇公有雲(yun) ；如果企業(ye) 聚焦商業(ye) 模式創 新和產(chan) 品轉型，則會(hui) 天然的更傾(qing) 向於(yu) 選擇公有雲(yun) 或混合雲(yun) ，因為(wei) 往往涉及服務平台，需要做到一定程度上的兼容和融合。由於(yu) 目前國內(nei) 比較常見的工業(ye) 雲(yun) 的部署 以雲(yun) 的基礎功能為(wei) 主，企業(ye) 把雲(yun) 看作虛擬服務器，在雲(yun) 上做存儲(chu) 、計算，隻有少數企業(ye) 通過雲(yun) 部署改變生產(chan) 方式和製造生態，進行公有雲(yun) 和混合雲(yun) 部署的企業(ye) 仍為(wei) 少數。

　　▲ 受訪生產(chan) 型企業(ye) 工業(ye) 雲(yun) 部署

未來企業(ye) 很大部分增值將來自跨企業(ye) 活動，從(cong) 長遠看，公有雲(yun) 、混合雲(yun) 是大趨勢，因為(wei) 隻有這樣才能實現數據交換和資源共享。私有雲(yun) 雖然安全，但很可能被孤立在新的商業(ye) 模式和新的生態圈之外。
　　—— 賀東(dong) 東(dong) 樹根互聯CEO
德勤認為(wei) 物聯網在智能製造領域的應用場景主要分為(wei) 三類：設備與(yu) 資產(chan) 管理、產(chan) 品洞察和服務創新。

管理設備與(yu) 資產(chan)
具備感測與(yu) 聯網功能的係統與(yu) 大數據結合，可以實現設備的監控和管理，如遠程監控、預測性維護和互聯現場等。遠程監控以物聯網替代傳(chuan) 統的人工巡檢機製，通過傳(chuan) 感器遠距離將設備數據傳(chuan) 輸到運營中心。預測性維護打破傳(chuan) 統工廠 按計劃進行定期維護設備的運營方式， 通過物聯網對設備整個(ge) 生命周期進行全程監控，並預測設備未來可能發生的故障，提前製定預防性維護計劃，減少故障率並提高生產(chan) 效率。

物聯網還可以連接和監控廠房的工業(ye) 裝置和設備，獲得有見解的分析，從(cong) 而幫助跨工業(ye) 設備、 生產(chan) 線以及在整個(ge) 工廠範圍內(nei) 優(you) 化性能和效率。當然，除了新廠房，老廠房和設備在沒有更新換代之前，也有聯網監控的需要，如何在現有設備上進行物聯網改造是值得企業(ye) 關(guan) 注的問題。

洞察產(chan) 品
製造企業(ye) 往往不太了解自己的產(chan) 品如何被使用，而物聯網將改變這一現狀。在產(chan) 品投入使用後，製造廠商可以通過物 聯網與(yu) 產(chan) 品建立並保持聯係，收集動態數據，以更加係統的方式實時地持續地 分析產(chan) 品使用情況。在了解客戶對產(chan) 品的使用方式後，廠商還可以基於(yu) 數據預測客戶需求，開發個(ge) 性化產(chan) 品和新的服務項目，提高產(chan) 品附加值。

服務創新
基於(yu) 數據和平台提供後市場服務，物聯網 與(yu) 服務交融實現商業(ye) 模式創新。物聯網協助製造企業(ye) 更有效捕捉和預測市場需求，創造動態化、個(ge) 性化的智能服務、谘詢服務、數據服務、物聯網金融與(yu) 保險 等新的服務種類。這類應用將打破企業(ye) 原來的邊界，從(cong) 全社會(hui) 的維度思考製造資源的優(you) 化，客戶和製造端的互動以及各種商業(ye) 模式的創新。

企業(ye) 需要評估自身業(ye) 務需要，明確商業(ye) 目標、相關(guan) 流程和預期結果的範圍，在考慮技術可擴展性、性能、帶寬經濟和技術創新等級後，才能對數據和物聯網係統的處理架構做出明智的選擇。

商業(ye) 模式重構
智能製造不僅(jin) 能夠幫助製造型企業(ye) 實現降本增效，也賦予企業(ye) 重新思考價(jia) 值定位和重構商業(ye) 模式的契機。同時，新進入者也在不斷挑戰傳(chuan) 統市場參與(yu) 者的地位，眾(zhong) 多技術型企業(ye) 加入戰場推動工業(ye) 企業(ye) 探索商業(ye) 模式上的創新。

德勤調研發現企業(ye) 對未來商業(ye) 模式的規劃大致呈四類：30%的受訪企業(ye) 未來商業(ye) 模式將以平台為(wei) 核心，26%的企業(ye) 走規模化定製模式，24%以“產(chan) 品+服務”為(wei) 核心向解決(jue) 方案商轉型，12%以知識產(chan) 權為(wei) 核心（見下圖）。平台型商業(ye) 模式定位以提供多種軟件服務和搭建生態係統為(wei) 核心，未來可能不會(hui) 出現類似BAT這樣的行業(ye) 巨頭，但不乏垂直行業(ye) 領軍(jun) 企業(ye) 或平台。規模化定製模式，如C2M已經不局限於(yu) 服裝製造，而延伸到汽車和裝備製造等行業(ye) 。“產(chan) 品+服務”為(wei) 核心旨在圍繞客戶需求提供解決(jue) 方案，是目前很多企業(ye) 在做的。以知識產(chan) 權為(wei) 核心的企業(ye) 往往通過專(zhuan) 利戰略，形成技術壁壘占領市場。

　　▲ 受訪企業(ye) 未來商業(ye) 模式定位

不同商業(ye) 模式的價(jia) 值定位和價(jia) 值創造方式不同，所麵臨(lin) 的挑戰也不盡相同（見下圖）。企業(ye) 需要持續審視自己的商業(ye) 模式，通過評估自身運營情況進行適當地改善並定期評估其他商業(ye) 模式是否具有可行性。

　　▲ 不同商業(ye) 模式特點及挑戰

人工智能顛覆製造和服務業(ye)
人工智能對製造業(ye) 的影響主要來自兩(liang) 方麵：一是在製造和管理流程中運用人工智能提高產(chan) 品質量和生產(chan) 效率；二是對現有產(chan) 品與(yu) 服務的徹底顛覆。

隨著國內(nei) 製造業(ye) 自動化程度提高，機器人在製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(xi) 能力。結合數據管理，導入自動化設備及相關(guan) 設備的聯網，機器人通過機器學分析，可以實現生產(chan) 線的精準配合，並更準確的預測和實時檢測生產(chan) 問題。

人工智能在製造業(ye) 產(chan) 品和服務領域的應用則更具有顛覆性。產(chan) 品本身就是人工智能的載體(ti) ，硬件與(yu) 各類軟件結合具備感知、判斷的能力並實時與(yu) 用戶、環境互動。而產(chan) 品的功能和服務，也將顛覆原有生態係統。以汽車產(chan) 業(ye) 為(wei) 例，傳(chuan) 統汽車行業(ye) 的競爭(zheng) 格局是金字塔型——整車廠處於(yu) 頂端，各級別供應商跟隨其後。但是在智能汽車時代，整車廠的主導地位將受到嚴(yan) 峻挑戰，零部件廠商、互聯網巨頭、算法公司、芯片製造商、傳(chuan) 感器供應商等企業(ye) 無不加快對無人駕駛技術的研發和商業(ye) 化步伐，並期望通過占據技術製高點 打破汽車產(chan) 業(ye) 的生態平衡。

中國製造企業(ye) 人工智能應用情況如何？
德勤智能製造調研發現，51%的受訪企業(ye) 在製造和管理流程中運用人工智能，46% 的受訪企業(ye) 在產(chan) 品和服務領域已經或計劃部署人工智能（見下圖）。製造和管理流程中人工智能的運用更偏向係統自動化和製造精益化，目的是提高生產(chan) 效率和產(chan) 品質量，同時人也被解放出來，可以去思考更複雜的問題。主要應用場景包括使用機器人實現流程自動化、柔性製造、定製化生產(chan) 、質量檢測等。在產(chan) 品和服務領域人工智能的運用更側(ce) 重產(chan) 品和服務與(yu) 使用者的互動，典型應用包括研發和新品測試、用戶行為(wei) 分析、自動駕駛等。

　　▲ 受訪企業(ye) 人工智能應用及部署情況（整體(ti) ）

當然人工智能仍處在其發展早期，技術突破及商業(ye) 論證需要更長時間。另外，人工智能應用環境和基礎設施的完善程度，信息和安全法規、企業(ye) 自身的能力都成為(wei) 企業(ye) 麵臨(lin) 的主要挑戰。我們(men) 發現，對於(yu) 尚未部署人工智能的製造企業(ye) 來說，缺乏投資人工智能的商業(ye) 論證、尚不具備建立和支持人工智能的係統能力、尚不明確部署人工智能的前提為(wei) 主要挑戰（見下圖）。

　　▲ 受訪企業(ye) 尚未部署人工智能的主要原因

人工智能正迅速滲透各行各業(ye) 。汽車及汽車零部件製造、高端裝備製造、電子及電器製造三個(ge) 行業(ye) 在製造流程中采用機器人的比例過半。汽車及零部件製造行業(ye) 使用機器人的企業(ye) 比例達到80%，預示未來工業(ye) 機器人的市場增量將主要來自非汽車行業(ye) 。在產(chan) 品和服務領域已 經或計劃部署人工智能的行業(ye) 分布比較均勻，高端裝備製造和製藥比例較高，但其他行業(ye) 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。

　　▲ 受訪企業(ye) 人工智能應用及部署情況（按行業(ye) ）

關(guan) 於(yu) 人工智能在製造業(ye) 應用，設備相關(guan) 的應用（如物流、盤產(chan) ）還比較多，但是工藝相關(guan) 領域需求較少。
　　—— 趙金元，太極集團業(ye) IT事業(ye) 一部總經理

行業(ye) 對人工智能的理解已隨著算法、技術和應用的發展，越來越加深。對於(yu) 企業(ye) 而言，應跳出人工智能僅(jin) 是“機器換人”的既定思維，在精益製造、產(chan) 品質量、用戶體(ti) 驗等多方麵進行部署。

　　▲ 人工智能行業(ye) 應用場景

三招跨越能力鴻溝
重構商業(ye) 模式是一項複雜艱巨的任務，我們(men) 請企業(ye) 就實現構想中的商業(ye) 模式所麵臨(lin) 的能力鴻溝進行打分，綜合來看，商業(ye) 模式優(you) 化、創新管理以及雲(yun) 部署為(wei) 企業(ye) 能力建設三大關(guan) 鍵任務，德勤建議分別從(cong) 以下幾個(ge) 方麵入手提升能力：

　　▲受訪企業(ye) 亟待提高的能力（企業(ye) 自我評估權重打分，分值越高能力越弱）

商業(ye) 模式優(you) 化
優(you) 化商業(ye) 模式可能僅(jin) 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(ti) 運營模式的重大轉型。在過去的15年裏，由於(yu) 技術、通信、物流和交通等方麵的迅速進步，整體(ti) 運營模式的重大轉 型已更為(wei) 常見。企業(ye) 需要運用行之有效 的方法和工具，從(cong) 以下工作流程各環節入手優(you) 化商業(ye) 模式。

企業(ye) 轉型整編：優(you) 化現有商業(ye) 模式，包括從(cong) 原材料采購到產(chan) 品銷售過程所涉及的一切環節，挖掘可以整體(ti) 改動或局部改進的待優(you) 化環節，以支持新的商業(ye) 模式。
重新配置信息技術係統：企業(ye) 需要探索、設計與(yu) 實施基礎設施及信息技術係統的改進。
重新調配人員：人盡其用是企業(ye) 轉型可持續性的關(guan) 鍵之一。重新調配人員側(ce) 重於(yu) 設計和實施人員調度，以支持新商業(ye) 模式，並實現從(cong) 原有模式到新模式的順利過渡。該環節還包括製定新的關(guan) 鍵績效指標及匯報關(guan) 係以支持新商業(ye) 模式。
重組法律、財務及稅務架構：商業(ye) 模式優(you) 化方案的設計和實施通常涉及許多複雜的法律實體(ti) 及稅務架構上的改變。企業(ye) 管理團隊需要分析不同方式的利與(yu) 弊。如新商業(ye) 模式下所得稅和轉讓定價(jia) 事項有何變化，增值稅和關(guan) 稅對新商業(ye) 模式可能產(chan) 生的影響。

創新管理
創新管理的目標包括優(you) 化創新產(chan) 品管理、 優(you) 化生命周期成本、優(you) 化資本使用效率和優(you) 化風險管理。
優(you) 化創新產(chan) 品管理：建立統一的產(chan) 品管理體(ti) 係（包括有形 的產(chan) 品和服務），優(you) 化決(jue) 策流程，提高決(jue) 策效率
優(you) 化生命周期成本：通過產(chan) 品生命周期的最優(you) 化運作，優(you) 化產(chan) 品投資成本和運營成本
優(you) 化資本使用效率：通過監控、評估和KPI管理，優(you) 化產(chan) 品 管理、提升資本使用效率
優(you) 化風險管理：有效管理創新過程中的市場風險和數 據安全風險等諸多風險
值得注意的是，單純的產(chan) 品創新管理並 不能令企業(ye) 長久保持競爭(zheng) 優(you) 勢。如今，幾乎所有產(chan) 品類別都處於(yu) 激烈的競爭(zheng) 之中，任何新產(chan) 品的任何獨特優(you) 勢都會(hui) 被快速吞噬。組合多種創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於(yu) 創新，但創 新有助於(yu) 提升一家公司的機製，包括投資者對它未來的預期。

雲(yun) 部署
僅(jin) 僅(jin) 把數據和應用轉移到雲(yun) 上是遠遠不夠的，大多數情況，上雲(yun) 會(hui) 牽涉多個(ge) 業(ye) 務功能，影響企業(ye) 的供應商、財務報表和客戶，企業(ye) 需要長遠規劃，分步執行。企業(ye) 還需要充分考慮人力資源和數字化程度如何與(yu) 雲(yun) 部署配合。

規劃：審視企業(ye) 現有商業(ye) 模式並探討是否有其他可行的商業(ye) 模式，根據商業(ye) 模式 製定雲(yun) 部署戰略，進行商業(ye) 論證和自身能力評估。

執行：執行階段可以分四步走，第一步是SaaS 部署，包括ERP，CRM，人力資源轉型和其他軟件部署；第二步是個(ge) 性化部署，包括應用開發、架構搭建和平台部署；第三步為(wei) 雲(yun) 遷移，其間可能需要對應用軟件進行更新和調整。第四步為(wei) 引入大數據分析平台。

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(chan) 品、生產(chan) 流程和服務的數字化、智能化已是大勢所趨，受此趨勢影響，工業(ye) 企業(ye) 正在加快智能製造部署，並不斷審視商業(ye) 模式，並製定有效策略，以期從(cong) 運營和戰略層麵推動實際價(jia) 值的創造。

小結
隨著全球新一輪科技革命和產(chan) 業(ye) 變革加緊孕育興(xing) 起，加上我國製造業(ye) 轉型升級形成如今的曆史性交匯。智能製造在全球範圍內(nei) 快速發展，已成為(wei) 製造業(ye) 重要發展趨勢，對產(chan) 業(ye) 發展和分工格局帶來深刻影響，推動形成新的生產(chan) 方式、產(chan) 業(ye) 形態、商業(ye) 模式。但是風險與(yu) 機遇並存，企業(ye) 應該從(cong) 商業(ye) 模式優(you) 化、創新管理以及雲(yun) 部署三個(ge) 大方向對自己轉型升級，以應對未來挑戰。