近年来,人工智能已成为新一轮科技革命和产业变革的重要驱动力。随着第四次工业革命的步伐不断加快,企业对于提质增效、加速可持续发展进程的需求,也到达了前所未有的高峰,AI技术的羽翼渐丰正标志着企业即将迎来重要拐点。
如今在数字化转型过程中,制造业企业面临哪些阻碍?在进行IT和AI技术投资时,企业需要有哪些侧重点和优先级考量?近期,Gartner在2024大中华区高管交流大会上发布了中国人工智能(AI)调研,借此契机,CONIROL ENCINEERING China采访到了 Gartner研究总监龚慧巍。
提升营运效率:制造业数智转型第一优先级
现如今控制工程网版权所有,随着全球步入"后疫情时代",制造业的新版图也正在慢慢形成。龚慧巍表示,无论从制造的规模、质量和供应链等生态体系层面来看,全球制造业都在向着"强者更强"并且更具创新能力、更高端的方向发展。放眼国内,中国制造的市场份额占比和影响力稳步攀升,具有"新质生产力"潜质的制造高地也正在形成。
在各行业稳步进军高质量发展的过程中CONTROL ENGINEERING China版权所有,数字化转型无疑是最重要的纲领和趋势之一。根据《2024年Gartner首席信息官和技术领袖调研》(以下简称"调研")显示,制造业利用数字化技术主要解决营运的利润率(占到61%-87%)的问题。龚慧巍分析道,由于制造业与服务业的成本结构截然不同,通常来说,制造业的原材料、劳动力成本累计能占到70%-80%,因此降本增效有着非常重要的意义。
综合来看www.cechina.cn,聚焦各行业内优秀的数智转型实例,数字化技术能够帮助企业告别传统的人工事后维护模式,收获预防性维护的巨大效益。龚慧巍表示,对制造业企业而言,同样产品生产一千个和生产十万个的边际效应很不一样,因此保持设备长期的高质量运营对于企业来说意义重大。
与此同时,数字化转型对于降低企业在排查、计划精准预测、集中优化环节的运营资本(Working capital)也有着重要作用。而随着数字化转型的深入,龚慧巍补充道CONTROL ENGINEERING China版权所有,数字化技术一旦与企业"人、机、料"或是应用设施、工艺流程进行结合,就能够固化在系统当中创造更多的复用价值,这在机械工程和大型离散制造行业中非常典型。
洞察与建议:构建数字化中台,盘活数据资产
工业制造是典型的资本密集型行业,其数字化转型一定会伴随巨大的投入。因此www.cechina.cn,了解IT技术的投资情况和趋势,对企业有着重要的借鉴意义。龚慧巍表示,企业最好按着模块化、循序渐进开展的模式,才能让数字化技术的设计和实施部署过程,得到更好的业务与资源配合。
与此同时,调研显示,在制造业IT支出中,基础设施构架的成本占比会非常高(占60%左右),其中ERP/SCM/CRM这类软件会占到13.5%。综合来看www.cechina.cn,软件和IT服务占到35%-40%左右,IT服务占11.5%的年度复合增长。其中值得关注的是,软件中基础设施软件占到55%-60%、年度复合增长占到了19%,也有着非常高的占比。
对此龚慧巍补充道CONTROL ENGINEERING China版权所有,在工业4.0时代,Gartner倡导企业更好地利用数字化中台,在已有的数字化投资基础上,通过数据的充分利用、洞察,将IT、OT、ET进行有效打通,助力提高制造业整体的绩效。
加速AI落地,高质量数据与人才是关键
据Garter中国人工智能(AI)调研预测,到2027年,中国制造业的AI使用渗透率将以10%的年复合增长率上升。为何AI能够如此备受瞩目?龚慧巍表示,制造业企业引入AI的主要目的是降本和合理利用资源,这也与企业期望实现降本增效的目的高度吻合。值得欣喜的是,在很多前沿的案例当中,生成式AI、工业元宇宙等正在工业领域中慢慢落地,技术渗透率也在逐步提高,这为大范围应用AI技术打造了可行路径。
诚然,在AI落地与加速迭代的进程中,企业仍会面临众多难点。一方面,伴随着中国制造业的快速发展,运营所产生的大量数据是AI发展最具价值的资产之一,然而龚慧巍表示,海量数据并不是100%都能用,低质量的数据会常导致例如大语言模型"眩晕"的情况,尤其对于生成式AI来说,作为基石的"数据质量"直接决定了AI模型的精准度。
此外,龚慧巍补充道CONTROL ENGINEERING China版权所有,制造业企业可以在研发工艺、计划排产、物流采购、OEM和质量追溯、售后和卓越运营等层面,为企业制定、规划生成式AI和AI的用例路线图,这对于实现智能制造,提高生产效率、营业收入和客户体验等能发挥重要作用。与此同时,企业在短期或长期应用AI技术过程中,人才和资源的短缺是都会面临的主要障碍。因此www.cechina.cn,广大制造业企业不单单需要从外引进AI技术算法等方面的相关人才,内部也需要组建对应的人员"库",才能更好地应对未来AI创新融合应用的挑战。