全球灯塔网络：加速人工智能大规模应用

2023 年 12 月白皮书 图片 ： Getty Images ， Unsplash Contents 执行摘要 3 介绍 2023 年灯塔队列 ： 当今的领先优势 5 1 第四次工业革命的拐点 7 8 1.3采用 S 曲线 ： 从学习到做9 第二章 2.1 从几十个用例到几十个工厂 13 2.2领导者的经验教训 ： 建立第四部分的六部分指南13 工业革命发动机 2.320展望下一级扩展 321在 AI 时代加速采用 3.123影响无处不在 ： 在每个流程中应用 AI 3.225影响深远 ， 广泛和快速 ： 通过 “资产化 ” 使 AI 民主化 3.326迈向系统级决策自动化 430塑造未来五年的全球灯塔网络 4.131呼吁申请和参与 附录 ： 灯塔用例 ， 变化故事和影响 32 贡献者 39 尾注 41 全球灯塔网络是由世界经济论坛与麦肯锡公司共同发起的一项倡议，并得到了由行业领袖组成的顾问委员会的指导，该顾问委员会成员包括 Contemporary Amperex Technology Limited（CATL）、富士康工业互联网、汉高、强生、科奇控股、麦肯锡公司、施耐德电气和西门子。加入网络的工厂和价值链将由独立专家小组指定。 免责声明 这份文件由世界经济论坛发布，作为对某个项目、洞察领域或互动的贡献。文中所述的研究发现、解释和结论是世界经济论坛协作过程的结果，得到了该组织的支持和促进，但其结果未必反映世界经济论坛的观点，也不一定代表其全体成员、合作伙伴或其他利益相关方的意见。 © 2023 世界经济论坛。版权所有。本出版物的任何部分均不得以任何形式或任何方式复制或传输，包括复印和录制，或通过任何信息存储和检索系统。 执行摘要 世界经济论坛的全球灯塔网络自成立以来几乎扩大了十倍，每一批灯塔项目都定义了制造业的前沿。 每一轮工业革命都有一个标志性的突破：第一次是以蒸汽动力为基础的机械化，第二次是以电力为基础的大规模生产，第三次是以计算机为基础的自动化。现在清楚的是，第四次工业革命由前所未有的大量数据访问能力驱动的机器智能所定义。借助新的自动化和优化关键权衡决策的能力，人工智能正在扮演指挥者的角色，协调一系列第四次工业革命技术，产生前所未有的成果。 now networks. Then they power the engine withdelivery cability — talent, 敏捷,1技术和数据——并通过生态系统合作促进学习和创新，使其运行顺畅。方向把控需要有效的变革管理；为此，灯塔项目通常会部署一个强大的转型办公室。 早期的AI试点往往在工艺步骤层面开发，此时范围最小、风险最低且迭代速度最快。如今，灯塔项目的能力已将AI远远推进到试点阶段：灯塔项目实现了超过200个成熟的AI用例，覆盖了每一个工艺步骤。 在全球灯塔网络运行五年后，超过700个经过验证的第四次工业革命应用案例——其中200个涉及高级人工智能技术——证明了“灯塔”企业已超越了仅仅是试验阶段。新的焦点在于应对“规模瓶颈”，即在学习曲线的“假高峰”之后自然的采用放缓现象，此时一些公司对在整个网络中复制单一站点方法可能带来的潜在成本感到犹豫不决。 灯塔们还通过“资产化”这一艺术与科学，即包装应用场景以加快和扩大部署速度，来促进人工智能的普及。“资产化”包括模块化代码包以确保与现有技术的互操作性、无代码平台等生产力工具以加速部署，以及数字再技能培训材料以确保采用率。一些企业仅用几天和几周时间就完全部署了AI应用场景，而非以往的几个月甚至几年。 灯塔项目尽管面临挑战，仍在积极推进。超过82%的项目从一开始就致力于规模化设计，立即计划实施数十个，甚至数百个案例。他们将整个工厂视为新的“试点”，而非单一用例，旨在实现十倍以上的变革影响，并几乎获得单点方法两倍的投资回报率。 人工智能（AI）“指挥中心”方法——这些方法连接、控制并应对跨单个过程集合的中断——在灯塔项目中越来越常见。它们依靠“认知自动化”的能力：即自动执行复杂权衡决策的能力，将这些决策带到了环路中的人类身边而非由机器完全自主执行。未来操作员的工作将是完成当前技术员的任务。 灯塔企业加速超越试点项目的能力与它们推动规模化发展时所延伸的能力是相同的。首先，它们设定GPS：设计一个有效的策略和路线图，以在整个工厂范围内捕获价值。 灯塔引领航向，然后通过规划航线：无论是作为创新者，验证首款技术及其应用场景的影响；作为加速器，解决网络级别速度和规模的挑战；还是作为快速追随者，一旦证明某解决方案具有可扩展性和成本效益便迅速采用。面对这些新的选择，唯一致命的反应便是无所作为的停滞。 重要的是，它们还通过优先考虑“闭环”反馈来“培养信任”，在移交控制之前增加信心区间。 生成式AI——机器智能的最新突破——也是灯塔项目的优先事项。每个新的灯塔项目都已启动生成式AI试点项目，这完全可以理解：它有可能为全球经济每年贡献2.6万亿美元至4.4万亿美元的价值，其中近四分之一的价值可以通过制造业和供应链相关的生产效率提升来实现。 本文通过人工智能快速采用的角度回顾了第四次工业革命的进展。第1部分（第四次工业革命转折点）反思当前的情况——以及为什么从学习转向实践需要所有制造商采取战略响应。第2部分（能力推动灯塔加速采用曲线）探讨了领先者如何构建能力以加快试点阶段，并说明如何扩展这些能力以实现规模化生产的可能性。第3部分（在人工智能时代加速采用）阐述了这些能力的意义：灯塔如何在整个价值链中迅速实施机器智能以获得无可比拟的性能提升。最后，第4部分（塑造未来五年全球灯塔网络）展望了全球灯塔网络的未来。 灯塔显示，生成式人工智能（GenAI）的影响在于数据结构最不完善的地方。在工厂车间，这些试点项目通常是针对提高生产力的应用场景的“捷径”，比如技术人员顾问和操作员副驾驶。许多这些试点项目已经在几周内实施，得益于灯塔已经构建的能力；对于GenAI而言，其起跑线远比五年前应用人工智能时更为先进。 随着第四次工业革命从“学习”转向“行动”——并且灯塔企业开始克服“规模化瓶颈”——网络层面的影响将不断拉大领导者与落后者之间的差距。这就需要采取战略性应对措施——首先通过学习 2023 年灯塔队列介绍： 当今的领先优势 当世界经济论坛在2018年与麦肯锡公司合作识别制造业中最创新的领导者时，出现了一个小群体，形成了全球灯塔网络（GLN）。 处于第四次工业革命前沿的工厂 如今，全球网络（GLN）已在全球范围内被认可，它利用第四次工业革命技术转型工厂和价值链运营。每个成员无疑在其各自的行业中都是领导者。为了反映这一情况，GLN已经组建了一个顾问委员会来帮助指引网络未来的发展方向。 GLN荣幸地欢迎其2023年的新一届21家灯塔企业，其中16家是工厂灯塔企业，5家是端到端价值链灯塔企业（详见附录）。此外，有四家可持续发展灯塔企业因其在减少环境足迹方面出色地运用了技术而受到认可，这超越了他们之前的灯塔企业身份（详见附录）。这些最新的加入为先进制造和价值链的未来提供了预览；它们共同构成了第四次工业革命的前沿。主要趋势包括前所未有的数字化成熟度水平、机器智能的迅速普及以及从一开始就进行大规模部署的转型项目。 最新的这一批代表了第四次工业革命的前沿；本文介绍了这些先驱“灯塔”企业，并探讨了它们如何超越试点阶段，开启了规模化发展的陡峭旅程。 今天的全球灯塔网络 ： 153 座灯塔 GLN 自成立以来几乎增长了十倍，从 16 增长到153 座灯塔。每座灯塔都因其在利用先进技术与方法推动增长、提高韧性并实现环境可持续性方面所展现的领导力而受到认可。其中，99 座是工厂灯塔，专注于在其特定生产现场内部推动变革；54 座是端到端（E2E）灯塔，在其价值链中部署技术以产生影响；另有 17 座是可持续性灯塔，展示了在减少排放、废弃物和水资源利用方面卓越的技术应用。 第四次工业革命拐点 制造商面临新的叙事，因为快速的技术突破、变化的人际动态、加剧的地缘政治紧张局势以及加速的气候变化已经揭示了全球供应链的脆弱性。 灯塔群体提供了对未来价值链操作的三至五年前瞻性洞察，而今天的群体确认了第四次工业革命的转折点。这一转折点有两个标志：首先，机器智能技术达到了前所未有的成熟度；其次，领先企业正在重新定义试点的概念，通过将整个工厂（而非单一用例）作为试点来扩大影响，从而重新定义了试点的作用。 这些脆弱性推动了对韧性的新关注，促使高管们转型运营。此外——或许有些出人意料的是——这些中断重新启动了在其他方面停滞不前的制造业市场，并促使领导者重新审视其运营。许多企业发现，在运营面临新挑战的地方，技术提供了新的解决方案。 The 加快的第四次工业革命的步伐使性能提升至更高水平，促进了劳动力包容性和可持续性。 1.1中断和不确定性推动了创新 geopolitical变化使先进制造业能够在仅30年前停滞不前的市场中蓬勃发展。例如，美国制造业部门在过去二十年中的增长率仅为1.4%，但现在这一增长势头得到了增强。4现在，先进制造和供应链中的AI、数字技术、可持续特征以及更高的技能水平重新激发了市场活力：在过去五年里，美国工业产生的总股东回报率比之前的15年高出约400个基点。5 为了应对未来的中断并抵御冲击，制造商正在增加对人工智能（AI）技术、可持续能源和其他技术创新的投资。大约90%的高级执行官表示，提高供应链韧性是他们的优先事项，年度AI投资已达到约1500亿美元——与此同时，供应链领导者还投资了先进分析技术以更有效地连接数据。2不确定性准备已成为行业规范， executives 预期在未来五年内由颠覆带来的影响将增加15%至25%。3 1.2 机器智能正在定义第四次工业革命 本文的核心目标在于通过审视最新"灯塔工厂"的创新与方法来探讨这一第四次工业革命转折点，但在深入分析之前，反思人类社会的四个截然不同的工业革命阶段是有帮助的。这些阶段提供了必要的背景信息，以解释为何机器智能是这一发展进程的自然终点——特别是在制造背景下与其他第四次工业革命技术（如穿戴设备、协作机器人和自动驾驶汽车）结合使用时，它们可能产生指数级的影响。 可编程逻辑 ， 自动化的基本控制系统。6今天，大数据的出现使“智能”成为可能——即能够做出基于数据的明智权衡决策，以增强和优化关键过程和控制系统。 延迟收养 ； 突破性创新 全球产业转型从未即时发生。每次革命性的转变都会经历一个滞后期，即从启用基础到广泛采用之间的时间间隔——这一过程通常呈现S型曲线。第一阶段是采纳阶段，即学习曲线，这一阶段以试错改进为特征，可能时间较长。第二阶段是实施曲线，涉及公司在其生产网络中推广新技术的竞争，以实现广泛应用。最后一阶段是优化阶段，企业围绕最佳解决方案、标准和协议进行整合，成本开始趋于稳定。 四个革命 ； 四个基础技术 第一次工业革命发生在18世纪中叶，得益于蒸汽技术；而1870年见证了第二次工业革命的到来，当时广泛的应用和传输电力使得大规模机械化生产成为可能，并推动了批量生产的兴起。第三次工业革命则出现在大约1969年左右，标志着计算机时代的加速到来，这一过程由半导体和晶体管驱动，并开启了新的生产方式。 机器智能是下一个突破 打个比方 ， 机器智能是指挥 ， 把杂音变成管弦乐队。 机器智能对于第四次工业革命而言，就像蒸汽机对第一次工业革命一样：它是推动并被其他众多技术进步所推动的关键突破。正如蒸汽机使新的活塞和冷凝器设计得以广泛应用，机器智能则赋能了灵活机器人和自动驾驶车辆。例如，快速转型需要多种解决方案的协同作用：灵活机器人来处理不同产品；自动导向车（AGV）来重新装载材料；3D打印来定制生产线组件；以及可穿戴设备来向管理层和技术人员提供关键警报。在这个交响乐中， 但为了实现这一功能，AI需要从企业系统、机器传感器、连接基础设施以及自身员工生成和收集的千兆字节（PB）级别的数据。制造业