工业AI变革潜力获超四成制造商认可 | CIO Dive

“当创新和技术按预期发挥作用时，它们能推动解决方案、解决问题并创造机遇。解决方案不会凭空出现，需要规划、承诺和耐心。”—— John Walczak，Corning Data首席架构师

美国北卡罗来纳州罗利 -- 评估工业AI、创新和技术对全球制造企业的力量与潜力，如同判断一杯水是半满还是半空——完全取决于视角。

根据Corning Data发布的《制造业情绪报告》，43%的受访者认为其影响具有变革性。其余57%的受访者中，29%认为重要但非主要增长驱动力，15%视为避免落后的防御策略，9%认为基本处于实验阶段。

美国全国制造商协会（NAM）的统计数据支持AI和创新在工业制造中作用日益增强的趋势。如今，随着制造商拥抱AI并进入基于生产的部署阶段，40%的会员相信其潜力。而两年前，仅有10%认识到其潜在影响。

然而，一位行业顾问提出质疑：“近60%的企业不认为工业AI对其业务至关重要，那么更大的问题或许是：谁才是行业思想领袖——是忽视AI干扰的人，还是奔向AI的人？”

Corning Data情绪报告的其他要点包括：

• 超过50%的参与者表示，效率和生产力，其次是决策速度和质量，是最大的激励因素。
• 成本、资金优先级以及改变运营模式的意愿，是最可能阻碍进展和长期成功的问题。
• 供应链影响和决策速度在七个“灭绝警告信号”中评分最高，但所有信号均被评为中等风险，得分超过3.3。
• 超过80%的制造商表示，他们将销售收入的1-2.5%预算用于创新。
• 转型不会一蹴而就。约80%表示举措正在取得进展；但一半表示进展缓慢但稳定。

“当它们按预期运作时，创新和技术能推动业务解决方案、解决问题并创造机遇，”Corning Data首席架构师John Walczak表示。“但这不会神奇地一夜发生。寻找解决方案需要规划、承诺、耐心和灵活性。”

效率的驱动力

超过65%的参与者将提高效率列为利用AI和创新的首要动机。制造商寻求提高效率并增强财务状况的方式包括：消除隐形浪费（如库存积压或机器换型期间的效率低下）、克服配置复杂性造成的主要瓶颈，以及缩短报价延迟。

“当今无论规模、范围或所生产产品如何，企业都在寻求创新方式来利用工业AI和技术的潜力，”Corning Data首席营收官Rick Scearbo表示。“他们正在投资合作伙伴关系，以提高效率并创造机遇。”

报告参与者、科罗拉多州丹佛市模块化住宅建筑商Vedera Modular的创始人Nathan Peterson及其团队，利用AI编码工具开发了定制软件，以解决“变异性”——他将其定义为“装配线的首要敌人”。该软件执行实时劳动力平衡，根据具体设计要求在装配站之间调配工人。该软件已将工厂效率提高了一倍。Peterson估计，它可将劳动力利用效率提高多达55%。

“我们定制创新的最终目标，是通过真正的成本节约而非依赖商品化和同质化产品来创造竞争优势，从而使住房更可负担，”Peterson表示。“我们创造的效率可以层层传导，降低建筑成本，使房屋所有权更易实现。”

警惕灭绝风险

参与者对七个灭绝警告信号进行了1（低）到5（高）的风险评分。七个警告信号的平均风险为3.38，明显处于中等风险水平。供应链影响被评为最高警告信号（3.65），基于疫情以来存在的不确定性程度，并因地缘政治事件而进一步加剧。紧随其后的是决策速度（3.61），印证了“时间就是金钱”的格言。

顾问们建议，最需要关注的关键指标之一是销售管道，包括现有客户的重复订单。销售团队努力突破并建立新客户，但不能忽视现有客户的销售活动模式。

“现有客户可能比赢得潜在新客户更能说明你的产品——其能力、定价和有效性，”Pemeco董事总经理Jonathan Gross表示。“制造商需要自问：‘我如何更好地服务客户？’”

另一个关键指标是销售利润率——生产成本与产品售价的分解。超越数字的图景还需要理解影响成本和售价的力量，如供应链问题。

执行

调查显示，略超80%的参与者表示创新举措稳步推进（尽管有时缓慢），31%表示从试点到规模化进展迅速。大多数公司（92%）表示，确定创新工具有效性的时间在一年或更短。超过一半在六个月内确定有效性。

然而，确定有效性并在全公司范围内整合创新工具和系统可能艰巨且昂贵。组织的思维模式可能是识别和采用创新工具与系统的最大障碍——而非技术本身。这种转变往往更多是关于将文化从被动转变为主动，而非新技术。同时，“劳动力准备度”和“AI素养”通过结构化技能提升至关重要，否则举措注定失败。

“减轻压力；不要将其视为庞大的技术举措，”Baker Newman Noyes董事总经理Paige Ricci建议。“更多从如何利用和发挥业务模式来支持AI的角度来看待。”

在内部，“我们如何在自己擅长的领域做得更好？”以及“我们如何从优秀走向卓越？”等问题的答案，可以指导创新调查、测试和整合。

Michael Dillon

Corning Data

+1 518-542-8717

[email protected]

在社交媒体上关注我们：

LinkedIn