人工智能技术通过与制造业融合，全面赋能研、产、供、销、服等关键环节，已成为推动制造业数字化、智能化转型升级的关键驱动力，在加快构建和形成新质生产力，加快推进新型工业化方面发挥着核心支撑作用。它如同制造业变革浪潮中的强劲引擎，驱动着传统制造业朝着高端化、智能化、绿色化的方向奋勇前行，为制造业的可持续、高质量发展注入了源源不断的活力与动力。
自20世纪50年代“人工智能（AI）”的概念被首次提出以来，在近70年发展历程中，人工智能随着技术的进步而不断发展。从早期简单的算法探索到如今复杂多样的技术体系构建，每一个阶段都镌刻着技术进步的烙印。特别是，近年来随着AI大模型、生成式AI等技术的突破，以及数字基础设施的逐渐完善，人工智能的发展正迎来前所未有热潮。
而且，人工智能技术通过与制造业融合，全面赋能研、产、供、销、服等关键环节，已成为推动制造业数字化、智能化转型升级的关键驱动力，在加快构建和形成新质生产力，加快推进新型工业化方面发挥着核心支撑作用。它如同制造业变革浪潮中的强劲引擎，驱动着传统制造业朝着高端化、智能化、绿色化的方向奋勇前行，为制造业的可持续、高质量发展注入了源源不断的活力与动力。
那么，当前制造业人工智能的应用现状与特点如何？在其发展进程中又面临着哪些挑战？未来的应用趋势又会朝着哪些方向演进？本文将进行深入分析和展望。
01
制造业成为
人工智能应用的主战场
制造业是国民经济的支柱，是立国之本、兴国之器、强国之基。虽然近年来我国制造业的竞争力不断提升，但是“大而不强”的问题依然存在，推动“制造大国”向“制造强国”转变仍是重大的战略任务。而人工智能作为新一代智能制造的关键技术，其与先进制造技术的深度融合，是实现制造业创新发展的主要技术路径，能够从优化运营管理水平、提升产品性能与质量等诸多方面，增强制造业竞争优势，并能促进制造业的生产与服务模式、决策模式、商业模式等发生根本性变革，对于推动我国传统制造业转型升级，加快我国制造业向高端化、智能化、绿色化跃升具有重要意义。另一方面，我国拥有世界上最完整、规模最大的工业体系，广阔的制造业领域以及巨大的转型升级需求，也为人工智能的发展提供了丰富的应用场景，这也使得制造业成为人工智能应用的主战场。
在此背景下，我国近年来陆续出台了相关政策，支持和鼓励人工智能产业发展，加快推进人工智能技术与制造业的深度融合，以人工智能高水平赋能新型工业化，培育新质生产力。与此同时，一些行业领先的制造业企业也基于自身发展过程中的痛点与需求，积极探索人工智能技术的应用，为自身的高质量发展提供新动能。这也使得，在产业政策的支持引导和行业领先企业的示范带动下，近年来我国制造业人工智能应用市场规模不断提升，制造企业对人工智能技术的接受度和应用意愿持续高涨。
根据德勤发布的研究数据，人工智能在中国制造业的市场规模从2019年开始每年保持40%以上的增长率，并预计有望在2025年超过140亿元人民币。
图1 人工智能在中国制造业应用市场规模（资料来源：Bizwit，德勤）
e-works Research于2024年开展并发布的《人工智能（AI）在制造业的应用现状调研报告》显示，在收到的来自全国26个省份的364份有效制造企业问卷中，企业普遍认为AI技术对其未来发展将产生影响。数据显示，93%的企业认为AI技术将在企业发展中发挥作用。其中，57%的企业认为AI将成为推动企业创新的关键技术。
图2 人工智能对制造企业的影响调查（来源：e-works Research《人工智能（AI）在制造业的应用现状调研报告》）
此外，MHP(曼合普)咨询公司与慕尼黑大学联合发布的《2024年工业4.0晴雨表》则显示，中国企业在工业人工智能的应用方面处于领先地位。这项研究调查了来自中国、美国、德国-奥地利-瑞士（DACH）地区和英国共856名工业企业代表。调查结果显示，在中国工业企业代表（248人）中，有94%的企业已经在制造流程中应用了人工智能解决方案。这一比例显著高于美国（46%）、英国（29%）和德国-奥地利-瑞士（DACH）地区（20%）的工业企业。
图 3 工业企业人工智能应用调查（来源：MHP & 慕尼黑大学《2024年工业4.0晴雨表》）
02
触摸制造业人工智能发展新脉动
制造业应用人工智能技术，目的在于将通用的人工智能技术与具体的制造业场景相结合, 使整个制造大系统具备自感知、自学习、自执行、自决策、自适应的能力, 以适应复杂多变的市场环境变化, 最终帮助制造企业提高生产效率、优化产品质量、降低生产成本、增强市场竞争力，推动实现可持续发展。整体来看，目前人工智能在制造业的应用主要呈现以下特点：
1.人工智能应用向制造业各细分行业渗透
随着人工智能技术的快速发展，以及制造企业对人工智能技术的接受度和应用意愿不断提高，其应用正不断向汽车、电子、家电、纺织服装、化工、食品饮料、航空航天、机械加工、船舶制造等制造业的各个细分行业渗透，并带来了一系列革命性的变革。
例如，在汽车制造业，人工智能技术的应用已经渗透到产品设计、生产制造、市场营销等各个环节。通过人工智能的应用，为车企带来更敏捷的产品设计、更高效的生产管理、更精准的市场定位和营销策略，以及更个性化的用户体验。而且，人工智能的应用也推动了自动驾驶技术的发展，帮助车企制造出更加智能化的汽车产品，提升产品的附加值。
在电子制造行业，利用机器视觉和深度学习技术，AI视觉检测系统能够高效地完成电路板和电子组件的缺陷检测，极大地提高了产品的质量和可靠性。而且，人工智能技术在电子产品的售前沟通、市场报价、产品设计等阶段也同样发挥着重要作用。例如，江苏某电子材料企业通过与赛意信息达成合作，实现了从市场报价、订单接收到制前工程设计的全面自动化，提升了客户需求响应、快捷设计、智慧制造的能力，并通过“AI+制造”实现了实时的品质预测、预警和控制。
在家电行业，人工智能的应用在确保了供应链的稳定性和优化库存管理等方面发挥着重要作用。例如，基于人工智能技术和机器学习算法建立的供应商风险评估模型，某家电制造龙头企业实现了供应商风险的实时评估和动态管理，以及供应链风险的早期识别和主动防控。同时，通过基于AI分析历史数据和市场动态，预测产品需求，也帮助其实现了库存管理优化。
在化工行业，人工智能技术的应用正在改变传统的生产模式。通过实时监控生产过程中的各项指标，并结合人工智能技术，能够及时调整生产参数，优化生产流程，提高原材料利用率，减少能源消耗。
在纺织服装行业，人工智能的应用使得个性化定制成为可能。通过分析消费者的喜好和需求，并借助人工智能技术，能够辅助纺织服装企业设计出更加符合个人品味的产品。
2.人工智能应用已基本覆盖制造价值链各个环节
当前，人工智能在制造业的应用已经非常广泛，基本覆盖了研发设计、生产制造、质量管控、供应链物流、营销服务等制造价值链的各个关键环节。
图4 制造行业AI应用场景（部分）（来源：e-works Research《人工智能（AI）在制造业的应用现状调研报告》）具体而言，在研发环节，人工智能被主要用于设计辅助和仿真测试优化等，帮助设计师更快更好地确定设计方向和设计方案，提升设计效率与质量，并减少实物原型制作和测试的成本。而且，人工智能技术也赋予了数字孪生模型自适应调整的特性，让其能够随着环境和需求变化而自动更新，确保了设计的灵活性和快速响应。
在制造环节，人工智能通过赋能生产排程与调度、生产工艺优化、生产异常预警、设备管理与维护、安防巡检、能源利用等具体应用场景，帮助企业提升生产效率，降低生产成本，确保生产过程的平稳高效运转。
在质量管控环节，人工智能技术主要被用于质量检测与优化。一方面，AI被用于快速识别产品缺陷，确保不良品不被流出；另一方面，AI也被用于分析生产和质量数据，识别可能导致质量问题的因素，推动质量持续改进。
在物流与供应链环节，AI主要被用于采购预测、供应商管理与风险评估、物料分拣、物料配送优化、库存优化等，帮助企业实现供应链成本控制与供应商风险管理，确保供应链的稳定性，同时提高物料分拣、物料搬运、库存管理等的自动化、智能化水平。
在营销服务环节，AI主要被用于销售预测、产品定价、市场营销策略制定、个性化营销、客户服务支持等，通过精准预测销售趋势，优化销售策略，提升客户服务，实现高效、个性化的市场运营，帮助企业构建以用户为中心的经营模式。
3.制造业积极探索AI大模型技术应用
近年来，随着ChatGPT的横空出世，全球迎来AI大模型技术发展与应用的热潮。作为新一代人工智能技术，AI大模型由于具有卓越的理解、生成和泛化能力，为工业智能化带来了新的机遇，将有望拓展人工智能与制造业融合的空间，进一步推动制造业数字化、智能化升级。因此，当前制造业正在积极探索AI大模型技术的落地应用。
例如，面向PCB行业，赛意信息基于谷神·善谋GPT训练了首个PCB行业大模型，通过接入自然语言处理（NLP）、计算机视觉（CV）、机器视觉（MV）、多模态（文本、图像、音频、视频）、语音识别（ASR）、预测、计算等通用大模型，经由谷神·善谋GPT对PCB行业大量的工程图纸、订单资料、行业知识等数据进行预先训练，来实现客户订单资料的解析、识别和理解，支撑工程图纸识别及参数识别等智能化应用，从而帮助PCB制造企业快速提取尺寸、材料、层数等工程参数，提高订单接收到生产准备的效率。而且，基于此，赛意信息已打造了一套成熟的“AI+PCB制造业解决方案”，该方案将大模型与数字化业务系统深度结合，助力PCB企业从市场报价、订单接收到制前工程设计的全面自动化，提升工厂市场响应、快捷设计、智慧制造的能力，通过赋能MES系统实现实时的品质预测、预警和控制，让生产更智能、品质更优良、决策更精准，推动PCB行业从数字化向数智化加速跃升。
图5 基于善谋GPT的PCB行业大模型架构在汽车制造行业，小鹏汽车已在研发设计、智能驾驶、语音交互等多个场景落地了AI大模型与生成式AI技术应用。其中，小鹏汽车在研发领域已全线开始应用AIGC技术，实现代码提效15%；而在设计领域采用生成式AI应用后，小鹏汽车从设计草图到实车效果图所需的时间，在同样设计质量下从23天缩短到6天。
在能源电力行业，金风科技将深耕风电行业多年沉淀的海量风机运行数据与风电行业专业知识库相融合，构建了风电行业大语言模型，并集成风机故障智能诊断系统，该模型诊断准确率达95%以上，有效提升了风机故障诊断的效率和准确性，保障了风电设备的稳定运行。
4.人工智能技术与其它先进技术融合，共同推动智造跃升
人工智能技术在制造业的应用，并非以单一技术的应用孤立存在，而是与5G、物联网（IoT）、数字孪生、机器人等其它先进技术深度融合，构建起一个强大且复杂的技术生态系统，共同推动制造业向智能制造跃升，提升制造业的效率、灵活性和竞争力。
🔵 人工智能+5G：5G网络具有超高带宽、超低延迟和高可靠性的特点，能够满足人工智能系统对大量数据快速传输的需求，且支持海量的物联网设备连接，为人工智能的应用提供了网络基础和丰富的数据来源，二者的融合推动生产制造向自动化、智能化方向发展。例如，爱柯迪通过应用“5G-A+AI”技术，使得柔性产线的生产效率大幅提高80%；得力集团基于“5G-A+AI”智慧物流体系，实现了智能码垛，装载效率提升17%。
🔵 人工智能+物联网（IoT）：物联网设备可以实时收集工厂内外的各种数据，为人工智能提供丰富的训练和应用数据。而且，基于物联网技术，AI可以实时监控设备状态，预测潜在故障，实现预测性维护。例如，北京奔驰通过在其MRA工厂冲压车间的冲压线上部署压机的智能预测性维护系统，实现了智慧运维管理，能够基于物联网和人工智能技术对生产设备进行状态监测和故障隐患预测，将“意料之外”变成“意料之中”。
🔵 人工智能+数字孪生：数字孪生技术通过构建与物体实体同步的数字虚体，将设备、工艺和环境等数据实时映射到数字空间中，再结合人工智能可以利用预测分析、实时监控、过程优化等手段，能够让生产过程变得可视化、透明化和智能化。例如，在某钢铁厂的研磨工艺中，基于数字孪生平台对打磨机器人实时监测和优化，实现了能源消耗减少15%，生产效率提升20%。而且，针对研磨设备的振动幅度和钢带缺陷率，系统通过AI模型调整打磨力度波动率，使钢带合格率从92%提升至96%。
🔵 人工智能+机器人：人工智能与机器人技术的结合，赋予了机器人更高的智能水平，使其能够执行更加复杂和灵活的任务。例如，在人工智能技术的赋能下，自主移动机器人（AMR）能够实现自主导航和智能路径规划，而无需预先设定行驶路径。AI大模型与机器人技术的融合，使得机器人成为“具身智能”的载体，不仅能够理解人类指令，自主执行物品分拣、抓取等任务，也能大大降低机器人编程的门槛。
5.AI中台助推制造业人工智能应用落地
AI中台作为整合、管理和部署AI能力的平台，起着连接底层算力和上层应用的桥梁作用，为企业智能化提出了更加系统、灵活的解决方案，可以帮助企业更有效地推进人工智能应用的落地。当前，随着人工智能特别是AI大模型技术的应用在制造业逐渐落地，智能制造解决方案供应商正通过提供AI中台方案，帮助制造企业更好地推进和应用人工智能技术。同时，一些行业领先企业也正在积极构建适用于大模型应用落地的AI中台，以更加高效地开发和部署人工智能应用。
例如，赛意信息在2023年正式发布了首个聚焦企业服务大模型的谷神· 善谋GPT（赛意AIGC中台），并基于该平台形成了一套完整的AI技术架构与产品体系，为企业提供AI能力服务底座，将AI能力通用化、产业化和垂直化，并与不同行业、不同企业的具体业务场景需求深度融合，推动AI技术在更多行业和领域的应用，助力实现产业数智化转型。善谋GPT深度融合了赛意信息在财税、人力、营销、供应链、研发与生产制造等领域的知识和最佳实践，通过上下文记忆、知识/库表索引、Prompt工程、Agent执行、通用工具集等扩充大模型的存储记忆、适配应用、调度执行和领域专业能力，形成体系化的企业服务大模型。善谋GPT的1（中台）+N（场景）整体解决方案，提供从算力适配、模型构建与多模型/多Agent管理，到多业务应用开发与数据管理的全栈AI能力，为企业提供稳定、安全、高效、共享的AI能力。目前已广泛应用于炼化、光伏、PCB等多行业的工业制造、供应链管理、智能运维等多场景。
图6 赛意AIGC中台架构蒙牛集团在其数智化转型3.0阶段，开始探索生成式AI应用，并建立了AI中台，也即“造工具的工具”，将前两个阶段的数智化能力与AI技术深度融合，构建了以“AI基础设施”为基础，以“企业大脑”和“知识银行”为双引擎的技术底座，并在AI技术底座之上搭建有低代码平台AI Agent Builder和无代码平台场景工厂，使得业务人员可以通过拖拉拽的方式快速构建AI Agent。如今，AI Agent应用已在蒙牛集团内部全面开花，这其中包括面向消费者提供个性化营养健康服务的“AI营养师”，辅助品牌媒介投放业务的“广告投放AI Agent”，以及为一线业务人员提供数据查询、预警分析、归因洞察和策略建议的“经营决策Agent”等。
03
推进制造业AI应用
仍需“爬坡过坎”
然而，虽然人工智能在制造业的应用正向着各个细分行业和各个关键环节不断渗透和拓展，而且人工智能与其它数字化技术的融合应用，也正带来制造业自动化、数字化、智能化的水平不断提升。但是，也应看到，当前人工智能技术在制造业的应用深度和广度仍有待提升。而且，当前人工智能技术在制造业的大规模推广应用，仍受到多种因素的制约和影响，需要产业解各方共同努力解决。
1.缺乏科学且清晰的AI战略
当前，许多制造企业在引入AI技术时，并没有全面的从战略到战术层面的系统规划和实施方法论，往往是看到某个AI应用在其它企业取得成功就想照搬，而并没有考虑企业自身的独特业务需求、生产流程特点、数据基础等因素，且对AI应用的短期和长期目标也不明确，这也导致企业在推进AI技术落地应用时往往难以取得预期效果。
2.企业前期投入和成本大
对制造企业而言，部署和维护AI系统通常需要较高的初始投资和持续的运营成本，
包括硬件设施的购置、软件系统的开发、员工的培训，以及硬件设备和软件系统的维护、技术支持服务等成本，这对企业（尤其是中小企业）而言是不小的开支，由此制约了人工智能技术在制造业的推广应用。
3.专业人才与技能缺乏
AI技术在制造企业的应用，涉及研发、生产、研发、IT和质量控制等多个部门，需要打破部门之间的壁垒，建立跨部门的协作团队，并对业务流程进行数字化重塑，而且企业需要既懂业务又具备专业AI知识和技能的人才。然而，目前在制造业中这类人才较为稀缺。制造企业的员工大多熟悉传统的生产流程、工艺和设备操作，对AI技术的理解和应用能力有限；而AI技术专家可能对制造业的复杂业务场景、生产规范和质量要求缺乏深入了解，不利于AI在制造业的大规模推广应用。
4.数据来源多样且标准不一
AI系统依赖于高质量的数据来训练和优化其模型，以便能够有效地执行预测、分类、决策制定等任务。然而，在制造业中，数据往往来源于多源异构的设备和系统，企业内数据分散、格式不统一，不同系统数据难以融合共享，且存在数据安全与隐私保护问题，这也给数据的处理分析及AI技术的应用带来了挑战。
不过，值得注意的是，在产业界的努力下，这一局面正在得到改变。例如，为了帮助制造企业推进AI应用落地，切实推动AI技术融入更多场景应用，今年5月由华为牵头、赛意信息等合作伙伴共同参与的“制造业人工智能创新产业联盟”正式成立。该联盟作为国内首个专注于人工智能赋能制造业的联盟，旨在以智能底座聚集生态，吸引制造企业、合作伙伴和开发者共同构建一个开放、包容、共享的智能平台，为制造业的智能化转型提供强有力的底座，从而解决制造企业遇到的业务瓶颈与挑战，助力制造业提高生产效率，实现人工智能的广泛应用落地和价值发挥。
图7 制造业人工智能创新联盟正式发布同时，作为联盟成员单位，赛意信息近年来在AI领域坚持投入，着力将AI能力深度融入企业实际业务场景为核心构建AI解决方案，助力制造企业数智化升级。目前，赛意信息已深入制造业场景打造了从研发设计、需求拆解与报价、生产计划、制造执行与质检、数字化供应链到售后与企业管理的全栈式AI智慧工厂解决方案，并与算力、模型、AI应用开发平台的大厂开放合作，具备专业的AI应用能力，构建了规模化的AI技术平台、算法、算力专家团队，可为制造企业推进AI应用提供端到端赋能。
而且，为确保AI场景应用在企业有序落地，赛意信息还提炼了系统性的指导方法论，即3层5阶8步法。该方法论涵盖了AI场景落地的三个阶段：场景识别和设计、AI开发和交付、持续运营优化。通过选择业务场景和评估、明确价值和ROI、组织专业资源、数据准备和建模、AI场景开发和交付五个小阶段，提供从AI场景的识别、设计到开发、交付，再到持续运营优化的端到端服务，确保AI技术能够在企业中得到有效应用，推动企业加速数智化转型升级。
04
总结与展望
对制造业而言，人工智能技术的应用对于优化生产流程、提升生产效率与品质、降低生产成本、增强创新能力、重塑竞争优势等具有重要意义。当前，制造业作为人工智能应用的主战场，正借助人工智能技术加速向数字化、智能化转型升级，并呈现出了诸多发展亮点。虽然，当前制造业在推进人工智能技术规模化应用方面，仍有一些难题需要产业界各方的共同努力来解决。但是，展望未来，相信随着技术的不断进步、应用模式的创新、应用成本的降低以及行业相关标准和最佳实践的建立，人工智能技术将在推动制造业向智能化、高端化、绿色化发展方面发挥更大的作用。与此同时，未来几年内人工智能技术在制造业的应用也将会更加深入和广泛。
