麥肯錫：AI賦能工業4.0：製造業變革更廣、更快、更優

對製造商而言，世界已變。隨時應對不確定性已是業界常態。企業主管預測，未來5年【1】，地緣政治、氣候變遷、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，同時，勞動力包容性和永續性也不斷提升。經過5年的發展，全球燈塔網絡【2】已為全球製造商累積了豐富的範例。每年，新加入的燈塔工廠都會對未來3~5年的價值鏈運作進行深度展望，為產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轉折點的到來，其中有兩大特徵頗為顯著：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專業智能，能夠在資訊物理系統中勝任複雜的生產任務；二是在產業應用層面，領軍企業正重新定義「試點」的範圍。為了推動規模化應用，這些企業不再局限於單一用例，而是將視野拓展到整個生產網絡，透過全面佈局推動轉型升級。

圍繞該主題，我們擬發布系列文章（共三篇），將立足於全球製造業的發展實際，深入探討領軍製造商對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的成熟標誌著4IR拐點的到來，解碼領先製造商如何利用AI重塑競爭優勢，並列舉製造商在行業競爭日益激烈的當下，需要考慮的三種策略對策——創新、加速以及追趕。後續兩篇文章將分別聚焦於AI對製造業的規模化影響，以及推動AI應用所需的基本能力。

新技術採用的S曲線

透過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型的曲線特徵。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，企業開始在生產網路中部署相關技術；三階段是“優化曲線”，各行業圍繞技術採用的最佳實踐進行調整。在此階段，新的標準與程序逐漸稱為常規操作，且成本開始趨於穩定（見圖1）。如果回看智慧型手機的發展歷程，我們也能清楚看到這種三階段的S曲線。

截至目前，全球燈塔網路有153家成員。這些製造業的領導者在4IR技術的採用上，要平均領先其他製造商3~5年。如今，用例試點已不再是他們的焦點。對擁有多個燈塔工廠的企業而言，其生產網路都可作為大規模網路部署的試點。現在，領導企業可同時在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一工廠的價值。

隨著燈塔企業不斷加速發展，在成熟度上，領先與落後企業間的差距也不斷拉大。而近幾年愈發複雜多變的商業環境, 也讓這一差距愈發突出。新冠疫情期間，85%的燈塔企業營收降幅低於10%；而僅有14%的其他製造商實現了這一點。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採購並增加安全庫存，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位於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「蕩氣迴腸的交響樂」（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）來運送物料和零件，3D列印來客製化生產線夾具，還需要穿戴式科技賦能管理與技術人員，幫助他們了解即時數據。如何協調這些複雜元素之間的相互作用？答案是：AI。

然而，AI的部署離不開資料的加持。企業可從系統軟體、設備感測器、互聯基礎設施，以及員工等多個來源，產生和收集大量資料。數據是燈塔企業領先產業的重要原因之一。他們領先一步，更早投資建立了數據基礎設施，雖然在早期承擔了一定的風險，但在後期成功釋放了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，可望帶來難以想像的績效提升。

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進階分析和自動駕駛汽車的在地化應用、高度透明的數據連接和視覺化儀表板，以及類似的數位精實解決方案。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，需要對其資料收集和資料傳輸層進行「推倒重建」：設計技術堆疊，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，快速部署數位解決方案並獲得回饋。打牢「地基」後，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週便可部署，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後的第二個重大挑戰——規模化低谷​​。科技從單一工廠向整個生產網路的擴展絕非易事，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​​的企業能為業界樹立新標準。例如，豐田公司對大規模生產的進一步改良，使得精實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」設立了產業基準，是「最佳化曲線」的有力案例。在科技和銀行等製造業外以外的行業，由於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。

綜觀第一次工業革命中的蒸汽機技術，以及科技和銀行業的AI部署，我們預計4IR的突破性技術將在10年內迅速普及。燈塔企業正立於革命潮頭，在新的候選燈塔工廠中，基於AI的用例佔比高達60%，而這一數字在2019年僅為11%。

燈塔領航：內部提升良性循環，外在差距不斷拉大

生成式AI與其他尖端技術在製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週內（而非幾個月或幾年）實施、測試和迭代了AI用例，並獲得了正面回饋。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，以及敏捷的營運模式。

除上述推動因素外，他們還建立了清晰的業務策略和有效的變革管理。特別值得一提的是，燈塔企業的技術投資並非“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”，他們採取了耐心、謹慎的方法，從而取得了突飛猛進的發展——用例實施週期通常在10~20個月之間，投資回報期約為兩年半。有了耐心的耕耘和紮實的付出，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，也逐步提升快速部署用例的能力。最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。技術應用是良性循環過程：進步越大，速度越快。企業能夠在過程中更加敏捷，並獲得應對顛覆的能力，但也進一步加大了與其他製造商的差距【3】。

其他製造商：創新、加速，還是追趕？

對製造商而言，拐點意味著什麼？隨著燈塔企業等領導製造商逐漸擺脫規模化低谷​​，並將4IR技術的影響力擴展到整個生產網絡，其他企業也需反思未來的走向。

答案不只一個：首先，企業可在生產網路層面實現數位創新。與許多燈塔企業一樣，作為行業探路者，他們敢於冒險，並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。這些企業專注於實現規模化影響，可進而重塑整個產業格局；最後，奮起直追者也面臨著巨大的機會。這些企業可熟記前人譜寫的“遊戲規則”，在捕捉價值的同時，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策略對策。 4IR拐點的到來為企業帶來了重大機會與重要選擇。但在時代的轉折點，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，選擇最合適的發展路線。

本文為系列文章的開篇，接下來的兩篇文章將著重探討領導者製造商對AI及相關技術的部署，以及企業為快速、大規模部署AI所需建立的能力。

麥肯錫/作者：侯文皓、Enno de Boer、Rahul Shahani、Federico Torti

註：

【1】 The great acceleration: CIO perspectives on generative AI，麻省理工科技評論，2023年7月18日。

【2】 全球燈塔網路是世界經濟論壇主導並聯合麥肯錫公司共同成立的全球倡議。相關組織管理工作由行業領先單位組成的顧問委員會負責，所有燈塔網絡成員均由獨立的專家評審團甄選而出。

【3】 全球燈塔網路2023年調查，2023年8月。