艾瑞咨詢最近發(fā)布了一份企業(yè)數(shù)字化轉型領域的新技術報告《2025年中國制造業(yè)數(shù)字化轉型行業(yè)發(fā)展研究報告：逐步走向深水區(qū)》，如下：

       中國制造業(yè)數(shù)字化轉型市場規(guī)模持續(xù)增長，2024 年達 1.55 萬億，2025 年預計達 1.76 萬億且未來 5 年增速約 14%。需求端核心需求集中于生產(chǎn)制造和供應鏈管理，轉型呈現(xiàn)理性與聚焦特點，地域特色明顯，評優(yōu)和招標市場需求有別，同時重視安全防護。供給端產(chǎn)品走向體系化、解決方案一體化，大模型應用探索深入。行業(yè)格局未定，離散制造業(yè)中的高技術產(chǎn)業(yè)潛力大，垂直行業(yè)攻堅和信創(chuàng)/國產(chǎn)替代領域有發(fā)展機會，大模型長期或改變市場競爭格局，企業(yè)應重視數(shù)據(jù)內化構建認知壁壘。

筆者注：數(shù)據(jù)內化是指企業(yè)將自身內部數(shù)據(jù)（如生產(chǎn)流程、設備運行、管理決策等）和外部數(shù)據(jù)（如市場、供應鏈、用戶行為等）轉化為顯性知識，再轉化為隱性知識，形成自己的行業(yè)認知。認知壁壘就是企業(yè)通過這種內化過程，積累獨特的行業(yè)知識和經(jīng)驗，讓競爭對手難以復制，從而建立優(yōu)勢。

0、什么是“數(shù)據(jù)內化”和“認知壁壘”？為何企業(yè)需要重視？

1）數(shù)據(jù)內化：從數(shù)據(jù)到知識的轉化鏈條

• 數(shù)據(jù)→顯性知識→隱性知識：

• 數(shù)據(jù)：企業(yè)自身積累的生產(chǎn)數(shù)據(jù)（如設備運行數(shù)據(jù)、質量檢測數(shù)據(jù)）和外部數(shù)據(jù)（如行業(yè)標準、供應鏈數(shù)據(jù)等）。

• 顯性知識：通過數(shù)據(jù)清洗、分析形成可結構化的規(guī)則、模型（如排產(chǎn)算法、質量檢測指標）。

• 隱性知識：將顯性知識與業(yè)務經(jīng)驗結合，形成難以復制的行業(yè)認知（如特定工藝的優(yōu)化策略、客戶需求的深層洞察）。

2）認知壁壘：企業(yè)差異化競爭的核心

• 在數(shù)據(jù)開放與共享趨勢下（如達索、SAP等的開放行業(yè)知識庫、互聯(lián)網(wǎng)上海量的情報文檔），單純的數(shù)據(jù)積累不再是壁壘，“如何利用數(shù)據(jù)構建獨特認知”才是關鍵。例如：

• 行業(yè)know-how

  ：離散制造業(yè)中，高精度軸承的熱處理工藝參數(shù)優(yōu)化需要結合材料特性、設備狀態(tài)、歷史缺陷數(shù)據(jù)，這種“數(shù)據(jù)+經(jīng)驗”的深度融合形成的工藝知識，是競爭對手難以直接獲取的。

• 決策模型優(yōu)勢

  ：基于自有數(shù)據(jù)訓練的大模型在特定場景（如離散制造中的表面缺陷檢測）的準確率比通用模型高15%，成為企業(yè)的核心技術壁壘。

3）大模型時代必須“數(shù)據(jù)內化”的理由

• 大模型依賴高質量行業(yè)數(shù)據(jù)

  ：通用大模型在工業(yè)場景表現(xiàn)有限，需結合企業(yè)私有數(shù)據(jù)微調（如用工廠設備數(shù)據(jù)訓練故障預測模型），而數(shù)據(jù)內化是實現(xiàn)“大模型落地”的前提。

• 避免“數(shù)據(jù)開放”陷阱

  ：即使外部數(shù)據(jù)開放（如公共數(shù)據(jù)交易市場），若企業(yè)無法將其轉化為自身業(yè)務邏輯（如將行業(yè)標桿數(shù)據(jù)轉化為自身生產(chǎn)流程優(yōu)化方案），仍會陷入“數(shù)據(jù)豐富但認知匱乏”的困境。

4）DeepSeek大模型競爭的本質是“數(shù)據(jù)認知”的競爭

• 大模型加速數(shù)據(jù)價值分層

  ：未來擁有深度數(shù)據(jù)內化能力的企業(yè)，可通過大模型將“數(shù)據(jù)認知”轉化為具體解決方案（如智能排產(chǎn)系統(tǒng)、質量優(yōu)化模型），而缺乏內化能力的企業(yè)只能依賴通用大模型，陷入同質化競爭。

• 構建認知壁壘是應對大模型沖擊的“防御盾”

  ：即使大模型技術普及，具備獨特行業(yè)認知的企業(yè)仍能在細分領域保持優(yōu)勢（如專精特新企業(yè)的“小而美”場景），而單純依賴技術采購的企業(yè)可能被淘汰。

5）對企業(yè)行動的建議

• 數(shù)據(jù)層面

  ：優(yōu)先積累核心業(yè)務數(shù)據(jù)（如生產(chǎn)、供應鏈數(shù)據(jù)），建立數(shù)據(jù)治理體系，推動“數(shù)據(jù)資產(chǎn)化”。

• 認知層面

  ：將數(shù)據(jù)與業(yè)務經(jīng)驗結合，通過知識圖譜、大模型微調等技術，將顯性知識轉化為可復用的隱性知識（如工藝規(guī)則庫、決策模型庫）。

• 應用層面

  ：在大模型探索中聚焦“數(shù)據(jù)-認知-應用”閉環(huán)，例如用自有數(shù)據(jù)訓練專屬模型解決特定痛點（如能耗優(yōu)化、設備預測性維護），而非盲目跟隨通用大模型熱潮。

大模型需要高質量數(shù)據(jù)才能有效，而數(shù)據(jù)內化是企業(yè)利用數(shù)據(jù)構建自身優(yōu)勢的過程。即使數(shù)據(jù)開放，企業(yè)也需要將數(shù)據(jù)轉化為自身的認知，才能在大模型時代保持競爭力。比如，文檔提到數(shù)據(jù)開放和流通是趨勢，但關鍵是企業(yè)能否將數(shù)據(jù)內化為知識，形成壁壘，否則可能在競爭中落后。

講清楚了數(shù)據(jù)內化和構建認知壁壘，下面我詳細介紹此技術報告的主要內容：

1、需求市場宏觀分析

• 制造業(yè)地位與企業(yè)特點

  ：制造業(yè)是我國工業(yè)支柱產(chǎn)業(yè)，近五年法人單位及規(guī)上單位數(shù)占比超九成，規(guī)上營收貢獻近九成。但企業(yè)多、大企業(yè)少，市場分散，規(guī)上制造業(yè)法人單位數(shù)占比僅 10% 左右。計算機、通信和其他電子設備雖是上市企業(yè) “頭牌”，但優(yōu)勢不明顯。

• 地域特色與政策

  ：廣東、江蘇、浙江、山東是制造業(yè)大省且數(shù)字化轉型積極。各省推動轉型舉措聚焦產(chǎn)業(yè) / 區(qū)域協(xié)同發(fā)展、提升數(shù)字化轉型基礎支撐能力、降低企業(yè)運營成本，未來離散制造業(yè)是轉型重點。

• 評優(yōu)與招標需求

  ：評優(yōu)側關注生產(chǎn)相關改造，生產(chǎn)相關需求占比 57.8% 。招標側以政府為主導，通過數(shù)字化診斷定位企業(yè)痛點，尋求解決方案助力轉型。

• 安全需求

  ：數(shù)字化轉型使企業(yè)安全防護需求增加，設備、工控和數(shù)據(jù)安全防護產(chǎn)品和服務亟需跟進。

2、需求市場轉型現(xiàn)狀調研分析

• 企業(yè)轉型現(xiàn)狀

  ：企業(yè)對數(shù)字化轉型戰(zhàn)略上高度認可，86.7% 的企業(yè)認為轉型必要，且多付諸實際行動。轉型期望務實，主要期望實現(xiàn)運營成本優(yōu)化（84.4%）、端到端打通（75.6%）和數(shù)據(jù)驅動決策（71.1%） 。

• 緊迫轉型場景與技術應用

  ：數(shù)據(jù)準備、供應鏈管理和生產(chǎn)管理是最緊迫場景。MES/MOM、CAD 等技術應用成熟度高，企業(yè)對引入技術的回報周期普遍預期在 18-21 個月。

• 供應商選擇與顧慮

  ：方案實用性是選擇供應商的主要因素，企業(yè)擔心歷史包袱過重、跨部門協(xié)同阻力大等問題。

• 未來投入與大模型態(tài)度

  ：77.8% 的企業(yè)未來一年將增加轉型投入，且以軟件為主。企業(yè)對大模型探索熱情高，但對其實用性存顧慮，期望大模型能力提升后能賦能經(jīng)營決策。

3、供給市場產(chǎn)品及服務分析

• 市場規(guī)模與驅動因素

  ：2024 年市場規(guī)模 1.55 萬億，2025 年預計 1.76 萬億，未來 5 年以 14% 左右增速增長。政策支持、技術進步和市場需求是主要驅動因素。

• 產(chǎn)業(yè)鏈與產(chǎn)品服務

  ：產(chǎn)業(yè)鏈包括基礎層、平臺層和應用層。產(chǎn)品體系走向統(tǒng)一，解決方案深度和廣度提升，大模型應用探索逐步深入。

• 市場特征

  ：解決方案呈現(xiàn)軟硬融合、跨模塊融合趨勢；大模型應用通過智能體、大模型聯(lián)合、大模型與產(chǎn)品結合等方式探索落地；大模型相關算法工程師需求度高；解決方案、咨詢人員需求較高。

4、供給市場典型案例展現(xiàn)

• 軟通動力

  ：具備軟硬全棧能力，為制造業(yè)提供定制化解決方案，如新能源汽車零部件物流協(xié)同平臺項目，提升了運營效率。

• 天融信

  ：提供全方位安全防護服務，構建層次化工業(yè)信息安全體系，保障制造業(yè)數(shù)字化轉型安全，如某集裝箱制造控制網(wǎng)絡安全建設項目。

• 易趨

  ：一站式項目數(shù)字化運營平臺，為制造業(yè)搭建項目管理流程體系，實現(xiàn)業(yè)務貫通，如某精密制造企業(yè) IPD 產(chǎn)品研發(fā)項目管理。

5、行業(yè)發(fā)展思考與啟示

• 未來機會

  ：離散制造業(yè)中的高技術產(chǎn)業(yè)潛力大，垂直行業(yè)攻堅和信創(chuàng) / 國產(chǎn)替代行業(yè)易出現(xiàn)領頭企業(yè)。

• 大模型影響

  ：大模型短期對市場競爭格局影響不大，長期取決于對實際應用場景的支撐能力，可能加速市場變化。

• 數(shù)據(jù)策略

  ：企業(yè)應基于數(shù)據(jù)構建行業(yè)認知壁壘，而非單純追求數(shù)據(jù)開放，要平衡市場地位與壟斷優(yōu)勢。

6、關鍵問題

問題1. 制造業(yè)數(shù)字化轉型市場規(guī)模的增長趨勢如何，主要驅動因素有哪些？

        市場規(guī)模呈持續(xù)增長趨勢，2024 年達到 1.55 萬億，2025 年預計達到 1.76 萬億，并將在未來 5 年維持 14% 左右的增速穩(wěn)步增長。主要驅動因素包括政策支持，國家在多個重要節(jié)點有明確目標促使企業(yè)轉型；技術進步，產(chǎn)品和解決方案不斷優(yōu)化，大模型帶來新活力；市場需求，企業(yè)為滿足上下游協(xié)同要求和發(fā)揮數(shù)據(jù)資產(chǎn)價值而主動轉型。

問題2. 需求端在制造業(yè)數(shù)字化轉型中的主要需求場景有哪些，呈現(xiàn)出怎樣的特點？

        主要需求場景集中在生產(chǎn)制造管理和供應鏈相關方面。特點包括地域特色明顯，廣東等省份既是制造業(yè)大省也是轉型積極省份；評優(yōu)側更關注生產(chǎn)制造相關環(huán)節(jié)的落地操作，招標側則由各市工業(yè)和信息化局主導，通過診斷定位企業(yè)痛點并給出改造建議；同時，設備、工控和數(shù)據(jù)安全防護需求迫切。

問題3. 大模型在制造業(yè)數(shù)字化轉型中目前的應用情況及未來影響如何？

        目前大模型在制造業(yè)數(shù)字化轉型中的應用處于探索階段，主要聚焦在輔助代碼生成、知識問答、工藝設計 / 優(yōu)化等方面，通過智能體、大模型聯(lián)合、大模型與產(chǎn)品結合等方式探索落地。短期來看，大模型對市場競爭格局影響不大，但長期當它能在企業(yè)運轉核心環(huán)節(jié)發(fā)揮實質性作用時，可能會加速市場競爭格局的變化。

7、我的總結

        1）數(shù)字化進程與市場反應的時滯性：制造業(yè)數(shù)字化轉型的"冰山上層"（生產(chǎn)流程自動化、設備聯(lián)網(wǎng)等）已初步完成，但"冰山下層"（組織架構、商業(yè)模式、產(chǎn)業(yè)協(xié)同）的數(shù)字化重構尚未突破臨界點。當前市場格局的穩(wěn)定性源于企業(yè)數(shù)字化轉型尚未形成差異化競爭力，頭部企業(yè)仍處于能力儲備期。

        2）價值創(chuàng)造路徑的演變：從"效率提升1.0"向"價值重構2.0"過渡階段。目前多數(shù)企業(yè)停留在降本增效的基礎層，而真正能改變市場格局的智能決策、生態(tài)協(xié)同、服務化延伸等創(chuàng)新模式尚在孕育中。

        3）離散制造業(yè)中的高技術產(chǎn)業(yè)（如半導體、精密儀器）具備高價值密度、工藝復雜性強、產(chǎn)品迭代快等特征，數(shù)字化轉型的邊際效益更高。建議企業(yè)建立"工藝知識圖譜+數(shù)字孿生"的復合能力，重點突破研發(fā)周期壓縮（從24個月到18個月）和良品率提升（85%→93%）等核心指標。

        4）垂直行業(yè)攻堅需構建"三專能力"：專屬解決方案（如汽車行業(yè)的MES+QMS融合系統(tǒng)）、專業(yè)實施團隊（行業(yè)know-how工程師占比>40%）、專項服務網(wǎng)絡（區(qū)域服務半徑<50公里）。

        5）國產(chǎn)替代窗口期約3-5年，企業(yè)應建立"替代可行性評估模型"，重點突破進口依賴度>60%、國產(chǎn)化率<30%的細分領域（如高端PLC、工業(yè)仿真軟件）。

        6）大模型應用實施路線圖：

• 短期（1-2年）：建立工業(yè)知識標注體系，構建垂直領域預訓練模型（如機械故障診斷專用GPT）
• 中期（3年）：開發(fā)"人機協(xié)同決策系統(tǒng)"，實現(xiàn)工藝參數(shù)動態(tài)優(yōu)化
• 長期（5年+）：形成"設計-生產(chǎn)-服務"全鏈路智能閉環(huán)

        7）當前制造業(yè)數(shù)字化轉型正處在從"工具革命"向"決策革命"躍遷的關鍵期。企業(yè)需要建立"戰(zhàn)略耐心"與"戰(zhàn)術敏捷"相結合的轉型節(jié)奏，重點把握2025-2028年的戰(zhàn)略窗口期，通過"垂直深耕+智能增強"的雙輪驅動，在重構產(chǎn)業(yè)價值鏈的過程中獲取超額收益。

返回列表