高效率、低能耗、零缺陷：AI让制造创新“一键直达”

作者：侯文皓、Enno de Boer、Rahul Shahani、Federico Torti

在前三批全球灯塔网络成员中，运用AI的用例仅有不足20%，但在2023年12月最新加入的21家灯塔工厂中，近60%的用例已开始借助AI的力量（见图1）。这一变革并非偶然：在这批新晋灯塔工厂中，基于AI的创新用例已取得瞩目成就，不仅使生产效率提升两至三倍，服务水平提升50%，也使缺陷率降低99%，能耗改善30%。

以特钢制造领域为例，中信泰富特钢在其生产流程中部署了众多AI应用，显著提升了生产效率。通过精准预测和实时调整高炉运作，该公司不仅令产量提升了15%，还实现了11%的能耗降低。而在生命科学设备领域，安捷伦公司（Agilent）通过整合计算机视觉技术，打造出一套高效的工具包，短短4个月便将产品缺陷率降低了49%。

随着企业不断优化AI预测与建议的置信度，这些技术正迈向成熟。亿滋国际（Mondelēz）北京工厂部署了全新的工作模式：工厂一线工人现在更多扮演技术员的角色，而非仅仅是机器操作员。这种转变不仅使生产率飙升了两倍以上，还实现了70%的浪费减少，以及10%~25%的能耗降低。

生成式AI的涌现预计将为全球经济带来年产值高达2.6万亿~4.4万亿美元的增长【1】。其中，近四分之一的增值有望来自于制造及供应链相关活动，因为生成式AI将为相关活动领域带来高达两倍的生产力提升，以及近70%的任务自动化。

相关技术已展现出超过50个潜力巨大的应用场景，覆盖了六大主要领域（设计、采购、计划、制造、交付、服务）以及两大能力领域（数据与技术部署、人才与组织赋能）。而这一变革主要由内容生成、洞察提取和用户交互等新能力所推动【2】。而在灯塔工厂身上，我们总结出了关于AI和生成式AI部署的五大洞察：一是AI用例已遍布整个运营价值链；二是资产化是实现AI快速大规模部署的有效方式；三是AI指挥中心正推动自动化达到新层次和系统级别；四是生成式AI正将AI的影响扩展到车间之外；五是生成式AI的发展速度远超预期。

早期的AI试点通常集中在单一流程上，因为这些流程的范围最小、风险最低、迭代最快。迄今为止，超过80%的AI灯塔工厂用例都集中在流程层面。然而值得注意的是，AI正对供应链的所有环节产生深远影响，包括规划、资产管理、质量控制以及交付等关键步骤。

新晋灯塔工厂正是这种广泛性和多样性的明证。以规划为例，鸿佰科技部署了一个AI需求预测模型，该模型通过训练历史数据，在短短三年内将预测准确率提升了27%；在工艺优化方面，亨通光纤运用历史策略训练的模型，自动调整预制坯和拉丝参数，实现了工艺最优化；在质量控制领域，VitrA Karo通过在其窑炉中部署计算机视觉系统，成功将废品率降低了68%；而在交付环节，华润建材科技通过自适应优化重型运输设备的路线，将提货周期缩短了39%（见图2）。

为了在产出、质量和交付绩效等关键绩效指标（KPI）上实现20%、40%甚至60%的显著提升，企业需要将试点和概念验证（POC）的经验扩展到每台机器和每条生产线。一些企业已经开始了长达4~5年的试点、学习、推广新技术和应用的旅程。而其他公司，如中国溧阳的宁德时代、印度索尼帕特的联合利华和中国西安的强生，它们能够借鉴公司其他灯塔的经验，从一开始就进行规模化设计。这些公司在多个流程中应用了先进的AI技术和其他创新技术，跳过了早期灯塔工厂所必须经历的陡峭学习曲线。

当前，灯塔企业正在加速其AI试点项目，其中一个关键策略便是“资产化”——将用例“打包”成能够快速且大规模部署的解决方案。其他行业也在效仿这一做法：在利用新兴的低代码或无代码平台创建AI应用方面，相关领军企业正以1.6倍的速度领先于其他企业，极大地加快了其开发进程【3】。

灯塔企业已在制造领域证明了这种方法的成效。它们采用模块化设计原则，确保了新资产与现有技术架构的兼容性。同时，它们也在投资并使用各种生产力工具，如用于定制化界面的无代码平台。此外，它们还将基础的数字技能培训材料，如演示视频和标准操作程序，作为资产包的一部分，并对所有用户开放。如此一来，新的AI用例和数字创新便能从局域内的单一“本地”工具转变为全公司范围内的可用资产，且又可在“本地”实现定制化。

几个世纪以来，供暖、制冷、照明等技术不断进步。但智能家居的发展不单单是这些技术的简单延伸，而是通过智能控制系统整合相关技术，实现对居住环境的自动管理——自动调节室内温度、维护壁炉运行、调整百叶窗角度，甚至根据语音指令播放音乐，或是提醒最佳出行时间、搭乘最近的地铁等。智能工厂的发展同样遵循这一理念；它们的优势源于“中央式”的智能运用、更高级别的决策能力，以及让人类“参与”而非“置身于”自动化流程中。