2025年第十届智能制造现状年度报告

执行摘要

• 行业现状：制造业面临压力，转向智能制造技术应对挑战。人工智能被视为解决劳动力短缺、技能差距、质量控制和外部压力的方案。
• 主要挑战：内部障碍包括部署和集成新技术、吸引技能人才、平衡质量与盈利增长；外部障碍包括通货膨胀、经济增长缓慢、地缘政治和供应链问题。
• 关键趋势：56%的制造商试点智能制造，20%大规模使用，20%计划投资。人工智能和机器学习将塑造质量控制、网络安全和流程优化。
• 数据洞察：83%认为分析思维和团队合作是招募下一代人才的关键因素；69%尚未采用智能制造的制造商计划未来12个月投资。

障碍与挑战

• 内部障碍：部署和集成新技术（21%）、平衡质量与盈利增长（21%）、吸引技能人才（20%）、捕获和上下文化数据（20%）。
• 外部障碍：通货膨胀（43%）、地缘政治和供应链问题（20%）、网络安全（14%）、竞争（12%）。
• 劳动力问题：41%计划引入AI/ML和自动化填补技能缺口；48%预计工人重新分配到不同角色或雇佣更多工人。

人工智能在智能制造中的角色

• AI应用：23%的组织缺乏超越竞争对手的技术；50%计划使用AI/ML支持质量控制；38%计划使用AI/ML加强网络安全；33%计划使用AI/ML管理供应链。
• AI投资：云/SaaS和人工智能位居前两大科技投资；网络安全和质量位列前四位。
• 数据利用：37%利用技术、流程和设备数据进行网络安全保护；29%利用数据分析监控供应链风险。

网络安全风险

• 风险上升：网络安全跃升至外部风险第二位；49%计划使用AI/ML进行网络安全；47%认为网络安全技能极重要。
• 攻击趋势：制造业占勒索软件攻击的21%，面临高风险。

质量与可持续性

• 质量应用：质量是AI用例的领跑者；48%计划使用AI/ML提升质量；55%认为提高效率是追求可持续性的关键驱动因素。
• 可持续性重点：产品质量/安全（43%）、能源管理（42%）对可持续发展计划最重要。

智能制造业的未来

• 未来展望：到2027年，AI将在降低成本、节省时间、创建效率、简化流程方面发挥关键作用。
• 技术趋势：95%已投资或计划投资AI/ML和GenAI或因果AI；云/SaaS和生成式人工智能被引用为过去12个月投资回报率最高的技术。

开始旅程

• 两条路径：有策略并准备好试点项目实施；准备好评估并制定策略。
• 成功步骤：计划可扩展性、短期回收投资、赋能人们、建立快速价值观流动、定义和实施治理、拥抱新的工作方式、企业数字化连接和协作。

人口统计与公司统计

• 受访者：1560名制造业行业内硬件、软件和服务决策者。
• 地区分布：美洲（49%）、欧洲、中东、非洲（37%）、亚洲太平洋（14%）。
• 公司规模：年收入超过10亿美元（30%）、1亿-14.9亿美元（22%）、500百万-999百万美元（19%）等。
• 行业分布：高科技、电子、半导体（42%）、金属、金属加工厂（27%）、CPG（食品饮料、家居个护）（13%）等。