近日，德勤發(fā)布《中國智造，行穩(wěn)致遠——2018中國智能制造報告》，對153家中國大中型企業(yè)的調研，評估了智能制造在中國工業(yè)企業(yè)中的部署及特點，對智能制造落地前景進行預測并幫助相關企業(yè)迎接關鍵轉型挑戰(zhàn)。

智能制造已經(jīng)成為全球價值鏈重構和國際分工格局調整背景下各國的重要選擇，而中國是亞洲智能化轉型的重要力量。物聯(lián)網(wǎng)資本論通過解讀德勤此份報告，分析智能制造在中國工業(yè)企業(yè)中的部署策略，以及智能制造如何重構企業(yè)的商業(yè)模式。

以下為報告的核心觀點和主要成果：

1、智能制造發(fā)展取得了明顯成效，進入高速成長期。主要體現(xiàn)在三方面：

中國工業(yè)企業(yè)數(shù)字化能力素質提升，為未來制造系統(tǒng)的分析預測和自適應奠定基礎。

財務效益方面，智能制造對企業(yè)的利潤貢獻率明顯提升。

典型應用方面，中國已成為工業(yè)機器人第一消費大國，需求增長強勁。

2、中國企業(yè)智能制造五大部署重點

依次為：數(shù)字化工廠（63%）、設備及用戶價值深挖（62%）、工業(yè)物聯(lián)網(wǎng)（48%）、重構商業(yè)模式（36%）、人工智能（21%）。

3、數(shù)字化工廠被企業(yè)列為智能制造部署的首要任務。

智能制造是以制造環(huán)節(jié)的智能化為核心，以端到端數(shù)據(jù)流為基礎，以數(shù)字作為核心驅動力，因此數(shù)字化工廠被企業(yè)列為智能制造部署的首要任務。目前企業(yè)數(shù)字化工廠部署以打通生產(chǎn)到執(zhí)行的數(shù)據(jù)流為主要任務，而產(chǎn)品數(shù)據(jù)流和供應鏈數(shù)據(jù)流提升空間巨大。

4、62%受訪企業(yè)正在部署設備和用戶價值深度挖掘

制造型企業(yè)面臨愈發(fā)激烈的市場競爭和日益透明的產(chǎn)品定價，不得不尋找新的價值來源。調研結果顯示，設備和用戶價值深度挖掘是企業(yè)智能制造部署第二重點領域。62%的受訪企業(yè)正積極部署設備和用戶價值深度挖掘，其中41%的企業(yè)側重設備價值挖掘，21%的企業(yè)側重用戶價值挖掘。

5、中國制造企業(yè)云部署積極性不高

53%受訪企業(yè)尚未部署工業(yè)云，47%的企業(yè)正在進行工業(yè)云部署，其中27%的企業(yè)部署私有云，14%部署公有云，6%部署混合云。

6、重構未來商業(yè)模式

智能制造不僅能夠幫助制造型企業(yè)實現(xiàn)降本增效，也賦予企業(yè)重新思考價值定位和重構商業(yè)模式的契機。30%的受訪企業(yè)未來商業(yè)模式以平臺為核心，26%的企業(yè)走規(guī)模化定制，24%以“產(chǎn)品+服務”為核心向解決方案商轉型，12%以知識產(chǎn)權為核心。

7、人工智能對制造業(yè)的影響，主要來自兩方面：

制造和管理流程中運用人工智能提高質量和效率；

對現(xiàn)有產(chǎn)品與服務的徹底顛覆。

8、跨越能力鴻溝三大任務

重構商業(yè)模式是一項復雜艱巨的任務，要達成這項任務，企業(yè)需先加強商業(yè)模式優(yōu)化、創(chuàng)新管理以及云部署三大關鍵能力。

中國智能制造進入高速成長期

德勤在報告中指出，“智能制造是基于新一代信息技術，貫穿設計、生產(chǎn)、管理、服務等制造活動環(huán)節(jié)，具有信息深度自感知、智慧優(yōu)化自決策、精準控制自執(zhí)行等功能的先進制造過程、系統(tǒng)與模式的總稱”。

目前，亞洲正受到自動化、智能化大潮沖擊。國際勞工組織調研發(fā)現(xiàn)，越南、柬埔寨、菲律賓和印度尼西亞的工人的失業(yè)風險最高，據(jù)估計這幾個區(qū)域約50%的工人工作可能在未來20年被自動化取代。

中國是亞洲智能化轉型的重要力量。政府加強智能制造頂層設計，開展試點示范和標準體系建設；企業(yè)加快數(shù)字化轉型，提升系統(tǒng)解決方案能力。中國智能制造取得明顯成效，進入高速成長期。

中國智能制造進入成長期主要體現(xiàn)在三方面：首先，中國工業(yè)企業(yè)數(shù)字化能力素質提升，為未來制造系統(tǒng)的分析預測和自適應奠定基礎。第二、財務效益方面，智能制造對企業(yè)的利潤貢獻率明顯提升。第三、典型應用方面，中國已成為工業(yè)機器人第一消費大國，需求增長強勁。

a、數(shù)字化能力素質提升

企業(yè)數(shù)字化能力素質體現(xiàn)在其利用數(shù)據(jù)指導生產(chǎn)以及系統(tǒng)自優(yōu)化的能力。該報告借鑒國際普遍認可的工業(yè)4.0發(fā)展路徑，將企業(yè)智能化成熟度分為六個階段：計算機化、連接、可視、透明、預測和自適應。

隨著中國兩化融合和工業(yè)物聯(lián)網(wǎng)建設等多項舉措推進，制造型企業(yè)數(shù)字化能力素質顯著提升，大部分企業(yè)正致力于數(shù)據(jù)縱向集成。德勤調研結果顯示，81%的受訪企業(yè)已完成計算機化階段，其中41% 處于連接階段，28%處于可視階段，9% 處于透明階段，而預測和自適應階段的企業(yè)各自占2%。

b、智能制造利潤貢獻顯著提升

上圖顯示，2013年智能制造為企業(yè)帶來的利潤并不明顯，55%的受訪企業(yè)其智能制造產(chǎn)品和服務凈利潤貢獻率處于0-10%的區(qū)間，而2017年，僅有11%的受訪企業(yè)處于這個區(qū)間，而41%的企業(yè)其智能制造利潤貢獻率在11-30%之間。利潤貢獻 率超過50%的企業(yè)，由2013年受訪企業(yè)占比14%提升到2017年的33%。智能制造利潤貢獻率明顯提升，利潤來源包括生產(chǎn)過程中效率的提升和產(chǎn)品服務價值的提升。

c、中國已成為工業(yè)機器人第一消費大國，需求增長強勁

IFR(InternationalFederation ofRobotics)數(shù)據(jù)顯示，中國工業(yè)機器人市場規(guī)模在2017年為42億美元，全球占比27%， 2020年將擴大到59億美元。2018-2020年國內機器人銷量將分別為16、19.5、23.8萬臺，未來3年CAGR 達到22%。汽車、高端裝備制造和電子電器行業(yè)依然為工業(yè)機器人的主要用戶。

中國有哪些獨特優(yōu)勢？

首先是數(shù)據(jù)量。當前人工智能熱潮背后的機器學習技術對數(shù)據(jù)極其依賴。識別人臉、翻譯語言和試驗無人駕駛汽車需要大量的“訓練數(shù)據(jù)”。由于中國的人口數(shù)量和設備數(shù)量龐大，中國企業(yè)在獲取數(shù)據(jù)方面具有天然的優(yōu)勢。

第二，中國制造業(yè)企業(yè)硬件設備和廠房相對歐美企業(yè)普遍較新， 比較容易實現(xiàn)設備連接和廠房改造。

中國企業(yè)智能制造五大部署重點，數(shù)字化工廠居首位

德勤調查發(fā)現(xiàn)，中國工業(yè)企業(yè)智能制造五大部署重點依次為：數(shù)字化工廠（63%）、設備及用戶價值深挖（62%）、工業(yè)物聯(lián)網(wǎng)（48%）、重構商業(yè)模式（36%）以及人工智能（21%）。

受訪企業(yè)所關注的相關技術包括工業(yè)軟件、傳感器技術、通信技術、人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)分析等。當然，我們不能簡單認為有了這些技術，就是實現(xiàn)智能制造，因為新制造業(yè)文化的變革進程是相當復雜和緩慢的，沒有行業(yè)、企業(yè)與用戶的融合推進，這次變革無法實現(xiàn)。

a、數(shù)字化工廠被企業(yè)列為智能制造部署的首要任務

目前企業(yè)數(shù)字化工廠部署以打通生產(chǎn)到執(zhí)行的數(shù)據(jù)流為主要任務，而產(chǎn)品數(shù)據(jù)流和供應鏈數(shù)據(jù)流提升空間大。

數(shù)字化工廠通過新一代信息技術，實現(xiàn)從設計、生產(chǎn)、物流和服務等各個環(huán)節(jié)的數(shù)據(jù)串連，加速決策，提高準確性。只有打通數(shù)據(jù)流才能實現(xiàn)基于實時數(shù)據(jù)變化，對生產(chǎn)過程進行分析和優(yōu)化處理，進而實現(xiàn)業(yè)務流程、工藝流程和資金流程的協(xié)同，以及生產(chǎn)資源（材料、能源等）在企業(yè)內部及企業(yè)之間的動態(tài)配置。

打通數(shù)據(jù)流也是工廠建立“數(shù)字孿生”的前提，數(shù)字孿生不僅指產(chǎn)品的數(shù)字化，也包含工廠本身和工藝流程及設備的數(shù)字化，從而實現(xiàn)全面追溯、物理與虛擬雙向共享和交互信息。

打通數(shù)據(jù)流主要包括三類數(shù)據(jù)的連通， 即生產(chǎn)流程數(shù)據(jù)、產(chǎn)品數(shù)據(jù)以及供應鏈數(shù)據(jù)。

從行業(yè)角度來看，航空航天領域全部受訪企業(yè)已經(jīng)打通從生產(chǎn)計劃到執(zhí)行的數(shù)據(jù)， 但從生產(chǎn)執(zhí)行到現(xiàn)場設備、產(chǎn)品以及供應鏈的數(shù)據(jù)鏈條連通相對滯后，提升空間大。

電子組件及電器制造行業(yè)產(chǎn)品數(shù)據(jù)流和供應鏈數(shù)據(jù)流連通情況高于其他行業(yè)， 數(shù)字化工廠整體水平較高。

產(chǎn)品質量可謂是制藥行業(yè)的生命，而打通產(chǎn)品數(shù)據(jù)流的制藥企業(yè)僅占33%，行業(yè)需要強化產(chǎn)品全生命周期可追溯，提升產(chǎn)品質量管控能力。

汽車及汽車零部件以及高端裝備制造都在產(chǎn)品數(shù)據(jù)流方面領先。

b、62%受訪企業(yè)正在部署設備和用戶價值深度挖掘

調研結果顯示，設備和用戶價值深度挖掘是企業(yè)智能制造部署第二重點領域。62%的受訪企業(yè)正積極部署設備和用戶價值深度挖掘，其中41%的企業(yè)側重設備價值挖掘，21%的企業(yè)側重用戶價值挖掘。

圍繞設備進行價值挖掘可以說是制造型企業(yè)的天性。如在研發(fā)設計階段，嵌入新技術，生產(chǎn)更智能或更多樣化的產(chǎn)品；在銷售階段，提供設備相關金融服務；在售后階段，對出廠設備和產(chǎn)品進行實時數(shù)據(jù)采集和監(jiān)控，并進行性能分析、預測性維護等，既提升安全性，也為企業(yè)創(chuàng)造更多服務機會。

c、中國制造企業(yè)物聯(lián)網(wǎng)應用以感知為重點

智能制造要求制造系統(tǒng)具備感知、分析、決策和執(zhí)行的能力，而這些能力的核心均涉及物聯(lián)網(wǎng)相關技術，如面向感知的物聯(lián)技術（傳感器、RFID、芯片）、面向分析的工業(yè)大數(shù)據(jù)分析和面向決策及服務的應用平臺。

德勤調研結果顯示，目前中國制造企業(yè)物聯(lián)網(wǎng)應用以感知為重點，分析和服務交融將是未來物聯(lián)網(wǎng)建設重點。

如上圖所示，受訪企業(yè)普遍建立系統(tǒng)以傳感器采集動態(tài)數(shù)據(jù)，但數(shù)據(jù)分析和平臺應用相對滯后。

從行業(yè)應用來看，電子及電器行業(yè)傳感器和平臺應用最為普及，76%的受訪企業(yè)利用傳感器采集數(shù)據(jù)，43%的企業(yè)利用物聯(lián)網(wǎng)平臺，但僅有33%的企業(yè)采用大數(shù)據(jù)技術分析所采集的數(shù)據(jù)。

汽車及零部件制造行業(yè)傳感器技術應用也有較高普及率達73%，但大數(shù)據(jù)和平臺應用低于其他受訪行業(yè)。

制藥行業(yè)大數(shù)據(jù)技術利用最為積極，因為醫(yī)藥行業(yè)早已面臨海量數(shù)據(jù)和非結構化數(shù)據(jù)挑戰(zhàn)。

d、中國制造企業(yè)云部署積極性不高

感知僅是物聯(lián)網(wǎng)應用的初級階段，以數(shù)據(jù)洞察指導行動，從而提高效率，或者與服務交融創(chuàng)造新價值，才是物聯(lián)網(wǎng)的核心。

云平臺通過提供強大的數(shù)據(jù)傳 輸、存儲和處理能力，幫助制造企業(yè)采集和處理大量數(shù)據(jù)。工業(yè)云平臺不僅能夠實現(xiàn)企業(yè)通過平臺完成產(chǎn)品的設計、工藝、制造、采購、營銷等環(huán)節(jié)，還將改變傳統(tǒng)生產(chǎn)方式和制造生態(tài)，創(chuàng)造新的收入來源和商業(yè)模式。

中國制造企業(yè)云部署現(xiàn)狀如何？

德勤調研發(fā)現(xiàn)，中國制造企業(yè)云部署積極性不高。53%的受訪制造企業(yè)尚未部署工業(yè)云，47%的企業(yè)正在進行工業(yè)云部署，其中27%的企業(yè)部署私有云，14%部署公有云，6%部署混合云。上云可以大幅降低每個單元的儲存和計算成本，甚至通過跨界創(chuàng)造新的商業(yè)模式，但也帶來了復雜性。

對于選擇公有云還是私有云，很大程度取決于企業(yè)的關注點不同。

如果企業(yè)只是聚焦自己的生產(chǎn)制造，降本增效，往往不會選擇公有云；如果企業(yè)聚焦商業(yè)模式創(chuàng)新和產(chǎn)品轉型，則會天然的更傾向于選擇公有云或混合云，因為往往涉及服務平臺，需要做到一定程度上的兼容和融合。

由于目前國內比較常見的工業(yè)云的部署以云的基礎功能為主，企業(yè)把云看作虛擬服務器，在云上做存儲、計算，只有少數(shù)企業(yè)通過云部署改變生產(chǎn)方式和制造生態(tài)，進行公有云和混合云部署的企業(yè)仍為少數(shù)。

樹根互聯(lián)CEO賀東東也指出，未來企業(yè)很大部分增值將來自跨企業(yè)活動，從長遠看，公有云、混合云是大趨勢，因為只有這樣才能實現(xiàn)數(shù)據(jù)交換和資源共享。私有云雖然安全，但很可能被孤立在新的商業(yè)模式和新的生態(tài)圈之外。

此外，德勤提到物聯(lián)網(wǎng)在智能制造領域的應用場景主要分為三類：設備與資產(chǎn)管理、產(chǎn)品洞察和服務創(chuàng)新。

e、智能制造將重構未來商業(yè)模式

德勤調研發(fā)現(xiàn)企業(yè)對未來商業(yè)模式的規(guī)劃大致呈四類：

30%的受訪企業(yè)未來商業(yè)模式將以平臺為核心

26%的企業(yè)走規(guī)模化定制模式

24%以“產(chǎn)品+服務”為核心向解決方案商轉型

12%以知識產(chǎn)權為核心

平臺型商業(yè)模式定位以提供多種軟件服務和搭建生態(tài)系統(tǒng)為核心。未來可能不會出現(xiàn)類似BAT這樣的行業(yè)巨頭，但不乏垂直行業(yè)領軍企業(yè)或平臺。

“產(chǎn)品+服務”為核心旨在圍繞客戶需求提供解決方案，是目前很多企業(yè)在做的。以知識產(chǎn)權為核心的企業(yè)往往通過專利戰(zhàn)略，形成技術壁壘占領市場。

上圖表明，不同商業(yè)模式的價值定位和價值創(chuàng)造方式不同，所面臨的挑戰(zhàn)也不盡相同。企業(yè)需要持續(xù)審視自己的商業(yè)模式，通過評估自身運營情況進行適當?shù)馗纳撇⒍ㄆ谠u估其他商業(yè)模式是否具有可行性。

f、人工智能對制造業(yè)的影響

人工智能對制造業(yè)的影響主要來自兩方面： 一是在制造和管理流程中運用人工智能提高產(chǎn)品質量和生產(chǎn)效率；二是對現(xiàn)有產(chǎn)品與服務的徹底顛覆。

中國制造企業(yè)人工智能應用情況如何？

調研發(fā)現(xiàn)，51%的受訪企業(yè)在制造和管理流程中運用人工智能，46% 的受訪企業(yè)在產(chǎn)品和服務領域已經(jīng)或計劃部署人工智能。

制造和管理流程中人工智能的運用更偏向系統(tǒng)自動化和制造精益化，目的是提高生產(chǎn)效率和產(chǎn)品質量，同時人也被解放出來，可以去思考更復雜的問題。

上圖顯示，人工智能行業(yè)主要應用場景包括使用機器人實現(xiàn)流程自動化、柔性制造、定制化生產(chǎn)、質量檢測等。在產(chǎn)品和服務領域人工智能的運用更側重產(chǎn)品和服務與使用者的互動，典型應用包括研發(fā)和新品測試、用戶行為分析、自動駕駛等。

當然人工智能仍處在其發(fā)展早期，技術突破及商業(yè)論證需要更長時間。

人工智能正迅速滲透各行各業(yè)。汽車及汽車零部件制造、高端裝備制造、電子及電器制造三個行業(yè)在制造流程中采用機器人的比例過半。汽車及零部件制造行業(yè)使用機器人的企業(yè)比例達到80%， 預示未來工業(yè)機器人的市場增量將主要來自非汽車行業(yè)。

在產(chǎn)品和服務領域已經(jīng)或計劃部署人工智能的行業(yè)分布比較均勻，高端裝備制造和制藥比例較高， 但其他行業(yè)如新材料、汽車及零部件、航空航天、電子及電器也正在或計劃部署人工智能。

商業(yè)模式優(yōu)化、創(chuàng)新管理、云部署是企業(yè)跨越能力鴻溝三大任務

重構商業(yè)模式是一項復雜艱巨的任務，我們請企業(yè)就實現(xiàn)構想中的商業(yè)模式所面臨的能力鴻溝進行打分，綜合來看，商業(yè)模式優(yōu)化、創(chuàng)新管理以及云部署為企業(yè)能力建設三大關鍵任務，德勤建議分別從以下幾個方面入手提升能力：

a、商業(yè)模式優(yōu)化

企業(yè)需要運用行之有效的方法和工具，主要從以下工作流程各環(huán)節(jié)實現(xiàn)優(yōu)化商業(yè)模式：

企業(yè)轉型整編；重新配置信息技術系統(tǒng)；重新調配人員；重組法律、財務及稅務架構

b、創(chuàng)新管理

創(chuàng)新管理的目標包括優(yōu)化創(chuàng)新產(chǎn)品管理、優(yōu)化生命周期成本、優(yōu)化資本使用效率和優(yōu)化風險管理。

c、云部署

僅僅把數(shù)據(jù)和應用轉移到云上是遠遠不夠的，大多數(shù)情況，上云會牽涉多個業(yè)務功能，影響企業(yè)的供應商、財務報表和客戶，企業(yè)需要長遠規(guī)劃，分步執(zhí)行。企業(yè)還需要充分考慮人力資源和數(shù)字化程度如何與云部署配合。