人工智能如何改变制造业的10大洞见

作者：田真

工业人工智能正迎来快速增长的重要市场机遇。根据《2025–2030年工业人工智能市场报告》（2025年8月发布），2024年全球工业人工智能市场规模已达436亿美元。自2022年生成式人工智能（GenAI）崛起以来，工业领域的人工智能应用步伐明显加快，推动该市场以23%的年复合增长率持续扩张。预计到2030年，整体市场规模将增至1539亿美元。

物联网分析公司（IoT Analytics）在其最新报告中，揭示了工业人工智能领域的十大核心洞见。

工业AI的十大关键洞见

01洞见1：当前工业人工智能在制造业预算中占比仍较低

美国制造商投入人工智能的资金平均仅占其营收的0.1%。2024年，美国制造商的平均营收为3050万美元。根据报告中的市场数据，这些制造商在2024年的工业人工智能支出总额超过100亿美元，换算下来，平均每家制造商的工业人工智能支出约为4万美元。这一金额约占美国制造商平均营收的0.1%、平均研发支出（156万美元）的3%，以及平均信息技术（IT）支出（61万美元）的7%。人工智能支出的相对占比分配不均衡，大型企业在人工智能方面的投入要多于中小型企业。

由于人工智能领域存在技能缺口与系统复杂性问题，工业人工智能支出中很大一部分用于咨询及系统集成服务。总部位于爱尔兰的埃森哲（Accenture）是营收最高的人工智能服务供应商，该公司曾在2023年12月宣布将在3年内投入30亿美元用于相关领域。在其2025财年（截至2025年8月31日），仅生成式人工智能（GenAI）相关项目，埃森哲就完成了2000多个。在分散的人工智能服务市场中，其他拥有优质工业人工智能服务的企业还包括总部位于印度的印孚瑟斯（Infosys）和总部位于英国的德勤（Deloitte）。

02洞见2：多数大型制造商现已制定正式的CEO主导型人工智能战略

企业不再将人工智能视为孤立的试点项目。2021年，人工智能在很大程度上被视为一种实验性或辅助性能力，而非组织战略的核心驱动力。根据物联网分析公司（IoT Analytics）当时的研究，人工智能并未跻身制造商的三大优先事项之列，许多企业将人工智能计划视为孤立的试点项目，而非协同推进的项目。然而到2025年，多数头部制造商已在其企业路线图中制定了专门的人工智能战略。这些战略不再是临时的探索性项目，而是以愿景为导向，有治理框架、绩效目标作为支撑，并与更广泛的业务目标相结合。这标志着行业在文化与结构上发生了重大转变——人工智能已从边缘性技术投资，升级为CEO在企业财报电话会议中重点讨论的议题。

报告深入分析了多家企业的人工智能应用战略，其中日本汽车制造商丰田（Toyota）是一个典型案例。自20世纪中期以来，在丰田生产方式（Toyota Production System）理念的推动下，丰田一直被视为现代制造业的标杆。2025财年，丰田承诺投入1.7万亿日元（约合106亿美元）用于人工智能及以软件为核心的汽车研发，且重点关注人工智能中的“人的因素”。丰田“智能工厂”（Smart Factory）愿景的核心是让人工智能“赋能人类”：通过让工人自主开发机器学习模型、捕捉工程师的设计经验、实时预警问题等方式，延伸并保留人类专业知识，保障工人安全并提高生产效率。

03洞见3：质量与检测是工业人工智能的核心应用场景

在工业人工智能的落地应用中，质量与检测领域的视觉应用目前占据主导地位，其应用广度与深度远超生成式人工智能。在报告分析的48个工业人工智能应用场景中，自动化光学检测（常称“机器视觉”）成为最主要的场景，占比约11%。相比之下，所有生成式人工智能相关应用场景目前的市场占比合计不足5%，其中占比最高的代码生成场景仅为1%。

中国台湾电子制造企业和硕（Pegatron）是自动化光学检测应用的典型案例，该案例已纳入本次研究。和硕借助美国半导体企业英伟达（NVIDIA）的Omniverse Replicator、Isaac Sim和Metropolis平台，开发了自有自动化光学检测工具PEGA AI。据报道，该工具将缺陷检测准确率提升至99.8%，检测吞吐量提高了3倍。

04洞见4：工业人工智能可带来切实的投资回报率（ROI）

企业通过工业人工智能实现数亿美元成本节约与价值提升。尽管金融界仍在争论当前是否处于“人工智能泡沫”，且有部分媒体报道称企业人工智能试点项目失败率高达95%，但近年来，许多工业人工智能项目已通过可量化的成本节约、设备运行时间提升及质量改善，证明了自身价值。事实上，物联网分析公司在2023年就指出，在当时所有工业4.0技术中，机器视觉的投资回报率最高、投资回收期最短；其中，人工智能辅助缺陷检测与流程/运营优化是当时增长最快的机器视觉应用场景。

例如，法国汽车制造商雷诺集团（Renault SA）前首席执行官卢卡?德梅奥（Luca de Meo）在2024年2月召开的2023年第四季度财报电话会议中表示，通过部署预测性维护人工智能工具，公司单年就在能源与维护成本上节约了2.7亿欧元。与此同时，美国纸浆与造纸企业乔治亚-太平洋公司（Georgia-Pacific）报告称，其人工智能项目每年可为公司创造数亿美元价值，这些项目包括基于生成式人工智能的文档生成工具ChatGP、为操作员提供实时指导与预警的人工智能聊天机器人，以及用于自动化缺陷检测的人工智能视觉系统。

05洞见5：大规模工业人工智能应用需具备可扩展的数据架构

工业人工智能关注度的回升，正改变制造商的数据管理方式。长期以来，传统工业环境一直受困于数据系统碎片化问题（例如，孤立的监控与数据采集（SCADA）网络、制造执行系统（MES）部署及数据历史库）。然而，随着人工智能解决方案对结构化、高语境、实时数据的依赖度日益提升，制造商不得不改进其数据管理与预处理方法。报告分析显示，企业不再将数据管理视为信息技术（IT）部门的专属职能，也不再将其视为运营技术（OT）部署的“副产品”；相反，工业数据管理本身正逐渐成为数字化转型中一个极具战略意义的支柱。

最显著的发展趋势之一是工业数据运营（Industrial DataOps）的兴起，该领域目前已成为增长最快的工业软件细分市场。根据物联网分析公司2024年7月发布的《2024-2028年工业连接市场报告》，到2028年，工业数据运营市场的复合年增长率（CAGR）预计将达49%——企业纷纷采用数据运营工具，正是看中其在数据清洗、语境化处理及运营数据流协同调度方面的能力。如今，数据运营平台供应商还在不断新增功能，例如将语言模型部署到边缘设备：美国企业Litmus的Litmus Edge平台支持在本地部署微软Phi、Llama等小型语言模型；挪威企业Cognite的Atlas AI则支持依赖动态数据访问的智能体人工智能（agentic AI）工作流，提供低代码智能体构建器，可用于创建定制化人工智能智能体。

与此同时，制造商也在重新思考数据存储架构：打破传统数据孤岛，构建统一的数据湖（即“数据湖仓”，lakehouse），为人工智能模型训练和分析提供支持。例如，美国工业集团卡特彼勒（Caterpillar）与Snowflake合作构建了企业级数据湖，该数据湖可接收并处理来自全球工厂、机器与设备的海量数据。

06洞见6：人工智能相关培训与技能提升至关重要

随着智能制造的日益普及，企业需要投资对员工进行再培训和技能提升，以适应不断变化的工作环境。员工需要掌握新技能，以便有效地与机器人协作、管理机器人系统，并执行补充和支持机器人操作的任务。再培训计划和举措对于确保平稳过渡和最大限度地发挥工业自动化的优势，同时保障就业机会至关重要。

07洞见7：辅助系统正成为工业软件的标准功能

辅助系统正逐渐成为工业软件平台的标准配置。这些系统通常以聊天机器人或虚拟助手的形式出现，为工业工作者提供即时支持、情境化指导与知识检索功能。例如，西门子（Siemens）推出的Industrial Copilot已集成到其Xcelerator平台中，旨在帮助工程师进行代码生成、故障排除与优化任务。

08洞见8：边缘人工智能或成工业人工智能领域下一个重要发展方向

边缘人工智能（Edge AI）因其低延迟、高可靠性及数据安全性，有望成为工业人工智能的下一个重点发展方向。边缘AI允许在数据生成源附近进行实时处理与决策，这对于对时间敏感的工业应用至关重要。厂商正积极推出支持边缘AI的解决方案，如西门子的Industrial Edge平台和华为的Atlas 500边缘计算节点。

09洞见9：特定领域的工业基础模型正在兴起

针对特定工业领域（如汽车、电子制造、医药等）训练的基础模型正在兴起。这些模型通常基于行业特定数据进行训练，相较于通用模型，在专业任务中表现出更高的准确性与可靠性。例如，宝马集团（BMW Group）与AWS合作开发了用于质量控制的计算机视觉模型，该模型在检测缺陷方面的精度比通用模型高出15%。

10洞见10：智能体人工智能崭露头角，但尚未具备实用价值

智能体人工智能（Agentic AI）指能够理解高级目标、制定计划并自主执行任务（或在必要时寻求人类帮助）的AI系统。尽管这类系统在工业环境中潜力巨大（如自主优化生产流程），但目前大多处于初步试验阶段，尚未具备大规模实用价值。其主要挑战在于工业环境的复杂性与不确定性，以及对安全性与可靠性的极高要求。

全球与中国市场展望

全球工业AI市场预计将保持高速增长。2023年全球人工智能在制造业领域的应用市场销售额达到了38.91亿美元，预计2030年将达到622.2亿美元，年复合增长率（CAGR）为49.3%（2024-2030）。

中国市场在过去几年变化较快，2023年市场规模约占全球的特定份额，预计2030年将进一步增长。中国高度重视智能制造行业发展，出台了《“十四五”智能制造发展规划》等一系列政策，提出推进智能制造的总体路径，明确2025年和2035年的发展目标。近两年，国产生成式AI大模型的突破为行业加速发展提供了新契机。