行業(yè)資訊
了解最新行業(yè)資訊
0 引言
制造業(yè)是經濟增長的關鍵驅動力。據世界銀行數據，2022年全球制造業(yè)總產值約為16.19萬億美元，制造業(yè)增加值約占全球GDP的16.05%。制造業(yè)作為現(xiàn)代經濟的基石，反映了一個國家或地區(qū)的工業(yè)化水平，也是衡量其綜合國力和國際競爭力的重要指標。中國制造業(yè)是國民經濟的主體，承載著國家經濟發(fā)展的重任，中國制造業(yè)的崛起已經成為全球經濟的亮點。世界銀行數據及國家統(tǒng)計局數據表明，2023年我國制造業(yè)GDP高達4.61萬億美元，占總GDP的26.18%，約占據全球制造業(yè)份額的28.5%。
當前，我國制造業(yè)面臨勞動力短缺、生產技術落后、可持續(xù)發(fā)展壓力等多重挑戰(zhàn)。國家統(tǒng)計局數據顯示，我國制造業(yè)勞動力規(guī)模顯著減少，2015—2020年，制造企業(yè)的平均用工人數由8 711萬人下滑至6 550萬人，制造業(yè)面臨著技術工人短缺的問題。在生產技術方面，我國許多傳統(tǒng)制造企業(yè)的生產技術落后，難以適應現(xiàn)代制造業(yè)高效、靈活和智能化的要求。此外，制造業(yè)作為高耗能和高污染行業(yè)，面臨著越來越嚴格的環(huán)保法規(guī)和社會責任壓力[1]。
在制造業(yè)面臨諸多挑戰(zhàn)的背景下，人工智能（Artificial Intelligence，AI）賦能制造業(yè)能夠降本提效，提高制造業(yè)產品質量，加速產品創(chuàng)新，促進綠色生產，提升我國制造業(yè)競爭力。當前，AI在制造業(yè)領域的應用已貫穿設計、生產、管理、服務等各個環(huán)節(jié)。據中國信通院統(tǒng)計，制造業(yè)智能應用類型及占比如圖1所示。具體地說，AI識別類技術被廣泛應用于質量管理、安全生產等環(huán)節(jié)中，此類技術能力在2022年工業(yè)應用案例中的占比高達47.5%[2]。例如，西門子利用自監(jiān)督學習技術能夠有效緩解質檢中的小樣本和實時性問題。此外，數據建模優(yōu)化類技術依托機理分析進行參數確定和AI模型選擇，顯著提升了建模的精度和可解釋性，其應用占比也達到2022年工業(yè)應用案例的42.9%。某風電廠將齒輪箱運行機理和故障數據聯(lián)合建模，不僅大幅提升了故障診斷的精度，還賦予了故障結果清晰的物理意義。再者，知識推理決策類技術通過定量復雜決策和異構數據知識自構建等技術手段，有效應對了制造業(yè)中知識傳承及實訓難題，為構建更加豐富且精確的知識網絡、輔助復雜決策提供了有力支撐。如沃豐科技開發(fā)的多源異構數據對齊技術，利用構建工具自動生成汽車裝配知識圖譜，顯著提升了機械設計效率與品質，成為該領域技術應用的又一典范。
圖1 制造業(yè)智能應用類型及占比
據埃森哲公司測算，到2035年，全球AI技術的應用將使制造業(yè)總增長值增長近4萬億美元，年度增長率達到4.4%[3]。2023年工信部發(fā)布的數據顯示，經過智能化改造，我國制造業(yè)研發(fā)周期縮短約20.7%、生產效率提升約34.8%、不良品率降低約27.4%、碳排放減少約21.2%。隨著AI技術的不斷發(fā)展和應用，制造業(yè)將迎來更大的變革和發(fā)展機遇。
1 AI賦能制造業(yè)的意義
1.1 AI促進制造業(yè)提高生產效率
AI能夠替代大量人工，幫助制造業(yè)提效。AI技術的引入使得制造業(yè)能夠實現(xiàn)高度自動化，減少對人力的依賴，從而提升效率。例如，在無人礦卡的應用中，自動駕駛技術替代了傳統(tǒng)的人工駕駛，無人礦卡能夠實現(xiàn)24小時不間斷作業(yè)，顯著提高了作業(yè)效率。此外，通過AI技術賦能質量控制，能夠以遠超人工質檢的速度和分辨率，顯著提高生產效率。
其次，AI能夠通過優(yōu)化已有生產流程，幫助制造業(yè)提效；以及優(yōu)化制造業(yè)研發(fā)設計、生產調度、運營管理等流程，大幅縮短原有流程的時長。例如，AI技術可以幫助企業(yè)實時監(jiān)控和評估生產流程的效率，分析生產流程中的瓶頸，從而調整資源配置，優(yōu)化生產線布局，提高整體生產效率。同時，AI技術能夠通過分析設備的運行數據，預測設備故障的可能性，提前進行優(yōu)化維護，從而減少設備故障導致的停機時間，提高了生產線的整體效率。
1.2 AI促進制造業(yè)提高產品質量
AI技術通過優(yōu)化生產流程和智能控制能夠顯著提高制造業(yè)的產品的良品率。通過高分辨率攝像頭和圖像處理算法，AI技術能夠實時監(jiān)控生產過程并進行質量檢測，AI系統(tǒng)可以在生產線上自動識別缺陷產品，確保只有符合標準的產品進入下一環(huán)節(jié)，顯著減少不良品的產生。
另外，AI技術能夠促進產品創(chuàng)新，滿足產品的個性化需求。通過分析大量市場數據、用戶反饋和產品性能數據，AI技術能夠幫助企業(yè)識別潛在的市場需求和趨勢。企業(yè)可以根據客戶的具體需求進行靈活生產，而不是依賴傳統(tǒng)的大規(guī)模生產模式。這種方式不僅提高了客戶滿意度，還增強了市場競爭力[4]。
1.3 AI助力制造業(yè)實現(xiàn)綠色生產
AI賦能制造業(yè)能夠通過降低原材料損耗等方式降低生產成本，減少碳排放，實現(xiàn)綠色生產。
首先，AI能夠通過實時監(jiān)控和分析工廠內各個環(huán)節(jié)的能耗數據，識別出能源浪費的環(huán)節(jié)，并通過智能算法優(yōu)化能源使用。例如，AI可以在設備閑置時自動降低其功耗，或者在能源價格較低時安排高能耗的生產任務，從而減少能源消耗；通過對歷史能耗數據和生產計劃的分析，可以預測未來的能源需求，并優(yōu)化能源的采購和使用，避免不必要的能源浪費。
其次，AI通過精確的生產過程控制，可以減少原材料的浪費。例如，在金屬切割或塑料成型過程中，AI可以通過優(yōu)化切割路徑或成型工藝，最大限度地利用原材料，減少廢料的產生；同時協(xié)助廢料管理和循環(huán)利用，幫助識別和分類生產過程中產生的廢料，并優(yōu)化廢料的處理和回收流程，從而提高資源的循環(huán)利用率。
最后，AI能夠實現(xiàn)供應鏈優(yōu)化，降低碳足跡。AI通過對供應鏈各環(huán)節(jié)的優(yōu)化，實現(xiàn)更高效的物流和庫存管理，減少不必要的運輸和庫存積壓，從而降低碳足跡；還可以預測市場需求，幫助企業(yè)更準確地制訂生產計劃，避免過度生產和庫存浪費。
2 制造業(yè)AI的關鍵技術
AI技術能夠從研發(fā)設計、生產制造、運營管理到產品服務的制造業(yè)全流程中，全面推動制造業(yè)升級。在研發(fā)設計階段，通過智能原型設計和智能工藝設計實現(xiàn)產品構思快速落地，縮短研發(fā)周期；在生產制造階段，通過智能調度系統(tǒng)、質量控制機制及預測性維護等技術實現(xiàn)生產效率，并提升安全生產標準；在運營管理中，通過智能化供應鏈管理和智能運營數據分析等工具實現(xiàn)成本降低和決策智能化；在產品服務環(huán)節(jié)，通過用戶數據挖掘、智能營銷及智能客服系統(tǒng)實現(xiàn)個性化服務，并提升售后效率。
2.1 研發(fā)設計環(huán)節(jié)
AI賦能制造業(yè)研發(fā)設計環(huán)節(jié)，幫助優(yōu)化產品設計、縮短研發(fā)周期。
首先是智能原型設計?；诖竽Ｐ图夹g的計算機輔助設計工具（Computer-Aided Design，CAD）通過訓練大量制造業(yè)CAD數據，能夠通過與用戶的交互式對話，充分理解用戶的設計需求，自動生成符合工程要求的設計草案。大模型技術的融入使得系統(tǒng)能夠智能調整參數，確保設計方案嚴格遵守行業(yè)標準和性能要求。其次是智能工藝設計。通過深度融合工業(yè)數據庫與AI算法，快速評估不同材料和工藝對產品質量的影響，依托AI技術快速匹配最優(yōu)組合方案，降低試錯成本，縮短產品研發(fā)周期。最后是智能仿真模擬。利用先進的AI算法與高性能計算平臺，構建高度逼真的虛擬仿真環(huán)境，基于AI建立虛擬仿真環(huán)境，模擬產品在不同條件下的可靠性，實現(xiàn)產品的全面評估與分析，減少產品試驗的時間和成本。
2.2 生產制造環(huán)節(jié)
AI賦能制造業(yè)生產制造環(huán)節(jié)，幫助提高生產效率、提升產品質量、提升安全生產水平。
首先是智能生產調度。通過集成AI技術與制造執(zhí)行系統(tǒng)（Manufacturing Execution System，MES）及設備管理系統(tǒng)（Enterprise Asset Management，EAM）等核心工業(yè)軟件，實現(xiàn)對生產數據和歷史記錄的深度學習和分析，針對市場需求變化和生產能力水平，開展預測，優(yōu)化排產方案，合理安排生產流程。通過實時分析設備狀態(tài)、物料流動、能耗等情況，形成生產過程的高效協(xié)同機制，可實現(xiàn)生產流程的自動化、智能化管理決策。制造業(yè)與AI的融合還體現(xiàn)在智能化的硬件設備，如將工業(yè)機器人與新興的AI大模型技術融合，形成智能工業(yè)機器人。與傳統(tǒng)的工業(yè)機器人相比，智能工業(yè)機器人通常更加靈活、自主，能夠適應更復雜的環(huán)境，同時具備一定的運動規(guī)劃、運動控制和人機交互的能力。在國內大模型廠商中，創(chuàng)新奇智的ChatRobot生成式工業(yè)機器人，借助工業(yè)大模型能力，構建了多模態(tài)、端到端的視覺-語言-動作模型（Vision-Language-Action，VLA），實現(xiàn)了自然語言驅動的機器人操作控制。
其次是質量控制。深度融合大模型與計算機視覺技術，借助AI技術對生產過程中的多個連續(xù)環(huán)節(jié)進行實時監(jiān)測和分析，快速發(fā)現(xiàn)異常和缺陷，調整生產參數，提高產品質量的穩(wěn)定性。在工業(yè)質檢場景中，大模型技術與工業(yè)視覺技術的結合可以實現(xiàn)自動化、高精度的質量檢測。例如，大模型能夠從大量已標注的圖像數據中學習到各種類型的缺陷特征，從而準確檢測出新產品中的類似問題，還可以幫助工程師快速靈活搭建視覺檢測方案，確保檢測方案能在工廠盡快落地運行。
此外是預測性維護。基于大數據分析與機器學習算法，在生產設備運行過程中，AI技術實時收集和分析機器的運行數據，并基于數據分析結果預測潛在的故障和維護需求，自動提醒相關人員并執(zhí)行維護計劃，從而減少意外停機時間和維修成本，提高生產效率。
最后是智能安全監(jiān)控，結合視頻分析技術與高精度傳感器網絡，實時監(jiān)控生產環(huán)境，精確識別不合規(guī)的圖片或視頻畫面，及時發(fā)現(xiàn)潛在安全隱患。發(fā)現(xiàn)異常后報警或采取相應措施干預，確保生產制造過程安全和合規(guī)，降低事故發(fā)生的概率和損失。
2.3 運營管理環(huán)節(jié)
AI賦能制造業(yè)運營管理環(huán)節(jié)，幫助降低運營成本、提高智能化決策。
首先是智能化供應鏈管理。利用機器學習算法與高級預測分析技術，AI能夠綜合分析市場需求、企業(yè)的生產能力以及供應鏈的動態(tài)變化，通過機器學習算法，預測市場趨勢和生產需求。通過預測能夠使企業(yè)實現(xiàn)精細化庫存水平控制，減少過剩庫存和缺貨風險，從而降低庫存成本并提高資金周轉效率。
其次是智能運營數據洞察。AI能夠深入分析歷史生產數據并實時監(jiān)控生產流程信息，通過洞察和統(tǒng)管各環(huán)節(jié)的數據，對生產活動進行規(guī)劃、組織、協(xié)調和控制。特別是大模型技術，讓生產經營數據按需洞察成為可能，不同于傳統(tǒng)的數據庫檢索方式，大模型可以讓用戶根據需要實時洞察生產經營數據，從而降低數據洞察門檻和提升企業(yè)決策效率。
最后是知識管理。依托自然語言處理與知識圖譜技術，大模型被用于提升企業(yè)內部知識資源的整理和分類效率，對文檔、手冊、案例研究等資料進行高效歸檔和標簽化，使員工能夠通過智能搜索迅速且精確地訪問所需信息。這不僅提升了信息檢索效率，也使員工能夠更專注于核心工作。
2.4 產品服務環(huán)節(jié)
AI賦能制造業(yè)產品服務環(huán)節(jié)，幫助提供定制化服務、提高售后效率。
首先是客戶數據分析。通過深度學習和數據挖掘技術，能夠從海量的客戶交互數據中提取洞察，分析客戶行為模式和偏好，為企業(yè)提供精準的市場細分和個性化服務策略。
其次是智能產品營銷服務。依托大數據分析，利用客戶歷史數據分析建立用戶畫像，為客戶提供個性化的產品推薦或定制服務，增加客戶的轉化率和滿意度。
此外是產品售后服務。通過自然語言處理、數字人等技術，AI能夠對客戶的問題進行理解和回應，24小時不間斷地提供服務，快速響應并解決客戶的問題，減少客戶等待時間。同時，通過數字人技術，AI可以根據客戶的個人數據和行為偏好，提供高度個性化的產品推薦和互動體驗；通過增強現(xiàn)實（Augmented Reality，AR）和虛擬現(xiàn)實（Virtual Reality，VR）技術，模擬產品的實際使用場景，讓客戶在購買前獲得更加真實的體驗。
3 制造業(yè)AI的技術應用情況
制造業(yè)的AI技術應用日益深化，其中專用小模型和大模型技術正成為行業(yè)轉型升級的核心驅動力。小模型以其低資源消耗、快速響應的特點，在邊緣計算、實時檢測和設備監(jiān)控中表現(xiàn)出色，如在汽車零部件設計優(yōu)化、鋁合金鑄造過程控制、產品質量自動檢測及設備預測性維護等方面發(fā)揮了重要作用。大模型則依托其強大的數據處理能力，在設計研發(fā)、生產調度、財務分析、客戶服務等多領域提供了深度支持，實現(xiàn)了從產品設計到售后服務的全流程智能化，顯著提升了制造業(yè)的效率與競爭力。
3.1 AI專用小模型技術已廣泛滲透制造業(yè)
在制造業(yè)智能化的浪潮中，AI專用小模型正成為推動行業(yè)轉型升級的重要力量，尤其是在一些資源受限、實時性要求較高的場景，如邊緣計算、實時檢測、設備監(jiān)控等具體場景下，專用小模型表現(xiàn)出顯著的優(yōu)勢。
在設計研發(fā)階段，AI專用小模型能夠顯著優(yōu)化產品設計流程、材料選擇策略以及生產工藝規(guī)劃。例如，在汽車制造業(yè)中，AI專用小模型能夠執(zhí)行結構優(yōu)化任務，通過深入分析設計方案的力學性能，助力打造出更輕、更強的零部件；在原型測試環(huán)節(jié)，AI專用小模型還能借助虛擬仿真技術，預測產品的熱力學表現(xiàn)，從而大幅減少物理測試的需求，有效控制成本。這些應用不僅加速了產品開發(fā)進程，還顯著提升了設計效率與質量。
在生產制造環(huán)節(jié)，AI專用小模型可應用于生產工藝的優(yōu)化，如根據實時數據反饋，靈活調整生產參數以提高生產效率并降低能耗。例如，在鋁合金鑄造過程中，AI專用小模型可以根據實時反饋的數據，動態(tài)調整爐內溫度、鑄造速度和模具壓力等關鍵參數；通過持續(xù)監(jiān)測鋁液的溫度、流動性以及模具的冷卻狀態(tài)，能夠識別出最佳的生產工藝條件，并實時調整參數，避免溫度過高或過低導致的氣孔、裂紋等缺陷。同時，在質量控制方面，AI專用小模型能夠借助視覺檢測系統(tǒng)，自動識別生產線上的產品缺陷。與基于規(guī)則的傳統(tǒng)檢測方法相比，這些小模型能夠基于歷史數據訓練出識別各種細微缺陷（如劃痕、裂紋、色差等）的能力。
在運營管理環(huán)節(jié)，AI專用小模型能夠幫助設備進行預測性維護，通過對傳感器數據的實時監(jiān)測與分析，能夠準確預測設備潛在的故障點，從而提前進行維護或更換零部件，有效避免設備突發(fā)停機，減少停產時間與維修成本。例如，通用電氣利用小模型對風力發(fā)電機進行預測性維護，通過傳感器實時收集風力發(fā)電機的震動、溫度、壓力等關鍵數據，AI專用小模型對這些數據進行分析并預測可能的故障點，從而及時發(fā)現(xiàn)潛在問題并安排維修，避免了設備停機并降低了維修成本。
總而言之，制造業(yè)AI應用的深化發(fā)展，正引領著制造業(yè)智能從簡單識別類任務向建模優(yōu)化、知識推理決策、組合應用等復雜應用演進。隨著技術的不斷成熟和應用場景的不斷拓展，AI專用小模型將在提升工業(yè)自動化水平、優(yōu)化生產流程、降低成本和提高效率等方面發(fā)揮越來越重要的作用。
3.2 大模型技術已逐漸滲透制造業(yè)
在制造業(yè)智能化轉型的浪潮中，大模型技術正逐漸成為研究和應用的熱點。盡管目前大模型技術仍處于探索初期，但其展現(xiàn)出的巨大潛力卻不容忽視。如圖2所示，大模型技術在制造業(yè)的各環(huán)節(jié)，包括設計研發(fā)、生產制造、運營管理以及產品服務中，均展現(xiàn)出廣泛的應用場景，這些應用將極大地幫助制造業(yè)提升效率、降低落地門檻。
圖2 大模型制造業(yè)應用場景圖
在設計研發(fā)階段，大模型可以根據客戶需求自動設計制造原型，提高產品開發(fā)效率。通過大量的制造業(yè)設計數據，大模型可自動生成一系列詳細的設計效果圖和三維模型，涵蓋產品外觀、用戶界面、交互體驗等多個方面。此外，大模型還能進行材料結構預測，幫助選取更加適宜生產的原材料。同時，大模型可以自動生成制造業(yè)代碼，特別適用于重復性高、邏輯簡單的任務，大大提高了編程效率。使用者可以通過自然語言交互，更簡單快捷地實現(xiàn)相應的代碼能力，減少了對專業(yè)編程技能的依賴，降低制造業(yè)落地AI技術的門檻。
在生產制造階段，大模型可以優(yōu)化生產調度、提高生產效率。大模型能夠實時監(jiān)控和優(yōu)化生產過程，通過分析歷史生產數據和當前生產狀況，大模型可以自動生成最優(yōu)的生產計劃和調度方案。同時，大模型還能協(xié)助進行設備診斷及裝備維修問答。
在運營管理階段，大模型可以通過將生產、銷售、庫存等各個環(huán)節(jié)的數據整合與分析，提供更為精準的預算預測和財務分析，實現(xiàn)預算的智能分析。同時，通過大模型技術實現(xiàn)高效的文檔管理、智能檢索并構建制造業(yè)知識庫，正在幫助企業(yè)提高知識共享和傳承效率，提高企業(yè)創(chuàng)新能力和競爭力。
在產品服務階段，大模型技術正在通過對用戶需求和市場趨勢的分析，生成個性化的產品設計和優(yōu)化方案，滿足不同客戶的定制需求，提升客戶滿意度和市場競爭力。同時，大模型可以理解和處理客戶的查詢和投訴，提供快速、準確地響應，提升客戶服務效率。
未來，大模型技術有望深刻變革現(xiàn)有工業(yè)數字產品的賦能方式，AI賦能制造業(yè)裝備智能化、AI賦能制造業(yè)軟件開發(fā)，都將為制造業(yè)帶來革命性的進步。隨著技術的不斷成熟和應用的深入，制造業(yè)大模型技術將成為推動行業(yè)創(chuàng)新和升級的關鍵力量。
4 制造業(yè)AI的應用挑戰(zhàn)
4.1 研發(fā)設計環(huán)節(jié)數據獲取及整合困難
制造業(yè)設計研發(fā)環(huán)節(jié)在數據獲取和整合方面面臨一些突出問題。
首先，制造業(yè)設計研發(fā)環(huán)節(jié)需要大量高質量數據進行模型訓練和驗證，但數據獲取難度大；制造業(yè)中不同設備和系統(tǒng)生成的數據分散在各個環(huán)節(jié)，數據的收集和整合存在很大挑戰(zhàn)；許多老舊設備缺乏數據采集功能，需要額外的投資進行改造[5]。工業(yè)互聯(lián)網產業(yè)聯(lián)盟的問卷調查結果顯示，大部分用戶從外部獲取數據困難，少量用戶能夠順利找到明確渠道。
其次，制造業(yè)設計研發(fā)環(huán)節(jié)存在數據質量不高、數據整合困難等問題。目前制造業(yè)AI公開數據集聚焦鋼板、紡織表面缺陷圖像領域，由于相關場景數據難獲得、數據保護不健全等原因，阻礙了數據集的統(tǒng)一構建。此外，由于制造業(yè)數據來源多、格式復雜，且存在標準協(xié)議不兼容等問題，會導致“數據孤島”，AI難以獲取到全面準確的數據進行應用。
此外，設計研發(fā)環(huán)節(jié)數據的多樣性和不一致性也會導致數據清洗和標準化的難度較大；數據噪音、缺失值和數據格式的差異都會影響AI模型的訓練效果。工業(yè)互聯(lián)網產業(yè)聯(lián)盟的問卷調查結果表明，受訪者表示數據質量普遍不佳，存在數據質量差、延遲、稀疏或不符描述等情況。
4.2 生產制造環(huán)節(jié)場景復雜安全風險高
在制造業(yè)生產制造環(huán)節(jié)，存在場景復雜、安全風險等諸多挑戰(zhàn)。
首先，復雜的生產制造流程和多樣化的生產環(huán)境要求AI系統(tǒng)具備高度的定制化和實時性。制造業(yè)的生產環(huán)境復雜多變，AI技術在實際應用中需要面對多種工況和不確定性。例如，工業(yè)機器人在動態(tài)環(huán)境中的路徑規(guī)劃和任務執(zhí)行，涉及實時數據處理和復雜決策。此外，動態(tài)生產環(huán)境中突發(fā)事件的應對能力也是一大考驗，如設備故障、物料短缺等，AI系統(tǒng)需要迅速作出反應，調整生產計劃，保證生產的連續(xù)性和效率。
其次，在生產流程中，AI的應用會帶來技術安全風險。智能制造系統(tǒng)依賴于各種智能設備和傳感器，這些設備可能因設計缺陷、軟件漏洞或操作錯誤而導致安全事故。例如，伺服驅動器、智能傳感器和控制系統(tǒng)中可能存在后門或安全漏洞，攻擊者可以利用這些弱點進行惡意攻擊，從而影響生產安全和效率。此外，隨著互聯(lián)網技術在制造業(yè)的廣泛應用，智能制造系統(tǒng)的網絡連接性大幅提升。這種連接性雖然帶來了便利，但也使得系統(tǒng)易受到網絡攻擊。黑客可以通過網絡入侵工業(yè)控制系統(tǒng)，導致數據泄露或生產中斷，給企業(yè)帶來巨大的經濟損失[6]。
此外，生產制造環(huán)節(jié)中AI技術的應用會帶來數據安全風險。生產制造環(huán)節(jié)涉及大量敏感數據，如設計圖紙、生產過程數據、供應鏈信息和客戶數據等。在應用AI技術的過程中，由于涉及多方參與，任何環(huán)節(jié)的數據泄露都會危及整個供應鏈，如管理不當將會造成巨大損失。
4.3 運營管理環(huán)節(jié)組織制度滯后于技術變革
在制造業(yè)運營管理環(huán)節(jié)，企業(yè)組織結構和管理制度存在滯后，導致AI技術作用難以得到充分發(fā)揮。
首先，企業(yè)的職能部門之間協(xié)作不暢，難以形成合力。研發(fā)、生產、供應鏈管理和市場營銷等之間的協(xié)作往往存在障礙。各部門可能有不同的目標和訴求，導致技術應用效果大打折扣。
其次，制造業(yè)企業(yè)的績效考核機制不適應AI技術，難以激發(fā)員工的創(chuàng)新動力。許多制造業(yè)企業(yè)的績效考核機制仍停留在傳統(tǒng)的生產指標和財務指標上，難以評估AI技術帶來的無形價值，如提升效率、改善決策等，影響員工對新技術的積極性和創(chuàng)新動力[7]。
此外，制造業(yè)與AI復合型人才的缺乏也限制了AI技術的應用。據德勤統(tǒng)計，2022年中國智能制造行業(yè)數字人才缺口約430萬人，而預計到2025年該缺口將達550萬人。AI與制造業(yè)的融合需要同時具備制造業(yè)知識和AI技術能力的復合型人才。然而，目前高校的AI相關師資和課程體系尚不完善，難以快速適應產業(yè)發(fā)展需求。
4.4 產品服務環(huán)節(jié)需求變化快且差異大
在制造業(yè)產品服務環(huán)節(jié)，AI技術的應用面臨市場需求變化快、個性化需求差異大等挑戰(zhàn)。
首先，全球市場需求快速變化，而AI技術需要時間進行模型訓練和調整，很難及時滿足市場需求。例如，服裝品牌經常需要根據季節(jié)變化、流行趨勢和社會事件等因素快速調整其產品線，在特殊節(jié)日或體育賽事期間推出限量版產品。為了做到這一點，企業(yè)利用AI技術分析社交媒體上的趨勢和消費者反饋，以便更快地作出決策[8]。AI系統(tǒng)需要足夠靈活以捕捉并適配這些快速變化的趨勢，靈活調整生產線和工藝能力，同時保持一定的預測準確性，這對AI技術的數據整合能力及實時響應能力提出了挑戰(zhàn)。
其次，需要快速對應差異較大的個性化產品需求。隨著消費者越來越傾向于尋求定制化和個性化的解決方案，企業(yè)需要能夠提供高度個性化的服務，同時保持高效的生產和交付流程。這就需要利用AI技術實現(xiàn)生產線的柔性化和智能化，支持小批量、多品種的定制化生產。在這個過程中，如何處理海量的數據并確保隱私安全，同時提供精準的產品服務，帶來了一定挑戰(zhàn)。
5 制造業(yè)AI的發(fā)展趨勢
5.1 研發(fā)設計環(huán)節(jié)通過自動化實現(xiàn)創(chuàng)新驅動
在制造業(yè)設計研發(fā)環(huán)節(jié)中，將向自動化、創(chuàng)新驅動的方向發(fā)展。首先，AI在制造業(yè)研發(fā)設計中將在很多環(huán)節(jié)實現(xiàn)自動化，優(yōu)化設計流程，縮短產品上市時間。在電子設計領域，電子設計自動化（Electronic Design Automation，EDA）工具將完成復雜電路的功能設計和驗證，通過自動化布局和布線，優(yōu)化設計的整體性能，從而進一步提高設計效率和準確性。通過智能化的優(yōu)化算法和自動迭代功能，產品研發(fā)周期得以縮短，進一步加快了產品上市時間。
其次，AI技術將為制造業(yè)研發(fā)設計注入創(chuàng)新動力。在生成式設計等前沿技術應用中，AI將探索出人類設計師未曾想到的設計方案。通過大規(guī)模數據分析與智能算法，AI技術可以生成多樣化的設計選項，打破傳統(tǒng)設計思路的局限，激發(fā)更多的創(chuàng)意靈感。這不僅會推動制造業(yè)產品的智能化發(fā)展，還將為企業(yè)提供了更多差異化和個性化的產品設計方向，助力企業(yè)在競爭激烈的市場中脫穎而出，創(chuàng)造出新的商業(yè)機會與價值。
5.2 生產制造環(huán)節(jié)通過人機協(xié)同實現(xiàn)高效化
在生產制造環(huán)節(jié)中，制造業(yè)將通過智能機器人與人協(xié)作完成生產任務提升生產效率和安全性。一方面，人機協(xié)作輔助生產，提升效率。智能機器人可以輔助人類執(zhí)行重復性和高精度的任務，比如組裝、焊接、噴涂或包裝，其準確性遠高于人類，從而減少廢品率和返工。另一方面，人機協(xié)同能夠提升生產安全性。機器人可以承擔對人體有害或危險的任務，如處理有毒物質、高溫環(huán)境下的作業(yè)，從而保護工人免受傷害。同時，現(xiàn)代協(xié)作機器人配備有先進的傳感器和軟件，能夠檢測到周圍的人類活動并作出反應，如減速或停止，以避免碰撞?？傮w來說，人機協(xié)作模式將在制造業(yè)中發(fā)揮越來越重要的作用，推動整個行業(yè)向更加智能化、高效化、人性化的方向邁進。
5.3 運營管理環(huán)節(jié)通過大小模型協(xié)同實現(xiàn)自動化
大模型和小模型的協(xié)同將在未來制造業(yè)中扮演關鍵角色，在制造業(yè)運營管理環(huán)節(jié)推動自動化水平的顯著提升。大模型以其強大的數據處理和分析能力，為生產決策提供智能支持；小模型則以其靈活性和針對性，優(yōu)化具體生產運營環(huán)節(jié)。這種協(xié)同不僅實現(xiàn)了從宏觀到微觀的全面自動化決策，還大幅提高了制造效率和資源利用率。在設備維護方面，大小模型的協(xié)同將實現(xiàn)更為精準的預測性維護。大模型通過分析設備運行數據預測潛在故障，小模型則在邊緣設備上實時監(jiān)測，共同提高設備利用率，減少意外停機。在供應鏈管理方面，也將因大小模型的協(xié)同而得到優(yōu)化。大模型分析全球供應鏈數據，預測風險和機會，小模型則在具體環(huán)節(jié)進行優(yōu)化，提高供應鏈的自動化水平和響應能力。盡管大模型在制造業(yè)中的應用潛力巨大，但小模型因其深厚的工業(yè)應用基礎和成本效益比、穩(wěn)定性、可靠性等優(yōu)勢，將與大模型長期并存。這種協(xié)同模式將持續(xù)推動制造業(yè)向更高效、智能和靈活的方向發(fā)展。
5.4 產品服務環(huán)節(jié)通過數據驅動實現(xiàn)精準化
在制造業(yè)產品服務環(huán)節(jié)中，數據將扮演很重要的角色，驅動個性化創(chuàng)新的同時增加市場價值。首先，數據可以驅動AI技術實現(xiàn)產品服務的個性化和定制化。通過分析用戶行為數據、偏好數據等，AI技術能夠為每個客戶生成個性化的產品服務方案。這種基于數據的定制化設計不僅能夠滿足個性化需求，還可以通過大規(guī)模數據分析來優(yōu)化定制化生產的效率和成本。其次，AI技術能夠使產品服務環(huán)節(jié)更加精準高效地推進[9]。在產品營銷環(huán)節(jié)，AI技術通過數據分析和用戶行為預測，能夠幫助制造企業(yè)更精準地進行市場定位和客戶細分，分析消費者的購買歷史和偏好，制定個性化的營銷策略，提高客戶轉化率和滿意度。在產品售后環(huán)節(jié)，AI技術可以通過自然語言處理技術，提供不間斷的客戶服務支持，快速響應客戶的咨詢和問題。這種智能化的售后服務不僅提高了客戶體驗，還減輕了人工客服的負擔。
6 結束語
在制造業(yè)智能化轉型日益深化的當下，AI技術正在深入滲透制造業(yè)全流程應用中，通過賦能研發(fā)設計、生產制造、運營管理和產品服務等環(huán)節(jié)，幫助制造業(yè)實現(xiàn)降本增效、提質創(chuàng)新。目前，AI專用小模型技術已廣泛滲透制造業(yè)，大模型技術也逐漸探索應用在整體流程中。在此過程中，不僅要致力于拓寬“AI+制造業(yè)”的應用邊界，深化其在智能化設計、個性化定制、預測性維護、供應鏈管理等前沿場景的探索與實踐，還需直面當前發(fā)展的制約因素，從技術瓶頸突破、管理體系創(chuàng)新、政策法規(guī)完善等多個維度綜合施策，構建有利于AI技術與制造業(yè)深度融合與高效應用的生態(tài)環(huán)境。當前，制造業(yè)AI技術應用仍處于發(fā)展期，需要聯(lián)合產業(yè)各方力量不斷突破前沿技術難關、協(xié)同應用數據、算力等資源。同時，需加強高校與產業(yè)間的合作，培養(yǎng)制造業(yè)AI復合技術人才，推動制造業(yè)智能化高質量發(fā)展。
本文轉自網絡，本站僅提供展示與交流，不為其版權負責。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本站聯(lián)系，我們將及時更正、刪除，謝謝。
關注微信公眾號
Copyright ? 2015-2021 www.unknownworld.com.cn All Rights Reserved. 魯ICP備2023002201號-1
