本文主要聚焦AI在當今製造業前沿的應用

在前三批全球燈塔網絡成員中
，運用AI的用例僅有不足20%，但在2023年12月最新加入的21家燈塔工廠中，近60%的用例已開始借助AI的力量（見圖1）。這一變革並非偶然：在這批新晉燈塔工廠中
，基於AI的創新用例已取得矚目成就，不僅使生產效率提升兩至三倍

，服務水平提升50%
，也使缺陷率降低99%，能耗改善30%。

以特鋼製造領域為例，中信泰富特鋼在其生產流程中部署了眾多AI應用
，顯著提升了生產效率。通過精準預測和實時調整高爐運作
，該公司不僅令產量提升了15%
，還實現了11%的能耗降低。而在生命科學設備領域
，安捷倫公司（Agilent）通過整合計算機視覺技術，打造出一套高效的工具包，短短4個月便將產品缺陷率降低了49%。

隨著企業不斷優化AI預測與建議的置信度，這些技術正邁向成熟。億滋國際（Mondelēz）北京工廠部署了全新的工作模式：工廠一線工人現在更多扮演技術員的角色，而非僅僅是機器操作員。這種轉變不僅使生產率飆升了兩倍以上，還實現了70%的浪費減少

，以及10%~25%的能耗降低。

生成式AI的湧現預計將為全球經濟帶來年產值高達2.6萬億~4.4萬億美元的增長【1】。其中，近四分之一的增值有望來自於製造及供應鏈相關活動，因為生成式AI將為相關活動領域帶來高達兩倍的生產力提升，以及近70%的任務自動化。

相關技術已展現出超過50個潛力巨大的應用場景，覆蓋了六大主要領域（設計
、采購
、計劃、製造、交付、服務）以及兩大能力領域（數據與技術部署、人才與組織賦能）。而這一變革主要由內容生成、洞察提取和用戶交互等新能力所推動【2】。而在燈塔工廠身上，我們總結出了關於AI和生成式AI部署的五大洞察：一是AI用例已遍布整個運營價值鏈；二是資產化是實現AI快速大規模部署的有效方式；三是AI指揮中心正推動自動化達到新層次和係統級別
；四是生成式AI正將AI的影響擴展到車間之外；五是生成式AI的發展速度遠超預期。

貫穿全流程的AI用例

早期的AI試點通常集中在單一流程上
，因為這些流程的範圍最小
、風險最低、迭代最快。迄今為止
，超過80%的AI燈塔工廠用例都集中在流程層麵。然而值得注意的是
，AI正對供應鏈的所有環節產生深遠影響，包括規劃、資產管理、質量控製以及交付等關鍵步驟。

新晉燈塔工廠正是這種廣泛性和多樣性的明證。以規劃為例，鴻佰科技部署了一個AI需求預測模型
，該模型通過訓練曆史數據
，在短短三年內將預測準確率提升了27%；在工藝優化方麵，亨通光纖運用曆史策略訓練的模型
，自動調整預製坯和拉絲參數
，實現了工藝最優化
；在質量控製領域
，VitrA Karo通過在其窯爐中部署計算機視覺係統
，成功將廢品率降低了68%
；而在交付環節
，華潤建材科技通過自適應優化重型運輸設備的路線，將提貨周期縮短了39%（見圖2）。

通過資產化實現AI推廣

為了在產出、質量和交付績效等關鍵績效指標（KPI）上實現20%、40%甚至60%的顯著提升，企業需要將試點和概念驗證（POC）的經驗擴展到每台機器和每條生產線。一些企業已經開始了長達4~5年的試點、學習

、推廣新技術和應用的旅程。而其他公司

，如中國溧陽的寧德時代、印(yin)度(du)索(suo)尼(ni)帕(pa)特(te)的(de)聯(lian)合(he)利(li)華(hua)和(he)中(zhong)國(guo)西(xi)安(an)的(de)強(qiang)生(sheng)，它(ta)們(men)能(neng)夠(gou)借(jie)鑒(jian)公(gong)司(si)其(qi)他(ta)燈(deng)塔(ta)的(de)經(jing)驗(yan)，從(cong)一(yi)開(kai)始(shi)就(jiu)進(jin)行(xing)規(gui)模(mo)化(hua)設(she)計(ji)。這(zhe)些(xie)公(gong)司(si)在(zai)多(duo)個(ge)流(liu)程(cheng)中(zhong)應(ying)用(yong)了(le)先(xian)進(jin)的(de)AI技術和其他創新技術，跳過了早期燈塔工廠所必須經曆的陡峭學習曲線。

當前
，燈塔企業正在加速其AI試點項目，其中一個關鍵策略便是“資產化”——將用例“打包”成能夠快速且大規模部署的解決方案。其他行業也在效仿這一做法：在利用新興的低代碼或無代碼平台創建AI應用方麵

，相關領軍企業正以1.6倍的速度領先於其他企業，極大地加快了其開發進程【3】。

燈(deng)塔(ta)企(qi)業(ye)已(yi)在(zai)製(zhi)造(zao)領(ling)域(yu)證(zheng)明(ming)了(le)這(zhe)種(zhong)方(fang)法(fa)的(de)成(cheng)效(xiao)。它(ta)們(men)采(cai)用(yong)模(mo)塊(kuai)化(hua)設(she)計(ji)原(yuan)則(ze)
，確(que)保(bao)了(le)新(xin)資(zi)產(chan)與(yu)現(xian)有(you)技(ji)術(shu)架(jia)構(gou)的(de)兼(jian)容(rong)性(xing)。同(tong)時(shi)，它(ta)們(men)也(ye)在(zai)投(tou)資(zi)並(bing)使(shi)用(yong)各(ge)種(zhong)生(sheng)產(chan)力(li)工(gong)具(ju)

，如(ru)用(yong)於(yu)定(ding)製(zhi)化(hua)界(jie)麵(mian)的(de)無(wu)代(dai)碼(ma)平(ping)台(tai)。此(ci)外(wai)
，它(ta)們(men)還(hai)將(jiang)基(ji)礎(chu)的(de)數(shu)字(zi)技(ji)能(neng)培(pei)訓(xun)材(cai)料(liao)

，如(ru)演(yan)示(shi)視(shi)頻(pin)和(he)標(biao)準(zhun)操(cao)作(zuo)程(cheng)序(xu)
，作(zuo)為(wei)資(zi)產(chan)包(bao)的(de)一(yi)部(bu)分(fen)，並(bing)對(dui)所(suo)有(you)用(yong)戶(hu)開(kai)放(fang)。如(ru)此(ci)一(yi)來(lai)
，新(xin)的(de)AI用例和數字創新便能從局域內的單一“本地”工具轉變為全公司範圍內的可用資產，且又可在“本地”實現定製化。

未來視野：係統級自動化指揮中心的崛起

幾個世紀以來，供暖
、製冷
、zhaomingdengjishubuduanjinbu。danzhinengjiajudefazhanbudandanshizhexiejishudejiandanyanshen

，ershitongguozhinengkongzhixitongzhenghexiangguanjishu，shixianduijuzhuhuanjingdezidongguanli——自動調節室內溫度、維護壁爐運行
、調整百葉窗角度，甚至根據語音指令播放音樂，或是提醒最佳出行時間、搭乘最近的地鐵等。智能工廠的發展同樣遵循這一理念；它們的優勢源於“中央式”的智能運用
、更高級別的決策能力
，以及讓人類“參與”而非“置身於”自動化流程中。

認知過程自動化

與物理自動化相似，這些認知自動化的過程也是分階段實施的：首先，利用智能技術來維持穩定的操作流程，比如利用AI實時調整流程參數；其次
，識別並采取恢複措施，如針對機器性能下降提出優化方案
，或建議調整配方
，抵消原料中雜質帶來的負麵影響；最後
，徹底實現“自我修複”——在製造和供應鏈運營中實現自我調整，並將人類作為循環的一部分納入其中。

多數燈塔企業已實現前兩個階段的目標，並正在加快步伐
，朝著實現第三個目標——“黑燈工廠”的概念邁進。這一概念依賴於技術創新，旨在讓工廠的生產效率、產品質量和服務水平再上一個台階。在這一過程中，前線的工作人員將從傳統的操作員角色轉變為技能進階型專家。

全球休閑食品製造商億滋國際在北京建立了一個高度自動化的麵團生產車間
，其AI控製中心覆蓋了5條自動化生產線
、4輛智能導引車以及供應鏈中的9zhongyuanliao，bujinyouhualemiantuandefajiaoguocheng
，tigaoleshengchanyizhixing
，haixianzhutishenglezhenggeshengchanxianhexiangguangongyingliandechannengyuxiaolv。lingyifangmian

，mianduiqihoubianhuayinqidegongshuibodong，hanguoshuiziyuangongsibushuleyitaoAI運營係統，有效控製了水處理過程中的混合和沉澱等關鍵環節。這一係統的實施在短短兩年內將產量提升了31%，公司目前正計劃將這一係統推廣至其他42家工廠。

兩家公司都實現了智能化的集中管理。它們不再僅僅將AI應用於單一的生產流程，而是采用了能夠在整個生產係統中運作的AIzhihuizhongxin。zhexiexianjindejiejuefangannenggouzuochugengjiafuzahexunsudeyunyingjuece，wulunshimianduicailiaoduanquedetufaqingkuang，haishichuligaoyouxianjidedingdan
，huoshizainengyuangongyingshouxianshikuaisutiaozhengshengchanxian。AI強大的數據處理能力使其能夠同時分析數以百萬計的數據點，並優化這些數據之間的相互作用機製。

提升置信水平

為了推動係統級決策自動化的實現，AI不僅要能識別並提出糾正措施
，更要確保每次提出的建議都精準無誤。這一點對於各類AI，無論是應用型
、生成式還是未來新興的AI技ji術shu，都dou至zhi關guan重zhong要yao。為wei了le確que保bao這zhe一yi點dian，燈deng塔ta企qi業ye將jiang閉bi環huan反fan饋kui機ji製zhi置zhi於yu優you先xian地di位wei，以yi此ci優you化hua它ta們men的de模mo型xing
，並bing在zai完wan全quan移yi交jiao控kong製zhi權quan之zhi前qian
，不bu斷duan提ti高gao決jue策ce的de置zhi信xin度du。同tong時shi
，這zhe些xie企qi業ye還hai引yin入ru了le一yi係xi列lie保bao障zhang措cuo施shi
、監控係統和應急預案
，確保在推進自動化的同時，有效管理風險。

今年，燈塔企業展示了多種提升AI模型置信水平的方法。一是模型訓練。定期利用曆史數據對模型進行再訓練
，將AI的預測與實際操作人員的決策及流程的實際表現進行對比
，直至AI的準確率超越人類水平；二是仿真技術。數字孿生技術和基於AI的仿真模型能夠預測建議行動對關鍵指標的具體影響，包括材料供應、客戶需求滿足以及設備正常運行等，從而快速提升決策的準確性
，並減少對實際測試的依賴
；三是分階段引入。模型最初可作為人類決策的輔助工具
，提供與經驗豐富的人類決策者相同的概率評分。隨後
，操作員可以對AI的建議（如庫存補給或特定維護措施）進(jin)行(xing)評(ping)估(gu)和(he)投(tou)票(piao)

，這(zhe)種(zhong)互(hu)動(dong)式(shi)的(de)學(xue)習(xi)過(guo)程(cheng)有(you)助(zhu)於(yu)動(dong)態(tai)地(di)訓(xun)練(lian)和(he)完(wan)善(shan)模(mo)型(xing)。當(dang)模(mo)型(xing)表(biao)現(xian)超(chao)過(guo)預(yu)定(ding)的(de)概(gai)率(lv)閾(yu)值(zhi)，它(ta)們(men)便(bian)是(shi)後(hou)續(xu)全(quan)麵(mian)自(zi)動(dong)化(hua)的(de)堅(jian)實(shi)根(gen)基(ji)。

生成式AI的試點步伐不斷加快

2019年，AI用例仍在試點和概念驗證（POC）階段，許多工廠也仍在構建數據和技術基礎
，判斷員工所需的新技能，並製定落地策略。當時，燈塔企業的主要精力集中在推動AIshidianyonglideshizhixingyingxiang。shizhijinri，dengtaqiyeyidabumaijin，youshishenzhikezhijielveguoshidianjieduan。shishishang
，yuzaoqidedengtaqiyexiangbi，xindengtashishixinAI用例的時間縮短了近25%
，表明生成式AI等新興技術的啟動時間要遠遠短於5年前的應用型AI。

ACG Capsules就是快速部署生成式AI的典範。為了適應製造業對員工技能需求的不斷變化
，該公司在短短兩周內開發並部署了一個緊跟SOP和政策動向的AI助手。

在僅僅5周的時間裏，通過一些遷移學習和微調，近四分之三的操作員和技術人員已經開始使用生成式AI助手來支持維護和合規行為，從而使ACG的平均修複時間（MTTR）和計劃外停機時間減少了40%。

燈塔工廠彰顯了AI在zai製zhi造zao業ye中zhong的de潛qian力li，而er燈deng塔ta企qi業ye正zheng在zai利li用yong自zi身shen優you勢shi，拉la大da差cha距ju。這zhe一yi差cha距ju不bu僅jin體ti現xian在zai技ji術shu上shang，還hai體ti現xian在zai戰zhan略lve製zhi定ding和he人ren才cai發fa展zhan上shang。行xing動dong正zheng當dang時shi
，其qi他ta製zhi造zao商shang要yao想xiang迎ying頭tou趕gan上shang，就jiu需xu要yao快kuai速su跟gen進jin，采cai取qu快kuai速su、明智的行動。