-
研究背景与主要结论
- 全球AI发展热潮，中国制造业积极拥抱AI技术，但企业准备不足，认知和技能缺乏是主要挑战。
- 企业AI应用集中在生产制造、质量管控、研发设计，未来多点开花。
- 生成式AI在制造业应用初现，前景被看好，但B端应用尚处探索阶段。
-
样本说明
- 调研覆盖364家制造企业，来自全国26个省份，涉及机械装备、电子电器、汽车及零部件等多个行业，中小企业占比35%。
-
AI在制造业的应用现状与趋势
- AI技术重要性显现但企业准备不足：93%企业认为AI重要，但仅9%提供AI培训，2%具备AI人才。
- 生产制造相关应用是企业部署AI的首要选择：
- 生产制造（生产工艺优化、生产排程与调度）渗透率高，机械装备、电子电器行业应用突出。
- 质量管控（AI质检）应用率达40%，电子、汽车行业规模化应用。
- 研发设计（产品辅助设计、仿真优化）应用占比高，电子电器、汽车行业领先。
- 物流供应链（采购预测、库存优化、智能分拣）逐步渗透，联想、南京天加环境等案例。
- 营销服务（销售预测）应用较少，制造业依赖传统手段。
- AI应用模式、算法、模型多样化：
- 应用模式：合作伙伴和购买服务占比25%，内部研发17%，混合模式21%。
- 开源框架：TensorFlow、PaddlePaddle应用率高。
- 算法：监督学习（38%）、深度学习（30%）、强化学习（20%）、无监督学习（20%）。
- 大模型：图像处理模型应用突出，如电子产品质检、仓储物流分拣。
- 企业AI应用首要关注降本增效：82%期望提升效率和生产力，62%希望降低成本。
- 认知不足和技能缺乏是最大挑战：74%企业认为人才和技能缺乏是障碍，其次是对AI认知不足。
- 企业AI项目投入谨慎，依赖厂商能力：70%企业暂无AI投入计划，20%投资500万以内，更关注厂商的模型服务和解决方案。
- AI应用未来多点开花：企业计划在采购预测、生产工艺优化、仿真优化等领域推进AI应用。
-
生成式AI在制造业的应用现状与前景
- 6%企业试点生成式AI，48%考虑评估，近80%企业持乐观态度。
- 研发设计（创成式设计、文档生成）、生产制造（代码生成、故障诊断）是热点，营销服务（标书撰写、智能客服）应用广泛。
- B端应用尚处初级阶段，生产制造环节进展缓慢。
-
对制造企业推动AI应用的建议
- 明确AI战略和目标，加强学习和认知，结合自身特点确定应用场景。
- 扎实应用基础，注重技术储备和数据准备，由点到面推进AI落地。
- 加强人才培养和团队建设，持续关注AI技术动态，灵活应对变革。
