今天小編分享的教育經驗：AI來襲，制造企業數智化的确定與不确定，歡迎閲讀。
來源 | 36 氪，管理智慧
咨詢合作 | 13699120588
以大模型、大數據、大算力為特征的當代人工智能技術正在向更為復雜和精準的工業制造領網域加速滲透，助力制造企業邁向數字化轉型和智能化更新。在生成式 AI 引發的新一輪技術變革之下，弱人工智能正在向強人工智能的加速轉變，與制造業融合的信息技術也從以數字技術、網絡技術為主演變為以生成式 AI、大模型技術為主。
目前，深化大數據、人工智能等創新應用，開展 "AI+" 行動，已寫入今年的《政府工作報告》，其中 "AI+ 制造業 " 受到業界重點關注，将會為推動制造業行業數智化注入新動能。
在華為企業業務最新推出的《智無不言 - 華為行業軍團訪談錄》第一期欄目中，華為制造與大企業軍團 CEO 劉超、江汽集團信息化管理部部長劉峰和中國電子技術标準化研究院物聯網研究中心主任郭楠就制造業數字化轉型和智能化更新的現存難題展開多維度讨論，助力制造企業在加速數智化的進程中更好地抓住機遇、戰勝挑戰。
AI 價值顯現，智能制造課題再度豐富
在政策引導和市場驅動下，我國制造業數字化水平總體呈現穩步上升的趨勢。工信部數據顯示，截至 2023 年 12 月底，我國已培育 421 家國家級示範工廠、萬餘家省級數字化車間和智能工廠。國家兩化融合公共服務平台服務工業企業 18.3 萬家，這些企業的數字化研發設計工具普及率達到 79.6%，關鍵工序數控化率達到 62.2%。
今年 5 月，國務院常務會議審議還通過了《制造業數字化轉型行動方案》，該方案提出對現階段制造業數字化轉型的三條明确指引：分行業分領網域挖掘典型場景、加快核心技術突破瓶頸和成果推廣應用、加大對中小企業數字化轉型的支持。
可以看出，我國制造行業數智化将持續走深向實，将帶動更多企業參與其中，數智化将滲透到更多細分場景，應用深度和廣度同步擴大。
智能制造是一個不斷演進的系統工程，作為制造業和信息技術深度融合的產物，它的誕生和演變與信息化發展相伴而生。郭楠表示，數字化、網絡化、智能化制造都屬于智能制造的範疇。智能制造體現在設計、生產、物流和銷售等端到端的環節中。
近幾年，以新一代人工智能技術為主要特征的信息化發展迅速。其中，生成式 AI 的發展、大模型的應用使得人工智能這項技術更加貼合行業場景，并滲透到千行萬業有關研發設計、生產制造、銷售服務等全流程中，在這種新語境下，" 智能制造 " 内涵再度得到豐富。
華為制造與大企業軍團 CEO- 劉超
" 制造企業使用數字化和智能化手段，提升效率和競争力的整個實踐過程，就是智能制造。數字化、智能化技術拓展了制造的新邊界。而人工智能這一輪技術浪潮正在以價值驅動制造業全鏈路數字化轉型和智能化更新。" 劉超説道。
人工智能融入制造行業這一課題已是大勢所趨。今年 1 月，國務院常務會議指出，要統籌高質量發展和高水平安全，以人工智能和制造業深度融合為主線，以智能制造為主攻方向，以場景應用為牽引，加快重點行業智能更新，高水平賦能工業制造體系，加快形成新質生產力。
從當前的應用案例來看，生成式 AI 和大模型這一代人工智能技術應用到制造環節當中帶來的回報較為直觀，包括縮短研發周期、優化產業鏈流程、降低成本等。例如：
在生物醫藥行業的藥物研發環節，在人工智能技術加持下，新藥物發現時間可能從數年縮短至數個月，成本下降 70％以上；
在制造行業的生產調度環節，華為在 AI 技術加持下可在 1.5 個小時内完成未來 35 天的供應計劃分解，這都是人工智能技術對智能制造各個環節的使能。
可以看出，生成式 AI 和大模型等技術應用于制造業已有先驗成果，技術價值已經凸顯，這些技術的加入讓智能制造這一工程變得更為龐雜，這也正是制造業所要探索的新課題。
機遇與挑戰并存，制造企業邁向數智化存在不确定性
從上述政策檔案的指導思想以及技術應用現狀不難看出，生成式 AI 和大模型引領的新技術浪潮正在打開制造業數智化發展的想象力。
但智能制造這一概念提出已近十年，對制造企業而言，數字化轉型和智能化更新之路始終存在多重挑戰。郭楠就總結了傳統制造業尋求數字化轉型和智能化更新時會面臨的不确定因素，主要包括三方面：
戰略層面：企業一定會遇到零号難題——到底該幹什麼？做到什麼程度？從何入手？
人才層面：員工中同時懂 IT、工藝、制造、裝備等各類知識的復合型人才短缺；
投資層面：投資回報比難以計算，而智能制造一旦投資就沒有回頭路。
目前，大模型加速湧現，各行各業都在關注自己所處領網域的大模型應用成效如何。對此，郭楠補充道：" 制造行業的作業流程具備極強的确定性，生成式 AI 和大模型滲透到制造業的核心場景中需要解決的問題非常多，比如需要迭代掉生成結果的不确定性，AI 在制造業的應用需要更有針對性。"
由此，制造行業數智化趨勢已定，盡管困難重重，不迎頭趕上就會被淘汰。正如中國工程院院士譚建榮所説，數字化轉型不是想不想轉的問題，而是遲早都要轉、遲轉不如早轉的問題。
這是因為除上述提到的資金、人才、頂層設計方面的挑戰外，新技術的迭代變革會加大制造業企業數智化的梯隊差距——本就數字化能力強的企業自然會跑得更快，而數字技術基礎薄弱或慢于行業平均水平的企業，轉型之路會變得更緊迫。
正因如此，制造業對生成式 AI 和大模型、數據價值挖掘等的關注度依舊只增不減，相關讨論聲量日趨增大。而不同領網域的制造業企業面對各項挑戰都在進行積極探索和嘗試。
江汽集團信息化管理部部長 - 劉峰
江汽集團作為制造業汽車領網域的大型企業，自 2020 年起至今在數字化轉型和智能化更新道路上已探索多年，對制造業走向數智化存在的挑戰有切身體會。劉峰将江汽集團在更新轉型過程中遇到的挑戰歸結為三點：
首先，智能制造的投資規模動辄達到幾十億甚至上百億，這需要企業對數智化轉型抱有堅定決心；
其次，企業知道自身規劃的轉型方向是正确的，也要衡量自身能力是否與之匹配，對自身有清晰認知；
最後，人才儲備是決定公司轉型能否能走下去的關鍵，但同時懂 IT、應用、場景等的人才是最稀缺的。
上述所提到的三項挑戰也是多數制造企業面臨的挑戰。而打破這種困境，為企業邁向數智化增加不确定性，則需要回到行業中去找答案——追溯制造行業數智化重點布局的典型場景已有的标杆案例，探尋解題之道。
智能制造需要多方協力，江汽集團與華為的破題思路
工信部本月發布的《國家人工智能產業綜合标準化體系建設指南（2024 版）》中提到：堅持應用牽引——堅持企業主體、市場導向，面向行業應用需求，強化創新成果迭代和應用場景構建，協同推進人工智能與重點行業融合應用。堅持產業協同——加強人工智能全產業鏈标準化工作協同，加強跨行業、跨領網域标準化技術組織的協作，打造大中小企業融通發展的标準化模式。
" 應用牽引 " 和 " 產業協同 " 為人工智能融入智能制造提供了指引方向。
在應用層面，江汽集團旗下的瑞風 RF8 已是廣受好評的網紅車型，新建的新港智慧工廠也按照《智能制造能力成熟度标準》中 L4 智能化生產（優先級）的目标建設，這兩項成果可視為标杆案例，其中藴含着解開上述挑戰的答案。
瑞風 RF8 之所以取得商業成功，背後原因在于江汽集團與華為的合作過程中，江汽集團吸納了華為 IPD（集成產品開發）流程，并組建了 PDT 團隊（產品開發團隊），改變原有的產品商業邏輯，從技術為先轉變為以市場需求為先。
具體合作過程中的細節是，華為向江汽集團派出一支咨詢顧問團隊，把華為公司產品的開發流程、制度、方法變成江汽集團產品的開發流程、制度、方法。這套制度流程會在後續的實踐過程中不斷迭代和演變，最終固化為江汽集團自己的能力。
結合江汽集團數字化轉型和智能化更新成功經驗，其中有三點核心要素：
做好頂層設計。梳理頂層設計的邏輯才能做好後續的逐級、逐層管理，避免資金和時間的浪費；
用好外腦。傳統制造業企業尋求數字化轉型和智能化更新時，可以尋找華為等轉型經驗豐富的企業合作，改變舊有模式，轉換思路；
控制成本，試點先行。優先選擇一些典型場景作為标杆試點進行突破。試點成功之後再将成功經驗向下復制，由此可降低轉型中的不确定性。
中國電子技術标準化研究院物聯網研究中心主任 - 郭楠
郭楠認為，該過程中最值得借鑑之處在于 " 跨界學習 "，江汽集團與華為的合作也實現了将經驗和工作流程工具化，成為跨項目、跨行業快速復制的行業典範。
這也呼應了 " 應用牽引 " 後的第二個指引方向 " 產業協同 "，可以看出，對于新技術浪潮之下的行業數智化而言，二者其實是密不可分的。在江汽集團的成功經驗中，該企業的合作夥伴是華為公司制造與大企業軍團。
這個組織特别在于，它可以為制造行業數智化提供來自另一個視角的解題思路。華為制造與大企業軍團集結了華為内部覆蓋研發到銷售全鏈條各環節的專家，能夠快速集結資源，找到價值場景，聯合行業夥伴為制造企業提供匹配需求的場景化解決方案。
如果用三個詞概括其在推動行業數智化中起到的作用，華為制造與大企業軍團其實是華為能力與制造企業之間的 " 連接器、放大器、催化劑 "：
連接器：充分理解制造企業的痛點和需求，将華為的解決方案與制造企業的需求相連接；
放大器：剖析、分解客户需求後，将客户的需求在各個相關產品的開發過程中進行受理；
催化劑：讓客户應用場景與華為提供的技術有機結合，產生化學反應，甚至達到聚變級、裂變級。
可以看出，華為充分理解制造企業的數智化困境，并能迅速找到症結，以扎實的策略為客户解決困難。截至目前，華為已經與 1000 家夥伴一起服務于中國超過 8000 家制造企業，成為客户身邊加速邁向數智化的重要夥伴。
結語
對于智能制造這一系統工程，在實際推進過程中應當堅持系統思維，江汽集團與華為的合作正是這一點的佐證。不僅是人工智能這一輪新技術，過往的大數據、區塊鏈等技術也是如此，在新技術能否推進行業數智化的驗證階段，不同領網域、行業、公司所具備的資源和能力存在差異，思想認知也不相同。
因此，結合實際情況，聚集創新資源，分層次、場景、階段的實施策略，從标杆應用場景切入，打通產業鏈上下遊，才能促進行業數智化生态建設，讓改造中領先的企業案例發揮引領作用，使得技術應用深度和企業數智化程度持續演進。
未來，随着制造行業數智化走深向實，制造業将形成更開放的生态環境。推動制造業數智化這一路程沒有終點，相信在智能制造的明确目标下，制造企業與其合作夥伴也可以向着光和希望，攜手加速奔跑，以星星之火，終成燎原之勢。
華夏基石 · AI 啓航論壇
誠邀您的參與，掃碼即可獲取活動詳情：
喜歡這篇文章
>
