制造業的未來藍圖：“超自動化”工廠何以實現？
http://www.199rrr.com 2025-07-11 11:25 來源：財經
自18世紀中葉工業革命起，每一次技術革新浪潮，都會重新定義制造業先進生產力的發展方向。兩百年來，工業制造已經經歷了機械化、電氣化、自動化、數字化四輪變革。
而在當下，以生成式AI為代表的技術突破，正在為制造業引入新的發展范式。
未來，最具競爭力的工廠會是什么樣？基于一項在全球展開的深度調研，2025年6月，領先的專業服務公司發布報告《未來的制造》。在這份報告中，埃森哲將2040年的未來工廠愿景概括為“超自動化”——一個超越傳統自動化與數字化的新藍圖。
報告指出，高標準的成本效率與質量已經成為當前工廠保持競爭優勢的必備基礎，未來，真正的差異化優勢將體現在彈性、可持續性與智能化水平。
這將由四大因素所驅動：勞動力、自動化、AI優化以及數字化。對于2040年的制造企業來說，不必再糾結于是否使用技術，因為它們將成為“標配”，而真正的競爭優勢在于，企業能否無縫縫合這些技術，并將其擴展為一體化智能系統。
在埃森哲調研的行業中，工廠的規劃期通常為五到七年，而“超自動化”作為十五年后的遠期愿景，目前仍然面臨人才短缺、AI部署緩慢等現實挑戰。但埃森哲認為，企業需要提前規劃并采取行動，重塑員工技能、推廣智能自動化應用、將AI融入決策過程，并徹底擁抱數字化。這既是支撐工廠短期運營的必要條件，也是為長期發展打下根基的關鍵。
“超自動化”與當前的工業4.0實踐有何區別？人類員工將在未來面臨怎樣的挑戰？基于大模型的AI技術又將給制造業帶來怎樣的變革？在不久前的2025年夏季達沃斯論壇上，筆者對話埃森哲資深董事總經理、亞太區工業X及供應鏈與運營業務負責人菲·克蘭默（Fay Cranmer），探討“超自動化”的概念及其實現路徑。
超自動化工廠：在高度自動化的同時保持靈活性
在當前的工業制造實踐中，“黑燈工廠”是一種基于工業4.0戰略的先進落地形態。借助高度自動化、數據互聯、智能決策等技術，黑燈工廠可以實現“關燈運行”、無人操作的生產模式。
但克蘭默表示，自動化水平超越一定的臨界值后，因為無法動態適應，反而會阻礙進步，而超自動化則是對高度自動化的一種解決方案。與黑燈工廠的無人化相比，超自動化將在使用機器和人類之間取得平衡。
她強調，人類更擅長的是復雜的信息處理、創新思維和主動決策，而這些都是極難通過編程賦予機器的能力。在協同、監督、支持和維護自動化運營方面，人類依然發揮著至關重要的作用，且這一作用正日益凸顯。因此，人在未來的超自動化工廠中不會消失。
圖源：埃森哲
但人的價值會被重新評估。克蘭默表示，制造業仍然需要人的存在，但工作內容會發生很大改變。總體趨勢是，人會從事更高層次、更具知識性和思維性的工作。企業的具體需求也會發生轉變，比如電動汽車領域正在從傳統的內燃機設計轉向“軟件定義汽車”設計，以前需要的80%是機械工程師，而現在需要的70%-80%是軟件工程師。
任何先進技術，如果沒有與之匹配的人才和流程，都會因現有生產運營體系的排異效應而困在技術驗證階段，難以實現規模化落地。因此，推動勞動力轉型刻不容緩。
克蘭默提到，當前很多制造業工廠的員工甚至都沒有接觸過電子郵件，這必須發生轉變，企業需要提升員工的數字素養，并讓他們適應與機器、AI等技術協作，用這些技術提升員工的工作體驗和效率。
報告認為，到2040年，工廠將不再需要傳統的“管理”，而是智能化的“協同運作”。超自動化工廠具備自我優化的能力并由AI賦能，將機器人、數字孿生和人工監督融入一個智能化、超自動化的制造生態體系。這樣的制造生態體系將遠不只是能夠規模化執行流程，更能實時預見潛在干擾、靈活應變并優化生產，實現實時高度自主的運行狀態。
除了保留人力和AI賦能外，人形機器人也是使超自動化工廠更為靈活的一大要素。克蘭默提到，與工業機器人相比，人形機器人往往更容易被“移動”和重新部署，適應不同任務的能力也更強，具有較大應用潛力。不過，人形機器人目前落地驗證不多，現在還難以斷言未來其一定能在工業場景中全面落地，仍需解決速度、成本和系統集成復雜度等難題。
報告提到，汽車行業的先行者已率先開展人形機器人應用測試，并取得顯著成效。比如，寶馬在斯巴達堡工廠投入使用Figure02人形機器人后，生產效率提升了四倍。
有趣的是，不同國家的受訪者對人形機器人的態度呈現明顯區別。在印度、中國和日本，分別有63%、65%和72%的受訪者認為人形機器人對裝配線具有重要價值，而相比之下，美國的比例僅為35%，在歐洲更是只有21%。
克蘭默認為，在中國和印度這樣經濟迅速發展的國家，人們會更積極地探索推動經濟發展的方式，也更樂于嘗試各種新事物，爭取領先地位。而一些發達國家受現有勞工政策的影響，會更加保守。日本雖然有時也較為保守，但在技術方面也是具有強烈創新意識的。
生成式AI應用潛力大，但首先得提升數字化水平
當前，AI在工業制造領域的應用仍在非常初步的階段。近兩年，生成式人工智能成為全球最重要的技術變革。克蘭默指出，這一技術最令人驚嘆的特點，就是能夠處理“非結構化數據”。非結構數據存在于人類日常使用的各種文本材料中，而工業世界的數據是典型的結構化數據，這些由機器產生的數據無法被人類直接閱讀。
生成式AI可以把各種檢查報告、流程文檔等人類編寫的材料，與機器生成的數據融合在一起。“對于工業領域來說，這種融合的潛力是巨大的”，克蘭默表示，目前兩者在技術層面還很難打通。
克蘭默同時強調，她并不認為AI會無差別地覆蓋所有事物、取代所有工作。企業不能因為“我能用AI”就盲目堆技術，而是要找到最契合企業自身需求與目標的價值落點。
報告指出，高達62%的受訪工廠管理者認為，AI是推進工廠運營全方位發展的關鍵因素。然而在短期內，多數管理者優先考慮的是維護、修理和大修流程、物流優化及生產效率提升。
圖源：埃森哲
但很快，工廠運營便將全面圍繞彈性、敏捷性和適應速度以及效率展開。這就要求AI自主連接設備、智能分配任務以平衡工作負荷，并優化作業順序。
一些制造業龍頭已率先嘗試AI驅動的模擬模型。全球領先的工業車輛和供應鏈解決方案提供商凱傲集團聯合埃森哲與英偉達，打造了融合AI、機器人與數字孿生的智能倉儲系統。該倉儲系統利用物理AI技術，通過模擬現實行為來改進績效，同時可以訓練倉儲機器人應對需求波動、庫存變化及布局調整。
依托“認知數字大腦”，企業正轉向由AI驅動的智能運營，未來，人機協同將成為企業關鍵競爭力。
不過，報告顯示，仍有38%的工廠管理者對在工廠內部署生成式AI技術猶豫不決。究其原因，既有長期以來對技術的不信任，也有對其在制造業的應用效果的認知局限。但最關鍵的障礙在于數據質量低下并且參差不齊。
要實現AI從輔助到自主的躍升，可靠的數據支撐是基礎。如果數據質量不達標，工廠就難以實現主動管理，因此，可以說，數字化是打造超自動化工廠的基石。
但據報告，目前仍有近半數受訪工廠管理者并未對數字孿生、工業物聯網、邊緣計算等未來工廠的關鍵能力給予足夠重視。這些技術能在虛擬環境中模擬、分析和優化生產系統，它們的缺失會導致信息孤島，造成設計與生產環節脫節，并制約基于模擬的決策與生產敏捷性。
克蘭默指出，以現在的數字化水平邁向真正為利用生成式AI做好準備的狀態，還有相當長的一段路要走。但只要意識到這個機會，就可以跳過傳統的技術發展路徑，直接實現跨越式發展。對于一些國家來說，這是一個重塑自身在全球產業中地位的新機會。
編輯精選
