2024-10-11-e-Works_研究院-AI人工智能在制造业的应用现状调研报告_30页_11mb

AI在制造业应用现状调研报告总结

摘要：
本报告基于364家制造企业的调研数据，分析了人工智能在制造业的应用现状、趋势、挑战及建议，旨在为企业推动AI应用提供参考。

一、研究背景与主要结论

1. AI技术重要性显著：93%的企业认为AI对企业发展有影响，其中57%认为其将成为创新的关键技术。
   • 挑战：企业对AI的认知不足，缺乏专业人才和技能。
2. 企业AI应用投入谨慎：仅20%企业有明确AI投资计划，主要依赖厂商服务，投资集中在500万以下。
3. 应用挑战排序：技术人才缺乏（74%）、AI认知不足（60%）是主要障碍；其次为技术方案不成熟和数据质量问题。

二、AI在制造业的应用现状与趋势

1. 应用领域分布

• 生产制造：占比最高（43%），主要聚焦排程优化、工艺改进，汽车行业应用率最高。
• 质量管控：质量检测自动化普及率高，显著提升效率。
• 研发设计：产品辅助设计和仿真优化占比41%，电子电器行业应用领先。
• 物流供应链：采购预测、库存优化占比32%，联想工厂实现智能库存管理降本增效。
• 营销服务：需求较少，销售预测占比23%。

2. 应用模式与技术支持

• 应用模式：多数企业采用“购买服务”或“与厂商合作”模式（各25%），17%为自研。
• 技术工具：
  • 开源框架：TensorFlow、百度飞桨应用率最高。
  • 算法：监督学习（38%）、深度学习（30%）为主，企业技术储备仍处于初级阶段。

三、生成式AI在制造业的应用现状

1. 进展缓慢但受关注：仅6%企业已落地应用，48%正在评估中，80%企业持“非常/比较乐观”态度。
2. 主要场景：研发设计（辅助创成式设计）、客户服务（智能客服），生产制造应用受限于安全稳定性要求。

四、企业推动AI应用的建议

1. 战略目标明确化：制定合理AI战略，聚焦降本增效。
2. 强化技术学习：管理层加强AI认知培训，提升员工技能。
3. 结合自身需求选场景：避免盲目跟风，优先选择高ROI应用场景。
4. 夯实应用基础：加快数据积累，强化数据管理能力。
5. 分阶段推进试点：小规模项目验证成效，逐步推广。
6. 培养专业人才：从初级AI技术人员到战略层人才全链条布局。

五、整体结论

• AI在制造业已广泛渗透，但企业整体准备不足；
• 生产、质量、研发为主要应用领域，生成式AI潜力待挖掘；
• 政策支持与企业协同是推动大规模应用的关键。