生成式人工智能在工业制造中的应用

兑现盈利潜能 联合调研 德国机械设备制造业联合会（VDMA）软件与数字化协会代表500余家软件制造商的利益，并聚焦工业制造领域的数字技术。信息技术部与VDMA软件与数字化协会紧密协作，在VDMA内部作为单一部门共同管理。两大部门的共同目标是促进软件行业与机械工程之间的合作，从而推动数字化转型不断前行。 vdma.org/software-digitalisierungvdma.org/digitalisierung-industrie-40 更多信息 人工智能首页https://www.vdma.org/kuenstliche-intelligenz GenAI检查单https://www.vdma.org/viewer/-/v2article/render/87563195 GenAI在线调研https://www.vdma.org/viewer/-/v2article/render/89006171 行业播客—知识流失的风险（德语）https://www.vdma.org/viewer/-/v2article/render/133665750 人工智能监管https://www.vdma.org/viewer/-/v2article/render/133034968 ©2025VDMA.版权所有。本作品及其各部分均受版权法保护。 联系方式 VDMA软件与数字化协会GuidoReimann 普华永道思略特德国BerndJung 副会长，VDMA软件与数字化协会+49-69-6603-1258guido.reimann@vdma.org 高级合伙人，普华永道思略特德国+49-170-2238-402bernd.jung@pwc.com Hans-JoergKutschera博士合伙人，普华永道思略特德国+49-170-2238-556hans-joerg.kutschera@pwc.com FlorianKlein顾问，VDMA软件与数字化协会+49-69-6603-1627florian.klein@vdma.org JessicaFritz专家，VDMA软件与数字化协会+49-69-6603-1365jessica.fritz@vdma.org FlorianStürmer合伙人，普华永道思略特德国+49-170-2238-375florian.stuermer@pwc.com GeorgKrubasik总监，普华永道思略特德国+49-170-2238-958georg.krubasik@pwc.com 普华永道思略特中国黄启佳 咨询业务主管合伙人,普华永道中国+86-755-8261-8181horatio.kk.wong@cn.pwc.com 普华永道思略特瑞士Jan-HendrikMeier 沈宇峰主管合伙人，普华永道思略特中国+86-21-2323-2273julius.shen@strategyand.cn.pwc.com 总监，普华永道思略特瑞士+41-79-547-5713jan-hendrik.meier@pwc.ch 普华永道思略特奥地利合伙人，普华永道思略特奥地利+43-664-5152-939matthias.schlemmer@pwc.com 作者简介—德国机械设备制造业联合会（VDMA）软件与数字化协会 GuidoReimann是VDMA软件与数字化协会副会长，并兼任VDMA人工智能能力网络协调员。他在机械与设备工程领域的数字化议题支持方面拥有约20年经验。 FlorianKlein是VDMA软件与数字化协会的数字化转型与软件技术顾问，专注软件工程与生成式人工智能。此前，他在VDMA巴登—符腾堡分会担任中小企业4.0能力中心项目经理。 JessicaFritz是VDMA的数字化技术专家。作为一名计算机工程师，她负责从数字化视角推动“双重转型”。此前，她曾在德国电气工程师协会及德国电工电子与信息技术标准化委员会从事网络安全、人工智能与工业4.0相关工作。 作者简介—普华永道思略特 BerndJung是普华永道思略特德国高级合伙人，负责工业产品咨询业务，常驻杜塞尔多夫，拥有逾25年为国际工业制造客户服务的经验，专长于重组与运营、采购、工程及制造领域。 Hans-Jörg Kutschera博士是普华永道思略特德国合伙人，常驻慕尼黑，为国际制造企业提供基于战略的业务转型、供应链管理、卓越运营及售后服务咨询。 FlorianStürmer是普华永道思略特德国合伙人，是数字与技术战略以及工业产品咨询团队成员，擅长制定数字化战略与运营模式，并领导大规模数字与IT转型。 GeorgKrubasik是普华永道思略特德国总监，常驻斯图加特，拥有逾12年咨询经验，专注于工业制造企业的运营战略，领域涵盖生产布局、外包策略与产能爬坡。 LeonRupp是普华永道思略特德国经理，常驻斯图加特，专注于工业制造领域的精实增长*运营项目。 ThomasWolf博士是普华永道德国高级经理，常驻杜塞尔多夫，负责普华永道德国工业制造业务的业务拓展与思想领导力。 TobiasBleymehl是普华永道思略特德国高级顾问，常驻法兰克福，为工业制造客户制定并实施技术战略。 AileenGoth是普华永道思略特瑞士高级顾问，常驻苏黎世，主要专注于工业制造的目标运营模式与产能规划。 RuneHiort是普华永道思略特德国高级顾问，常驻汉堡，专注于工业制造与物流战略项目。 TimTheis是普华永道思略特德国高级顾问，常驻慕尼黑，专长于工业制造领域以AI驱动的数字战略与IT转型。 NilsBreuer是普华永道思略特德国顾问，常驻法兰克福，为客户提供大规模战略转型咨询。 SvenjaMatt是普华永道德国顾问，常驻杜塞尔多夫，负责普华永道德国工业制造、零售与消费品业务的业务拓展与思想领导力。 06 05 行业趋势背后：悲观与希望并存 13 08 18 31 38 序言 生成式人工智能（GenAI）已成为数字转型的关键催化剂，并正在深刻改变经济的方方面面。其带来的影响涵盖所有业务职能，从根本上改变了人们沟通、交互、分析和创新的方式。 在工业制造领域，无论是从优化开发流程到推荐预测性维护的行动，还是到开展复杂的数据分析以支持战略决策，GenAI同样展现出作为创新和竞争力驱动因素的巨大潜力，具备极为广泛的应用范围。 随着GenAI解决方案的不断发展，工业制造企业能够更灵活地应对市场变化并强化自身的市场地位。在行业格局千变万化的大环境下，GenAI不再仅仅是一种辅助工具，而是成为关键的竞争优势。 为 了 探 索GenAI在 提 升 盈 利 能 力 方 面 带 来 的 多 样 化 机 会，德 国 机 械 设 备 制 造 业 联 合 会（VDMA）与普华永道思略特结合双方所长，携手开展研究，对45个潜在GenAI用例开展深入分析，并对德国、奥地利和瑞士247家工业制造企业开展了调研。 基于用例分析和调研结果，本研究分析了创新型GenAI应用的当前意义和未来发展路径、所需技能的演变、工作场所的转型，以及在价值驱动型制造业背景下，前瞻性商业模式的潜力，具体围绕以下内容展开： •GenAI对企业盈利能力的提升潜力 •最有前景的应用场景及其影响 •成功将GenAI整合到业务流程中的战略举措 本研究不仅致力于为全球范围内的行业参与者提供具有前瞻性和实践价值的见解，更希望能为中国企业在人工智能时代的转型与发展贡献力量。当下，中国企业正处于数字化转型的关键阶段，GenAI作为新一轮科技革命的核心驱动力之一，其与各行业的融合程度直接关系到企业能否在激烈的市场竞争中占据先机。通过借鉴本研究的成果，中国企业可以少走弯路，更高效地探索GenAI与业务流程的融合点，并利用这些研究结果，推动面向未来的GenAI整合，并持续增强企业的竞争力和盈利能力。 概述 工业制造能否重回增长轨道？ 工业制造商正面临提升盈利能力的紧迫任务。尽管过去二十年间成本持续攀升，但当前正迎来重振生产力增长和强化竞争力的关键机遇。 •2010年前，新技术应用与精益制造革新已驱动制造业走过二十年黄金发展期，累计实现逾30%的生产力跃升。 •自2010年以来，智能制造与工业4.0等新兴技术范式虽已形成，但其产业变革潜力尚未完全释放。实证数据显示：2015年至今人均劳动生产率基本持平，较2010年基准仅累积增长约5%；然而该领域已为后续突破性发展奠定了坚实基础。 •尽管面临生产力增长停滞，制造业要素成本已累计攀升27%，进一步侵蚀整体利润空间。 •普华永道2024年12月发布的《机械制造晴雨表》报告显示，当前65%的德国企业高管对本国经济短期前景持悲观预期，仅10%保持乐观。值得注意的是，52%的决策者将GenAI视为推动行业突破困局的潜在变革推力。1 核心挑战在于：必须把GenAI这类技术真正嵌入企业战略，才能重焕效率、重回盈利。 •普华永道思略特评估了工业制造领域45个真实的GenAI应用案例，结果显示，这些用例最大价值潜藏于企业核心业务流程：研发环节可提升运营利润率1.7个百分点，销售环节达2.4个百分点，而当前普遍落地的支持职能应用尚未触及如此的深度。•成功实施全部45个用例可使行业整体运营利润率提升10.7个百分点，按当前基准测算将为德国制造业创造280亿欧元增量利润。•为评估实施现状，普华永道思略特联合VDMA软件与数字化协会，对德奥瑞地区247家制造商进行了专项调研。•结果显示，对于大多数制造商而言，当前的重点是在支持职能部门中落地机会型用例，且无法释放所评估的全部潜力。此外，这些机会型用例将成为全行业的标准，因此不具有让工业企业获得差异化市场地位和竞争优势的潜力。•企业应评估并确定用例属于哪种类型：“破局关键”型（影响最大，涉及损益表中很大一部分项目）、“必备刚需”型（有潜力在价值链多个领域提升盈利能力）、还是“泡沫陷阱”型（所涉及的支持流程在损益表中所占份额非常有限）。•制造商应就GenAI在其未来运营模式中的集成深度做出战略选择（渐进式的业务流程改进，抑或是商业模式重塑）。•借助外部合作伙伴（例如VDMA软件与数字化协会）的协作，并部署现有语言模型，是实现速赢的捷径。然而，要确保可持续的盈利，则必须构建差异化的GenAI能力（例如通过普华永道思略特验证过的孵化方法论）。 第一章 盈利能力为何下降？ 近五年来，德国、奥地利和瑞士的工业制造业毛利率呈现持续下滑趋势。与此同时，运营成本持续攀升而生产率增长明显放缓，这一普遍困境已波及工业车辆、机械设备、自动化技术等领域（见图1、图2）。 近几十年来，工业制造商通过组织与技术革新持续提升生产效率和盈利能力：初期依赖精益制造与企业级资源规划的实施，后期则引入自动化及机器人技术。 这些创新成为生产力的关键转折点：1990至2002年间精益制造推动生产率跃升逾30%，而自动化与机器人技术的应用则在随后十年间再次贡献超30%的增长。 然而智能制造与工业4.0的落地实践遭遇显著挑战。众多企业虽致力于平衡技术投入与可量化的营收利润回报，但成效参差。自2015年以来人均劳动生产率几近停滞，较2010年仅微增约5%（见图3）。 生产力与成本的动态平衡 制造业盈利能力不仅取决于生产率增速，人力成本同样是关键变量。近年生产率增长持续放缓之际，人力成本却呈攀升态势。 1995-2010年间，生产率累计增长41%，而人力成本仅上升6%，推动众多制造商利润率稳步提升。但2010年后形势逆转：生产率增幅降至11%，人力成本却以22%的增速远超生产率提升（见图4）。 由此导致工业制造领域的财富创造速率大幅下滑。这种生产力与成本的倒挂态势，已然构成欧洲制造业腹地严峻的盈利困局。 对于制造业而言，生成式人工智能远不止是一项技术潮流，它正在成为企业在全球市场中应对利润与供应链双重压力、实现突围的战略利器。” Be