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

亞洲尤其是中國作為制造業的重要區域，在面臨制造業向自動化、智能化、數字化轉型中，能否繼續保持其競爭力？

中國進入高速成長期

智能制造是基于新一代信息技術，貫穿設計、生產、管理、服務等制造活動環節，具有信息深度自感知、智慧優化自決策、 精準控制自執行等功能的先進制造過程、系統與模式的總稱 。簡而言之，智能制造是由物聯網系統支撐的智能產品、智能生產和智能服務。

智能制造已經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。發達國家紛紛加大制造業回流力度，提升制造業在國民經濟中的戰略地位。毫無疑問，在此次大潮中亞洲正在積極尋求突破。以人工智能為例，各國政府大力支持人工智能，推動科技公司、初創公司和學術界的創新。

2017年，韓國政府宣布了10億美元的人工智能資金；日本鼓勵人工智能創業公司和風險投資；新加坡政府的國家研究基金會宣布國家人工智能計劃（AI.SG），計劃未來五年投入1.5億新加坡元（約1.07億美元）發展人工智能。

▲ 工業4.0發展路徑

除了政府的支持，亞洲企業更積極打破行業壁壘加快新產品開發。不同于歐美同類企業，中國領先企業間的合作屢見不鮮，一些知名范例包括：百度與小米在物聯網與人工智能領域合作開發更多應用場景；騰訊與京東合作布局電子商務生態圈；印度系統集成商組成AI聯盟（如OpenAI）。這賦予它們驚人的影響力，也意味著它們擁有可用于快速推動創新的技術實力和資本基礎。

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；企業加快數字化轉型，提升系統解決方案能力。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在三方面：首先，中國工業企業數字化能力素質提升，為未來制造系統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，中國已成為工業機器人第一消費大國，需求增長強勁。

企業智能化的六大階段

企業數字化能力素質體現在其利用數據指導生產以及系統自優化的能力。我們借鑒國際普遍認可的工業4.0發展路徑，將企業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。

計算機化

企業通過計算機化高效處理重復性工作，并實現高精度、低成本制造。但不同的信息技術系統在企業內部獨立運作，很多設備并不具備數字接口。

連接

相互關聯的環節取代各自為政的信息技術。操作技術（OT）系統的各部分 實現了連通性和互操作性，但是依舊未能達到IT層面和OT層面的完全整合。

可視

了解正在發生什么，通過現場總線和傳感器等物聯網技術，企業捕獲大量的實時數據，建立起企業的“數字孿生”，從而改變以前基于人工經驗的決策方式，轉為基于數字進行決策。

透明

了解事件發生的原因，并通過根本原因分析生成認識。

預測

將數字孿生投射到未來，模擬不同的情景對未來發展進行預測，并適時做出決策和采取適當措施。

自適應

預測能力只是自動化行為和決策的根本要求，而持續的自適應則使企業實現自主響應，以便其盡快適應變化的經營環境。

隨著中國兩化融合和工業物聯網建設等多項舉措推進，制造型企業數字化能力素質顯著提升，大部分企業正致力于數據縱向集成。德勤調研結果顯示，81%的受訪企業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各自占2%。

▲ 受訪企業所處階段（基于企業自我評估）

智能制造利潤貢獻顯著提升向工業4.0進階為制造企業帶來真實可見的效益。2013年德勤曾調研全國200家制造型企業，結果顯示中國企業智能制 造處在初級階段，且利潤微薄。經過五年的快速發展，智能制造產品和服務的盈利能力顯著提升。

2013年智能制造為企業帶來的利潤并不明顯，55%的受訪企業其智能制造產品和服務凈利潤貢獻率處于0-10%的區間，而2017年，僅有11%的受訪企業處于這個區間，而41%的企業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，由2013年受訪企業占比14%提升到2017年的33%。智能制造利潤貢獻率明顯提升，利潤來源包括生產過程中效率的提升和產品服務價值的提升。

▲ 智能制造產品和服務利潤貢獻率顯著提升

中國換道超車的兩大底牌

中國已連續六年為工業機器人第一消費大國。IFR數據顯示，中國工業機器人市場規模在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依然為工業機器人的主要用戶。

中國有哪些獨特優勢？首先是數據量。當前人工智能熱潮背后的機器學習技術對數據極其依賴。識別人臉、翻譯語言 和試驗無人駕駛汽車需要大量的“訓練數據”。由于中國的人口數量和設備數量龐大，中國企業在獲取數據方面具有天然的優勢。第二，中國制造業企業硬件設備和廠房相對歐美企業普遍較新，比較容易實現設備連接和廠房改造。

▲ 全球主要市場工業機器人銷量

對中國來說，工業互聯網不是“彎道超車”而是“換道超車”，基于中國龐大的工程師數量、完善的工業基礎和大量數據潛力。

——李義章，索為系統董事長

如何部署智能制造

德勤調查發現，中國工業企業智能制造五大部署重點依次為：數字化工廠（63%）、設備及用戶價值深挖（62%）、工業物聯網（48%）、重構商業模式（36%）以及人工智能（21%）。

▲ 受訪企業智能制造部署重點領域

▲ 受訪企業所關注的技術

工廠數字化

智能制造是以制造環節的智能化為核心，以端到端數據流為基礎，以數字作為核心驅動力，因此數字化工廠被企業列為智能制造部署的首要任務。目前企業數字化工廠部署以打通生產到執行的數據流為主要任務，而產品數據流和供應鏈數據流提升空間大。

數字化工廠通過新一代信息技術，實現 從設計、生產、物流和服務等各個環節的數據串連，加速決策，提高準確性。只有打通數據流才能實現基于實時數據變化，對生產過程進行分析和優化處理，進而實現業務流程、工藝流程和資金流程的協同，以及生產資源（材料、能源等）在企業內部及企業之間的動態配置。打通數據流也是工廠建立“數字孿生”的前提，數字孿生不僅指產品的數字化，也包含工廠本身和工藝流程及設備的數字化，從而實現全面追溯、物理與虛擬雙向共享和交互信息。

打通數據流主要包括三類數據的連通，即生產流程數據、產品數據以及供應鏈數據。

生產流程數據

打通生產流程數據除了從生產計劃到 執行的數據流(如ERP到MES)， 還包括MES與控制設備和監視設備之間的數據流，現場設備與控制設備之間的數據流，以及MES與現場設備之間的數據流等。

▲ 生產數據流主要類型

產品數據流

打通產品數據流主要體現在產品全生 命周期數字一體化和產品全生命周期可追溯。產品全生命周期數字一體化以縮短研發周期為核心，主要應用基于模型定義（MBD）技術進行產品研發、建設 產品全生命周期管理系統(PLM)等。研發是數字化工廠“數據鏈條”的起點， 研發環節產生的數據將在工廠的各個系統間實時傳遞，數據的同步更新避免了傳統制造企業經常出現的由于溝通不暢產生的差錯，也使得工廠的效率大大提升，縮短產品研制周期。產品全生命周期可追溯以提升產品質量管控為核心。

主要應用是讓產品在全生命周期具有唯一標識，應用傳感器、智能儀器儀表、工控系統等自動采集質量管理所需要數據，通過MES系統開展在線質量檢測和預警等。

供應鏈數據流

打通供應鏈數據流主要體現在供應鏈上下游協同優化，實現網絡協同制造。主要應用是建設跨企業制造資源協同平臺，實現企業間研發、管理和服務系統 的集成和對接，為接入企業提供研發設計、運營管理、數據分析、知識管理、信息安全等服務，開展制造服務和資源的動態分析和柔性配置。

德勤調研結果顯示，目前企業致力于打通從ERP到MES乃至現場設備的數據流，但這也僅是從生產到執行的打通，未來 還需將產品數據、供應鏈數據串聯。我們將生產數據流分為兩個環節：一、打通生產計劃與執行系統的數據流；二、執行與監控和現場設備的數據流。

結果顯示， 83%的受訪企業表示已打通ERP和MES的數據流打通。62%的企業繼續向 下打通MES到現場設備的數據流。但僅有47%的企業打通了產品數據流，44%的企業打通供應鏈數據流。而且考慮到我們調查的企業均為資質較好且為中等以上規模，這一系列比率顯然高于中國整體平均水平。

▲ 受訪企業數據連通情況

從行業角度來看，航空航天領域全部受訪企業已經打通從生產計劃到執行的數據，但從生產執行到現場設備、產品以及供應鏈的數據鏈條連通相對滯后，提升空間大。電子組件及電器制造行業產品數據流 和供應鏈數據流連通情況高于其他行業，數字化工廠整體水平較高。產品質量可謂是制藥行業的生命，而打通產品數據流的制藥企業僅占33%，行業需要強化產品全生命周期可追溯，提升產品質量管控能力。汽車及汽車零部件以及高端裝備制造都在產品數據流方面領先（見下圖）。

▲ 受訪企業數據連通情況（按行業）

打通“次元壁”

未來數字世界和現實世界會是一體兩面，打通數據流也是數字孿生（digital twin）操作的基礎。德勤認為數字孿生是物理實體或流程的準實時數字化鏡像，有助于企業績效提升。數字孿生往往包含“數字產品孿生”、“生產工藝流程數字孿生”和“設備數字孿生”不同層面但可以高度集中統一的數據模型。

數字產品孿生領域，特斯拉公司為其生產和銷售的每一輛電動汽車都建立 數字孿生模型，相對應的模型數據都保存在公司數據庫。每輛電動車每天 報告其日常經驗，并通過數字孿生的模擬程序使用這些數據來發現可能的 異常情況并提供糾正措施。通過數字孿生模擬，特斯拉每天可獲得相當于 160萬英里的駕駛體驗，并在不斷的學習過程中反饋給每輛車。生產流程數 字孿生領域，一些嗅覺敏銳的工廠及生產線開始引入數字孿生，在建造之 前，對工廠進行仿真和模擬，虛擬出建造工廠的最佳流程，再將真實參數 傳給實際的工廠建設，有效減少誤差和風險。待廠房和生產線建成之后，日常的運行和維護通過數字孿生進行交互，能夠迅速找出問題所在，提高工作效率。

Gartner對美國、德國、中國與日本的202位企業的調查發現，到2020年，至少50%年收入超過50億美元的制造商將為其產品或資產啟動至少一項數字孿生項目，屆時參與使用數字孿生技術的企業數量將增長3倍。預計在今后數年時間，將有數以億計的用戶使用數字孿生操作，它將被企業用于規劃設備 服務、生產線操作、預測設備故障、提高操作效率、加速新產品開發等。在未來，這項技術有望與工業生產徹底融合，推動智能工業進入新階段。

如何創建數字孿生？德勤認為數字孿生的創建包含兩個主要關注領域：設計數字孿生的流程和產品生命周期的數據要求——從資產的設計到資產在真實世界中的現場使用和維護；創建使能技術，整合真實資產及其數字孿生，使傳感器數據與企業核心系統中的運營和交易信息實現實時流動。

智能工廠的落地實施還要看企業痛點，有的企業要提升產品質量，有的企業要實現產品設計生產和管理的數字化，由于企業往往難以承受“全家桶”解決方案，可以先解決眼前問題，但一定要有長遠規劃，以免以后無法實現互聯互通。

—— 朱毅明，和利時集團總工程師

深挖設備和用戶價值

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

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

雖然起步較晚，制造型企業也在探索和嘗試對用戶價值進行深度挖掘，其中以C2M (customer-to-manufactory，客戶到制造)最受矚目。C2M體現了定制化生產的特性，使制造商直接面對用戶，以滿足用戶個性化需求；同時通過減少中間環節降低成本、提升效率。

例子：紅領集團通過打造C2M電商平臺、柔性供 應能力和大數據能力實現了大規模定制 化。顧客可以在其C2M電商平臺選擇款式、工藝、材料并下單。平臺快速收集顧客分散、個性化需求數據的同時，大數據和云計算技術按客戶需求匹配產品數據模型，其款式數據和工藝數據能滿足超過百萬萬億種設計組合，覆蓋99.9%的個 性化設計需求。當版型確定后，系統自動生成工藝數據，工藝數據發送至工廠，工廠進行生產交付。整個流程從下訂單到產 品出廠僅需7個工作日，并做到按需生產、零庫存、一人一版、一衣一款。

阿里巴巴的“淘工廠”集結上萬家工廠，將電商買家訂單與制造廠商產能進行對接，把柔性產能檔期聯網，解決電商買家有訂單無工廠，制造企業有產能無訂單的結癥。

工業物聯網的三類場景

智能制造要求制造系統具備感知、分析、決策和執行的能力，而這些能力的核心均涉及物聯網相關技術，如面向感知的物聯技術（傳感器、RFID、芯片）、面向分析的工業大數據分析和面向決策及服務的應用平臺。

德勤調研結果顯示，目前中國制造企業物聯網應用以感知為重點，分析和服務交融將是未來物聯網建設重點。受訪企業普遍建立系統以傳感器采集動態數據，但數據分析和平臺應用相對滯后。

從行業應用來看，電子及電器行業傳感器和平臺應用最為普及，76%的受訪企業利用傳感器采集數據，43%的企業利用物聯網平臺，但僅有33%的企業采用大數據技術分析所采集的數據。汽車及零部件制造行業傳感器技術應用也有較高普及率達73%，但大數據和平臺應用低于其他受訪行業。制藥行業大數據技術利用最為積極，因為醫藥行業早已面臨海量數據和非結構化數據挑戰（見下圖）。

▲ 受訪企業典型物聯網相關技術應用情況

感知僅是物聯網應用的初級階段，以數據洞察指導行動，從而提高效率，或者與服務交融創造新價值，才是物聯網的 核心。云平臺通過提供強大的數據傳 輸、存儲和處理能力，幫助制造企業采 集和處理大量數據。工業云平臺不僅能 夠實現企業通過平臺完成產品的設計、 工藝、制造、采購、營銷等環節，還將改變傳統生產方式和制造生態，創造新的收入來源和商業模式。中國制造企業云部署現狀如何？

德勤調研發現，中國制造企業云部署積極性不高。53%的受訪制造企業尚未部署工業云，47%的企業正在進行工業云部署，其中27%的企業部署私有云，14%部署公有云，6%部署混合云（見下圖）。上云可以大幅降低每個單元的儲存和計算成本，甚至通過跨界創造新的商業模式，但也帶來了復雜性。企業擔心一旦將諸如工廠生產過程、資產性能管理的數據放到 云平臺上之后，信息安全、知識產權問題會接踵而至。除此之外，很多企業尚未明確工業云在企業層面的商業應用和相關能力欠缺也是導致企業云部署積極性不高的原因。

對于選擇公有云還是私有云，很大程度取 決于企業的關注點不同。如果企業只是聚焦自己的生產制造，降本增效，往往不會選擇公有云；如果企業聚焦商業模式創新和產品轉型，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云的部署以云的基礎功能為主，企業把云看作虛擬服務器，在云上做存儲、計算，只有少數企業通過云部署改變生產方式和制造生態，進行公有云和混合云部署的企業仍為少數。

▲ 受訪生產型企業工業云部署