近年來，人工智能已成為新一輪科技革命和產業變革的重要驅動力。隨著第四次工業革命的步伐不斷加快，企業對于提質增效、加速可持續發展進程的需求，也到達了前所未有的高峰，AI技術的羽翼漸豐正標志著企業即將迎來重要拐點。

　　如今在數字化轉型過程中，制造業企業面臨哪些阻礙?在進行IT和AI技術投資時，企業需要有哪些側重點和優先級考量?近期，Gartner在2024大中華區高管交流大會上發布了中國人工智能(AI)調研，借此契機，CONIROL ENCINEERING China采訪到了 Gartner研究總監龔慧巍。

　　提升營運效率：制造業數智轉型第一優先級

　　現如今，隨著全球步入"后疫情時代"，制造業的新版圖也正在慢慢形成。龔慧巍表示，無論從制造的規模、質量和供應鏈等生態體系層面來看，全球制造業都在向著"強者更強"并且更具創新能力、更高端的方向發展。放眼國內，中國制造的市場份額占比和影響力穩步攀升，具有"新質生產力"潛質的制造高地也正在形成。

　　在各行業穩步進軍高質量發展的過程中，數字化轉型無疑是最重要的綱領和趨勢之一。根據《2024年Gartner首席信息官和技術領袖調研》(以下簡稱"調研")顯示，制造業利用數字化技術主要解決營運的利潤率(占到61%-87%)的問題。龔慧巍分析道，由于制造業與服務業的成本結構截然不同，通常來說，制造業的原材料、勞動力成本累計能占到70%-80%，因此降本增效有著非常重要的意義。

　　綜合來看，聚焦各行業內優秀的數智轉型實例，數字化技術能夠幫助企業告別傳統的人工事后維護模式，收獲預防性維護的巨大效益。龔慧巍表示，對制造業企業而言，同樣產品生產一千個和生產十萬個的邊際效應很不一樣，因此保持設備長期的高質量運營對于企業來說意義重大。

　　與此同時，數字化轉型對于降低企業在排查、計劃精準預測、集中優化環節的運營資本(Working capital)也有著重要作用。而隨著數字化轉型的深入，龔慧巍補充道，數字化技術一旦與企業"人、機、料"或是應用設施、工藝流程進行結合，就能夠固化在系統當中創造更多的復用價值，這在機械工程和大型離散制造行業中非常典型。

　　洞察與建議：構建數字化中臺，盤活數據資產

　　工業制造是典型的資本密集型行業，其數字化轉型一定會伴隨巨大的投入。因此，了解IT技術的投資情況和趨勢，對企業有著重要的借鑒意義。龔慧巍表示，企業最好按著模塊化、循序漸進開展的模式，才能讓數字化技術的設計和實施部署過程，得到更好的業務與資源配合。

　　與此同時，調研顯示，在制造業IT支出中，基礎設施構架的成本占比會非常高(占60%左右)，其中ERP/SCM/CRM這類軟件會占到13.5%。綜合來看，軟件和IT服務占到35%-40%左右，IT服務占11.5%的年度復合增長。其中值得關注的是，軟件中基礎設施軟件占到55%-60%、年度復合增長占到了19%，也有著非常高的占比。

　　對此龔慧巍補充道，在工業4.0時代，Gartner倡導企業更好地利用數字化中臺，在已有的數字化投資基礎上，通過數據的充分利用、洞察，將IT、OT、ET進行有效打通，助力提高制造業整體的績效。

　　加速AI落地，高質量數據與人才是關鍵

　　據Garter中國人工智能(AI)調研預測，到2027年，中國制造業的AI使用滲透率將以10%的年復合增長率上升。為何AI能夠如此備受矚目?龔慧巍表示，制造業企業引入AI的主要目的是降本和合理利用資源，這也與企業期望實現降本增效的目的高度吻合。值得欣喜的是，在很多前沿的案例當中，生成式AI、工業元宇宙等正在工業領域中慢慢落地，技術滲透率也在逐步提高，這為大范圍應用AI技術打造了可行路徑。

　　誠然，在AI落地與加速迭代的進程中，企業仍會面臨眾多難點。一方面，伴隨著中國制造業的快速發展，運營所產生的大量數據是AI發展最具價值的資產之一，然而龔慧巍表示，海量數據并不是100%都能用，低質量的數據會常導致例如大語言模型"眩暈"的情況，尤其對于生成式AI來說，作為基石的"數據質量"直接決定了AI模型的精準度。

　　此外，龔慧巍補充道，制造業企業可以在研發工藝、計劃排產、物流采購、OEM和質量追溯、售后和卓越運營等層面，為企業制定、規劃生成式AI和AI的用例路線圖，這對于實現智能制造，提高生產效率、營業收入和客戶體驗等能發揮重要作用。與此同時，企業在短期或長期應用AI技術過程中，人才和資源的短缺是都會面臨的主要障礙。因此，廣大制造業企業不單單需要從外引進AI技術算法等方面的相關人才，內部也需要組建對應的人員"庫"，才能更好地應對未來AI創新融合應用的挑戰。