川海智库

报告概述

本报告是制造业领导力委员会“制造业未来项目”2025年的研究成果，聚焦人工智能在制造业中的核心作用。报告基于对制造商的问卷调查，分析了AI治理与策略、技术应用现状与预期、投资水平与价值衡量、领导层参与度以及数据、人员和企业系统三大类挑战。旨在帮助制造商理解AI如何从车间到会议室重塑运营，并为制定可扩展的AI战略提供参考。

报告的核心结论

近七成制造商认为AI对未来竞争力至关重要。

报告显示，68%的受访者表示到2030年人工智能将成为企业增长的核心驱动力，仅3%认为无影响，表明AI已从可选实验升级为战略必需。

AI采用仍处早期，但投资预期显著增长。

目前仅18%的制造商拥有正式的运营AI策略，但61%预计未来两年将增加AI投资，边缘AI、代理AI和物理AI预期使用率将翻倍以上，显示强劲势头。

数据质量和技能差距是AI扩展的主要障碍。

65%的制造商缺乏适用于AI的数据，62%的数据未结构化或格式化；82%表示缺乏有效使用AI的技能，71%缺少AI驱动决策的证据，制约了规模化部署。

多数制造商通过运营绩效衡量AI价值。

78%的受访者通过运营绩效影响评估AI价值，74%通过成本节约，64%通过劳动生产率，但仅有5%通过AI驱动收入，反映价值衡量仍聚焦传统效率指标。

领导层AI参与度不足，一线管理尤为薄弱。

近三分之一受访者不清楚AI治理负责人，53%的工厂一线领导者未接受任何AI教育，高层领导虽意识较高但定期使用率不足6%，影响AI文化落地。

报告回答的关键问题

制造业如何部署人工智能？

报告显示，制造商主要采用合作模式（41%），其次是购买（25%）和自建（20%）。实施通常由个人贡献者或技术提供商主导（均超50%），多数企业优先在流程制造和离散制造中应用视觉系统和机器学习用于质量控制和优化。

AI在工厂中有哪些实际应用？

当前主流应用是视觉系统（72%）和机器学习（46%），用于质量检查、预测性维护和流程优化。生成式AI使用率约45%，但主要仍处于探索阶段。未来两年边缘AI、代理AI和物理AI预期增长最快，将扩展至自主决策和物理交互。

制造商面临哪些人工智能挑战？

三大类挑战包括：数据方面65%缺乏可用数据，62%数据未结构化；人员方面82%缺乏AI技能，71%缺少投资回报证明；系统方面78%受困于遗留系统集成，66%难以将试点扩展至生产，网络安全风险（60%）亦是焦点。

如何衡量人工智能在制造业中的价值？

报告指出，78%的制造商通过运营绩效影响衡量，74%通过成本节约，64%通过劳动生产率。但59%尚未设定AI价值目标；设定目标的企业中63%达到或超额完成，37%未达标，显示明确目标的重要性。

制造业AI治理策略现状如何？

目前35%的制造商拥有企业级AI治理策略，另有35%正在制定；但运营层面仅18%已实施，43%在制定中。近三分之一不清楚负责人，治理多由IT副总裁或首席数字官主导，亟需明确责任框架。

报告中的代表性数据

61%

预计未来两年增加AI投资的制造商比例

2025年调查预期至2027年，受访制造商预计未来两年内将增加运营中的AI投资，但其中近三分之二预期增幅低于50%。

68%

认为AI对未来竞争力至关重要的受访者比例

展望至2030年，认为人工智能对企业增长至关重要的制造商比例，仅13%认为会颠覆当前业务，11%认为仅维持现状。

65%

数据为AI应用主要障碍的制造商比例

2025年调查，65%的受访者表示缺乏适用于AI的合适数据，62%指出数据未结构化或格式不佳，数据质量差（49%）和不可访问（43%）紧随其后。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整的企业级与运营级AI治理策略对比图表（图1-3），展示正式指南、整合程度及负责人分布。
  • AI技术类型（视觉系统、机器学习、生成式AI、边缘AI等）在流程制造、离散制造等领域的当前应用率与两年预期变化图表（图4-5）。
  • AI投资水平与资本设备预算的对比数据，以及未来两年投资预期分布（图6-7）。
  • 构建、购买、合作三种AI实施方式的比例，以及实施责任主体的领导层级分析（图8-9）。
  • AI价值衡量指标选择与目标达成情况（图10-11），包括运营绩效、成本节约、劳动生产率等维度。
  • AI主要目标（持续改进、预测、自动化等）的当前与两年后变化趋势（图12）。
  • C级高管、工厂领导、一线主管等不同层级的AI教育与参与度详细数据（图13-14）。
  • 数据挑战（图15）、人员挑战（图16）和企业系统挑战（图17）三大类障碍的完整排名与交叉分析。
  • 关于2030年AI对竞争力影响的预测分布（图18），以及最终思考章节中与ERP等历史技术对比的深度洞察。
  • 词汇表详细定义物理AI、边缘AI、代理AI等12项关键术语；合作伙伴简介及方法论说明。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告