中国制造业数字化转型升级核心价值及趋势展望分析

制造业数字化转型升级的核心价值在于降低生 产成本、提升产业效率和创新商业模式。

工业互联网、人工智能等新兴数字技术从每个生产节点切入，赋能制造业数 字化转型。对于制造业企业而言，实现数字化转型升级的核心价值在于降低 生产成本、提升产业效率和创新商业模式。 1）降低生产成本。基于生产现场数据的收集处理和生产设备的智能应用， 帮助企业实现更精准的供应链及财务管理，减少物料浪费、降低产品不合格 率、降低劳动力需求及人工成本。 2）提升产业效率。通过大幅优化生产过程、改良生产工艺等手段，提升设 备利用率和生产执行精度，缩短生产周期，提升产业链整体效率。 3）创新商业模式。通过智能网络协同制造、产品远程运维、智能销售预测 等多种新型生产方式，帮助企业创新商业模式，增加收入来源。 未来，随着各类新兴数字技术的发展与进步，制造业将在集成协同平台、人 机交互、共享制造和大模型应用等方向持续探索创新，最终实现制造产业产 品、生产、销售及服务、管理全方位、全流程的智能化。

数字化转型背景下，制造业将持续探索设计制 造协同集成平台 。对于制造业而言，设计制造创新的关键要素在于集成、协作和灵活性。未 来，通过数字技术集成各类功能模块，搭建协同集成平台，制造业企业将能 够实现订单需求、产品研发、产品设计和制造进度的有效同步。1）需求同 步：收到客户订单后，根据订单需求进行智能计算，在系统平台上通过知识 管理技术的协同优化，使设计和生产动态无缝衔接提升设计制造环节的灵活 性；2）研发设计同步：利用工业设计的跨学科属性将参数智能计算、产品 变形设计、工艺变形设计、虚拟样机设计、多领域优化设计及智能过程控制 等通过PDM系统集成接口整合，缩短设计周期；3）制造进度同步：集成协 作平台可根据产品特性与制造原料情况，实时同步产品制造进度，提升产品 质量与生产效率。 目前，已有服务方案供应商能够搭建这类集成平台，如Braincube，通过自 有的数字孪生和AI技术为企业客户提供设计制造智能解决方案，但这类企业 的配套技术仍局限于分析建模，在网络环境等方面有待进一步探索提升。

AR与多模态人机交互技术的结合，将使制造业 人机交互协作更加个性化 。在制造业远程运维等场景中，人机交互协作早已实现较高的普及度，但随着 AR、人工智能、机器视觉等新技术的迅猛发展和交互环境的变化，未来的人 机交互模式将越来越多精准地识别眼动、手势、语音等多模态生理信号，这 类多模态交互模式将使智能工厂人机协作变得更加智能化、个性化。

人机交互是利用机器协助人提升工作效率，因此其核心仍是以人为本，如何 提升交互模式的智能程度，并赋予交互系统最大限度的个性化体验是人机交 互的长远目标。AR与多模态人机交互技术的结合为实现新型人机交互模式提 供了创新技术路径：若将AR作为连接人与机器的媒介，实现人机的多模态交 互，并融合数据分析等智能技术，便可开发出AR环境下的个性化人机协作装 配意图识别方法。该方法能够以单个用户为中心采集多维度、强相关的数 据，构建出基于用户行为习惯的多模态特征融合模型，并对AR环境中的各类 物理行为进行识别，最终实现面向不同用户的个性化意图识别，提升人机协 作过程中的个性化体验和整体协作效率。 以AR智能眼镜软件平台effiar为例，其与软通动力联合推出的远程协作及视 讯服务解决方案已在福特汽车等制造业企业落地应用。未来随着采集分析等 技术的迭代优化，这类多模态人机交互技术将在更多制造场景实现应用。

云服务技术将帮助同行业制造业企业在云端实 现更高效率的共享制造 。 制造业各类中小型企业数量庞大，由于成本限制，这些中小型企业的数字化 进程推进较为迟缓，难以应对市场的灵活需求。未来，在云服务技术支持 下，同一垂直行业的制造业中小型企业工厂将能够集合上云，实现以订单驱 动的产业链上下游资源整合，推动制造业产业范式革新与产业整体的数字化 升级。

在云工厂模式下，客户能够通过统一的入口下单，收到订单需求后，垂直行 业的云工厂平台可对订单进行拆解和分发，根据垂直行业内所有工厂的产 能、资源情况智能调度，并整合产业链上下游的供应链、物流等资源供所有 工厂共同使用，由此形成更高效率、更高稳定性的共享制造。 目前，国内已有云服务企业提出类似概念，如阿里云在2022云栖峰会发布的 数字工厂解决方案，基于其云+AI的开放式物联网智能控制优化系统，提供 强大的建模、仿真、优化、控制基础能力，支持多工厂、多车间的统一建 模。该技术可应用在智能控制、过程优化、数据建模和交互式分析等场景 中，适配新能源、大型机械、离散和流程制造等多个工业领域。

大模型与工业机器人结合，将提升制造业人机 协作效率 。大模型代表人工智能落地模式的变革，通用大模型产品能够打破技能壁垒， 为制造业企业创新增长带来更多发展机遇。随着以ChatGPT为代表的预训练 大模型走入大众视野。制造业也在持续探索大模型是否能在更多细分场景中 带来生产力的广泛提升。其中，大模型与工业机器人的结合备受业界瞩目。

目前，工业机器人的难点多数集中于复杂精密指令的执行。以机器手为例， 能够在接收并理解指令后，精确地抓取物品并将其放置到指定位置，便意味 着对其语言理解系统和控制系统的极高要求。对操作者而言，大模型的介入 能够将操作者的语言命令直接转化为机器代码，大幅提升交互效率。例如， 阿里云工程师正在实验将千问大模型接入工业机器人，在钉钉对话框输入一 句人类语言，即可远程指挥机器人工作。对于开发者而言，大模型能够帮助 开发者完善合适的运动规划算法，通过算法将机器手的所有关节进行耦合， 进而将采集到的高维数据降维成低维规划，并联合关节运动完成指令，最终 实现灵巧作业。 未来，结合了大模型的工业机器人将在智能巡检、远程作业、仓储物流等场 景不断发挥实效，一方面深入应用场景，在丰富数据储备的同时，针对不同 机器人持续开发模型库，另一方面不断与机器人芯片和硬件终端进行适配融 合，形成软硬协同的效果。