作為新一代信息技術的核心——人工智能已滲透到制造業的各個環節中，成為滿足消費者需求并引領產業實現創新的關鍵驅動力。過去，在制造業中，人工智能主要被用在數據收集等基礎環節。隨著大模型、機器學習、計算機視覺等人工智能細分技術實現突破，制造業企業借助多年收集的數據和各類技術，改變制造業生產、運輸和銷售產品方式。EMERGEN RESEARCH數據顯示，2022年，全球人工智能制造業市場規模為26億美元，預計在預測期內收入年復合增長率為44.5%，其中，北美為最大市場，亞太地區復合增長率顯著提高。

本文將基于AI在制造業的應用背景和現狀，深入分析AI+制造業創新化應用的方向與產業發展趨勢。

1、發展背景分析

政策端：國家發布系列政策從加強產業應用與技術發展等方面推動人工智能在制造業的創新發展

實體經濟是國家立身之本，而制造業則是實體經濟的關鍵，是建設現代化產業體系的重要領域。國家多次發布政策強調提升制造業的發展質量，以創新驅動發展，加快人工智能等數字技術賦能，全面促進產業升級，催生新模式、新功能的誕生，實現制造業的快速增長。一方面，政策推動人工智能技術在柔性制造、機器人協助制造、工業檢測、設備互聯管理等深層次應用場景的探索，完善智能制造產業生態。科技部等六部門發布《關于加快場景創新以人工智能高水平應用促進經濟高質量發展的指導意見》，鼓勵在制造等重點行業深入挖掘人工智能技術應用場景，促進智能經濟高端高效發展；另一方面，《“十四五”智能制造發展規劃》等政策強調，加強關鍵核心技術攻關，研發人工智能、5G、大數據、邊緣計算等在工業領域的適用性技術，增強融合發展新動能。

圖示：中國人工智能在制造業內應用相關政策

技術端：算法、通用技術和工業知識的不斷突破，為人工智能賦能新型制造業奠定了良好基礎

得益于算法的突破、算力的不斷提升以及海量數據的持續積累，人工智能逐漸從理論走向工業領域的應用實踐，切入越來越多的工業應用場景。數據是制造業的基礎生產資料，算力提高了海量數據的處理能力和效率，算法從處理過的數據資料中發現規律并提供智能決策支持。具體而言，以機器學習、深度學習等數據科學和知識圖譜、專家系統等知識工程為代表的兩大類算法技術和以機器視覺、自然語言處理為代表的應用技術均不斷取得突破。例如，深度學習特征提取和泛化推廣能力推動機器視覺技術準確度和速度雙提升的同時，提升視覺處理器能力，借助機器視覺，機器人可實現三維感知，并與人類進行智能互動。此外，通用支撐技術和工業知識及經驗同樣是保證人工智能在制造業實現具體應用落地的關鍵。例如，云計算可串聯制造業各環節產生的大量數據，提升數據傳輸效率的同時，增加人工操作環節的穩定性，提升產品質量；豐富的知識和經驗可幫助優化和調節模型訓練，提高人工智能的應用效率。

圖示：人工智能在制造業的應用范式

需求端：消費者對多元化和高質量的追求倒逼制造業進入智能化階段，對AI賦能制造業需求提升

近些年，隨著中國經濟轉型升級，中國制造業的消費端也發生了巨大變化。制造業從提供傳統低端加工服務向高端制造轉變，一方面，消費者需求多元化，制造業產品結構愈發復雜；另一方面，制造企業希望提升制造能力，向消費者提供更多增值服務，以構建差異化競爭優勢，獲得更大市場份額。因此，為適應多元化的需求端和對高質量產品的追求，制造業自身需在設計、生產、管理、倉儲、質檢等全流程實現智能化改造，對人工智能、大數據、5G等信息技術參與制造全過程需求持續提升。

應用價值：人工智能從商業和產業價值兩方面賦能制造業

人工智能對制造業的價值主要體現在商業和產業兩方面。一方面，人工智能可覆蓋制造業全流程各環節，提高各環節自身運作效率，并可挖掘各單一環節所產生的數據信息，進而賦能整體的預測、生產、管理、決策，實現精細化管理，助力企業降本增效。工信部數據顯示，經過智能化改造，制造業研發周期縮短約20.7%、生產效率提升約34.8%、不良品率降低約27.4%、碳排放減少約21.2%。另一方面，在人工智能的賦能下，制造業從產品為中心向用戶為中心轉變、從剛性生產向柔性生產轉變，滿足消費者個性化需求成為制造業新服務模式。此外，人工智能可幫助中國制造企業逐漸掌握技術研發、設計等高附加值產業環節的話語權，搶占制造業價值鏈高點。

總體而言，人工智能在制造業具有廣闊的應用空間。根據Bizwit數據，2023年人工智能在中國制造業應用的市場規模約為56億元，從2019年起，市場規模增長率將持續保持在40%以上，2025年市場規模將達到141億元。

圖示：2019-2025年人工智能在中國制造業應用的市場規模，數據來源：Bizwit，德勤研究，36氪研究院整理

2、產業結構分析

AI在制造業的應用產業生態圖譜

整體而言，人工智能在制造業的應用可分為三部分：上游基礎層、中游系統層和下游應用層。其中，基礎層包括基礎設施和智能工業設備等工業軟硬件，系統層包括工業控制系統和工業互聯網平臺，應用層按行業劃分可在電子通信、電力電氣、汽車制造等細分領域內應用，按場景劃分則主要應用在設計、現場作業、銷售預測、節能減排等環節。

圖示：中國制造業人工智能應用圖譜

基礎層：落地所需工業軟硬件資源構成“人工智能+制造業”產業基礎層

基礎層包括數據、算法、算力、智算中心等基礎設施和工業機器人、AGV智能工業裝備等為人工智能提供在制造業落地所需的工業軟硬件資源。具體而言，數據是支撐人工智能在制造業落地的核心基礎，然而制造業數據樣本量較小，多依賴企業自身數據積累與沉淀，由此延伸出對AI基礎數據服務商在數據標注的復雜化、自動化、全棧式服務和數據合規性上的需求。從競爭格局來看，傳統專業數據服務商占據較大市場份額，科技企業依托其算法能力、研發能力和產業協同資源，市場份額得以逐漸提升。

此外，隨著大模型、多模態等AI技術的發展，人工智能在制造業應用的過程中對算力的需求呈指數級增長，利用AI模型以數據為資源，提供計算服務的智算中心已成為AI在制造業應用建設中的重要底層基礎。智算中心具有較強的公益屬性，主要存在政府投資建設、企業建設運營、政府購買服務、政府和社會資本合作等建設運營模式。其中，政府主導建設的智算中心通常用于支持地方各產業與AI的融合發展，主要作為公共設施存在；企業自建的智算中心可作為政府算力基礎設施的補充。例如，九章云極的DATACANVAS AIDC OS 智算操作系統作為智算中心的“中樞神經”，以告別“祼金屬”、為 AI而生、全局加速優化、異構算力納管與調度和1度算力的五大價值為基核，突破異構算力適配、異構算力調度等關鍵技術，有效管理、調度各種算力資源，提供一體化、開放化、標準化的AI模型服務，落地各類智算應用。面對當前算力流通和公平結算缺少統一的行業標準，九章云極DataCanvas從用戶視角出發，首次提出了統一的算力服務計量單位“度”（DCU），并用其實現標準化的算力計量計費，旨在為用戶實現“買到即用到”的算力服務，為未來算力資源互聯互通打下良性商業基礎。

以工業機器人為代表的智能工業裝備在人工智能模型算法的賦能下，其底層控制準確度顯著提升。此外，機器視覺和自然語言編程則分別提高其智能化水平并降低其使用門檻，可完成物料搬運、焊接、裝配等多項任務，主要被應用于電子、金屬加工、化工、食品制造等細分領域，正在向“人機協同”方向發展。工業機器人高端市場主要被外資占據，然而中國企業已具備全產業鏈替代能力，國產替代成為發展趨勢，業內主要參與者包括埃斯頓、匯川技術、JAKA等。

系統層：融合AI算法的工控系統和工業互聯網平臺共同構成系統層

工業控制系統可在人為不干預的情況下，控制生產設備按設定目標，進行自動化生產和制造。在人工智能技術的賦能下，一方面，工控系統的網絡安全系數顯著提升，AI可快速識別資產和數據，提升異常檢測準確性，并分析系統行為，及時識別異常的同時，持續監控系統性能，幫助系統自動應對安全威脅。另一方面，工控系統的資源優化效率不斷提高，AI可根據各環節歷史數據提前進行預測分析，實現生產資源調度，減少生產浪費，優化生產效率，進而實現生產的降本增效。市場主要參與者包括匯川技術、英威騰、中控技術等。

工業互聯網是基于制造業海量數據進行采集、分析的工業云平臺。生成式人工智能可解決制造企業對安全性的要求，其預測能力較強，可提升控制、分析、預測的準確度。此外，AI大模型在分析、識別網絡安全事件方面效率更高，可提升網絡安全防御能力并及時化解網絡攻擊。例如，Security Copilot利用GPT-4和微軟的安全模型，可以將耗時幾小時甚至十幾小時的勒索軟件事件處理時間降至分鐘級。在市場競爭方面，中國工業互聯網平臺及應用解決方案市場競爭格局較為松散，IDC數據顯示，前五大廠商分別為華為、阿里巴巴、百度、用友和樹根互聯，CR5僅為24.4%。

應用層：人工智能基本可覆蓋制造業各個環節

按照應用環節來看，人工智能主要應用在產品設計、生產制造和運營管理環節。在產品設計環節，人工智能可提升設計仿真度，提高設計效率和準確性；在生產制造環節，人工智能加強信息實時收集、處理、執行能力，通過賦能智能排產、設備管理、質量管控、倉儲配送等環節，提高生產質量并節約成本；在運營管理環節，人工智能主要在供應鏈管理、銷售預測、市場營銷等細分場景提升其管理工作效率，幫助制造企業構建以用戶為中心的經營模式。

圖示：人工智能在制造業各環節應用情況

3、應用場景概況

產品設計：數字孿生實現產品設計前瞻性優化，AI輔助設計助力產品設計快速迭代

數字孿生：數字孿生技術通過對構建物理產品進行三維建模，使設計師在虛擬環境中實現產品外觀設計和結構布局，并對產品性能進行模擬和測試，從而在產品實際生產之前發現問題并進行優化。AI技術的融入，能夠進一步增強數字孿生的智能化和自動化水平。AI擁有強大的數據分析和學習能力，能夠深入處理和分析海量的設計、生產及用戶反饋數據，精準訓練和優化數字孿生模型，使其更加真實地反映物理產品的實際情況。同時，AI技術也賦予了數字孿生模型自適應調整的特性，讓其能夠隨著環境和需求變化而自動更新，確保了設計的靈活性和快速響應。此外，AI還在故障預測和產品質量管理方面發揮著關鍵作用，它通過分析歷史故障數據來預測潛在問題，在設計階段就采取相應的預防措施，延長產品壽命，降低維護成本。更重要的是，AI技術的加持推動了數字孿生向更高層次的自動化邁進，實現了模型更新、數據分析和結果解讀等過程的自動化，極大地減輕了設計師的工作負擔，提高了整體工作效率。

圖示：AI在數字孿生領域的主要應用

輔助設計：AI在輔助設計中的應用，首先體現在其精準的數據驅動能力上。通過對海量設計案例與用戶反饋的深入挖掘，AI系統能夠識別出成功的設計模式和用戶偏好的細微差別。這種基于數據的洞察，使設計師在創作之初就站在了一個更高的起點，避免盲目嘗試和無效迭代。除了提供數據，AI還能進行智能化的方案優化。在設計過程中，AI能夠快速模擬和評估各種設計變體，通過算法分析出每一種設計的性能、成本和市場接受度。這種能力極大地提升了設計的精準性和市場適應性，讓設計師在眾多可能性中迅速找到最佳路徑。此外，通過與CAD等設計軟件的集成，AI可實現設計流程的自動化作業。從初步構思到詳細設計，再到最終的產品驗證，AI在每一個環節可提供支持和優化作用。特別是在面對重復性高、耗時長的設計任務，如參數化建模和性能仿真時，設計師可以解放雙手，由AI來高效完成。這種人機協作方式，確保了設計過程的流暢性和高效性。

圖示：AI在輔助設計領域的主要應用

生產制造：AI應用于優化生產、節能減排、精準分揀、智能質檢與倉儲管理，全面助力生產制造升級

生產過程優化：AI技術在生產過程中的應用，首先體現在實時數據的收集與分析。通過在生產線各個環節安裝傳感器，可以實時捕捉機器的運行狀態、生產速度、物料消耗等數據。經過AI系統的精確分析，生產中的瓶頸與問題得以及時識別。例如，機器效率下滑或某一環節耗時增加，AI系統均能迅速察覺并提供相應的優化措施。不僅如此，AI技術還具備預測性維護的能力。它可以分析歷史數據，預測設備可能出現的故障，并提前發出警告。這種預測能力使得企業能夠在設備出現故障前進行維護，避免因設備停機而造成的生產中斷，極大提高生產線的穩定性和可靠性。此外，AI技術在智能排產方面也發揮著重要作用。通過綜合考慮訂單情況、庫存狀況以及設備性能等因素，智能生成高效的生產計劃與排程。這種智能化的管理方式，不僅能夠提升生產效率，也能有效減少庫存積壓，優化資金使用。

圖示：AI在生產過程優化領域的主要應用

節能減排：AI技術通過智能優化與控制能源使用，助力制造企業降低能耗、減少排放，推進綠色、可持續發展。AI算法能夠學習并識別能源使用模式，依據生產計劃與實時需求，靈活調整能源分配，確保生產流程的連貫與穩定，有效規避能源浪費。同時，AI技術可以實時監控生產排放，確保排放物符合環保標準。通過分析排放數據，可輔助制定減排方案。在制造過程中，AI技術還可以優化生產流程，減少不必要的能源消耗。例如，通過智能機器人和自動化設備的引入，可以減少人力成本，提高生產效率，同時降低因人為操作不當導致的能源浪費。此外，AI還可以與可再生能源技術相結合，進一步提高能源使用效率。例如，在智能電網中，AI可以預測可再生能源的供應和需求，實現電力的動態調度和優化配置。

無序分揀：物體分揀是工業生產中的重要一環，對產品分類起著關鍵作用。當前，基于AI與機器視覺技術的分揀程序已實現有效應用，其特點在于速度快、規模大，并能有效解決傳統分揀方式中的高錯誤率和人工勞動強度大等問題。AI視覺分揀系統主要由工作平臺、視覺及機器人控制三個單元構成。工作平臺負責分類放置不同產品；視覺單元則利用工業相機和視覺軟件，通過圖像抓取與分析，精準識別目標種類及其位置和擺放方向；機器人控制單元則根據視覺單元的輸出，指揮機械臂等執行機構完成抓取和放置任務。通過模型訓練和加載，AI視覺分揀系統能快速將不同物品分類，并結合3D視覺設備，實現產品的精準抓取，為工業生產帶來顯著的效益提升。

質檢：在工業生產過程中，AI質檢通過引入機器視覺和深度學習算法，能夠自動檢測產品表面的微小缺陷，這不僅大幅提升了檢測效率，更確保了檢測結果的精準性和一致性。通過AI質檢的精確識別，企業能夠及時剔除不良品，從而顯著提高產品質量，并有效降低廢品率和產品不良率，進而達到降低生產成本的目的。此外，AI質檢還能在無人值守的情況下進行24小時不間斷工作，極大地提高了生產效率，并解決了人工質檢中可能出現的疲勞和誤差問題。

倉儲自動化：通過深度融合AI技術，倉儲管理正經歷著一場技術革新。在庫存管理方面，相較于傳統的人工盤點和記錄方式，智能倉儲系統在引入AI技術后，能夠自動追蹤并記錄庫存變化，實時監控貨物動態，確保庫存數據的準確無誤。此外，AI還能依據歷史數據及市場趨勢，對未來庫存需求進行科學預測，助力企業精準制定庫存計劃，有效規避庫存積壓或短缺風險。以DataCanvas Alaya制造行業大模型為例，該模型綜合采購規劃、實時庫存情況及優質供應商信息，智能生成各類采購合同草案，產品入庫后，可立即更新庫存數據，從而確保材料信息的實時性和準確性，顯著提高采購效率。在智能揀選環節，傳統的揀選方式依賴大量人工，效率低下且易出錯。而智能倉儲系統結合AI技術，可根據訂單信息智能規劃最優揀選路徑，并通過自動導航工具（如AGV小車）實現精確揀選，顯著提升揀選效率并降低人為失誤，從而全面提高倉儲管理水平。

圖示：AI在倉儲自動化領域的主要應用

運營管理：AI助力銷售管理升級，精準預測銷售趨勢，優化銷售策略，提升客戶服務，實現高效、個性化的市場運營

銷售預測：通過引入預測模型和數據挖掘技術，AI不僅能對歷史銷售數據進行細致分析，更能從中提煉出消費者的深層次購買邏輯與行為模式，捕捉到市場的微妙變化，進而預測未來的銷售走勢。對于企業而言，這不僅意味著能夠制定出更為貼合市場需求的銷售計劃，更代表著在庫存管理、產品定價、市場推廣等多個方面都能獲得AI的智能支持。特別是在庫存優化方面，AI的銷售預測分析可以減少企業的庫存積壓風險，提高資金周轉率，增強企業的盈利能力。

銷售管理：AI技術在銷售管理中的應用已經深入到客戶分析和銷售渠道優化的各個環節。通過精準的客戶分析和數據驅動的銷售渠道優化，企業能夠制定出更為精準、有效的銷售策略，進而提高銷售效率和市場競爭力。在客戶分析方面，AI技術通過深度挖掘客戶的購買記錄、瀏覽行為等多維度數據，能夠為企業描繪出更為精準的客戶畫像，進行精準營銷。在銷售渠道優化方面，根據AI驅動的對銷售數據的實時分析和預測，企業可以優化線上線下的銷售資源配置，將更多的精力和資源投入到轉化率更高的銷售渠道中，提高銷售效率。

客戶服務：通過引入AI技術，企業可以提供更為智能化的客戶服務，進一步提高服務效率，增強客戶體驗。智能客服的應用，使得企業能夠為客戶提供即時的咨詢和問題解答服務，不受時間、地點的限制，實現24/7的服務覆蓋。同時，基于大數據分析和機器學習算法的個性化推薦系統，企業能夠深入挖掘客戶的需求和偏好，為客戶提供量身定制的產品推薦和個性化服務，加深與客戶的互動和連接。此外，AI還可以通過分析客戶信用和支付歷史，評估其信用風險，幫助企業制定風險控制策略，并將其集成到CRM系統中，自動更新客戶信息，跟蹤客戶互動，優化客戶關系管理。以DataCanvas Alaya制造行業大模型為例，該模型可應用于信用評估、法律糾紛預防、訂單銷量預測、合規審查等多個客戶管理環節，提升企業在客戶服務領域的智能化水平。

4、發展趨勢展望

趨勢一：計算機視覺、知識圖譜、數字孿生等技術的成熟，將推動AI在制造行業更多細分場景中應用

隨著計算機視覺、知識圖譜、數字孿生等關鍵技術的不斷成熟，AI將在制造業的多個細分領域中發揮更加重要的作用。例如，在智能材料研發方面，AI技術的應用將促進自修復材料和形狀記憶合金等創新材料的開發，這些材料能夠智能響應外部環境變化，自動調整其屬性以滿足未來的制造需求。計算機視覺技術將提供精確的材料內部結構分析，知識圖譜將幫助研究人員梳理材料屬性間的復雜聯系，加速研發進程。在分子制造領域，AI與納米技術的結合將實現分子級別的精確控制，推動產品設計和功能達到新的精度和復雜性高度。高分辨率成像技術將用于觀察和分析分子級別的精細結構，確保制造的極致精確；知識圖譜將系統梳理分子結構與性能之間的復雜關系，為決策提供科學指導；數字孿生技術將在數字世界中模擬分子的運動和相互作用，以實現對分子制造過程的精確掌控。這些技術的融合應用，預示著制造業將邁向更高級別的自動化和智能化。