對制造商而言，世界已變。隨時應對不確定性已是行業常態。企業高管預測，未來5年【1】，地緣政治、氣候變化、技術突破、供應鏈安全等因素帶來的負面影響將增加15%~25%。

隨著第四次工業革命（4IR）的步伐不斷加快，企業的績效實現了飛躍，與此同時，勞動力包容性和可持續性也在不斷提升。經過5年的發展，全球燈塔網絡【2】已為全球制造商累積了豐富的范例。每年，新加入的燈塔工廠均會對未來3~5年的價值鏈運營進行深度展望，為行業的持續發展貢獻智慧與力量。

新晉的一批燈塔成員證實了4IR拐點的到來，其中有兩大特征頗為顯著：一是機器智能已達到前所未有的成熟水平。與過去試圖模擬人類智能不同，現在的機器被賦予了智能，能夠在信息物理系統中勝任復雜的生產任務；二是在產業應用層面，企業正重新定義“試點”的范圍。為了推動規模化應用，這些企業不再局限于單個用例，而是將視野拓展到整個生產網絡，通過全面布局推動轉型升級。

圍繞該話題，我們擬發布系列文章（共三篇），將立足于全球制造業的發展實際，深入探討制造商對AI的戰略部署，以及企業在實現AI快速、大規模部署過程中需要構建的核心能力。作為系列文章的開篇，本文將重點詮釋為何AI的成熟標志著4IR拐點的到來，jiema制造商如何利用AI重塑競爭優勢，并列舉制造商在行業競爭日益激烈的當下，需要考慮的三種戰略對策——創新、加速以及追趕。后續兩篇文章將分別聚焦AI對制造業的規模化影響，以及推動AI應用所需的基本能力。

新技術采用的S曲線

通過對歷史上多次工業革命的回顧與分析，我們不難發現，它們的發展軌跡均呈現出一種S型的曲線特征。一階段是“學習曲線”，往往歷時較長，且早期先行者會在摸索如何使事物運轉的過程中不斷試錯；二階段是“應用曲線”，此時的技術基石已十分穩固，企業開始在生產網絡中部署相關技術；三階段是“優化曲線”，各行業圍繞技術采用的佳實踐進行調整。在此階段，新的標準與程序逐漸稱為常規操作，且成本開始趨于穩定（見圖1）。如果回看智能手機的發展歷程，我們也能清晰看到這種三階段的S曲線。

截至目前，全球燈塔網絡有153家成員。這些制造業的者在4IR技術的采用上，要平均于其他制造商3~5年。如今，用例試點已不再是他們的關注焦點。對擁有多個燈塔工廠的企業而言，其生產網絡都可作為大規模網絡部署的試點。現在，企業可同時在10或50家工廠中捕捉4IR技術的價值，而其他企業仍在努力尋找單個工廠的價值。

隨著燈塔企業不斷加速發展，在成熟度上，與落后企業間的差距也在不斷拉大。而近幾年愈發復雜多變的商業環境, 也讓這一差距愈發突出。xinguan疫情期間，85%的燈塔企業營收降幅低于10%；而僅有14%的其他制造商實現了這一點。燈塔企業的反應速度顯然更快：面對供應鏈風險，在2022年，65%的燈塔企業已經開始實現多貨源采購并增加安全庫存，而只有24%的其他企業推行了這項舉措。

AI正在定義第四次工業革命

AI位于4IR技術金字塔的頂端，也是重要的“指揮家”。在AI的引領下，4IR技術演奏著一曲“蕩氣回腸的交響樂”（見圖2）。

以生產現場的快速換線為例（見圖3），企業不僅需要柔性機器設備來處理不同的產品，自動導引小車（AGV）來運送物料和零部件，3D打印來定制生產線夾具，還需要可穿戴技術賦能管理與技術人員，幫助他們了解實時數據。如何協調這些復雜元素之間的相互作用？答案是：AI。

然而，AI的部署離不開數據的加持。企業可從系統軟件、設備傳感器、互聯基礎設施，以及員工等多個來源，生成和收集海量數據。數據是燈塔企業領跑行業的重要原因之一。他們一步，更早地投資建立了數據基礎設施，雖然在早期承擔了一定的風險，但在后期成功釋放了AI的潛力。

走出規模化的低谷

從燈塔企業身上我們不難看出，AI擁有的新用例不計其數，有望帶來難以想象的績效提升。

用例啟迪能力，能力引領規模。2018年，前沿用例的具體表現還是分析和自動駕駛qiche的本地化應用、高度透明的數據連接和可視化儀表板，以及類似的數字精益解決方案。與現在相比，當時部署用例所需的時間更長。多數早期部署相關用例的燈塔企業稱，前5個用例的部署平均花費了10~20個月；而現在，75%的燈塔企業表示，他們在6個月內便可完成5個用例的部署。不僅如此，30%的燈塔稱，他們甚至可在三個月內完成。

燈塔企業在用例部署早期，需要對其數據采集和數據傳輸層進行“推倒重建”：設計技術堆棧，增加或升級傳統基礎設施，訓練員工使用先進工具，以及調整組織架構，快速部署數字解決方案并獲得反饋。打牢“地基”后，企業便能快速部署新用例。例如，某燈塔企業表示，生成式AI技術顧問只需短短幾日或幾周便可部署，而非以月或年為單位。

挑戰接踵而至，燈塔企業從“試點陷阱”走向“規模化低谷”。許多燈塔企業已完成一階段的“學習曲線”，在工廠層面初步建立了變革所需的各項能力。但規模化進程的停滯不前也帶來了試點陷阱后的第二個重大挑戰——規模化低谷。技術從單一工廠向整個生產網絡的擴展絕非易事，這涉及到宏觀層面的數據、技術、人才和組織調整。此外，二者面臨的解決方案也不盡相同。以上文提到的生成式AI技術顧問為例，若想讓其在20多家工廠發揮作用，這些工廠必須做好充分的前期準備。

走出規模化低谷，重新定義成功。成功擺脫規模化低谷的企業能為行業樹立新標準。例如，豐田公司對大規模生產的進一步改良，使得精益生產和六西格瑪成為全球企業的標配，進而催生了新標準、協議、認證和監管措施的出現。至此，創新成為了社會制度的一部分；豐田為“新常態”設立了行業基準，是“優化曲線”的有力案例。在科技和銀行等制造業外之外的行業，由于AI的應用已相當成熟，因此關注焦點主要是標準的建立和監管合規性。

縱觀次工業革命中的蒸汽機技術，以及科技和銀行業中的AI部署，我們預計4IR的突破性技術將在10年內迅速普及。燈塔企業正立于革命潮頭，在新的候選燈塔工廠中，基于AI的用例占比高達60%，而這一數字在2019年僅為11%。

燈塔領航：內部提升良性循環，外部差距不斷拉大

生成式AI與其他前沿技術在制造業的廣泛應用無法一蹴而就，但燈塔企業已成功在工廠層面實現了應用。所有新晉燈塔成員都至少有一個正在進行中的AI試點項目，部分新成員甚至已在短短幾天或幾周內（而非幾個月或幾年）實施、測試和迭代了AI用例，并獲得了正面反饋。他們的成功離不開改革的關鍵助推因素：堅實的數據和技術基礎設施，強大的人才基礎，以及敏捷的運營模式。

除上述推動因素外，他們還建立了清晰的業務戰略和有效的變革管理。尤為值得一提的是，燈塔企業的技術投資并非“面子工程”，而是“快、狠、準”地確保每個用例都能帶來明確的業務價值。所謂“穩中求進”，他們采取了耐心、謹慎的方法，從而取得了突飛猛進的發展——用例實施周期通常在10~20個月之間，投資回報期約為兩年半。有了耐心的耕耘和扎實的付出，收效也十分顯著：燈塔企業的4IR用例在三年內取得2~3倍回報，在5年內取得4~5倍回報。

燈塔企業在規模化低谷中不斷摸索的同時，也在逐步提升快速部署用例的能力。近三批燈塔新成員的用例實施速度要比前三批快26%，75%的燈塔企業稱，他們僅需6個月不到的時間，便能部署新的前沿用例，而30%的燈塔企業稱，他們甚至可以在3個月之內完成。技術應用是個良性循環過程：進步越大，速度越快。企業能夠在此過程中更加敏捷，并獲得應對顛覆的能力，但也進一步加大了與其他制造商的差距【3】。

其他制造商：創新、加速，還是追趕？

對制造商而言，拐點意味著什么？隨著燈塔企業等制造商逐漸擺脫規模化低谷，并將4IR技術的影響力擴展到整個生產網絡，其他企業也需反思今后的走向。

答案不止一個：首先，企業可在生產網絡層面實現數字化創新。與許多燈塔企業一樣，作為行業探路者，他們敢于冒險，并有能力證明自己選擇了正確的方向；其次，企業可以選擇成為行業加速器。這些企業專注于實現規模化影響，可進而重塑整個行業格局；后，奮起直追者也面臨著巨大的機遇。這些企業可熟記前人譜寫的“游戲規則”，在捕獲價值的同時，巧妙避開學習曲線上的各個低谷（見圖4）。

我們認為，上述三種對策都是明智的戰略對策。4IR拐點的到來為企業帶來了重大機遇與重要選擇。但在時代的拐點，不進則退，“無為”或將意味著失敗，企業需根據自身情況和業務發展需要，因地制宜，選擇合適的發展路線。