2024人工智能（AI）在制造业的应用现状调研报告-30页_9mb

人工智能在制造业的应用现状与趋势总结

核心内容

人工智能（AI）技术正逐步成为制造业转型与升级的重要驱动力。随着技术的不断进步，AI在生产制造、质量管控、研发设计、物流供应链、营销服务等多个环节展现出巨大的应用潜力。生成式AI作为AI技术的一个重要分支，也正在制造业中崭露头角，预计未来将带来更多的创新机会。

主要观点

1. AI技术的重要性显现但企业准备不足

• AI技术被视为推动企业创新和提升竞争力的关键因素。
• 企业普遍对AI技术的重要性有较高认知，但多数尚未做好充分准备。
• 企业面临的主要挑战包括：专业人才缺乏、技能不足、培训缺失、技术认知不足等。

2. 生产制造相关应用是企业部署AI的首要选择

• 生产制造是AI应用的主要领域，尤其是生产排程与调度、质量控制与缺陷检测、产品辅助设计等。
• 机械装备、电子电器、汽车及零部件等行业在生产制造中的AI应用较为集中。
• AI技术在生产排程中的应用显著提高了效率和准确性，如博世华域武汉公司通过AI排程系统，大幅减少了产线缓存和加工时间。

3. AI应用模式、算法、模型呈现多样化特点

• 企业AI应用模式包括自主研发、购买服务、与厂商合作、完全外包和混合模式。
• 常用AI开源框架包括TensorFlow、PaddlePaddle、MindSpore等。
• 监督学习、强化学习、无监督学习和深度学习等算法在制造业中广泛应用。
• 大模型成为AI应用的新焦点，用于图像处理、语言处理、推荐系统等。

4. 企业AI应用首要关注降本增效和提高生产力

• 企业希望通过AI实现降本增效，提升生产效率和产品质量。
• 62%的企业希望AI能帮助企业降低成本，82%的企业希望通过AI提升效率和生产力。
• AI在研发设计、生产制造、物流供应链等环节均展现出良好的应用前景。

5. 认知不足和技能缺乏是企业推进AI应用的最大挑战

• 74%的企业认为缺乏专业人才和技能是AI应用的主要障碍。
• 企业普遍缺乏对AI技术的全面理解和实际应用经验。
• 技术基础设施薄弱、应用成本高、数据质量和安全问题也制约了AI的广泛应用。

6. 企业AI项目投入较谨慎且主要依赖厂商能力

• 企业对AI应用持谨慎态度，多数尚未制定明确的投资计划。
• 厂商在AI技术实施过程中扮演重要角色，提供灵活的模型服务、解决方案和咨询服务。
• 国内外多个厂商已在制造业AI应用领域有所布局，包括西门子、华为、百度等。

7. AI在制造业的应用未来有望多点开花

• 企业对AI在制造业的未来发展持乐观态度，预计多个应用场景将实现突破。
• AI应用将逐步从试点项目转向规模化应用，涉及生产排程、采购预测、产品设计、库存优化等多个领域。
• 生成式AI在制造业的应用前景被看好，尤其在研发设计和营销服务环节。

关键信息

样本说明

• 共收集364家制造企业的有效问卷，覆盖全国26个省份。
• 样本企业涉及机械设备、电子电器、汽车及零部件、能源电力、石油化工等多个行业。
• 中小企业（营收低于4亿元）占比35%。

应用场景分布

AI应用模式

• 合作伙伴模式：占比25%，与厂商合作共同推进AI应用。
• 购买服务模式：占比25%，直接采购成熟AI解决方案。
• 混合模式：占比21%，结合多种模式推进AI项目。
• 内部研发模式：占比17%，企业自行研发AI技术。
• 完全外包模式：占比6%，依赖外部团队进行AI开发和部署。

AI技术应用挑战

• 人才与技能缺乏：74%的企业认为这是最大的挑战。
• 技术认知不足：缺乏对AI技术的理解和实际应用经验。
• 数据质量与安全问题：数据准备不足和安全风险影响AI应用。
• 投资成本高：企业对AI项目投入较为谨慎，多数尚未明确投资方向。

生成式AI应用现状与前景

• 6%的企业正在试点或实施生成式AI，48%的企业正在考虑或评估。
• 生成式AI在研发设计、生产制造和营销服务环节应用潜力较大。
• 企业对生成式AI持乐观态度，预计未来5年将实现突破性进展。

总结

AI技术在制造业中的应用正逐步深入，尽管仍处于探索阶段，但其在生产制造、质量管控、研发设计等领域的应用效果显著。生成式AI技术的兴起为制造业带来了新的机遇，但企业在技术认知、人才储备和数据准备等方面仍面临诸多挑战。因此，制造企业应把握机遇，制定清晰的AI战略，加强技术学习和人才培养，合理规划AI应用路径，推动AI在制造业的可持续发展。