2026工业4.0与人工智能 向领军者学习

Jeff Winter战略顾问 ⽬录 12025年制造商现状39数据采集与管理142⼯业4.0实施⽅法410AI应⽤：传统机器学习163领军企业与标杆管理511AI应⽤：⽣成式AI与Copilot174⼯业4.0的应⽤实践812AI应⽤：⾃主智能体AI1913当前重点⼯作205⼯业4.0⾯临的挑战1014制造商进展总结216IT/OT⻓期割裂问题1115主持⼈笔记227衡量⼯业4.0成功的标准1216研讨会与调研背景238IT基础设施1317参考⽂献24 2025年制造商现状 如何有效地相互学习，加速⼯业4.0和⼈⼯智能的应⽤进程？在2025年6⽉举办的旗舰MES与 ⼯业4.0峰会上，我们专⻔设计了⼀个研讨会，旨在衡量参与者的进展并促进相互学习。研讨会圆满成功, 本⽂将把会议成果与更⼴泛的读者分享，会议内容也为整个峰会奠定了基调。 本报告基于参与研讨会的受访者调查。凯睿德制造战略顾问Jeff Winter主导了整个研讨会, 并借助AI辅助设计了研讨会及分组讨论环节。AI还帮助汇总、归纳和解读调查数据，从⽽深⼊呈现受访者在⼯业4.0旅程中的进展情况。 尽管样本量有限，但我们认为本报告准确反映了领先制造商的进展情况及尚存的挑战。希望这些企业的实践经验能帮助您了解⾃身所处的阶段，并获得优先推进事项或与团队探讨⽅向的新思路。 ⼯业4.0实施⽅法 正如我们多年来所强调的，⼯业4.0是⼀段持续的旅程，涉及范围⼴泛，各项⽬必须相互衔接。因此, 不同企业可能采取截然不同的路径来实现各⾃的愿景。在很多情况下，企业对⼯业 4.0缺乏明确的定义, 许多企业以“数字化转型”或公司特定的愿景来指代这⼀概念。 受访者的回答涵盖各种情形： “这是⼀整套记录完善的战略，通过多年期项⽬进⾏管理。” “⼯业4.0本身并未被明确定义；我们有关于制造数字化的定义和⽂档，相关内容已记录在集中管理⼯具中，涵盖治理规范、指令和准则。” 调查问题为：“贵公司如何定义⼯业4.0，其正式程度如何, 是否已有⽂档记录和对外传达？”在受访者中，约有⼀半拥有⽂档化的⼯业4.0战略，但其中许多战略尚不完整。另⼀半则没有明确战略，尽管许多企业已经具备数字化意识或正在推进数字化⼯作。我们认为, ⼯业4.0战略最好作为整体业务战略的⼀部分加以推进。 “我们有较为松散的⽂档记录，但是不够正式。我们正在推进数字化转型进程。” “该战略尚未正式⽂档化，主要由C级⾼管以⼝头⽅式传达给项⽬管理层。” ⼤多数制造商正在投资⼯业4.0，且投资规模与以前持平或有所增加。根据⼀项研究，超过四分之三的企业计划将⾄少20%的预算投⼊智能制造领域。这些举措可能以现代化、优化或转型等形式呈现。 3 领军企业与标杆管理 ⽆论⼯业4.0战略是否经过正式定义和建档，企业内部总有⼈在积极推动相关举措。约三分之⼀的受访企业由跨职能团队主导这⼀⼯作；近四分之⼀的企业由C级⾼管主导⼯业4.0项⽬。约13%的企业由IT领导层主导，另有约10%的企业由运营技术（OT）或⾃动化负责⼈担任主要推动者。仅有10%的企业设有专职的⼯业4.0负责⼈。 ⻨肯锡和世界经济论坛的研究表明，⼯业4.0举措能带来显著收益。鉴于此，开展标杆管理以确保企业与市场保持同步是合理之举。 德勤的⼀项研究显示，领导者往往倾向于由运营⾼管主导, 其次是IT相关职能。跨职能团队模式在职责清晰界定的前提下可发挥重要作⽤。我们同样认为，让运营部⻔在推动⼯业4.0进程中发挥核⼼作⽤⾄关重要。 我们还询问了受访者：“贵公司⽬前采⽤哪些⼯业4.0标杆管理⽅式？”标杆管理已是普遍做法，约四分之三的受访企业以某种形式开展了标杆分析。⽅式多样，包括正式框架（如SIRI、SEMI）、外部同⾏或⾏业活动标杆对⽐，以及内部标杆、供应商/客户/学术机构标杆等。 部分受访者的具体回答如下： “我们尝试使⽤SIRI成熟度评估模型，旨在对知识⽔平、技术准备度和管理层意识进⾏标杆对⽐。 ” “我们在⾏业展会上对核⼼⽣产流程进⾏标杆分析，并在本地区开展参考访问，标杆⼯作由内部⾃主完成。” “没有使⽤任何⼯具或框架。我们是务实的实⼲者，深⼊了解⾃身的流程及差距所在。” ⼯业4.0的应⽤实践4 当前在⽣产过程中采⽤的⼯业4.0技术 ⽆论企业所处⼯业4.0旅程的哪个阶段，⼤多数企业已经实施并使⽤了若⼲技术。针对⼯业4.0的核⼼应⽤领域，我们请受访者选择所有“已投⼊⽣产使⽤的场景”，同时询问哪些处于试点阶段。 制造与⽣产 实时⽣产监控和数字化绩效仪表盘在超过三分之⼆的受访企业中已投⼊使⽤；超过⼀半的企业 还在使⽤数字化作业指导书和标准操作规程（SOP）。MES通常涵盖上述所有功能；凯睿德制造 MES还包含⼯⼚可视化数字孪⽣, 约三分之⼀的受访企业表示已在使⽤这⼀技术。当前⽣产中应⽤最⼴泛的⼯业4.0技术是机器⼈，具体包括协作机器⼈和⾃主移动机器⼈（AMR）。 MES 也可能涵盖质量、维护和库存管理。 •设计与⼯程:40%的企业使⽤某种形式的产品数字孪⽣，近三分之⼀使⽤增材制造或3D数字打印；近四分之⼀声称已实现BOM⾃动⽣成，同样⽐例的企业在整个产品⽣命周期建⽴了数字主线。 •质量管理:近 三 分 之 ⼆ 的 受 访 企业 表 示 正 在 使 ⽤ ⾃ 动 化 在 线 检测 ；约 ⼀ 半 使 ⽤ 实 时 统 计 过 程控 制 (SPC）；近⼀半使⽤在线质量分析。同样，众多企业正在试点各种质量管理系统，涵盖上述所有类别。 •售后与客户服务:超过三分之⼀的企业利⽤互联产品反馈回路，四分之⼀还采⽤远程资产监控与诊断。少数参与者使⽤AI驱动的聊天机器⼈提供⽀持。 •设备维护:近⼀半的企业已实现⼯单⾃动化⽣成，其次是异常检测，近三分之⼀的企业拥有资产健康监控系统，少数企业还在使⽤情境化预测维护。这些技术也⼤多处于试点阶段。 •仓储与库存:60%的受访企业具备实时库存监控能⼒。超过四分之⼀使⽤仓库⾃动化，接近这⼀⽐例的企业也在使⽤⾃动驾驶配送⻋辆。 •供应链管理:⼀半的研讨会参与者表示具备端到端供应链可视化能⼒。近四分之⼀的企业已接⼊供应商协同⻔户。六分之⼀的企业拥有供应链数字孪⽣，同样⽐例的企业表示正在使⽤替代零部件优化⽅案。 ⼯业4.0⾯临的挑战5 每段旅程都会遇到障碍。我们询问了受访者：“阻碍贵公司⼯业4.0进展的主要挑战是什么？”我们预计会出现⼀些共性挑战，包括数据与系统的复杂性、ROI不明确、⽂化变⾰阻⼒、内部 专业⼈才匮乏、预算限制以及不知从何⼊⼿等。此外，受访者还提出了建⽴稳健数据基础、时 间与资源制约，以及协调与标准化问题。 •综合问题:部分挑战可能涉及流程、技术和组织等多个层⾯，例如MES部署推⼴、标准化，以及从试点扩展⾄全⾯⽣产应⽤。 “机器连接性和机器统⼀数据模型问题尚待解决，缺少MES与SCADA层。” •商业论证与财务:部分企业难以识别价值所在、明确投资驱动因素，或⽆法获得预算及资源⽀持。 “⾃动化的复杂性；向30多家⼯⼚推⼴MES的复杂性；从定制开发程序迁移⾄企业平台。” •组织与⽂化:这些问题包括推⾏集中化或企业级管理⽅法、协调各⽅努⼒、跨职能协作，以及建⽴信任或克服变⾰阻⼒。 这与其他研究所揭示的⼯业4.0进展障碍⾼度吻合。我们的经验表明，表现最佳的企业拥有坚定的管理层⽀持与理解，从⽽能够在培训、IT和⾃动化⽅⾯做出恰当的投资决策。 •数据:部分问题包括从设备中提取数据、从数据中获取价值、确保数据在整个企业内流通、处理⼿动数据输⼊以及实现统⼀数据模型。 在另⼀个问题中，我们进⼀步询问：“贵公司⽬前在⼯业4.0哪些⽅⾯⾯临最⼤困难？”我们将 回复归纳为六⼤主题： 参与者就这⼀话题分享了他们的看法： •战略与优先级:这些问题涵盖项⽬优先级排序、确定起点以及识别AI应⽤场景。 “我们正在努⼒从基础数字集成向智能化、⾃适应运营迈进。” •技术与IT/OT:这些挑战主要集中在⽹络安全、机器连接性、⾃动化复杂性、流程数字化等⽅⾯。 The longstanding IT/OT divideIT/OT⻓期割裂问题 ⼤多数企业的困境可能还有另⼀个根源：IT与OT并未形成共识。调查问题为：“ 贵公司的IT与OT团队在数字化举措上是否保持⼀致？”没有任何受访者表示已建⽴完全整合的数字化IT/OT团队。仅约三分之⼀的企业拥有具备联合⽬标的强对⻬IT与OT团队。近⼀半的企业正在开展部分共同项⽬，但约四分之⼀的企业刚刚开始协作，或仍处于各⾃为政的状态。 我们预计，在IT与OT团队及其数据真正顺畅整合之前，另外三分之⼆的企业将持续⾯临⼯业4.0推进难题。 7 衡量⼯业4.0成功的标准 ⼯业4.0对于企业⽽⾔是⼀段复杂的旅程，衡量成功的⽅式多种多样。调查问题为：“贵公司主要通过哪些⽅式衡量⼯业4.0⼯作的成效？” ⼀位与会者指出: “通常，我们通过多个KPI（如废品率、交货可靠性、设备综合效率、ROI等）的改进程度来衡量⼯业4.0的成效。毋庸置疑，财务影响是最核⼼的衡量标准。” 您主要如何衡量⼯业 4.0 项⽬的成功？ 按使⽤频率排序，受访企业依次采⽤战略价值、运营指标和财务影响来衡量成功。部分企业综合运⽤多类成效衡量⽅式，也有少数企业使⽤项⽬级指标或采纳率。此外，还有⼀部分企业仍在摸索合适的衡量⽅式。 虽然指标本身看似并不重要，但坚持持续衡量⼯业4.0进展往往能为企业带来显著收益。每家企业的衡量⽅式都会与⾃身的其他指标和⽅法相匹配。不同的衡量⽅式可能驱动不同的⾏为、优先级和成果，因此理想情况下应确保指标与业务战略相⼀致。 IT基础设施 系统环境的复杂性给这些基础设施建设带来了相当难度，对于棕地⼯⼚和拥有众多⽣产基地的⼤型企业尤为如此。制造业仍是⽹络安全攻击的⾸要⽬标⾏业，加强安全防护对于⻛险管理很关键。 IT基础设施和基础要素对⼯业4.0项⽬的成功⾄关重要，同样也是AI成功的关键前提。调查问题为：“ 请列举信息系统与⽹络安全领域已投⼊⽣产使⽤的场景。” ⽬前在⽣产中使⽤的⼯业 4.0 IT 与⽹络安全领域 超过60%的受访企业已部署安全远程访问解决⽅案。超过三分之⼀拥有OT资产清单与⻛险管理系统。其次，近三分之⼀的企业已建⽴⼯业数据湖或数据架构，部署低代码/⽆代码集成层，以及补丁与漏洞管理⾃动化系统。超过四分之⼀的企业已使⽤安全信息与事件管理。 我们建议向解决⽅案提供商深⼊了解其系统架构，并要求他们详细说明如何在当下及未来满⾜贵公司的⽹络安全、⻛险管理和集成需求。在选择新供应商时，优先考虑在持续满⾜⼯业IT演进需求⽅⾯拥有成熟经验的解决⽅案。 约五分之⼀的企业拥有数据运营和流⽔线编排能⼒。拥有⽹络弹性与备份系统、联邦数据治理框架、统⼀命名空间（UNS）或零信任安全框架的企业⽐例更低，但上述每项技术均有超过⼗分之⼀的企业已部署到位。 数据采集与管理 数据是⼯业4.0数字化、⾃动化和分析⼯作的根本基础。数据的采集、治理和存储⽅式对其可⽤性⾄关重要。调查问题为：“ 贵公司如何开展数据采集、集中化和情境化⼯作，以⽀持分析应⽤？” ⼯业4.0的挑战之⼀在于，制造商理想中需要关联并置于情境下的数据格式多样——部分是结构化的，但⼤量数据是半结构化或⾮结构化的。 •以MES为核⼼，结合Power BI•通过数据中枢或UNS实现OT与IT的集成•仍有约⼋分之⼀的企业沿⽤以Excel为核⼼的传统⽅式•少数企业认为⾃身已具备成熟的先进架构，并⽀持事件流处理•少数企业尚⽆企业级战略，仅有局部性解决⽅案 我们建议对数据结构进⾏审慎规划。除采⽤现代化实时数据采集⽅案外，还需要能确保数据完整采集、并在继续推进前强制验证数据有效性的系统。此外，理想的系统还应能将数据置于有价值的情境中，实现便捷⽽安全的集成访问，确保健全的数据治理，并提供完整的数据溯源视图。 受访企业在数据采集、集中化和情境化⽅⾯未呈现出主导性⽅案。按频率排序，主要采⽤以下⽅式： •针对多职能场景建⽴结构化摄取流⽔线的企