近日，德勤發布《中國智造，行穩致遠——2018中國智能制造報告》，對153家中國大中型企業的調研，評估了智能制造在中國工業企業中的部署及特點，對智能制造落地前景進行預測并幫助相關企業迎接關鍵轉型挑戰。

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，而中國是亞洲智能化轉型的重要力量。物聯網資本論通過解讀德勤此份報告，分析智能制造在中國工業企業中的部署策略，以及智能制造如何重構企業的商業模式。

以下為報告的核心觀點和主要成果：

1、智能制造發展取得了明顯成效，進入高速成長期。主要體現在三方面：

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。

財務效益方面，智能制造對企業的利潤貢獻率明顯提升。

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。

2、中國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%）、人工智能（21%）。

3、數字化工廠被企業列為智能制造部署的首要任務。

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巨大。

4、62%受訪企業正在部署設備和用戶價值深度挖掘

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。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。

5、中國制造企業云部署積極性不高

53%受訪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。

6、重構未來商業模式

智能制造不僅能夠幫助制造型企業實現降本增效，也賦予企業重新思考價值定位和重構商業模式的契機。30%的受訪企業未來商業模式以平臺為核心，26%的企業走規模化定制，24%以“產品+服務”為核心向解決方案商轉型，12%以知識產權為核心。

7、人工智能對制造業的影響，主要來自兩方面：

制造和管理流程中運用人工智能提高質量和效率；

對現有產品與服務的徹底顛覆。

8、跨越能力鴻溝三大任務

重構商業模式是一項復雜艱巨的任務，要達成這項任務，企業需先加強商業模式優化、創新管理以及云部署三大關鍵能力。

中國智能制造進入高速成長期

德勤在報告中指出，“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”。

目前，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。

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。

a、數字化能力素質提升

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。該報告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。

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%。

b、智能制造利潤貢獻顯著提升

上圖顯示，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。

c、中國已成為工業機器人第一消費大國，需求增長強勁

IFR(InternationalFederation ofRobotics)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。

中國企業智能制造五大部署重點，數字化工廠居首位

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%）。

受訪企業所關注的相關技術包括工業軟件、傳感器技術、通信技術、人工智能、物聯網、大數據分析等。當然，我們不能簡單認為有了這些技術，就是實現智能制造，因為新制造業文化的變革進程是相當復雜和緩慢的，沒有行業、企業與用戶的融合推進，這次變革無法實現。

a、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。

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。

b、62%受訪企業正在部署設備和用戶價值深度挖掘

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。

c、中國制造企業物聯網應用以感知為重點

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。

如上圖所示，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。

d、中國制造企業云部署積極性不高

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。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。

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。

樹根互聯CEO賀東東也指出，未來企業很大部分增值將來自跨企業活動，從長遠看，公有云、混合云是大趨勢，因為只有這樣才能實現數據交換和資源共享。私有云雖然安全，但很可能被孤立在新的商業模式和新的生態圈之外。

此外，德勤提到物聯網在智能制造領域的應用場景主要分為三類：設備與資產管理、產品洞察和服務創新。

e、智能制造將重構未來商業模式

德勤調研發現企業對未來商業模式的規劃大致呈四類：

30%的受訪企業未來商業模式將以平臺為核心

26%的企業走規模化定制模式

24%以“產品+服務”為核心向解決方案商轉型

12%以知識產權為核心

平臺型商業模式定位以提供多種軟件服務和搭建生態系統為核心。未來可能不會出現類似BAT這樣的行業巨頭，但不乏垂直行業領軍企業或平臺。

“產品+服務”為核心旨在圍繞客戶需求提供解決方案，是目前很多企業在做的。以知識產權為核心的企業往往通過專利戰略，形成技術壁壘占領市場。

上圖表明，不同商業模式的價值定位和價值創造方式不同，所面臨的挑戰也不盡相同。企業需要持續審視自己的商業模式，通過評估自身運營情況進行適當地改善并定期評估其他商業模式是否具有可行性。

f、人工智能對制造業的影響

人工智能對制造業的影響主要來自兩方面： 一是在制造和管理流程中運用人工智能提高產品質量和生產效率；二是對現有產品與服務的徹底顛覆。

中國制造企業人工智能應用情況如何？

調研發現，51%的受訪企業在制造和管理流程中運用人工智能，46% 的受訪企業在產品和服務領域已經或計劃部署人工智能。

制造和管理流程中人工智能的運用更偏向系統自動化和制造精益化，目的是提高生產效率和產品質量，同時人也被解放出來，可以去思考更復雜的問題。

上圖顯示，人工智能行業主要應用場景包括使用機器人實現流程自動化、柔性制造、定制化生產、質量檢測等。在產品和服務領域人工智能的運用更側重產品和服務與使用者的互動，典型應用包括研發和新品測試、用戶行為分析、自動駕駛等。

當然人工智能仍處在其發展早期，技術突破及商業論證需要更長時間。

人工智能正迅速滲透各行各業。汽車及汽車零部件制造、高端裝備制造、電子及電器制造三個行業在制造流程中采用機器人的比例過半。汽車及零部件制造行業使用機器人的企業比例達到80%， 預示未來工業機器人的市場增量將主要來自非汽車行業。

在產品和服務領域已經或計劃部署人工智能的行業分布比較均勻，高端裝備制造和制藥比例較高， 但其他行業如新材料、汽車及零部件、航空航天、電子及電器也正在或計劃部署人工智能。

商業模式優化、創新管理、云部署是企業跨越能力鴻溝三大任務

重構商業模式是一項復雜艱巨的任務，我們請企業就實現構想中的商業模式所面臨的能力鴻溝進行打分，綜合來看，商業模式優化、創新管理以及云部署為企業能力建設三大關鍵任務，德勤建議分別從以下幾個方面入手提升能力：

a、商業模式優化

企業需要運用行之有效的方法和工具，主要從以下工作流程各環節實現優化商業模式：

企業轉型整編；重新配置信息技術系統；重新調配人員；重組法律、財務及稅務架構

b、創新管理

創新管理的目標包括優化創新產品管理、優化生命周期成本、優化資本使用效率和優化風險管理。

c、云部署

僅僅把數據和應用轉移到云上是遠遠不夠的，大多數情況，上云會牽涉多個業務功能，影響企業的供應商、財務報表和客戶，企業需要長遠規劃，分步執行。企業還需要充分考慮人力資源和數字化程度如何與云部署配合。