這是我(wo)的第388篇專欄(lan)文章。
制造業又將迎來一個關鍵轉折點，最近工信部宣布將研究出臺“人工智能+制造”專(zhuan)項行動實(shi)施方案。這(zhe)一消息無疑再次將產業界的(de)(de)目光(guang)聚(ju)焦于智能化(hua)升級的(de)(de)浪潮之上(shang)。
根據(ju)官方(fang)信息，下一步，工(gong)信部將推(tui)動(dong)人(ren)(ren)工(gong)智(zhi)能產業高質量發(fa)展(zhan)，加快(kuai)高水(shui)平賦能新型工(gong)業化(hua)，研究出(chu)臺“人(ren)(ren)工(gong)智(zhi)能+制(zhi)造(zao)”專項行動(dong)實施方(fang)案，部署重(zhong)(zhong)點行業、重(zhong)(zhong)點環節、重(zhong)(zhong)點領域、智(zhi)能化(hua)轉型任務(wu)，制(zhi)定(ding)人(ren)(ren)工(gong)智(zhi)能+制(zhi)造(zao)轉型路線，發(fa)布實施制(zhi)造(zao)業企業人(ren)(ren)工(gong)智(zhi)能應(ying)用(yong)指南。
在中國的(de)政策風向(xiang)之外，全球范圍內的(de)產業趨勢(shi)也在同步演進。
市場研(yan)究機構IoT Analytics最新發(fa)布的《2025-2030年(nian)工業人工智能(neng)市場報告》指出，2024年(nian)全球工業AI市場規模已達436億美元(yuan)，預計(ji)到2030年(nian)將躍升至1540億美元(yuan)，年(nian)復(fu)合增長率為23%。
這不僅僅是數字的放大，更標志著工業AI已經進入高速增長和戰略重塑的窗口期。
我國“人工(gong)智(zhi)能+制造”專項行(xing)動(dong)的(de)推出(chu)，與全(quan)球(qiu)產(chan)業鏈的(de)智(zhi)能化(hua)躍遷形成(cheng)強烈共(gong)振，推動(dong)著“世界工(gong)廠”在全(quan)球(qiu)新一輪競爭格局中加速(su)邁向(xiang)高質量(liang)發展。
回顧過(guo)往，產業(ye)界對工(gong)業(ye)AI的(de)(de)普遍(bian)認知曾長期(qi)停留在“降本增效”的(de)(de)范(fan)疇(chou)。但在一(yi)文中，筆者認為工(gong)業(ye)AI的(de)(de)真正意義并非簡單的(de)(de)成本優化與(yu)效率(lv)提(ti)升，而在于(yu)對制(zhi)造底層邏輯的(de)(de)“系統性重(zhong)寫(xie)”。AI不(bu)只是(shi)一(yi)個(ge)(ge)工(gong)具(ju)，而是(shi)重(zhong)塑整個(ge)(ge)產業(ye)結構(gou)和(he)價值體系的(de)(de)變革力量。
基于此，本篇文(wen)章(zhang)將進一步深入剖析：工業AI正在如何改變“制造的本質”。
這種改變，不只是管理流程的升級、局部環節的智能化，而是對產業鏈組織方式、價值分配模式、企業間協同機制的根本性重構，甚至延展到供應鏈網絡的全面重組，以及制造企業從“產品導向”到“服務導向”的商業模式創新。
改寫制造底座：從線性分工到智能網絡
過去，工業AI在(zai)制(zhi)造企(qi)業中的角色，大多停留在(zai)試點項(xiang)目或IT部(bu)門，是技術創新的點綴(zhui)，卻很少(shao)真正(zheng)進入企(qi)業戰(zhan)略(lve)的核(he)心。而(er)今天，這一格(ge)局已被徹(che)底顛覆(fu)。
最新的(de)(de)全(quan)球(qiu)工業(ye)AI市場研(yan)究清晰地(di)顯示，AI已不(bu)再是邊緣(yuan)化的(de)(de)IT項(xiang)目(mu)，而是在越來越多的(de)(de)大型制造企業(ye)中(zhong)，成為CEO主導的(de)(de)戰(zhan)略主線。
根據IoT Analytics調研報告顯示，2021年，絕大多數制造企業還在將工業AI視為“實驗項目”或“輔助工具”。但到了2025年，工業AI已經被寫入企業路線圖，成為董事會和CEO在財報季反復討論的關鍵議題。
以豐(feng)田(tian)為例，這家全球制造業的標桿(gan)企業在2025財(cai)年投入106億美(mei)元，打(da)造以工業AI和(he)(he)(he)軟(ruan)件(jian)為核心(xin)的新型工廠，強調人機融合、技能傳承(cheng)和(he)(he)(he)智(zhi)能賦能。豐(feng)田(tian)的智(zhi)能工廠愿景，不(bu)(bu)僅(jin)僅(jin)是引入AI技術，更是讓一線(xian)員工具備機器學(xue)習能力，將工程師(shi)的經驗(yan)和(he)(he)(he)知識沉淀為企業的智(zhi)能資產，實現實時問題預(yu)警(jing)和(he)(he)(he)生產力提升(sheng)。這樣的轉型，不(bu)(bu)再是“局部試(shi)驗(yan)”，而(er)是推(tui)動整個組織能力和(he)(he)(he)管理哲學(xue)的系統性升(sheng)級。
更深刻的變革，正在產業鏈與供應鏈層面展開。傳統制造業長期依賴“線性分工”“串聯式流轉”的組織方式，導致信息流、物流和決策流層層傳遞，響應遲緩、靈活性低下。工業AI的深度融入，正在打破這一路徑依賴。產業鏈不再是單一企業的“疆域”，而是演化為多主體、多節點實時互動的“智能協同網絡”。
在全球(qiu)制(zhi)造(zao)業(ye)面臨深度(du)轉型的今天，企業(ye)管(guan)理層(ceng)對(dui)工(gong)業(ye)AI的高度(du)關注(zhu)，已(yi)將“智能協同(tong)網(wang)絡”推上了產業(ye)變(bian)革的主(zhu)舞臺。事實表(biao)明(ming)，AI的崛起(qi)不僅僅是一次技術升級，更是在深刻重(zhong)塑(su)制(zhi)造(zao)產業(ye)鏈(lian)的基本組織(zhi)方(fang)式。
最為(wei)根本(ben)的(de)(de)變(bian)(bian)革，來(lai)自于軟硬件解耦與開放自動(dong)化的(de)(de)廣泛落地(di)，所引發(fa)的(de)(de)“由內而外”的(de)(de)變(bian)(bian)化。
曾經主宰工廠控制權的那套以專屬硬件綁定為基礎的“金字塔式”分層架構，正在被虛擬PLC、工業互聯網平臺等新一(yi)代(dai)技術體系所(suo)取代(dai)。西門子、施耐德、博世(shi)力士樂、倍(bei)福等龍(long)頭企業率先完成軟硬件解耦(ou)，將控(kong)制邏輯(ji)從專用硬件中(zhong)釋放出來，賦(fu)予工廠(chang)以更大的架構彈性和接口開放性。
虛(xu)擬(ni)PLC的(de)逐漸普及，讓工(gong)(gong)廠能夠用(yong)標(biao)準IT服務(wu)器集(ji)中(zhong)管理(li)原本(ben)分散在生產(chan)(chan)線(xian)(xian)各處(chu)的(de)數百(bai)臺控制器，工(gong)(gong)程(cheng)(cheng)師們無需再奔(ben)波于(yu)產(chan)(chan)線(xian)(xian)之(zhi)間，遠程(cheng)(cheng)即(ji)可完(wan)成(cheng)批量升級、運維(wei)和應(ying)急響應(ying)。以奧迪為代表(biao)的(de)實(shi)踐樣本(ben)已(yi)證明，虛(xu)擬(ni)PLC不僅顯(xian)著提升了工(gong)(gong)廠的(de)靈活性(xing)和彈性(xing)，還(huan)極大降低了系(xi)統復雜(za)度和一線(xian)(xian)人(ren)工(gong)(gong)成(cheng)本(ben)。
這種軟硬件解耦和虛擬化正本清源地推動著數據流動的徹底重構。虛(xu)擬(ni)PLC通過云端部署、標(biao)準化通信協議和遠程(cheng)管理能力(li)，將OT（運營技術）與IT（信息技術）之(zhi)間的(de)壁壘打通，讓供應、制(zhi)造(zao)、物流、銷售等多(duo)環節的(de)數(shu)據實現(xian)無縫(feng)流通。這是“全鏈路透明化”的(de)基礎。
工業(ye)AI得(de)以實時采集、分析和處理(li)多(duo)終端(duan)、跨設備數據，形成覆蓋(gai)全(quan)生產(chan)鏈的動(dong)(dong)態視角。一旦信息孤島被消除，企業(ye)就能夠以前(qian)所未有(you)的速度感知(zhi)市場變化、風險信號(hao)和資源瓶頸，從(cong)而以數據驅動(dong)(dong)實現全(quan)鏈路的動(dong)(dong)態優化和彈(dan)性調度。
正(zheng)如IoT Analytics的(de)(de)(de)行業調研所指出，工業數(shu)據管(guan)理(li)和DataOps正(zheng)成(cheng)為(wei)智能(neng)制造(zao)(zao)轉型(xing)的(de)(de)(de)核心支點。基于此，生成(cheng)式AI在制造(zao)(zao)業項(xiang)目中的(de)(de)(de)滲透(tou)率2024年已達(da)6%，預計(ji)到(dao)2030年將升至(zhi)25%。跨企業的(de)(de)(de)知識共享(xiang)、智能(neng)供應(ying)鏈網絡(luo)的(de)(de)(de)構建(jian)、制造(zao)(zao)網絡(luo)的(de)(de)(de)柔性一體化(hua)，正(zheng)在成(cheng)為(wei)行業新的(de)(de)(de)進(jin)化(hua)方(fang)向(xiang)。
更為深(shen)遠(yuan)的變革(ge)，體現(xian)在協(xie)作機制的自適應和智能化上(shang)。工業(ye)AI不(bu)只是讓企(qi)業(ye)內部流程自動(dong)化，更在重構(gou)企(qi)業(ye)間協(xie)同關系。通過AI賦能的供應鏈協(xie)同平臺和工業(ye)互聯網，企(qi)業(ye)間可以實時共享(xiang)產(chan)能、資源(yuan)與訂單信息，動(dong)態調(diao)整(zheng)供需匹配，實現(xian)“需求驅動(dong)、能力共享(xiang)、柔性(xing)協(xie)作”的生產(chan)網絡(luo)。
這一網絡不再(zai)依賴(lai)傳統(tong)的剛性(xing)協議(yi)和層(ceng)層(ceng)審批，而是由智能(neng)體驅動的“自組(zu)織生態”——每一個節點都具備自我感知、學(xue)習和優化的能(neng)力，能(neng)夠在面對環(huan)境變(bian)化時自動協同、快速(su)響應。
更進一步，工業AI智能體有望擔任“軍師”的角色，逐步取代人工調度，自動協調原本需要多方博弈和協商的制造、供應、物流等環節，使整個產業鏈從機械式串聯進化為分布式自治、實時優化的復雜系統。
從“賣產品”到“賣服務”再到“賣智能”
IoT Analytics的(de)調(diao)研顯(xian)示(shi)，自動(dong)化視(shi)覺檢測已經(jing)占(zhan)據制(zhi)造AI應用(yong)的(de)11%，成為最具規模效益的(de)場(chang)景。令(ling)人(ren)驚訝的(de)是，工業AI投入僅占(zhan)制(zhi)造業收入的(de)0.1%，但帶來的(de)回報常常高達數百(bai)萬量(liang)級，這一結構性“資本杠(gang)桿”正在引發整(zheng)個行(xing)業的(de)價值(zhi)觀重塑。
在(zai)制造(zao)(zao)業(ye)(ye)漫長的進化史(shi)中，價值(zhi)分配始終圍繞著“制造(zao)(zao)為(wei)王”的鐵律展開(kai)。企業(ye)(ye)的核心競爭力(li)，曾經(jing)無(wu)一例(li)外地依托于硬(ying)件制造(zao)(zao)能力(li)以及規模化、低成(cheng)本的單一產品交(jiao)付(fu)。
然(ran)(ran)而(er)，AI技術的深度賦能讓這一(yi)切正在(zai)悄然(ran)(ran)發(fa)生結構性(xing)轉(zhuan)移(yi)。
制造業的價值創造不再只是產線上的“硬件與產品”，而是轉向了對數據、算法與智能服務的系統性運營。數(shu)據與(yu)算(suan)法已(yi)成為產業鏈中最具溢(yi)價能力的(de)戰略資源，正逐漸取代傳(chuan)統硬件(jian)資產，成為企業新(xin)一代的(de)核心生產要素。
這種價值分配模式的重構，首先體現在服務與增值運營的興起。工業AI技術推動下，預測性維護、遠程診斷、數字孿生、智能供應鏈等新型服(fu)(fu)務正(zheng)在制造(zao)業中快(kuai)速普(pu)及。企業與客(ke)戶的關系(xi)正(zheng)從“一次性交(jiao)付”轉向“全生(sheng)命周期運(yun)營”，服(fu)(fu)務環節利潤不斷提升，帶來持續且高(gao)質量的現(xian)金流。
以法國(guo)雷諾為例(li)，僅通過(guo)工業(ye)AI驅動(dong)的預測(ce)(ce)性維護工具，就在一年內為企(qi)業(ye)節(jie)省了2.7億歐元的能(neng)源和維護開支。美(mei)國(guo)Georgia-Pacific公司則依托AI打(da)造(zao)的自動(dong)化(hua)檢測(ce)(ce)與智(zhi)能(neng)運維系統，每年創造(zao)數億美(mei)元的新(xin)增(zeng)價(jia)值(zhi)。這些案例(li)背后，正是制造(zao)企(qi)業(ye)通過(guo)智(zhi)能(neng)服(fu)務(wu)抓住了價(jia)值(zhi)分配的主動(dong)權。
更為(wei)深遠(yuan)的變化，是平臺型(xing)企業的崛起。工業AI平臺和(he)生態(tai)連接能力，正在(zai)成(cheng)為(wei)制造(zao)業新(xin)一(yi)(yi)輪(lun)價值(zhi)分配的主導(dao)力量。那些(xie)能夠主導(dao)產業數據流、算法(fa)流、知識流的企業，逐漸(jian)掌握(wo)著對上下游資源的調度權和(he)創新(xin)權。平臺主導(dao)、多元共(gong)創的新(xin)格局正在(zai)形成(cheng)，制造(zao)業價值(zhi)鏈被重塑為(wei)一(yi)(yi)個以智(zhi)能和(he)數據為(wei)核心樞紐的動態(tai)生態(tai)系統(tong)。
自然而然，制造(zao)業(ye)的(de)(de)商業(ye)模式(shi)，正在經歷(li)一場前所未(wei)有的(de)(de)轉型。
無論(lun)是(shi)設備即服務、預測性維護，還(huan)是(shi)產(chan)線優化咨(zi)詢，制造(zao)企業已經能(neng)夠像SaaS廠商一樣，將自(zi)身(shen)能(neng)力通過(guo)持(chi)續訂閱的方式，源源不斷地為客戶(hu)創造(zao)新價(jia)值，“智能(neng)產(chan)品即服務”“用效果計價(jia)”將成為新常態(tai)(tai)。這種轉型不僅帶來了收入模式的根本(ben)性變(bian)化，更讓企業和客戶(hu)之間建立起了長期、動態(tai)(tai)、共(gong)贏的合作關(guan)系。
制造企業(ye)(ye)與(yu)客(ke)戶之間的(de)(de)(de)關系，將從單向(xiang)交付(fu)轉(zhuan)變為(wei)(wei)“產(chan)品-服務(wu)-數據-再創(chuang)新”的(de)(de)(de)正反(fan)饋閉環——客(ke)戶的(de)(de)(de)使用行(xing)為(wei)(wei)、設備的(de)(de)(de)實(shi)時狀(zhuang)態、服務(wu)的(de)(de)(de)增(zeng)值空間，都被納入企業(ye)(ye)的(de)(de)(de)數據運營體系中，成為(wei)(wei)創(chuang)新和價值持續生(sheng)長的(de)(de)(de)土壤(rang)。
真正具備(bei)行業(ye)引領(ling)力的企業(ye)，已經在“智能生(sheng)(sheng)態(tai)運營(ying)(ying)商”的賽(sai)道上邁出了關鍵一步，工業(ye)垂直領(ling)域的基(ji)礎模型也有望(wang)即將出現。未來的制造(zao)企業(ye)，必然(ran)是智能服務的提供者(zhe)、數據(ju)運營(ying)(ying)的專家和生(sheng)(sheng)態(tai)協同的核心(xin)樞紐。
理性進化：人工智能在制造業的“能”與“不能”
在AI成為制(zhi)造業戰略核心、引領(ling)產業鏈(lian)組織與價值(zhi)分配(pei)重構的同時，也必(bi)須承認(ren)：人(ren)工智能絕(jue)非萬能良(liang)藥(yao)。理性分析AI在制(zhi)造業中的邊界、風險和約束，是(shi)企(qi)業實現(xian)高(gao)質量智能化轉型不可或缺的底線思維。
首先，人工智能并不適用于所有制造場景。
AI擅(shan)長處理大規模(mo)、結構化的(de)數據分析、模(mo)式識別與(yu)自(zi)動(dong)決策，例如(ru)視覺(jue)檢測、預測性維護、動(dong)態排產等環節。但在高度依賴(lai)物理極(ji)限、復(fu)雜工藝(yi)經(jing)驗或極(ji)端小樣本決策的(de)場景下(xia)，AI的(de)“短板(ban)”愈(yu)加明顯(xian)。
例如(ru)，核(he)心工藝(yi)參數(shu)(shu)極(ji)度敏感(gan)但數(shu)(shu)據(ju)(ju)(ju)不足的高端材料制造、需(xu)要極(ji)高精度和安全冗(rong)余的航空航天、核(he)電(dian)等(deng)特種制造領域(yu)，AI模(mo)型(xing)的泛化(hua)能力和可解釋性(xing)難以完全滿足要求。再(zai)如(ru)，柔性(xing)裝(zhuang)配、非標定制、極(ji)低(di)批量多品(pin)種等(deng)業務，數(shu)(shu)據(ju)(ju)(ju)積累難以形成規模(mo)經濟，工業AI的ROI長(chang)期處(chu)于不確(que)定狀態。更不用說，部分涉(she)及隱私、數(shu)(shu)據(ju)(ju)(ju)主權(quan)或(huo)知識產權(quan)敏感(gan)的場景，數(shu)(shu)據(ju)(ju)(ju)流通和AI訓練本身(shen)就面(mian)臨天然限(xian)制。
其次，工業AI應用中存在不容忽視的數據風險與治理挑戰。
數(shu)(shu)(shu)據(ju)孤島、數(shu)(shu)(shu)據(ju)質量不佳、采集過程中的安(an)全與隱私(si)合規(gui)，都會直接影響工業AI模型的可(ke)靠(kao)性和可(ke)用性。制造企(qi)業如(ru)果盲目引(yin)入(ru)AI算法，而沒有建立完(wan)善的數(shu)(shu)(shu)據(ju)治理、數(shu)(shu)(shu)據(ju)安(an)全和合規(gui)管理體系，很容易陷入(ru)“數(shu)(shu)(shu)據(ju)黑洞”——算法決策看似智能，實則(ze)建立在(zai)污染(ran)、失真或不完(wan)整的數(shu)(shu)(shu)據(ju)基(ji)礎之上，最(zui)終導致系統(tong)性偏差和業務風險。
尤其是在(zai)供(gong)應鏈多(duo)環節(jie)、多(duo)主體(ti)協同的網絡環境下(xia)，數(shu)據接(jie)口標準不統一(yi)、數(shu)據共(gong)享意(yi)愿不足、數(shu)據權(quan)屬和(he)流通(tong)機制不清晰(xi)，都會成為AI能(neng)力擴展的“天花板(ban)”。
此外，AI算法本身的黑箱特性，依然是制造業大規模應用的隱憂。
復雜的(de)(de)深度神(shen)經網絡在決策邏(luo)輯上(shang)(shang)缺乏透(tou)明度和(he)(he)可追溯性(xing)，一旦出現異常、誤(wu)判或安(an)全事故，責(ze)任認定和(he)(he)應急處(chu)置的(de)(de)難度急劇上(shang)(shang)升。對(dui)于涉及安(an)全生(sheng)(sheng)產、生(sheng)(sheng)命(ming)財產、合規監管的(de)(de)關鍵制造環(huan)節(jie)，企業不能盲目(mu)依賴工業AI“自(zi)動駕駛”，更不能將控(kong)制權完全交給(gei)算法黑箱(xiang)。
更要警惕的是，AI技術的快速更新迭代帶來的路徑依賴風險。
企業若(ruo)過(guo)度押注某一(yi)代AI平(ping)臺、算法模型或生(sheng)態(tai)標準，極(ji)易(yi)被供(gong)應商鎖定，喪失自主可控和靈活(huo)升級的能力(li)。尤其是對“平(ping)臺型”AI服務的依賴，可能帶來數(shu)據資產(chan)流失、技(ji)術遷移(yi)障礙(ai)和生(sheng)態(tai)博弈(yi)的被動局面。一(yi)旦外部平(ping)臺出現服務中斷、合規變(bian)動乃至地緣沖突(tu)，企業核心生(sheng)產(chan)力(li)將遭遇系統(tong)性風險。
智能(neng)制造的(de)真正價(jia)值(zhi)，不(bu)在(zai)于(yu)無條件(jian)擁抱(bao)每(mei)一項新技術，而(er)在(zai)于(yu)對(dui)工(gong)業(ye)(ye)AI的(de)理性(xing)駕馭和創新融合(he)。只有清醒認知工(gong)業(ye)(ye)AI的(de)優勢與局(ju)限，才能(neng)在(zai)產(chan)業(ye)(ye)智能(neng)化(hua)的(de)道路上走得更(geng)遠(yuan)、更(geng)穩、更(geng)有價(jia)值(zhi)。
寫在最后
未來的制造世界(jie)，將屬于(yu)那些既能用(yong)好AI、又能深度融(rong)合(he)行業經驗、持續探索創(chuang)新邊界(jie)的企業。真正(zheng)的領先者，從不是盲目追逐(zhu)技術潮流(liu)的跟隨者，而是在理(li)性認知、務實(shi)實(shi)踐(jian)與生態共創(chuang)中，把握產業變革主動權的開拓者。
智能(neng)制造的(de)下半場，考驗(yan)的(de)不只是技(ji)術，更(geng)是組(zu)織的(de)戰略遠見、能(neng)力積累與(yu)協同創新。對于每一個(ge)有志于高質量轉型(xing)的(de)制造企業來(lai)說，這既是挑戰，更(geng)是難得的(de)歷史機遇。
