【KPMG】人工智能如何驱动制造业-从转型到价值创造的跃迁之旅

近日，国际专业服务网络KPMG发布了一份名为《人工智能如何驱动制造业：从转型到价值创造的跃迁之旅》的行业研究报告。该报告深入探讨了人工智能（AI）技术如何重塑制造业的各个方面，从设计到生产、供应链到销售，以及劳动力管理，并强调了AI在提升效率、促进敏捷运营以及推动可持续性方面的巨大潜力。报告指出，尽管AI的潜力巨大，但其在制造业中的采纳仍呈现碎片化和功能驱动的特点，许多制造商尚未充分发挥AI的全面潜力，限制了整个行业的企业级转型。报告中不仅分析了AI在制造业中的应用现状和挑战，还提供了关于如何利用AI作为转型力量的深刻见解和战略建议，是一份对制造业决策者极具价值的参考资料。

人工智能（AI）正在重塑制造业的每一个环节，从设计到生产，供应链到销售，以及劳动力管理，AI都在解锁新的效率，并使操作更智能、更灵活。AI还助力可持续性，帮助制造商减少浪费和优化能源使用。AI的潜力巨大，但挑战也同样巨大。AI的采用仍然分散且功能驱动。许多制造商在孤立地部署AI——生产车间正在采用AI驱动的自动化和预测性维护，而后台功能大多仍未整合且缺乏自动化。这种脱节的方法限制了AI的全部潜力，阻碍了整个行业实现真正的企业范围转型。

制造业面临的一个明显对比是成熟度水平的差异。智能工业正在引领潮流，将AI深深嵌入到他们的运营中。更传统的制造商仍在尝试局部的AI用例，犹豫是否进行全面转型。与此同时，代理性AI——智能工具的下一个前沿——正在等待。

通过实现自我优化的供应链、自动化生产线和跨业务功能的实时协调，代理性AI为真正的智能、端到端的制造模型铺平了道路。但要充分发挥其潜力，制造商应该超越孤立的AI实施，并采取连接的、全企业范围的方法。

本报告探讨了制造业领导者如何利用AI作为转型力量。未来属于那些认识到AI不再只是自动化的人。它是关于自主性、智能、整合和一种新的、更有效的工作方式。

为了释放AI的全部潜力，制造公司应该超越孤立的用例，并重新想象智能如何嵌入整个企业。这意味着将AI与战略价值流对齐，重塑文化以拥抱实验和敏捷性，并为信任、透明度和规模而设计。真正的机会不仅仅在于更智能的操作，而在于创造一个更连接、适应性和价值驱动的生态系统。

对于工业制造商来说，第四次工业革命（工业4.0）要求更大的灵活性和实时决策。AI已成为必需品而非选择，使预测性维护、智能自动化和数据驱动的优化成为可能。然而，智能制造不仅仅是采用AI——它是关于转型工业生态系统以释放AI的巨大价值，推动运营效率和弹性，并创造新的竞争优势。

对于生产和供应链，AI使实时决策、预测性分析和自我优化的工作流程成为可能。例如，AI可以结合外部和内部数据点，如客户消费模式和全球指数，提供有关成本优化的有意义的决策支持系统。智能工具通过快速识别漏洞来增强需求预测、库存管理和物流。

在劳动力方面，AI和增强现实帮助员工培训最佳实践，同时自动化例行任务，支持预测性维护并实现动态调度。最后，在后台，AI简化了财务、采购和人力资源功能——这些领域在传统制造业中大多仍未数字化。

我们希望了解工业制造商如何使用AI降低成本和增加收入。为了理解这一点，我们调查了183位来自八个国家的高级制造业AI领导者。我们发现，该行业的AI领导者认识到，拥抱AI不再是可选的，而是一种战略必要性——93%的人认为完全整合AI的组织将比不这样做的组织获得显著的竞争优势。

93%的人认为，完全整合AI的组织将比不这样做的组织获得显著的竞争优势。

本报告旨在为制造业决策者提供可操作的洞察和战略建议，以应对AI采用的复杂性，特别是随着工业5.0依赖多模型AI使这种整合对人类友好。通过跨功能整合AI，制造商可以解锁全企业范围的价值，而不是将AI限制在孤立的用例中。为了帮助工业领导者最大化AI的影响，本报告检查了：

• AI如何提高效率、增强敏捷性和推动制造业的可持续性，同时解决数据分散、遗留系统和劳动力转型等挑战
• 调查了工业制造领域的AI领导者，探讨组织如何接近AI战略、投资和实施
• 智能制造组织的特征以及如何构建它们，检查区分AI就绪制造商的因素。

我们提供了一个AI成熟度模型和框架，帮助组织通过三个关键阶段取得进展：

• 使劳动力能够使用AI并建立AI基础
建立负责任的AI采用所需的数据整合、治理和技能

• 在整个企业中嵌入AI
将AI解决方案扩展到生产之外，进入供应链、采购和业务运营，以推动整体转型

• 演变运营模式和生态系统
向代理性AI驱动的制造迈进，促进端到端的连通性、自我优化的生产系统和全企业范围内的AI驱动决策。

AI是一个竞争必需品，93%的受访者认为，在其行业中采用AI的组织将比不采用的组织发展出竞争优势。72%的受访者表示，他们的AI整合进展顺利。74%的受访者表示，他们正在进行重大投资，36%的受访者表示，AI占他们总IT预算的10%以上。77%的受访者打算在未来12个月内增加这一投资，71%的受访者计划增加超过10%。然而，实施AI面临挑战，56%的制造商在实施AI时面临数据挑战，40%的受访者在技能或对变革的抵制方面遇到劳动力问题；作为回应，80%的受访者投资于他们的AI工具的知识和技能培训。风险正在被识别和管理，65%的受访者表示，数据隐私（57%）和监管合规（44%）是主要的关注领域。

65%的受访者打算使用AI提高效率，77%的受访者打算推动增长。早期结果是有希望的，96%的受访者表示，他们经历了运营和效率的改善。45%的受访者经历了财务改善，62%的受访者经历了超过10%的投资回报率。但可持续性是一个问题，78%的受访者认为，实现可持续性目标比AI更重要。

我们是在使用机器学习和72%的预测分析，67%的受访者正在使用代理性AI。85%的受访者有结构化的方法来管理AI风险，有彻底的过程来识别、评估和减轻风险。85%的受访者系统地将AI纳入产品和服务开发。85%的受访者有计划来减轻实施AI技术增加的能源需求。

AI领导在工业制造中：转型转变，93%的受访者认为，完全整合AI的组织将比不这样做的组织获得显著的竞争优势。AI领导在工业制造中正在为智能运营、自动化和创新的新时代设定舞台。有了强大的投资、战略对齐和对劳动力准备的关注，制造商们已经准备好利用AI的转型潜力。然而，平衡技术进步与可持续性、风险管理和市场不确定性将是确保长期成功的关键。

AI作为业务战略的核心组成部分，AI迅速成为运营的核心组成部分：20%的制造商认为AI是所有部门的核心组成部分。此外，26%的人已经将AI嵌入到他们的组织文化和运营中，使用它来推动创新、创造新的商业模式和探索未开发市场。

敏捷和混合组织模型推动AI成功，为了支持AI采用，制造公司正在重新思考他们的组织结构。19%的人采用了敏捷方法，团队是跨职能的、适应性强的，并专注于特定项目或目标，以确保快速迭代和交付。然而，50%的人实施了混合模型，混合了多种方法，如功能和敏捷结构，以优化灵活性和效率。

云、本地和AI驱动的数据基础设施，60%的人主要拥有基于云的IT系统，AI采用仍然根植于云和本地基础设施；事实上，84%的人正在利用本地AI解决方案。有效管理和整合数据的能力也是一个优先事项，52%的人实施了跨平台数据整合或智能数据织物，74%的人大量使用AI驱动的数据平台。

AI成熟度和发展方法，行业正在看到AI成熟度的增长，62%的人已经使用AI超过三年。开源AI工具在这个生态系统中扮演着重要的角色，70%的人大量或广泛地使用它们。84%的人正在积极开发内部AI解决方案，显示出对定制AI创新的承诺，以应对行业特定的挑战。

制造业中的高级AI能力，工业制造中的AI应用正在迅速扩展。74%的组织正在使用机器学习，而72%的人正在利用预测性分析。流程自动化也是一个关键焦点，67%的人将AI与RPA整合。值得注意的是，67%的人正在使用代理性AI，另外20%的人计划扩大其使用。对AI决策能力的信心很高：91%的人愿意让AI为特定流程做出端到端的自主决策。

衡量AI的业务影响，AI采用的好处已经开始显现。96%的组织报告了运营和效率的增长，而45%的人经历了可衡量的财务改善。投资回报（ROI）是一个关键指标，62%的人实现了超过10%的投资回报率，31%的人预计AI投资将在未来12个月内产生超过30%的回报。

管理AI风险和确保负责任的AI部署，随着AI在运营中扮演更核心的角色，风险管理已经成为一个优先事项。65%的制造商有结构化的方法来管理AI风险，重点关注领域如数据隐私（57%）和监管合规（44%）。主动的风险管理确保AI采用保持负责任、安全，并

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。