《艾瑞咨詢：2023年中國制造業數字化轉型路徑實踐報告（43頁）.pdf》由會員分享，可在線閱讀，更多相關《艾瑞咨詢：2023年中國制造業數字化轉型路徑實踐報告（43頁）.pdf（43頁珍藏版）》請在三個皮匠報告上搜索。

1、2023 iResearch Inc.中國制造業數字化轉型路徑實踐關注落地價值2摘要ABSTRACT制造企業數字化轉型具有優先級，與錢有關的環節往往優先級更高，但當前生產管理及數據價值釋放是當前數字化轉型的重點，且將持續很長時間。1）針對生產管理，主要聚焦于設備改造&上云、研發&工藝開發管理、供應鏈&倉儲物流管理、排期&生產管理等方面，這些方面供需兩端匹配度比較高，既具有實際的落地價值，還能進一步積累數據資產。2）針對數據價值釋放，主要聚焦于AI和BI兩方面：對于AI，主要聚焦于在系統最優、識別分類、預測、知識沉淀等問題處理方面賦能，但ChatGPT對企業工作流程的優化與效率的提升、AI增強開

2、發賦能軟件開發與測試等值得期待；對于BI，梳理企業數據資產見的關聯與邏輯，賦能決策。制造業數字化轉型供給市場仍然處于發展初期。與過去幾年年相比，制造業數字化轉型的供給方市場發生如下變化：1）行業和客戶定位邏輯更加清晰：供給方會選擇政策大方向有潛力的、且貼合自身優勢的行業去攻克，目前汽車及其零配件、新能源、傳統能源等行業比較熱。確定行業后，供給方的客戶邏輯大致呈現出頭部/龍頭企業-中腰部-長尾企業的拓展態勢。2）供給方的產品及服務在橫縱兩方細分：在縱向上，呈現場景解決方案-行業解決方案-區域/領域解決方案的廣度提升；在橫向上，呈現出粗放的綜合解決方案-細分場景解決方案-關注流程打通的解決方案的變

3、化，即平臺化屬性開始凸顯。3）制造大廠之間的競爭或將拉開序幕：行業know-how理解與沉淀、渠道體系、品牌影響力等仍是制造大廠間的競爭重點，除此之外，以AI為基礎的“智造能力”將是期差異化的重要方面。4）市場化之路開始進入探索與驗證階段：部分供給方已經開啟上市之路，將為定制VS標準化產品的路徑探索提供參考與學習。制造企業進行數字化轉型時，的三個關鍵詞：適合、融合、克服。我國的制造業仍然具有“大而不強”的特點，其分層屬性非常強，且企業文化中的“人治”也相對比較重，因此在推進數字化轉型時，有3大方面需要注意：1）關于適合：適合的目標、適合的路徑、適合的人是基礎，畢竟或者依然是大部分企業的首選。2

4、）關于融合：主要指IT部門與業務部門的融合。數字化轉型或許是IT部門從成本部門走向價值輸出部門的機會：一方面，能夠從業務步驟拆解、業務要素確定、業務數據指標搭建等方面助力業務數字化，另一方面，從數據價值流轉的視角幫助企業進行戰略拆解并落地，即從采購-實施-落地等各個階段賦能業務。3）關于克服：ISA95架構以滿足功能點為主，是點狀建設，而數字化轉型是以數據價值釋放為主，是中心化建設，二者之間存在一定的使用或切換偏差，需要克服或打破?；谥圃鞓I數字化轉型落地實踐分析后的啟示有哪些？1）轉型具有長期主義：技術迭代速度快，對供給方產品及服務的變革與升級也將作用于制造企業，并經由場景、產線等方式逐步滲

5、透，轉型具有長期性。2）軟硬件逐漸云化：軟硬件云化與工業知識沉淀相互促進，共同推動正向工程的形成與推進。3）從轉型構建走向運營：當數字化建設趨于飽和時，基于平臺功能及數據關聯性的優化、基于知識的沉淀、基于數據價值釋放的應用將是未來供給方服務的重點，畢竟花出去的錢需要落實下來。4）產業數據拉通緩慢進行中：數據拉通后的市場將推動買方市場形成，整個產業的價值鏈有望重構，且離核心機密越遠的數據，如行業標準、供應鏈等，有望優先拉通。3目 錄CONTENTS01背景篇-基本情況說明Overview02供給篇-產品及服務市場掃描Supply side03實踐篇-各場景轉型落地實踐Implementation

6、04難點與建議篇-合適、融合與客服Challenges and Suggestions05啟示篇-長期且趨于運營Inspiration4背景篇-基本信息說明Overview0152023.12 iResearch I數字化轉型的本質通過數據-信息-知識-智慧的蛻變，優化并賦能企業經營與運轉制造業數字化轉型并不要求“大而全”，也不要求“一步到位”，重點是希望企業結合自身需求，實現關鍵業務、關鍵環節、關鍵節點的數據資產的積累及應用。因此，制造業數字化轉型的本質是解決“關鍵數據從哪里來、關鍵數據怎么用、關鍵數據價值如何構建及應用”的問題。無論制造企業是從頂層規劃逐步實施數字化轉型，還是解決關鍵節點智

7、能化及上云，其目的都無法離開兩大方面：1）顯性方面，滿足主機廠商要求、優化研產供銷服等各環節，降本增效；2）隱性方面，基于歷史數據，進行預測分析，賦能訂單預測、賦能設備壽命及維修預測、賦能管理者決策。來源：2023年工業互聯網平臺行業研究報告，艾瑞咨詢研究院自主研究及繪制。數據積累及價值挖掘設備接入數據采集（如生產、設備等）協議解析設備物聯升級邊緣智能分析數據集成/交換數據清洗/轉換數據資產管理數據實時監控數據庫（如時序、關系等）數據預處理、特征工程知識圖譜算法/模型庫模型管理及部署可視化建模工業機理模型平臺層玩家自研第三方玩家開發可視化編程及開發研發、生產、經營、設備、供應鏈、能源等場景管理

8、、優化、運維數據可視化（如庫存、產銷、設備狀態等）制造業數字化轉型的本質-數據優化并賦能企業經營與運轉產品、工藝、產線設計及驗證新產品&新工藝開發工廠訂單排產計劃組裝及包裝倉儲物流生產制造設備能源采購精益質檢安全銷售及售后用戶數據-信息-知識-智慧逐漸演變企業生產制造關鍵流程顯性賦能：1）滿足市場主機廠商的需求，如溯源、生產規范等；2）優化：在研產供銷服等各環節進行優化，如縮短研發周期、優化配方/工藝、精準排產/備料、降低能耗、精準營銷等；3）知識沉淀+流程優化?？傊?，合理規劃、品質生產、節能減排、管理效率等是直接賦能方向。隱性賦能：主要基于歷史數據進行合理預測分析，主要聚焦于以下3點：1）銷

9、量預測，包含提前備貨、預留產能、調貨等；2）壽命及維修預測；3）賦能決策：其一，由上至下，分析事件影響因素，并下鉆分析原因；其二，由下至上，收集并打通各關鍵環節信息，支持管理者分析決策。賦能以IoT、邊緣層為主以大數據平臺為主以AI平臺為主以APP開發、定制為主以數據應用、BI為主數據采集、傳輸數據處理數據分析數據知識沉淀、調用數據應用、可視化62023.12 iResearch I軟件在制造企業運營中的作用-總覽理想狀態下，工業軟件貫穿制造企業研產供銷運等各個環節工業軟件是企業走向信息化的基礎和有效工具。聚焦在制造業來看，工業軟件可貫穿制造業企業核心生產價值鏈的全流程，即產品、工藝的研發-產

10、品、工藝及產線的設計及驗證-生產制造業-營銷銷售-倉儲物流等全流程環節。但需要注意的是，企業對工業軟件需求層級與企業發展階段（如規模、信息化程度等）與發展目標息息相關，而無需要求“全”。一般而言，制造業企業將優先以財務為核心，然后是采購、銷售、研發等。這些場景中，軟件應用的易行性和軟件所帶來的便利性也更容易體現。對于生產制造管理相關軟件的需求情況，則與企業產線數量、生產產品品類、主機廠商的要求等直接相關。來源：艾瑞咨詢研究院自主研究及繪制。工業軟件在制造業企業運營過程中的作用新產品&新工藝開發排產計劃組裝、包裝及檢測倉儲物流生產制造設備能源采購精益質檢安全銷售及售后用戶CAD、CAE、CAPP

11、、CAM等MES、SCADA、DCS、PLC、SCM、SRM、EMS、QMS等主要軟件APSCRMCRM、BI等WMS、TMS等生產價值鏈主要作用主要進行產品及工藝研發設計、驗證等，降低研發周期、成本PLC等：主要負責自動化實現等MES等：主要負責生產現場的物料、質量管理及追溯、決策分析等SCM等：與供應鏈相關的供應商、制造商、分銷商、零售商等管理及評估主要進行計劃與排產主要進行客戶管理主要負責出入庫管理、庫內管理、分撥調度管理等ERP：企業資源管理，抓財務、抓資源、管訂單、定計劃等，與企業其他的軟件如CRM、MES、APS等細細相關。工廠訂單產品、工藝、產線設計及驗證主要進行銷售管理銷售訂單

12、情況訂單安排情況物料消耗、生產完成等數據生產計劃、物料數據庫存數據物料數據銷售訂單情況訂單安排情況72023.12 iResearch I軟件在制造企業運營中的作用-MES和ERPERP聚焦于計劃層面，無法對現場執行層面進行有效管控，而MES則可對生產現場的每個工位每個制品進行有效管理及追蹤MES與ERP不是替代關系，而是有效的互為補充的關系。從功能上看，MES和ERP雖然有很多共性功能，但聚焦到具體功能和范圍的精度看，有很多不同，具體表現為：1）MES聚焦在生產現場，而ERP則相對統攬企業的產供銷存運等各個層面；2）MES對生產的規劃精度可細化到時或者分，但是ERP多以批次為單位規劃，最多能

13、規劃到天；3）MES可以對每個工位每個制品進行追蹤和質量管理，但ERP則只能對批次和現場關鍵點分別進行追蹤和質量檢查；4）MES和ERP之間會相互傳遞數據，但是ERP是將物料信息、采購到貨信息、銷售單信息等傳給MES；而MES則將物料需求計劃、產成品產出計劃、成本及成本分攤數據、細作業計劃（工序計劃）、設備管理、質量管理、人事工資等數據傳給ERP。來源：艾瑞咨詢研究院自主研究及繪制。MES和ERP的區別與關系定位生產計劃生產管理執行層面，面向生產管理人員、處理人與機器的關系計劃層面，面向管理層，處理人與人的關系管理目標重點在于制造重點在于財務實現方式采用事件的方式實現管理采用表單拋轉、表單填寫

14、的方式實現管理管理范圍更小更細，細致到每個生產制造工序更大，管理范圍包括產供銷存運等各方面以生產物料和生產設備為對象，有限產能計劃通常給出一周或每天每個工序的時間表、每個工序的生產順序，時間精度可為周/天/班/時/分等可以根據現場情況調整生產順序基于訂單的無限產能計劃主要以批次為單位下發給生產車間的計劃，時間周期一般為年/季/月/周/天質量：可對所有工位點進行質量管理追蹤：每個工位的每個制品進行追蹤，為車間作業排產而進行質量：對生產現場關鍵點進行質量檢查追蹤：以批次為單位進行跟蹤，確定批次完成情況、生產訂單的投入與產出結合生產、銷售、預測、庫存等信息制定生產、采購計劃，并且將生產計劃下放給ME

15、S系統基于設備、物料等信息將ERP的訂單打散、拆解執行；如果有計劃外的，則申請采購后，重新滾動執行，并將相關數據上傳給ERPMESERP82023.12 iResearch I軟件在制造企業運營中的作用-MES和MOMMES強調生產線上的制造管理，而MOM則將管理范圍擴大到生產線相關的制造、質量、運維、庫存等管理與協同MOM與MES不是替代關系，而是兼容與包含的關系。MOM的出現是為了更加機動有效的完成“生產調度與規劃-物料和能源控制-生產控制-質量保證-庫存控制-維護管理”這一生產過程的協同管控而逐漸衍生出來的，是為了讓企業生產線的運轉更高效，與非生產部門的協同性更強。從管理范疇的角度看，M

16、ES、MOM、ERP的管理范疇逐漸擴大。注釋：1)MES（Manufacturing Execution System）：制造執行系統；2)MOM（Manufacturing Operations Management）：制造運營管理系統。來源：艾瑞咨詢研究院自主研究及繪制。MES和MOM的關系制造執行系統定位主要功能存在問題制造資源分配與狀態跟蹤設備維護管理生產單元調度產品跟蹤與記錄工業規格標準管理詳細供需作業計劃與排產數據采集文檔管理質量管理性能分析勞力資源管理MES：用于制造業車間級的信息化管理系統，強調對生產制造車間的管控，于1990年正式提出。MOM：通過協調管理企業的人員、設備、物

17、料和能源等資源，把原材料或零件轉化為產品的活動，強調生產制造運行區域內的全部活動的協調管理、精益管理，于2000年基于ISA 95提出。定義模糊，市場亂象：并非具備11個完整功能才被定義為MES，只要具備1個或幾個都可以。標準不定，難以維護：早期MES供應商各自為戰，沒有統一標準，系統配置性差，架構不夠靈活，系統維護成本高。生產運行管理質量運行管理維護運行管理庫存運行管理生產、質量、維護、庫存等并行管理，具有平臺屬性，承當企業上層業務流程與底層生產設備之間的信息轉換功能定位主要功能制造運營管理系統物料和能源控制生產調度與規劃訂單處理產品成本核算產品庫存控制質量保證維護管理采購產品發運管理研發和

18、工程設計市場營銷生產控制維護運行管理質量運行管理庫存運行管理生產運行管理123341234MOM平臺管理范圍：MES主要針對生產運行進行控制和管理，目的是實現生產過程的透明化；MOM覆蓋生產制造、生產調度與規劃、質量管控、物料和能源控制等相關活動，強調協同管理。本質：MES是軟件產品的概念，而MOM是平臺的概念。MOM與MES之間不存在取代關系，二者是兼容與包含的關系。幾點說明92023.12 iResearch I軟件、硬件與工業互聯網之間的關系工業互聯網是軟硬件收集及產生的數據聚集及價值釋放的載體及媒介，同時有利于軟硬件解耦，提升軟硬件功能開發、調控的靈活性ISA-95架構雖然通過使用標準

19、化的接口和協議有效規范了企業業務和工廠生產運營之間的信息流，降低了生產控制系統之間的集成成本和風險。但也存在跨層級傳遞效率低、實時洞察與管理能力弱等問題，這不太適應數字化浪潮對功能敏捷性高、數據價值深度挖掘與應用能力強的要求。工業互聯網類數據中心化的網狀架構具有強大的集成性、信息流傳性、開放性等能力，好處主要有三：1）工業生產數據的集成、處理、分析、應用及共享效率得到極大提升；2）平臺功能的集成性和開放性有助于軟硬件功能的開發、應用與調控的靈活性；3）軟件定義硬件、軟件定義平臺的影響有望加速。來源：ISA-95，數物融合-工業互聯網重構數字企業，2023年中國工業互聯網平臺行業研究報告，艾瑞咨

20、詢研究院自主研究及繪制。軟件、硬件與工業互聯網的關系感知層：如傳感器、協議解析監控層：如SCADA執行層：如MES/MOM管理層：如ERP決策層：如BI設備層：如ROBOT通過通信協議、驅動程序、編程接口等各類方式控制硬件云基礎設施，如服務器、IDC、虛擬化邊緣層IaaS層設備接入 協議解析 邊緣盒子及設備平臺層（PaaS層）工業大數據平臺：如數據清洗/轉換、管理、存儲/交換、可視化等工業AI平臺：如工業數據預處理、特征工程、機理模型沉淀及管理等技術賦能平臺：如微服務框架及組件、低代碼/零代碼、模型組件庫等應用層（SaaS層）運營大屏數據集成平臺：如IT、OT、IOT等數據各類工業APP：1-

21、設計、生產、管理等業務運行類；2-設備狀態、供應鏈分析等應用創新類社區服務服務市場企業中心L1L2L3L4L5L0ITOT工業軟件工業互聯網對工業軟件和硬件的影響工業互聯網的功能體系架構ISA-95架構1-軟件形態逐步微小型化2-軟件架構逐步走向微服務架構3-軟件開發逐步走向開源、開放、群智協同開發工業互聯網的架構特點1-具有明顯的軟件定義特征2-提供了強大的數據集成和共享能力，層級結構走向網狀結構，跨層級數據傳遞、應用及共享效率提升3-功能的靈活性和可擴展性強4-實時數據采集、處理和分析能力得以提升，如邊緣盒子工業硬件1-硬件設備從自動化趨于智能化2-趨于軟件定義硬件3-趨于軟硬件解耦數據集

22、成軟件開發硬件應用數據應用敏捷、數據集成與分析10供給篇-產品及服務市場掃描Supply side02112023.12 iResearch I制造業數字化轉型的產業鏈情況來源：艾瑞咨詢研究院自主研究及繪制。以平臺層為核心，圍繞數據資產價值挖掘提供一系列服務；平臺層之下，保證自動化、信息化、數據采集及傳輸；平臺層之上是數據資產的具體應用與價值體現2023年中國制造業數字化轉型升級產業鏈情況支撐層設備層協議感知層IaaS層平臺層應用層電信運營商 標準服務體系控制器傳感器芯片伺服系統減速器 生產相關設備智能機床工業機器人 3D打印機檢測設備 非生產相關設備邊緣盒子監測終端XR設備 工業通訊協議工業

23、無線工業總線工業以太網計算機通訊協議HTTPS/HTTPIPv4/IPv6TCP/IP 物聯網通訊協議LPWANTCP/IPWSN 工業物聯網通信協議短距離通信技術云基礎設施，如服務器、IDC、虛擬化等主要提供數據集成服務，如IT數據、OT數據、IOT數據等工業大數據平臺主要提供工業數據預處理、特征工程、機理模型沉淀、模型管理及部署、可視化等服務工業AI平臺技術賦能平臺微服務框架及組件其他應用開發工具，如能力引擎、容器、可視化開發等低代碼/零代碼DevOps模型組件庫數據集成平臺主要提供工業數據清洗/轉換、管理、存儲/交換、可視化等服務工業安全業務運行類：設計、生產、管理、銷售、營銷、服務AP

24、P應用創新類：設備狀態分析、供應鏈分析、能耗分析優化各類工業APP社區服務應用商店、模型市場、測評/認證服務等學習社區、開發者社區、工程師社區等服務市場工業網絡122023.12 iResearch I制造業數字化轉型的產業圖譜注釋：1)每個類別企業并未詳盡；2)企業排名不分先后。來源：艾瑞咨詢研究院自主研究及繪制。平臺層玩家類型多樣，服務能力各有側重，大部分都提供數據連接-數據價值挖掘-數據應用的服務，即貫穿平臺層上下兩端2023年中國制造業數字化轉型升級產業圖譜支撐層現場設備層協議感知層IaaS層平臺層應用層生產相關設備工業機器人 非生產相關設備 工業通訊協議工業無線工業總線工業以太網計算

25、機通訊協議HTTPS/HTTPIPv4/IPv6TCP/IP 物聯網通訊協議LPWANTCP/IPWSN 工業物聯網通信協議短距離通信技術 電信運營商 控制器傳感器芯片伺服系統減速器標準服務體系工業安全3D打印機智能機床檢測設備檢測設備邊緣盒子XR設備工業安全制造業大廠類傳統軟件類ICT企業類互聯網大廠類泛數據治理及應用類設備及物聯網類垂直技術賦能類DevOps容器微服務低代碼/零代碼供應鏈場景供應方管理與評價 采購計劃制定 倉庫管理 物料管理 銷售場景訂單管理 營銷獲客 需求分析 客戶服務 銷售預測 財務管理 研發場景輔助設計/驗證 工業模擬/驗證生產制造設備檢測/管理 智能排產質量檢測 財

26、務場景營收預測 預算規劃 能源管理服務市場社區服務132023.12 iResearch I供給方行業和客戶定位邏輯行業定位方面，結合政策、區域規劃投入、行業需求空間等因素錨定主要行業；客戶定位方面，優先布局頭部客戶，打造標桿案例注釋：針對企業大中小類型的劃分，主要結合訪談根據營收量級給出大致劃分，不代表市場權威劃分。來源：企業訪談，艾瑞咨詢研究院自主研究及繪制。供給方行業和客戶定位邏輯頭部/龍頭企業，營收至少在百億及以上的企業。此類型的企業：1）重整體規劃，以平臺整合建設為主，定制需求強；2）IT能力強，一般有專門的IT團隊，且企業各核心系統的打通已初步雛形。中腰部企業（含集團子公司），營收

27、在10-100億左右的企業。此類型企業：1）部分企業重生產側典型場景的數字化改造，如生產制造管理等；2）部分企業已經完成數字化改造，但數據價值挖掘有待提升，故重視數據資產的梳理及應用。長尾企業，營收在10億一下的企業。此類型企業資金和IT能力不足，重生產派單、設備、營銷等具體問題的解決，簡單、便捷、輕安裝、輕運維的SaaS服務即可滿足需求。除此之外，關鍵節點設備智能化改造及上云也是該類型企業的需求?？蛻籼攸c客戶定位邏輯需求共振傳導屬性強產品質量、工藝質量、產品及原料溯源等要求客戶頭部/龍頭企業/主機廠商對產業鏈上下游配套核心環節企業提出要求中腰部企業長尾企業頭部/龍頭企業中腰部企業長尾企業優先

28、布局，打造標桿案例，同時具有打開品牌知名度+獲得產業鏈共振所帶來的新的需求機會的雙重優勢主要有3種方式：1-提供輕量級、標準化的SaaS產品；2-通過政府、產業協會、園區等提供批量化的標化產品；3-關鍵節點設備智能化改造及上云。通過項目積累服務經驗、行業know how經驗、工業機理知識等，同時向上拓展頭部/龍頭企業案例1）潛力行業錨定：以政策鼓勵支持的方向為前提，結合區域產業特色、規劃及投入、營商環境等多方因素看行業未來3-5年的市場空間及增長潛力，圈定潛力行業2）貼合自身優勢的方向：重點考慮企業自身基因優勢、自身在產業鏈中的位置等定位新領域行業定位當前熱門行業：鋰電光伏等新能源、汽車及零配

29、件、半導體、電子、裝備制造、醫藥和化學、傳統能源等客戶分層整體來講，制造業企業被供給方市場主要分為3大類：頭部/龍頭企業、中腰部企業、長尾企業。供給方的行業定位邏輯主要考慮2方面：1）是否是政策支持的？以及未來3-5年對數字化建設/轉型的需求是否旺盛？2）在錨定的行業中，哪些更符合企業自身的優勢，如政府/個人關系、相近行業know-how經驗等？當確定行業方向后，客戶定位一般遵從“頭部企業打造標桿案例、中腰部企業積累項目服務經驗和行業know-how、輕量級產品覆蓋長尾市場”的拓展思路。值得注意的是，2023年政府補貼開始向中小企業傾斜，部分供給方也紛紛布局中小企業市場，多以提供標化的SaaS

30、產品、關鍵節點設備上云等為主。142023.12 iResearch I供給方產品及服務情況-總覽軟件是當前主要產品及服務，其中圍繞具體場景功能、數據、平臺工具等軟件類產品是當前主流診斷及咨詢+軟件+硬件+其他可以視為制造業數字化轉型的完整解決方案，也是當前市場供給方所提供的主要產品及服務的類別。其中，軟件類產品是當前主要產品及服務，其核心邏輯在于將數據作為資產完成數據-信息-知識-智慧的蛻變，當前軟件市場主要有兩大特征：1）聚焦數據價值挖掘，需要完成“數據從哪里來、數據怎么用、數據價值如何構建、數據所沉淀的行業know-how如何積累”等問題的回答，故數據處理、數據分析、知識沉淀、數據呈現等

31、軟件是熱門；2）聚焦生產制造場景的服務與優化，當前圍繞企業財務服務的產品相對成熟，研發、生產制造、倉儲物流等核心場景是熱門。來源：2023年中國工業互聯網平臺行業研究報告，艾瑞咨詢研究院自主研究及繪制。供給方的產品及服務情況總覽診斷及咨詢軟件其他標識解析上云服務具體場景功能性軟件數據相關服務性軟件平臺功能或服務性軟件硬件工業機器人檢測設備監測設備XR設備邊緣設備3D打印機服務市場類別參與方宏觀戰略咨詢、智能化程度咨詢、數據咨詢咨詢公司、數字化轉型供給方幫助企業對其產品、設備或物料上的標識進行解析、識別和管理，以二級節點、企業節點較為常見主要包含設備上云、產線上云、業務應用及數據遷移到云端等研發

32、工藝及產線設計及驗證排產計劃供應鏈生產制造倉儲物流財務管理數據采集人力管理數據傳輸數據存儲數據處理數據分析知識沉淀數據調用數據應用、可視化底層支撐，如云服務、IDC、工業網絡等能力開放，如微服務組件、低代碼開發等能力管理，如DevOps、微服務治理等搬運機器人、碼垛機器人、分揀機器人、焊接機器人、裝配機器人、噴涂機器人、切割機器人、檢測機器人等目前機器視覺檢測比較熱，主要有流水線在線檢測設備、高速云盤檢測機等其他AI服務器社區市場工程師社區學習社區開發者社區會員專區融資租賃應用市場模型市場二手交易輔助申報培訓服務152023.12 iResearch I供給方市場特征1-產品及服務邊界拓展縱向

33、看，覆蓋區域廣度提升；橫向看，產品及服務顆粒度細化，并且趨于將上下環節打通，即向平臺產品演進制造業的數字化轉型是一項需要多方參與的大工程，作為供給方，也不太可能只圍繞一個方向提供產品及服務。目前來看，供給方的產品及服務主要有兩大特征：其一，從縱向看，供給方的服務都將遍歷場景解決方案-行業解決方案-領域解決方案的過程，當然目前都僅一些大廠商才覆蓋到領域解決方案；其二，聚焦到場景解決方案而言，供給方的產品及服務基本呈現出粗放的綜合解決方案-細分場景解決方案-關注流程打通的解決方案的變化，具體而言：1）供給方的解決方案落地性增強，即關注企業生產運營的具體場景或者環節的可執行性和解決問題的能力；2）在

34、供給方產品及服務走向細分的基礎上，其服務覆蓋需求方運營周期的廣度提升，即流程化明顯，對外表現為產品及服務平臺化。來源：艾瑞咨詢研究院自主研究及繪制。供給方的產品及服務邊界不斷拓展場景解決方案行業解決方案整體方案產品及工藝研發設計與驗證智慧工廠排產計劃采購設備質量管理品類管理、供應商管理、合同管理、訂單到付款、績效管理設備上云、設備臺賬、維保知識庫、故障與壽命預測、能耗管理來料/過程/成品品質、PDCA改善、SPC分析、檢驗標準能源/能碳管理安全管理組裝及包裝生產制造倉儲物流運營管理智慧產線其他金融服務產銷平臺輔助申報細分場景方案主要行業主要領域智慧園區產業集群工業區塊鏈區域區塊鏈汽車汽配泛半導

35、體機械加工電力電子石化鋼鐵冶金產業大腦領域解決方案幾點說明1-整體而言，供給方的產品及服務呈現出場景-行業-領域解決方案逐級拓展，且隨著服務經驗積累，其領域戰略會逐步走向細化，如海爾卡奧斯，逐步形成德陽、蕪湖、青島中心；華為逐步形成廈門、無錫、東莞、遼寧、深圳龍崗、寧波等區域工業互聯網平臺。2-聚焦到場景解決方案而言，主要有3大特點：1）從縱向上看，制造業的數字化轉型經過幾年的發展，供給方的場景解決方案從整體走向細分，即落地服務越來越詳細；2）從橫向上看，供給方的產品和服務越來越聚焦到企業運營的具體環節，重視場景賦能；3）在產品細化與落地性增強的基礎上，供給方的服務開始走向流程打通，即重視企業

36、運營周期廣度的覆蓋，供給方的產品及服務區域平臺化?？v向覆蓋廣度提升橫向顆粒度細化與流程化打通智慧車間162023.12 iResearch I供給方市場特征2-開始覆蓋長尾市場當前數字化轉型政策補貼開始向中小制造企業傾斜，供給方聚焦關鍵點設備改造、排產派單、質檢等方面賦能，落實“省下的就是賺的”服務中小制造企業有數字化轉型需求，但與數字化轉型具有演進性、不確定性、復雜性、技術/體系架構變化大等特性相比，其存在缺錢、缺技術、缺數據、缺人才等客觀難點，故中小制造企業數字化轉型進程相對緩慢。雖然近兩年政策補貼開始向中小制造企業傾斜，但生存仍是中小制造企業的首要問題，需避免需求與產品之間錯配，故其思考

37、數字化轉型時需重點考慮4點：1）哪些是關鍵點或瓶頸或契合點；2）哪些能帶來收益，包含節??；3）哪些關鍵點的可行性、性價比高；4）SaaS、中臺等形式不是必須的，重要的是通過合適的形式采集、應用數據。目前，供給方紛紛發力于設備改造、排產派單、質檢、供應鏈采購等方面，“省下的就是賺的”思想在企業規模面前是平等的。來源：企業訪談，艾瑞咨詢研究院自主研究及繪制。研發倉儲物流采購營銷管理服務設備排產生產制造質檢能源安全組裝打通上游供應鏈，保證備貨與供貨的及時性，及時調整報價，如檸檬豆工業互聯網平臺設備：保證設備不突然停運，提供設備遠端控制、故障預測、遠程維修等服務，如機智云排產：敏捷派單排產及管理，如卡

38、奧斯生產管理：生產/設備/質量/物料等管理、工藝路線、工廠建模等，如黑湖智造能源：關注整體能源消耗，節能減排缺錢缺技術缺數據缺人才融資難持續投入性差生產自動化水平低流程、制造工藝標準化程度低數據資產積累少、已有數據打通性差IT人才儲備少、適應數字化轉型的培訓推進慢省下來的就是賺的從運輸、出/入庫、庫存等方面精準把控物料及產成品情況，并保證溯源能力供給方市場開始中小制造企業的數字化轉型服務類型長尾制造企業轉型現狀供給方產品及服務應對情況針對數據進行管理、文檔進行管理和可視化，如帆軟的簡道云等數字化轉型的特點演進性不確定性復雜性技術/體系架構變化大政策情況2022年中小企業數字化轉型指南，對供給方

39、的期望是增強供需匹配度、開展全流程服務（評估規劃、設備改造、系統上云、人才培訓等）、研制輕量化應用、深化生態級協作。2023年關于開展財政支持中小企業數字化轉型試點工作的通知：1）支持試點城市的重點制造行業及相關中小企業，梳理行業共性和個性需求，公開遴選供給方；2）支持中小企業利用鏈主企業、龍頭企業的平臺能力和數據基礎，實現訂單、設計、生產、供應鏈等多方面協同，推動“鏈式”稅制轉型。最終期望在試點實施期滿時，細分行業規上工業中小企業“應改盡改”、規下工業中小企業“愿改盡改”。其他生存是首要問題，大而全的解決方案不適合，小步迭代最好，最好是針對關鍵點的改善與優化172023.12 iResear

40、ch I供給方市場特征3-制造大廠間競爭序幕拉開2023年新增雙跨平臺主要聚焦于裝備制造、電氣、鋼鐵、采礦等泛制造業領域，基本由制造大廠控股或全資子公司成長起來，大廠競爭序幕已開制造大廠、傳統軟件、泛數據治理、互聯網大廠、ICT企業和設備及物聯網類等都是制造業數字化轉型的供給方，且很多企業都是由大廠控股或全資子公司成長起來。整體來看，制造業數字化轉型整體處于發展初期，行業know-how理解與沉淀、需求滿足度高且快、渠道體系完善、品牌影響力等是各方競爭重點，市場競爭激烈程度應該相對緩和。但通過整理2021-2023年工信部發布的雙跨平臺企業數據，我們發現，位居第一的制造大廠占比達40.4%，是

41、主要參與方，且在2023年新增雙跨平臺中，制造大廠、能源等泛制造業領域的大廠紛紛入局，這些制造大廠之間的比較優勢相對不明顯，大廠之間的競爭程度或將升級。需要注意的是，今年工業富聯對外宣布與英偉達、英特爾等科技大廠展開合作，分別就AI服務器、高性能可擴展處理器模塊與新一代散熱技術方面進行聯合研發與合作，未來“智造能力”也將是大廠間競爭的主要方面。注釋：1)統計雙跨平臺類型時會自動去重，即同一家公司不同年份出現時，只統計一次；2)公司基因如果有母公司，則按照母公司基因統計；3)泛制造業含制造業和能源兩類。來源：工信部，艾瑞咨詢研究院自主研究及繪制。泛工業領域大廠之間的競爭序幕已開40.4%32.7

42、%11.5%7.7%5.8%1.9%制造大廠軟件ICT互聯網大廠能源其他2023年新增52%2023年新增100%電氣（3個）電力（1個）電子鋼鐵（2個）汽車&摩托材料（如玻璃、水泥）裝備制造（3個）家電采礦（2個）2021-2023年工信部發布的雙跨工業互聯網平臺企業類型情況制造大廠和能源類企業主要行業分布（母）公司基因類型占比（%）主要是一些央國企、政府扶持企業182023.12 iResearch I供給方市場特征4-通過生態構建獲客閉環獲客-方案輸出-能力構建及完成項目-獲客的閉環是供給方構建生態的主要邏輯，其中應用商店和供需平臺不僅有助于行業知識庫的沉淀，還有助于獲客與服務完成來源：

43、艾瑞咨詢研究院自主研究及繪制。生態構建有助于構建獲客-服務-獲客的閉環構建生態思路與咨詢公司合作或企業自身發展一定咨詢能力：戰略咨詢數據管理/分析咨詢DevOps咨詢周邊服務獲客方案輸出與科研院所合作：技術類合作人才類合作人才培養分銷商、代理商系統集成商金融服務申報服務各類能力構建及完成服務ISV生態伙伴：如數據處理類、AI類、管理類、研發類、應用開發類等IHV生態伙伴：如邊緣設備、檢測設備、監測設備等連接技術類云服務類應用商店：工業APP、工業模型/算法供需平臺：產品或能力的需求對接、工業品商城等社區服務：開發者平臺、案例庫、知識庫等能力沉淀商機匯聚學習交流延長服務鏈條，加深服務粘性助力公司

44、產品和服務迭代升級反哺類似魚塘理論，商機轉化 獲取客戶的渠道與資源能力非常強，具備強客單分發能力是當前構建生態的企業的最大共性。因此企業考慮構建生態時，需要考慮：產品能力是否過硬？行業know-how是否沉淀？自身拿項目的能力是否強？是否有穩定持續的項目？自身能力圖譜是否構建完成，哪些是自身必須要掌握的？因此，生態構建雖有助于構建競爭壁壘，但企業需慎行。Q1：所有的公司都需要構建自身生態？-不，取決于發展階段 整體來看，物聯網類企業生態構建的整體邏輯基本上都是一樣的，即獲客-方案輸出-能力構建及完成服務-獲客。但在工業領域，工業協議多樣，故物聯網類企業構建生態時，需重點關注兩點：1-協議兼容性

45、越多越好；2-物聯網需要關注到產品端，如模組、傳感器等，因此重視供應鏈生態豐富性的提升。Q2：以IOT為主的企業生態構建能力是否有所不同？-是，更關注兼容性兩點討論192023.12 iResearch I供給方市場特征5-探索市場化之路1V1服務切入市場-大范圍定制拓展市場-小范圍定制+標準化服務是各供給方上市的主要路徑，但具有轉型期周期長、不確定性高等特點整體來看，數字化轉型供給方普遍的成長路徑大概是“產品-項目-平臺及生態”。在這種范式下，各供給方摸索市場化的路徑也具有非常強的共性，即：1）發展初期：通過1V1服務切入市場，完善產品能力及服務經驗，打造標桿案例；2）市場拓展期：在集團內部

46、、同行業客戶、跨行業客戶等大范圍推廣自身產品及服務，此階段大多是通過大范圍定制服務來快速鋪設市場，并占領用戶心智；3）發展+轉型期：企業重點關注盈利變現，小范圍定制+標準化服務是當前供給方的主要戰略，但都尚處于摸索期，當前的不確定性很高。這種不確定性主要表現為：企業如何讓產品走向標準化？標準化的產品如何滿足企業定制化的服務需求？定制化的服務與標準化的產品之間的平衡點在哪里可以實現正向盈利？來源：艾瑞咨詢研究院自主研究及繪制。供給方的市場化路徑1V1服務市場拓展期小范圍定制VS大范圍標準化產品？上市？發展初期大范圍定制發展+轉型期除了樹根互聯外，據新聞報道，徐工漢云、忽米、卡奧斯、美云智數等企業

47、都有上市計劃服務方式：多采用1V1定制服務切入方式：1）以產品（軟件、硬件、服務）為切入，如摩爾元數、越疆科技、橙色云等；2）以行業經驗為切入，如凱盛AGM；3）以主打某個行業為切入，如格創東智開始向子公司或者附屬企業推廣同行業客戶推廣跨行業客戶推廣大范圍定制化服務后，企業獲得項目經驗+行業know-how的積累，企業將進入轉型發展階段，即企業需要考慮盈利。此時企業主要有兩個方向：小范圍定制or大范圍標準化產品。針對小范圍定制：什么產品或服務可以進行小范圍定制？產品及服務的定制化/標準化占比是多少能保證盈利？針對標準化產品：如何標準化？大中小型企業需求如何滿足？定制需求與標準服務之間如何實現？

48、走向上市盈利變現關鍵階段20實踐篇-各場景轉型落地實踐Implementation03212023.12 iResearch I轉型落地實踐總覽生產管理及數據價值釋放是當前數字化轉型的重點，且將持續很長時間來源：艾瑞咨詢研究院自主研究及繪制。生產制造管理舊產線改造+新建產線數字化轉型主要場景與錢相關與生產相關財務產品及工藝研發設計與驗證排產計劃客戶管理銷售分銷市場管理數據價值釋放人力資源物料采購、倉儲物流設備及能源安全質檢組裝供應商、品類管理等數字化出入庫、倉內作業、發貨及物流數字化設備上云，管理、維修記錄、運維數字化，能耗管理數字化等來料、過程品、成品檢測數字化系統最優、推薦及預測、知識管理

49、、智能決策等智能組裝產品設計、圖紙管理、生產工藝、生產制程等數字化、協同化智能排產數據沉淀數字應用數據應用形成關于研發、生產、供應鏈、客戶等數據資產（包含歷史與預測數據）指導經營、生產/倉儲/設備可視化管理與運維、生產線虛擬仿真演練、智能決策等制造業數字化轉型落地實踐總覽賦能與助力幾點說明：企業關注模塊具有優先級，即優先關注與錢相關的業務模塊，如財務、銷售等；然后是與生產相關模塊的數字化。：信息化-數字化-智能化是數字化轉型的流程，但數字化本身并不是目的，對數據資產分析挖掘后的管理與運維賦能才是目的。-：1）企業開始關注制造能力本身的智能化、精細化，故產品及工藝研發設計與驗證、生產制造管理、供

50、應鏈、設備管理等均是重點，且此狀態將會持續較長時間；2）數據積累與數據價值釋放相互賦能。（針對-的實踐詳情見后面頁面）當前，中國制造業企業數字化轉型主要表現為兩大特征：1）與生產相關的場景是重點，即更加關注制造能力本身的智能化、精細化，因此產品及工藝研發設計與驗證、生產制造管理、供應鏈、設備管理、數據價值釋放等方面是重點；2）當前大多數企業處于數據沉淀與數據應用共存共促進的階段，即企業通過舊產線改造或新產線搭建、核心模塊/環節信息化軟硬件的使用使得生產運營走向數字化。這兩大特征均會持續很長時間，且隨著技術進步與技術應用的深入將進一步對企業各個環節優化改造。值得注意的是，隨著制造業數字化轉型的縱

51、深推進，如企業何將隱性知識、技能轉化為可復用、可快速學習的行業知識將是數字應用的重點。222023.12 iResearch I應用場景-設備智能化改造&上云關鍵節點設備智能化改造及上云是當前各類型企業設備數字化的重點，主要賦能設備耗能、運維、故障、預測等方面的調整與優化來源：企業訪談，艾瑞咨詢研究院自主研究及繪制。設備管理數字化備品備件備件列表備件采購與庫存庫存歷史與提醒用量統計設備維修維修工單維修記錄（故障原因、關鍵技術等）任務分配維修經驗庫遠程診斷設備臺賬采購管理資產管理規格參數設備狀態設備上云與聯機設備運行與養護績效管理檢修計劃（點檢、定檢）遠程控制潤滑與技改計劃運行監測能耗管理數據分

52、析維修成本故障率異常停機率壽命預測預防性維護能耗優化核心考核指標設備利用率設備故障率設備維修率設備修復時間異常停機率設備管理走向數字化關鍵節點設備智能化改造及上云是當前制造業企業設備管理走向數字化主要的措施。其中，關鍵節點設備主要有高耗能設備、高通用設備、高價值設備、新能源設備這幾大類型。對關鍵節點設備改造及上云，主要好處有2點：1）對用戶企業，一方面是改造成本低（平均每臺設備大約幾萬左右，與設備數量有關），成本回款周期短，同樣適用于中小型制造企業；另一方面，在設備能耗、設備維修及預測、設備利用率等方面都能優化賦能。2）對設備供應商，一方面，聚焦到節點設備，相對容易實現標準化，可覆蓋的行業和服

53、務范圍廣；另一方面，有助于收集設備全生命周期的數據并開展后期運營服務模式，尋找新的盈利模式。3）對于平臺運營商，工業設備改造&上云有助于工業數據沉淀，加速工業機理模型沉淀和優化。但需要注意的是：1）存在一定兼容性問題，對平臺運營商而言，需要掌握足夠多的工業協議、物聯網協議；2）對中小制造企業而言，這種服務多轉嫁于設備供應商；3）除了傳統的工業機器人外，協作機器人憑借著部署位置要求低、位置可變、場景功能適應性強等優勢逐步滲透在電子、汽車、新能源生產等行業中（詳情見例證越疆機器人）。典型廠商涂鴉智能ABB越疆機器人藍卓智物聯機智云核心設備傳統工業機器人協作機器人鍋爐空壓機發電機組自動流水線產品數控

54、機床類產品改造&上云傳感器工業自動化元件，如PLC工業通訊協議傳輸協議智能網關控制器設備運維及管理云平臺，設備數據采集、傳輸、存儲、建模、運維設備管理主要效益設備能耗降低運維成本降低利用效率提升研發周期降低設備故障率降低停機風險降低232023.12 iResearch I例證：越疆機器人越疆機器人戰略制定與落實的同步性相對高，循序漸進，穩步發展來源：越疆科技官網，企業訪談，艾瑞咨詢研究院自主研究及繪制。教育越疆機器人產品及業務的發展脈絡產品場景產品場景產品CRA 系列MagicianMagician LiteMagician E6DOBOTLAB多功能STEAM教育機械臂K12學習解決方案的

55、輕型機械臂專為教育與研究開發的桌面六軸協作機器人專為人工智能教育研發的綜合型教育云平臺CR3A/CR3ASCR5A/CR5ASCR7ACR10A/CR10ASCR12ACR16ACR 系列CR3/CR3SCR5/CR5SCR7M1 系列M1 ProMG系列上下料、無序分揀、螺絲鎖付、焊接、點涂膠、視覺檢測、打磨拋光、碼垛、裝配、搬運等汽車、3C、金屬加工、化工、食品飲料、醫療、半導體等行業工業消費Nova 系列Nova 2Nova 5CR 系列CR3CRA 系列CR3A場景數字零售、奶茶店、咖啡店、無人零售等201620182020202120222023A輪融資A+輪融資B輪融資推出DOBO

56、T 1.0、魔術師、M1等桌面機械臂，產品銷往全球100多個國家和地區。D輪融資上市輔導至今推出安全皮膚技術和六軸全感知協作機器人，深入工業應用市場，吸引了大量3C、汽車、新零售等行業客戶。推出Nova、CRA系，形成業內首個 0.5-20kg 全產品矩陣，全面打開工業、商業、教育市場，產品走進數十家世界500強的產線。前瞻偵查主戰場憧憬市場先教育，后工業，教育開局、構建銷售渠道、打開品牌知名度，為工業、消費等積累經驗行業/市場層面突破了主從控制、驅控一體化、多重感知安全架構等核心技術，控制系統和伺服系統自主研發技術層面1-易用性強：靈活部署、開箱即用、可視化開發、提供工藝包等2-安全都高：非

57、接觸式的接近感知與碰撞預防3-負載選擇多：覆蓋500g-20kg負載范圍產品層面戰略優勢2015公司成立節點事件越疆成立于2015年，是一家定位于輕量工業級應用市場的協作機器人企業?；仡櫾浇畽C器人的發展歷程，其發展具有以下3個典型特點：1）公司整體從戰略制定到戰略實施上達成技術-產品-市場-資本的相對同步，企業發展循序漸進；2）在市場打法上，明確以工業級應用為基礎，拓展商業、醫療、教育等更廣泛的市場，完成品牌初步認知、銷售渠道的構建，為后續從工業到商業市場延伸賦能；3）在產品定位上，抓住協作機器人可以突破傳統的安全圍欄的限制、拉近人機距離以實現真正的人機協同的優勢賦能輕量級工業、消費級市場的特

58、點。CR5CR5AMG400技術積累蓄勢待發高速成長CR20ACR10/CR10SCR12CR16242023.12 iResearch I例證：越疆機器人針對客戶產品涂膠后道工序進行協作機器人替換、調試，省時省成本來源：越疆機器人官網、艾瑞咨詢研究院自主研究及繪制。越疆機器人TWS耳機生產的涂膠后道工序項目落地案例SMTTWS耳機的大致生產流程需求背景原耳機生產線上采用大量工業機器人，但存在設備成本高、后期需要定期維護、保養費用高（一般保質期只有1年，過保后硬件損壞更換費用高昂）等問題，希望找到一種性價比更高的代替方案，降低生產整體成本。主要針對產品涂膠后道工序，即靜置、保壓的工藝，該工序目

59、的是確保產品被穩固粘合。來料檢測SMT&燒錄副板模組加工PCBA RF/音頻/功能測試腔體喇叭裝配、音頻/阻抗測試前腔裝備充電盒耳機裝配測試降噪MIC裝配通話MIC模組裝配PCBA裝配紐扣電池裝配前后殼精密打膠/保壓RF/音頻測試成品裝配成品耳機功能/音頻/配對等測試包裝、OQC檢測入庫越疆機器人CR10滿足打膠及保壓需求本體重量：40kg額定負載：10kg工作半徑：1300mm成本：協作機器人成本不到傳統工業機器人的一半運維：1-上下料方案采用模塊化設計，無需定期維護保養；2-提供較長的質保服務，同時配置駐廣工程師，可快速響應售后問頻體積：占用更小空間，可提高產線的空間利用率安全：具備碰撞回

60、退功能，無需護欄，充分保障周圍設備和人的安全應用場景：上下料、點涂膠、打磨拋光、碼垛、裝配、搬運等越疆機器人服務內容項目成果越疆協作機器人在保壓、靜置工作站中代替工業機器人，進行耳機和耳機充電倉的上下料任務，協作機器人抓取涂膠后裝配好的耳機和耳機充電倉，分別放置到保壓和靜置工位，等完成保壓或靜置后，再下料到下一道工序。整條產線投入200+臺越疆協作機器人，從安裝、調試到試運行在數月內完成，并安排駐廠工程師現場跟蹤，提供員工培訓等服務。同時越疆還支援了客戶江西產線轉移至越南的項目，為項目復制提供了更加全面的保障。協作機器人價格低易安裝、部署調試周期短調試周期運維成本購置成本柔性生產協作機器人無需

61、定期維護易安裝、易調試，快速換產越疆方案及成果客戶是國內精密制造企業典型企業且是蘋果產業鏈企業，主要從事消費電子、汽車和通信等領域產品的研發生產，擁有完整的生產線和生產設備。針對耳機生產，客戶希望在產品涂膠后道工序，即靜置、保壓的工藝上，找到一種成本低、性價比高的生產產線方案。越疆協作機器人具有成本低、易安裝、易調試、易運維等優勢，將客戶耳機生產的涂膠后道工序上的傳統工業機器人替換為協作機器人部署后，在購置成本、調試周期、運維成本、柔性生產等方面為客戶帶來的收益與賦能效果明顯。越疆賦能段252023.12 iResearch I應用場景-研發&工藝開發管理數字化關注與研發生產相關環節的實時數據

62、采集，并與相關歷史核心要素數據拉通、分析、建模，進而加強設計-研發與驗證-生產之間的耦合性與聯動性，縮短研發周期、優化工藝/工況、降低研發及驗證成本來源：企業訪談，艾瑞咨詢研究院自主研究及繪制。意義反饋給研發和生產端，重新考慮設計、生產方案產品/工藝設計（CAD、CAE等）生產（預生產、試生產、投產）產品/工藝研發及驗證營銷及銷售售后（客戶反饋）應用以智慧配煤為示例研發及工藝開發管理數字化常規方案設計-研發與驗證-生產之間耦合性增強部門協同協作，包含研發-生產、研發-銷售協同研發周期縮短，研發成本降低，如減少反復實驗、并行研發驗證等工藝配方/流程等優化預判數模變更對制造工藝及成本的影響煤炭金屬

63、冶煉鋼鐵食品加工新材料化學化工數據拉通與集成工具應用智慧配煤系統原煤煤場破碎配煤洗煤粉碎煤塔焦爐熄焦篩焦焦炭鼓風冷凝脫硫脫氨脫苯氨產品苯精制苯類產品粗苯硫磺凈煤氣焦油煤化工各工段工藝流程簡圖傳統配煤備煤工序，其中配煤為核心以人工配煤為主，主要存在以下不足：時間長：煤質信息指標復雜，配煤師需耗費大量時間適配新原料煤復用性弱：經驗傳承難，且個人經驗依賴性強原料煤成本高：取值保守，質量指標容易過剩，增大煉焦成本原料煤數據焦炭各階段數據工藝/工況數據設備數據運維數據小焦爐實驗數據配合煤質量數據歷史配煤數據價格數據環境數據焦炭質量預測配比優化歷史方案管理歷史數據、實時數據研發&工藝開發管理走向數字化減輕

64、緩解原料數據產品數據工藝數據設備數據運維數據環境數據實驗數據工業軟件數字孿生AIXR典型廠商華院計算美云智數浪潮云洲雪浪云華為為專家賦能，省時、降成本262023.12 iResearch I應用場景-供應鏈&倉儲物流管理數字化加強供、產、銷三端的聯動性與協同性，實現一體化管理供應鏈數字化整體思路就是打破傳統供應鏈上下環節聯動性不足的問題，提升供應鏈各環節，尤其是供-產-銷三端的聯動性與協同性。具體表現為：1）供應能力可實時刷新、可預測，如價格波動、供應商變動、欠料品類掃描及預測等；2）銷售可預測，能為采購、生產計劃制定提供支撐；3）倉儲管理高效，即空間利用率高、作業模式能從“人找料”轉變為“

65、料找人”，同時倉庫里面的產品能溯源、方便追責。供應商基礎1-供應商尋源2-訂單協同：采購申請、送貨、財務等全流程協同3-采購價格合理性管理4-供應商生面周期管理5-可原料采購預測原料倉儲排期及生產半成品成品倉儲訂單銷售用戶軟件技術硬件射頻識別、追蹤定位、傳感器等技術算法能力、仿真引擎等技術SRM、WMS、TMS等軟件叉車AGV、揀選AGV、搬運AGV、分揀AGV、貨架穿梭車等核心思路整體呈類線性關系，上下環節聯動性不足，容易出現貨物積壓或原料不足等問題原材料供應商采購方（戰略規劃、尋源采購、排期生產等）庫存及銷售用戶傳統模式下供應鏈流轉供應鏈數字化售賣入庫出庫出庫入庫物流1-貨品可追蹤、溯源2

66、-擺放空間合理、利用率高，且貨品易找3-庫存分析可生產預測：生產規劃合理，向下可及時滿足訂單生產，向上不會出現原料短缺1-貨品可追蹤、溯源2-擺放空間合理、利用率高，且貨品易找3-庫存分析1-可銷量預測，提前規劃采購、生產計劃2-需求預測意義供銷產有助于供產銷平衡達成：1）基于歷史數據，結合一定的市場指標，可進行銷量預測、生產預測、采購預測，有效降低原料或成品積壓；2）由于供-產-銷之間的信息協同性強，當企業戰略調整時，供、銷兩端可以及時調整，以適應企業策略變化。促成新的盈利模式：1）對于部分制造企業，買方市場有望建立，主要有兩種理解：其一，將消費者的需求進行模塊化拆解后，消費者通過自己組裝的

67、方式實現需求滿足，賣方只需找到該類型產品，并盡可能的模塊化拆分；其二，企業結合自身的柔性生產，實現消費者的定制服務，此時賣方需要確定什么產品、產線的什么工段能滿足“柔性定制”。2）對于數字化服務方，供應鏈數字化后市場的數據運維服務，如精準備貨、智能調度、智能補貨等服務可能是未來重點。利于產業集群與“鏈主”地位構建：大部分供應鏈還是采購方為主體，對于實力強勁的采購方，將由原來的以產品為中心逐步轉變為以產品+標準為中心的產業生態，利于自身供銷服務的標準化管理與地域拓展。供應鏈&倉儲物流管理走向數字化來源：艾瑞咨詢研究院自主研究及繪制。典型廠商摩爾元數美云智數卡奧斯忽米菜鳥網絡京東物流海柔創新272

68、023.12 iResearch I應用場景-排期&生產管理數字化APS、MES針對ERP的工單計劃進行排程、拆解、執行并監控生產什么？生產多少？如何生產？是制造業企業關心的三個核心問題。ERP、CRM為生產計劃的制定提供數據支撐，但對現場層的管控不足，APS與MES可對其進行有效補充。其中，APS要基于生產計劃、訂單承諾等因素，結合企業資源分析后，制定詳細可行的排產工單。MES的功能主要表現為：1）將APS給到的排產工單進一步拆解成時間粒度更細的執行計劃；2）針對參與生產制造的各類要素，如設備、員工、物料等進行管控、管理；3）進行數據采集、分析、預警、預測等（詳情見例證摩爾元數）。ERP-給

69、定生產總目標各軟件關系APS-制定目標路徑，明確子目標先后順序MES-拆解并落實每個子目標ERP依據已確定的各種表單內容（如庫存/采購/銷售訂單、原料等）計算各項賬目數據，給定訂單需求計劃。APS綜合所有資訊及有限資料（如產線設備使用情況、材料能否及時供應等）分析，需要：1-預測未來時間的生產行為可能；2-對比不同排產（如工單、工序、資源）計劃，給出最優方案；3-發生任何因素變動時，快速給出可行的新的排產計劃。MES重點在于制造執行與管理，需要：1-給出具體生產制造執行計劃，并記錄整個生產過程并實現產品的可追蹤性；2-采集并監控生產現場狀況。來源：艾瑞咨詢研究院自主研究及繪制。APS和MES是

70、必須具備的嗎？-非必須，與企業的產線、產品類別等復雜度有關。MES生產制造與執行管理的功能應用情況排產計劃工藝管理人員管理設備管理生產管理質量管理異常管理工廠建模工單同步、齊套分析、工單計劃（每周/天/時/分等生產順序）工藝文檔、工藝流程、工藝要求（如參數、環境等）、BOM員工資質、員工崗位確認、員工工作量化、員工作業時長設備臺賬、數據采集、點檢巡檢、狀態監控、備件管理、設備維修生產調度、派單管理、派工管理、作業報工、工時管理、批次管理來料質量、過程質量、成品質量、檢驗數據采集、質量控制分析設備異常、物料異常、工具異常、質量異常、環境異常、異常預警工廠/產線建模、設備建模、倉儲物流建模企業經營

71、決策與管理架構與功能設備層制造執行與控制生產設備傳感器物流設備檢測設備工具&套件：行業套件、算法/模型組件、各種開發工具等應用集成：OA、ERP、WMS、IOT、PLM、PLC、AGV等功能應用：工藝、設備、質量、人員管理等決策分析：數據看板、追溯管理、預警聯動等排期&生產管理走向數字化典型廠商摩爾元數美云智數卡奧斯忽米格創東智徐工漢云黑湖智造新核云282023.12 iResearch I例證：摩爾元數以MES為核心，圍繞生產制造核心環節為制造業企業賦能，其中項目和生態伙伴相輔相成，開源的、共享共創共贏的模式走向雛形摩爾元數成立于2011年，目前在MES領域深耕十余年，2022年入選國家“雙

72、跨”平臺。目前摩爾元數基于N2平臺，以MES/MOM為中心，對外提供3大類服務：1）為中大型企業提供生產制造管理相關的解決方案；2）為中小型企業提供標準化的SaaS服務；3）與生態伙伴共建MES相關的開源平臺，既為其提供開發創作平臺，還付費使用其開發的產品，帶來營收。未來，開源的、共享共創的服務模式構建將是摩爾元數的發展方向。開源平臺的好處是相互的：對于摩爾元數，通過分發或付費的模式使用平臺上的產品或能力，可高效全面服務客戶、沉淀行業know-how與服務經驗、拓展更多領域；對于平臺上的生態伙伴，既可以積累服務經驗，又可以帶來部分營收。來源：摩爾元數官網，企業訪談，艾瑞咨詢研究院自主研究及繪制

73、。車間透明可控生產制造產品及工藝研發設計與驗證排產計劃倉儲物流采購設備能源安全質檢組裝市場需求WMS倉儲管理系統VPS可視化排程系統Wis3D仿真平臺QMS質量管理系統MOM制造運營管理系統+MES制造執行系統質量監控追溯遠程診斷設備健康管理倉儲管理協同智能決策設備管理系統WMS倉儲管理系統N2云制造系統-中大型企業N2Cloud云產品-中小型企業摩爾數字化轉型業務服務框架摩爾N2平臺工業知識庫、工業機理模型行業套件各種開發工具，如算法構建器基礎數據建模MC云開發平臺組件模型和算法摩爾元數產品矩陣客戶定位拓展與華為、騰訊、電信運營商等合作與行業協會合作與地方政府合作與科研院所合作形成工業應用商

74、城布局信創292023.12 iResearch I例證：摩爾元數打通生產全流程、連接設備等關鍵要素，實現生產管理透明化、可追溯化來源：摩爾元數官網，企業訪談，艾瑞咨詢研究院自主研究及繪制。服務流程摩爾元數項目落地案例ERP訂單需求+工單+物料需求計劃生產主要流程管控，如注塑、噴涂、搪塑、組裝等摩爾元數N2平臺摩爾元數為成都航天模塑數字化項目規劃方案產能負荷查詢原料倉庫管理設備點檢治具校驗關鍵工序工藝ESOP質量檢驗測試設備數據采集產線產線停運信息維護需求背景子公司設備各自管理，設備使用效率及設備運行情況信息無法追溯及匯總分析，集團協同難無法準確把控計劃及庫存，計劃執行率低，物料損耗高缺少系統

75、性防呆防錯，無法實現追溯設備孤島，缺少系統化管控產前準備決策分析預警平臺成品倉庫管理數據采集、建模等接口管理設備管理工藝數據庫質量數據庫第三方系統看板管理追溯管理SPC預警聯動APP和報表管理建設目標（預期收益）生產過程透明化，如工單執行跟蹤、現場物料驗證、E-SOP自動更新等制造運營高效化，如車間及設備實時監控/及時預警、有限產能計劃模擬等資產源控精準化，如物料配送管理、物料溯源等制造質量集成化，如制造過程全記錄并可全追溯、過程數據統計分析等準備時間等待時間異常處理能力無效作業產品良率后期運維線索接入方案藍圖方案實施方案交付咨詢（內外部專家）以汽車零部件行業為例客戶是一家專業從事汽車零部件研

76、發與制造的高新技術企業集團，集團公司下轄多家子公司?？蛻粝Ｍ瘓F能實現對各公司生產設備的協同統一管理、設備使用效率和設備運行情況可追溯可匯總分析，引入數據采集和MES管理系統進行管控，以期后續推廣?；诖?，摩爾元數基于N2平臺提供了貫穿生產流程、設備、終端、員工等各個環節與要素的數字化解決方案，集成了工單管理、計劃調度、工藝管理、設備管理、倉庫管理、追溯管理、可視化看板、系統集成等功能，最終達到生產過程透明化、制造運營高效化、資產源控精準化、制造質量集成化等效果，助力客戶實現精益化、數字化、透明化高效生產與管理。行業套件SCM、ERP對接302023.12 iResearch I應用場景-數據

77、價值釋放之工業AI以AI算法為基礎，以行業know-how為支撐，在系統最優、識別分類、預測、知識沉淀等問題處理方面賦能按照應用場景，工業AI對制造業數字化轉型賦能主要體現在系統最優、分類或識別、推薦或預測、知識沉淀及管理這四大類問題。就具體落地形式而言，當前不同數字化轉型供給方推出的服務及產品相似，主要聚焦計劃排期、質檢、輔助決策、工業機理模型等方面，多以定制的軟件服務輸出。就相對優勢而言，制造大廠憑借深厚的行業know-how積累+產品易進入應用與驗證階段而相對領先；除此之外，數據治理和AI能力都較為成熟與領先的AI廠商也相對具有優勢。但值得注意的是，同類型企業之間的關于“智造力”的競爭也

78、將開啟，如工業富聯與英偉達在AI服務器領域展開合作，欲將設計及生產垂直整合，更適合工業場景。系統最優生產計劃排期應用場景分類或識別推薦或預測知識沉淀及管理產線柔性化配置工藝配比/參數/流程優化質檢裝配/分揀/搬運等故障識別及預警安全隱患機器維護預測輔助決策產銷態勢預測工業機理模型工業APP專家知識庫智能客服落地形式及典型的企業純軟件軟硬一體產品軟件+硬件組合工業機理模型、數據智能平臺、AI視覺檢測/分析平臺、智能客服等視覺檢測一體機、智能立體倉、邊緣計算一體機、AI攝像頭、液冷AI服務器等視覺軟件+工業機器人等寄云科技、雪浪云、昆侖數據、阿丘科技、傲林科技、格創東智、忽米工業富聯、格創東智、浪

79、潮云洲、卡奧斯、忽米阿丘科技、梅卡曼德、越疆機器人來源：艾瑞咨詢研究院自主研究及繪制。Q1：當前如何盈利？-以定制解決方案（純軟/軟硬一體）為主，標準化軟件/硬件為輔，其中基于計算機視覺/機器視覺技術的產品或解決方案相對成熟。整體而言，市場當前仍處于行業know-how積累及沉淀+與新技術應用融合的階段，標準化是未來努力方向。Q2：下一個更易變革場景？-工業強調穩定與落地時的ROI，對新技術的應用更加慎重。但目前有兩個場景值得注意：1）隨著企業知識庫的積累與沉淀，ChatGPT對企業工作流程的優化與效率的提升的影響可能更大也更容易實現，如跨模態知識檢索、工藝知識檢索/推理、工藝輔助、報告生成等

80、；2）AI增強開發將賦能軟件及測試工程師的軟件開發、編碼、測試。Q3：哪些廠商更有優勢？-1）制造業大廠，一方面行業know-how積累強，對需求掌握度高，另一方面，軟件/硬件設備容易進入應用與驗證階段，是良性循環。但巨頭間的“智造力”將是區分重點。2）數據治理與AI能力雙強的企業，對數據理解與分析能力更強，數據價值挖掘能力和可解釋性更強。工業AI促進生產管理數字化機器/深度學習技術支撐計算機/機器視覺知識圖譜生成式AI語音識別圖像識別典型企業312023.12 iResearch I應用場景-數據價值釋放之BI通過數據倉庫技術、數據挖掘技術、大數據技術、數據可視化技術等技術將企業各源數據集成

81、、處理、邏輯構建、分析后賦能企業洞察與決策來源：帆軟，企業訪談，艾瑞咨詢研究院自主研究及繪制。數據整合功能&意義以帆軟服務首鋼數據分析平臺為例典型企業數據分析數據可視化實時監控多源、多系統數據整合，提供精準決策依據經營管理策略洞察，發掘隱藏商機和風險便于雙向匯報，提升執行力SAP、Tableau、PowerBI、帆軟、永洪科技、網易數帆、忽米、億信華辰等帆軟為首鋼建立數據分析平臺項目規劃方案需求背景數據分散，缺乏統一管理機制：生產數據源多，不同粒度數據分布于不同系統中，且存在大量異構數據，開發利用難度大缺乏對業務數據全量全要素管理：鋼鐵生產關聯因素多、管控環節多、生產流程長，基于業務場景的數據

82、分析難傳統業務分析效率有待提升項目目標及落地場景自由規劃和靈活查詢：將關系型結構化的業務數據從模塊化制造過程視角向主題化業務分析視角轉變，并自由規劃指標維度，靈活查詢跟蹤生產，快速定位異常：基于產品及銷售的歷史數據，快速定位生產、銷售過程中出現異常的影響因素，優化流程銷售管理質量管理-現貨分析管理倉儲物流管理-庫存管理生產成本管理-煉鋼轉爐工序金屬料管控設備管理-設備點檢產銷應用系統智能工廠應用各PES系統PLC各二級系統圖片文件數據源數據集成數據資源層場景應用數據抽取數據采集接入（批處理、流處理）經營管理質量控制管理工藝模型挖掘采購、生產、銷售、質量判定、監控、預測、分析性能預測模型、動態切

83、頭尾模型產銷數據（DB2）數據集市層應用主題層基礎主題層貼源數據層數據服務：Hadoop統一接口平臺數據預處理與關聯時空轉換、物料關聯匹配、質量一貫制智能工廠數（Hive）數據集市層、綜合數據層、主題數據層、貼源數據層個性算法平臺動態切頭尾模型、緞帶分析模型、性能預測模型數據治理數據標準數據地圖血緣分析影響分析數據質量元數據數據技術支撐大數據存儲/清洗、開發框架、多源異構接入、平臺管理、資源調度HadoopBI賦能業務分析及決策服務流程需求整理數據集成數據清洗、轉換、加載數據邏輯構建數據分析模型數據可視化分析呈現BI具有整合數據資源、建立數據關聯指標體系、數據可視化等能力，是當前數據資產價值化

84、的重要手段，也是部分已經積累了數據資產且想要實現數據價值化的企業所需的重要工具之一。一般來講，企業BI服務流程大致分為需求整理-數據集成-數據清洗、轉換、加載-數據邏輯構建-數據分析模型-數據可視化分析呈現這幾個階段，最終助力企業洞察與決策，詳情可參考帆軟為首鋼提供的數據分析平臺案例。值得注意的是，當前國內BI市場格局初步形成，與AI相關能力結合有望帶來行業新的競爭點，如各BI廠商也紛紛將ChatGPT嵌入產品提升其對話式交互能力。未來隨著生成式AI的發展與應用，BI的數據分析能力、可視化的智能化能力等都有望提升，BI的使用門檻和價值屬性有望進一步降低。32難點與建議篇-合適/融合/客服Cha

85、llenges and Suggestions04332023.12 iResearch I難點與建議1-理想VS現實需平衡數字化轉型忌追求“大而全”，需結合企業發展階段、對數據、對數字化的持續性、企業的資金實力等方面慎重定目標在數字化轉型的需求&咨詢階段，通常存在“采集的數據越多越好”“軟件/方案越全越好、越貴越好”的誤區，上述誤區會帶來建設及運維資金成本高、系統沉疴、尾大不掉等問題。故確認轉型需求時，需重點考慮：1）企業當前所處數字化階段，即企業當前需要解決的核心問題是什么？是否能承受“大而全”的方案？2）對數據要持有正確態度，即數據不是萬能的，也不是沒有數據是萬萬不能的，在可行的條件下，

86、核心場景的核心數據需要采集并加以利用才是關鍵；3）技術迭代、制造企業本身信息化需要補課等共同推動企業數字化轉型的持續性；4）轉型金額投入需慎重：2022年A股上市制造企業有47%的企業凈利不足1億，其中凈利為負的占比16.7%，與動輒百萬左右的轉型項目金額相比，活著依然是大部分制造企業的首選。來源：同花順、2022年制造業數字化轉型，艾瑞咨詢研究院自主研究及繪制。需求&咨詢決策&采購實施&落地內化&應用數字化轉型需要確定合適的目標難點與建議1：忌追求“大而全”ISA-95架構感知層：如傳感器、協議解析監控層：如SCADA執行層：如MES/MOM管理層：如ERP決策層：如BI設備層：如ROBOT

87、涉及主要場景引入工具/系統可視化、經營分析銷售管理、薪資管理、績效管理、供應鏈生產管理、生產排程管理、質量管理設備智能化、設備上云、設備監測、現場數據傳輸BI、顯示大屏ERP、WMS、SRM、CRM、CADSCADA、PLC、DCS、邊緣盒子、IOT設備MES、MOM、EMS、APS、QMS各類數據我都要|企業數據資源池現狀/難點建設資金高運維成本高重復建設數據孤島難以集成建議明確企業數字化所處狀態：信息化、數據連通、為運營監控負責、為生產制造賦能是否可以承擔“大而全”的方案？對數據持有理性態度：1-不是有數據就有價值，數據具有不確定性；2-收集數據不是目的，讓數據用起來，如預測、決策等，才是

88、數字化的目的。理解數字化的持續性：1-數字化轉型是長期持續的，因為技術不斷進步，技術對企業運轉、業務經營的改造是持續的；2-我國制造業信息化不足，行業和企業的發展都是需要補課的，未來存在進一步重構的可能。不可盲目投入：投入要合理、在可控范圍。數字化項目的金額一般集中在十幾萬幾十萬、上百萬上千萬不等，其中百萬級別的項目較多2022年A股部分制造業凈利潤一般投入金額16.7%30.7%17.7%24.7%6.7%1.5%1.9%小于0億0-1億1-5億5-10億10-30億30-50億50億以上活著依然是大部分制造企業的首選342023.12 iResearch I難點與建議2-適合的路徑才是最好

89、的從方向-路徑-落地各維度的轉型路徑聲音很多，對需求方而言，認清自己謹慎決策，無需過分依賴現有路徑，適合自身的才是最好的來源：艾瑞咨詢研究院自主研究及繪制。需求&咨詢決策&采購實施&落地內化&應用常見的數字化轉型路徑聲音數字化轉型需要咨詢，但需合自己難點與建議2：適合的路徑才是最好的一般實現路徑難點及建議要從頂層規劃做起，如戰略咨詢、IT咨詢、智能化程度咨詢、數據管理/分析咨詢等要調整開發模式，敏捷開發，能小步快跑、快速迭代，低成本試錯要有數據思維，如“用數據說話，用數據管理、用數據決策”要調整架構：要建立扁平化的組織、中心化平臺等要業務數字化、數字業務化要以技術/工具為先：去XX軟件，如去E

90、RP引入XX軟件，如MES、BI上云，如設備上云、業務上云SaaS化，如MES SaaS化模式：需求方-咨詢公司-咨詢公司+供給方-需求方模式：需求方-供給方-需求方模式：需求方-供給方-供給方+咨詢公司-需求方路徑問題：市場聲音比較多，做么選？有成功案例，也有失敗案例，做不做？智能化程度咨詢對企業是否有必要？信任問題：如何降低指向性導致的決策成本高？主導問題：咨詢公司VS供給方誰更了解需求？誰主導？誰更能為結果負責？接受聯動與滯后性：無論采用哪種方式轉型，都要接受沒有一種方式或技術能改善一切，規劃-轉型-落地是相伴的，且任何一種改變都具有聯動性與滯后性，需要及時調整與時間驗證成功案例可參考而

91、不能復制照搬成本最低：實在無法決策又想做時，謹記花最少錢逐步推進行業經驗積累為先：無論是否提供咨詢服務，積累足夠深的行業know-how經驗才能抓住需求重點關注數據相關服務：數字化的本質還是圍繞幫助企業梳理并實現數據價值的服務，數據及數據后服務市場可重點關注，如云帆工業互聯網平臺提供的數據管理/分析咨詢服務1-除了第三方咨詢公司，供給方也紛紛提供咨詢服務，但更多的是針對項目落地的服務咨詢，即更多是基于項目的背景、目的、實現做的診斷咨詢服務，如忽米、美云智數；2-咨詢的服務開始細分，如數據管理/分析咨詢、戰略落地拆解咨詢、數字集成咨詢；3-部分參與標準制定的玩家還提供智能化程度咨詢服務，如卡奧斯

92、；幾點說明方向路徑落地在數字化轉型的需求&咨詢階段，無論是內部咨詢還是外部咨詢（由第三方+供給方提供），都有助于從企業頂層或者業務頂層角度思考企業數字化未來發展，故對企業而言，規劃是有必要的。但當前市場咨詢服務在供需兩端都存在一定問題：1）在需求方眼中，無論服務方是誰，可能都認為存在一定的指向性，信任問題需要解決；2）在供給方眼中，在一定程度上存在著項目主導權VS項目利益分配方面的平衡需把控。故對于需求方而言，認識到無論哪種路徑，規劃-轉型-落地是相伴的，都具有非常強的聯動與滯后性，需要及時調整以適應企業運轉；對于供給方，積累行業know-how經驗+圍繞數據價值實現的服務是打造競爭力的重點。

93、存在問題需求方建議供給方建議352023.12 iResearch I難點與建議3-適合的人比職位重要基于需求及轉型目的找到合適的“一把手”是轉型決策階段的關鍵在數字化轉型的決策&采購階段，合適的“一把手”這一關鍵人物是整個轉型項目的真正起點，因為這個關鍵人物肩負著“有什么、缺什么、做什么、誰來做、怎么做、怎么驗證”等決策重任，他們的決定直接影響數字化轉型的方向和內容。故對關鍵人物的要求主要聚焦在3點：1）理解公司業務和戰略，即知道需要什么；2）了解產品&技術，即知道有什么、缺什么、找誰做、如何驗證；3）擅長溝通與資源協調，即能將項目正常推進及落地。但值得需求方注意的是：1）數字化轉型需求方無

94、需陷入關鍵人物的怪圈中，適合的人比職位更重要；2）無論誰領導，都將依托并發揮自身職能優勢進行推進，但需要堅守轉型目標。來源：艾瑞咨詢研究院自主研究及繪制。需求&咨詢決策&采購實施&落地內化&應用轉型一般流程數字化轉型需要合適的關鍵人物需求發起&討論&咨詢&確認關鍵考慮問題涉及人事需具備的核心能力常見適合人員自研or采購推進應用需求是什么？解決什么問題？哪個部門提出的？誰提出的？可行性如何？是否符合當前公司發展階段？投入資源多少？咨詢方案是否符合公司戰略？相關領導、管理層態度如何？做什么？誰拍板？找誰做？若自研，哪些內容需要自研，公司基礎、人才、資源如何？若采購，如何篩選適合公司當前需求的供給方

95、？如何調動各方積極性？如何在需求變更VS資金成本VS時間周期中達成平衡？階段性成果是否達預期？領導是否滿意？培訓是否到位？是否具體應用到公司的業務及管理？是否能將知識、技能沉淀下來，提升復用性、構成企業知識庫？是否有用？IT/數字化部門、各業務部門等部門領導層、部門主管、一線員工等人事集成商、軟件、硬件、咨詢方等供給方理解業務&戰略：了解公司業務運轉流程及內在邏輯，知曉其需求點，方便明確數字化的目標、方案等。了解產品&技術：理解公司技術/IT、供給方提供的產品及服務情況，有助于做采購決策、數字化推進過程中難點的預見與克服。擅長溝通&資源協調：獲得領導信任、資金支持，可協調各方配合。CEO/CI

96、O/CTO/CMO/CDO、各事業部、業務線的負責人等懂業務、懂技術的關鍵人物難求數字化轉型確實是“一把手”的工程，但：1）企業無需陷入“一把手”的怪圈，更應關注：當前是否是數字化轉型的良機、希望數字化解決什么問題、方案是否適合、誰領導和誰推進比較合適2）無論誰領導，難免以自身優勢為依托進行推進，將轉型目標始終貫徹整個項目才是重點。難點與建議3：適合的“一把手”362023.12 iResearch I難點與建議4-IT部門需重塑自身價值服務IT部門融入業務部門后，有望從采購-實施-落地等各個階段賦能業務話語權之爭、職能邊界不清、IT部門被新技術裹挾后的精力分配等問題是IT與業務部門之間普遍存

97、在的“矛盾”，而這也將影響數字化轉型項目的展開與推進，甚至是轉型效果。故對企業而言，無論是否進行數字化轉型，IT與業務部門走向融合無疑是緊急而必要的。IT部門與業務部門融合后，好處主要有3方面：1）企業內耗降低，有助于資源利用實現1+12的效果，具體表現為：其一，在項目初期助力篩選有價值的技術及服務，并助力業務走向數字化；其二，在項目實施階段加速項目推進，縮短周期；其三，在項目后期，助力數字價值的實現，并賦能管理。2）IT部門容易找到自身持續服務的能力或抓手；3）有助于從數據價值流轉的視角推進企業戰略落地，甚至提供新的服務思路。來源：艾瑞咨詢研究院自主研究及繪制。需求&咨詢決策&采購實施&落地

98、內化&應用IT、業務、數據與數字化平臺的關系數字化轉型需IT部門重塑自身服務價值難點與建議4：IT部門需要重塑自身價值服務1-“價值之爭”：IT部門是成本部門，不直接帶來價值，在企業中逐步被邊緣化，在業務部門那里沒有話語權；2-職能邊界不清：IT與業務之間缺乏配合，且容易相互踢皮球，如IT部門認為自己是需求對接的，需求梳分析是業務部門的工作；3-被新技術裹挾：部分IT部門心向往外部優秀供應商的技術和產品，期望能自研，實現企業內部工具自給自足，自研耗費精力，這與業務的即時需求滿足間存在矛盾；數字化平臺/信息化系統數據業務IT業務活動流程及規則的具象化體現業務活動數字化、數據運營的工具數據沉淀、管

99、理、分享、應用的媒介IT與業務部門需要融合，如IT部門與業務部門業務目標對齊、多一起開會、一起辦公等，耳濡目染了解業務運轉，進而能了解并梳理出業務的工作流、價值流等，為企業運轉、數字化轉型推進等提供有價值的參考建議和意見建議了解業務賦能業務創新服務明確定位項目初期及采購項目實施落地應用需思考自身持續服務的能力或者抓手是什么，如技術底座、技術智囊等？如何構建？1-識別并看透供應商的技術泡泡，賦能決策；2-助力業務步驟拆解、業務要素確定、業務數據指標搭建，并盡量融入轉型方案；1-助力項目過程中的定制開發、打通、集成、上線測試、驗收等；2-學習并內化供給方技術及方案，助力后期的擴展、運維等；1-調整

100、并優化業務步驟拆解、要素、指標；2-助力企業知識管理及沉淀、賦能數據智能化應用；通過IT對企業業務數據的下鉆分析，從數據價值流轉的視角幫助企業進行戰略拆解并落地，提升成功幾率；關注并掃描市場先進技術、架構變化等信息，為業務提供參考，甚至提供新的服務思路，得到新的增長機會；IT、業務之間的“矛盾”372023.12 iResearch I難點與建議5-打破建設與使用的習慣慣性基于ISA95架構的點狀功能滿足建設與基于工業互聯網平臺的數據價值釋放的中心化建設之間存在一定的使用或切換偏差，需要降低或打破來源：艾瑞咨詢研究院自主研究及繪制。需求&咨詢決策&采購實施&落地內化&應用數字化轉型需要打破架構

101、限制難點與建議5：打破建設與使用的習慣慣性ISA-95架構感知層：如傳感器、協議解析監控層：如SCADA執行層：如MES/MOM管理層：如ERP決策層：如BI設備層：如ROBOT工業互聯網平臺/數字化轉型架構平臺層（PaaS層）圍繞數據及技術服務各類應用生產設備各類軟件邊緣設備數據相關服務，如分析、建模、調用等能力開放賦能、能力管理賦能建議落實培訓：1-對于已經引入/建設的軟件或憑條，做好交接工作的同時，培訓要落實到位；2-企業內部互相學習；點狀建設，以功能實現或者滿足為主，不同層級缺、同一層級不同部門都會出現缺什么補什么，容易形成信息孤島偏中心化建設，圍繞數據提供服務及工具，以數據價值釋放為

102、主，提供數據采集/傳輸、處理、分析、沉淀/調用、應用/可視化等服務，對數據內在邏輯要求高，且經常引入新技術、新術語建設習慣和使用習慣存在一定慣性偏差，如何打破？在數字化轉型的內化&應用階段：基于ISA95架構，是點狀建設，強調功能實現或者滿足；數字化轉型/工業互聯網平臺強調數據要素價值的釋放，在服務和賦能等方面偏中心化建設，這兩種架構一個是生產制造的建設思路、一個是生產制造的數據管理及應用思路，二者存在使用慣性偏差，需要打破以促進轉型項目的內化及應用?？梢詮呐嘤?、技術、數據三方面來降低這種慣性偏差，其核心思想就是增加實用性讓對方需求、降低使用門檻讓對方好用。值得注意的是，針對頻出的新技術，無論

103、供需雙方都需要謹慎擁抱：對于需求方，重點考慮實用性與ROI；對于需求方，既需要考慮新技術與自身產品的結合點，更需要考慮其工程落地屬性。數據分層：針對數據應用進行分層：部門，如車間級、工廠級、公司級、集團級、區域級等場景，如生產、銷售、設備、倉儲等對象，如管理層、車間經理、一線員工等增加集成：關聯度較大的環節盡量集成，如盡量采用同一套標準或語音體系溝通，好處有二：其一，增加靈敏度；其二，降低溝通和協作成本；降低使用門檻：讓服務變輕、變簡單，降低理解和使用門檻；增強實用性：注重產品或技術的落地屬性和解決實際問題的能力，增加用戶使用積極性；謹慎擁抱新技術：對于需求方，可了解新技術、關注供給方針對新技

104、術提供的服務和對自身業務的影響，但要考慮ROI；對于供給方，及時了解并吃透新技術，研究與現有產品及服務可結合的點，并積極鉆研未來可能的服務，但需謹記脫離工程化的應用，否則需求方很難買單；培訓方面技術方面數據方面38啟示篇-長期且趨于運營Inspiration05392023.12 iResearch I啟示1-逐步推進與長期主義并存企業數字化轉型的思路大多由點及面，且受技術等因素影響長期持續，二者相互影響相互促進逐步推進與長期主義并存來源：2022年中國制造業數字化轉型研究報告，企業訪談，艾瑞咨詢研究院自主研究及繪制。AI增強開發：影響軟件及應用的設計、編碼、測試等。技術進步與應用推動數字化轉

105、型長期主義生成式AI：影響溝通門檻和效率，如當前ChatGPT“自然語言編程”的能力，以相對較低的門檻達成各種需求（如設計、功能實現等），目前在提數、知識查詢等方面已經有所應用。數字孿生：物理工廠VS數字工廠的映射，未來數字孿生將覆蓋企業、工廠、車間、產線、場景、設備、零配件等方面，具有兩個特點：其一，數字空間的關聯性與逐級可拆解能力將增強，類似建筑行業的“工業BIM”有望組成；其二，數字孿生集成各科知識，可以實現仿真模擬及驗證。當技術成熟并進入應用階段時：1）在廣度方面，或精簡合并、或增強協同性等，即與之聯動的環節、范疇都有重塑的可能2）在深度方面，工作流程的步驟、構成要素、要素數據維度與規

106、范等都有可能隨之改變，進而對與之關聯的環節、范疇帶來影響，甚至重塑深度 積累行業know-how經驗隱性知識沉淀、積累、復用構建場景知識庫工作簡化、效率提升上下游環節覆蓋、協同步驟拆解步驟構成要素要素數據化、并規范廣度 單一生產/工作場景產線車間/部門工廠/事業部/子公司集團外部客戶制造企業數字化轉型路徑多樣，但整體依然是遵從以點帶面的思想，即以某一場景為單位，逐步深入到各個環節與組織，甚至對外賦能數字化轉型逐步深入的方式推進類別1-探索式類別2-協調式業務/IT類別3-集中式IT/數字化主要推進方式制造業數字化轉型路徑多樣，但整體遵從以點帶面的思想，即以單一生產/工作場景為單位，逐步推廣至其

107、他環節，甚至是組織。在單一生產/工作場景主要圍繞兩方面進行優化：在深度方面，將此間的生產活動進行數字化改造，形成場景知識庫、沉淀隱性知識、提升運轉和復用效率；在廣度方面，重點關注此場景上下游的活動、協同，盡量優化溝通機制，減少信息差。但值得注意的是，拋開我國制造業產業結構處于快速變更階段的影響，技術的快速迭代對供給方產品及服務的變革與升級也將作用于制造企業，并經由場景、產線等方式逐步滲透，轉型具有長期性。402023.12 iResearch I啟示2-軟硬件走向云化軟硬件云化與工業知識沉淀相互促進，共同推動正向工程的形成與推進軟硬件將走向云化制造業的數字化轉型最初是從企業有關錢的管理開始的，

108、現階段聚焦于生產制造管理，通過引入APS、MES等軟件，實現原料、設備、工藝、產成品數據的采集、管理、沉淀等，且此階段將長期持續。隨著企業數字化轉型的縱深推進，企業將收集到的數據及參數等轉變為隱性的工業知識，促進正向工程的形成與推進，提升軟硬件的管理、研發及應用能力是企業下一階段將面臨的共性問題。而工業互聯網平臺發展與鋪設的當下，工業軟硬件的云化將有效緩解當前問題，其好處有二：1）將已經收集的軟硬件數據逐步沉淀為工業知識，并逐步走向微服務化、APP化，降低軟硬件管理、開發及應用難點；2）工具組件、行業套件、低代碼開發平臺的成熟與豐富，將促進工業軟硬件的云化，進而促進工業知識沉淀。未來，隨著工業

109、機理模型與工業APP的豐富與成熟、AI增強開發的成熟，工業軟硬件云化的成熟度將更近一步。來源：艾瑞咨詢研究院自主研究及繪制。硬件核心節點設備，如工業機器人、鍋爐、高爐等軟件邊緣設備研發類軟件生產控制類軟件經營管理類軟件各應用類軟件主要難點開發環節-壁壘與成本高：軟件開發與工業知識經驗深度耦合，而工業知識主要沉淀在少數軟件廠商中，開發門檻高、周期長；設備：利用率提升、故障率降低、運維成本降低、能耗優化、設備操作路徑優化生產：工藝配方/流程優化、排產優化、產品及來料可追溯設備數據生產數據銷售數據除了大中型企業外，一些中小企業也可以逐步選擇關鍵節點設備改造和上云，可進行遠端管理、維修等不同類型的軟件

110、廠商都紛 紛 開 始SaaS化，如浩辰、新核云、黑湖智造、用友等各供給方紛紛推出低代碼開發平臺設備管理能力設備使用能力數據采集、設備監控、故障診斷、設備保養、備品備件、設備追溯、能耗與節能、設備互聯、遠程控制工藝多樣，設備調節依賴經驗管理，工藝知識隱性設備零部件多、結構復雜、故障形式多樣，運維難度大均有待提升使用環節-集成與打通難：1）各家軟件生態相對封閉，兼容性差；2）企業軟件部署相對獨立，多為煙囪式部署，數據孤島嚴重；3）傳統軟件靈活伸縮的配置能力差；工業軟件價格高，通常在數十萬-數百萬元左右需要掌握較深的理論和應用經驗，人員要求高好處功能層面市場層面長尾市場通用產品行業化產品、特定領域細

111、分產品、碎片化場景等有助于覆蓋長尾企業數據層面工業知識、經驗積累沉淀，并數據模型化、微服務化、APP化等算法模型、工具組件、行業套件、工業APP、工業機理模型庫、AI增強開發等促進云化促進數據沉淀緩解當前難點云化市場表現主要難點412023.12 iResearch I啟示3-從轉型構建走向運營數字化轉型積累的數據資產的價值釋放將是未來供給方服務的重點當前，制造業數字化轉型仍處于發展初期，央國企/龍頭企業、中大型企業、小型企業當前都處于轉型的探索或實驗階段，轉型將長期持續，無論是主動還是產業聯動所帶動。但即使目前尚未進入轉型深水區，需求方依然面臨著怎么用、怎么發揮數據價值、怎么優化轉型項目進而

112、更好匹配企業生產運營等問題，供給方需要思考并給出答案，不在當前，也將在未來。因為當轉型飽和后，雖然建設所賺比經營所賺的錢更直接的現象依然存在，但增量市場主要聚焦于經營階段，故供給方依然會走向運營。供給方轉向運營主要圍繞數據生命周期提供服務，對外表現為基于平臺能力及服務（即讓平臺好用、數據整合到復用更合理）、數據知識沉淀（即隱性知識沉淀并擴大范圍）、數據應用（即產品化并尋求新的盈利模式）這幾方面。來源：企業訪談，艾瑞咨詢研究院自主研究及繪制。當前市場現狀對象&數據數字化進程將持續推進國央企+龍頭企業以全局數字化為主，提升全局管理，意圖打造標桿案例中大型企業以部分環節數字化為主，意圖解決產線相關問

113、題小型企業以部分關鍵節點數字化為主，意圖解決某個點的問題對象實體對象：各類設備、中端、車間、工廠虛擬對象：各類軟件、流程數據采集、傳輸數據處理數據分析數據沉淀、調用數據應用、可視化設備接入協議解析云邊協同數據業務相關數據：客戶、銷售、營銷供應鏈相關數據：供應商、倉儲物流生產相關數據：工藝配方/流程/參數、生產質量、生產周期、能據設備數據：設備臺賬、設備運行與養護、設備維修、備品備件數據集成/交換數據清洗/轉換實時監控特征工程知識圖譜算法模型庫數據模型工業機理模型可視化編程及開發研發、生產、設備、供應鏈、能源等可視化大屏數據源頭多樣、協議多樣、實時數據采集等數據孤島、格式不統一、異常/缺失、噪音

114、干擾等數據打標繁瑣、行業know-how積累不夠等知識沉淀與工業經驗強相關，深度、廣度不夠定制屬性強、過程繁瑣難點主要流程運營主要方面工具賦能：1）基于AI增強開發賦能工業軟件及應用的設計、編碼、測試；2）基于RPA賦能工作流程的自動化；3）基于可視化編程及開發降低使用門檻，覆蓋更多人群。合理優化：從業務場景出發，確立數據之間的關聯性，梳理數據維度，厘清已有的、缺失的有效數據，進而從數據采集、數據處理、數據可視化等方面提出優化方向和建議，提升平臺整合到復用數據的合理與創新性?；谄髽I自身、生態合作伙伴、第三方企業等，拓展行業know-how的積累，加強隱性工業知識沉淀，進而豐富數據模型庫、工業

115、機理模型庫，從設備、生產、能耗等場景走向車間、產線、企業、產業鏈、區域等更廣的場景在平臺、知識沉淀的基礎上，逐步形成各類垂直的SaaS化的產品，按使用付費的商業模式將形成工業大模型在運營中的作用？-工業大模型是未來趨勢，但需謹記：1-沒有萬金油的大模型，脫離場景/問題的大模型暫時不成立；2-脫離工程化的大模型是不實用的。數字持續積累用起來、更好用、更匹配生產運營是方向運營-圍繞數據生命周期進行制造業數字化轉型將從轉型構建服務走向運營服務基于平臺基于知識基于應用422023.12 iResearch I啟示4-產業數據拉通緩慢進行中數據拉通后的市場將推動買方市場形成，整個產業的價值鏈有望重構產業

116、數據拉通緩慢進行中繼2022年底發布“數據二十條”后，2023年部分省市緊隨其后，有兩條值得關注：深圳將“可實現數據服務的軟硬件工具納入場內交易”、順德率先出臺數據交易專項激勵政策。這兩條分別從數據交易囊括的范疇和驅動力兩方面促進其發展。但數據交易的前提是數據拉通，故在數據交易的推動下，產業數據拉通有望緩慢推進。產業數據拉通主要包含區域數據、行業數據、產業鏈數據、供應鏈數據、企業經營數據等諸多范疇，并多由政府主導、產業鏈主企業推動。產業數據拉通，除了推動產業&區域產業結構、營商環境的變化外，更重要的是有望推動買方市場的形成，各方資源利用率、運轉效率將得到極大提升。目前離核心機密越遠的數據，如行

117、業標準、供應鏈等，有望優先拉通。來源：企業訪談艾瑞咨詢研究院自主研究及繪制。中游-制造企業，以單一企業為例上游-國內&海外產品生命周期設備鏈供應鏈生產鏈研發設計生產制造營銷推廣銷售分銷售后支持更新升級報廢退市車間/工廠1車間/工廠2車間/工廠3車間/工廠n行業1供應商1供應商2供應商n行業n供應商1供應商2供應商n下游-國內&海外行業1客戶1客戶2客戶n行業2客戶1客戶2客戶n低端制造向東南亞轉移，高端制造業回流歐美海外業務部分產品，如協作機器人出海產業數據拉通方面區域數據（含國內外）、行業數據、產業鏈數據、供應鏈數據、企業生產經營數據等，多由政府主導、產業鏈主企業推動區域1、區域2區域n倉儲

118、物流價值流向及覆蓋范圍出海市場需求方制造企業上游供應商產品功能產品維護產品溯源產品訂單量供應鏈：原料/輔料、關鍵零部件及備料庫存VS產能VS工藝生產工期VS交貨周期倉儲網絡原料要求產品溯源產品訂單量以賣方為中心制造企業-上游購買原料、輔料、關鍵零配件-產品生產、組裝-產品銷售及分銷-售后等預測產量、備貨調貨等更加合理以買方為中心訂單量、壽命/維修預測等針對：已知服務流動，需求直接提出，然后制造企業備貨、生產、交付針對：潛在服務流動，基于歷史數據（如訂單量等）、市場信號（如政策等）預測制造企業兩端市場變化，提前布局規劃。針對需求方，除了預測訂單變化外，還可預測產品/設備維修情況；針對供給方，主要

119、考慮原料價格等變化，即是否需要提前備貨、是否需要探索更多供應商等。價格、產量預測等哪些類型的數據最有可能優先拉通？-離核心數據越遠的數據，將越有望拉通。目前有兩類數據最有可能優先拉通：關于行業&產業通用規范的標準數據，如產品規格、產品質量、產品溯源等，目前市場多由一些主機廠商推動，需求比較旺盛關于倉儲物流、供應鏈的數據有望優先拉通，如菜鳥、京東等賦能倉網規劃，檸檬豆賦能供應鏈采購等推動方向產業數據拉通價值44LEGAL STATEMENT版權聲明本報告為艾瑞數智旗下品牌艾瑞咨詢制作，其版權歸屬艾瑞咨詢，沒有經過艾瑞咨詢的書面許可，任何組織和個人不得以任何形式復制、傳播或輸出中華人民共和國境外。

120、任何未經授權使用本報告的相關商業行為都將違反中華人民共和國著作權法和其他法律法規以及有關國際公約的規定。免責條款本報告中行業數據及相關市場預測主要為公司研究員采用桌面研究、行業訪談、市場調查及其他研究方法，部分文字和數據采集于公開信息，并且結合艾瑞監測產品數據，通過艾瑞統計預測模型估算獲得；企業數據主要為訪談獲得，艾瑞咨詢對該等信息的準確性、完整性或可靠性作盡最大努力的追求，但不作任何保證。在任何情況下，本報告中的信息或所表述的觀點均不構成任何建議。本報告中發布的調研數據采用樣本調研方法，其數據結果受到樣本的影響。由于調研方法及樣本的限制，調查資料收集范圍的限制，該數據僅代表調研時間和人群的基本狀況，僅服務于當前的調研目的，為市場和客戶提供基本參考。受研究方法和數據獲取資源的限制，本報告只提供給用戶作為市場參考資料，本公司對該報告的數據和觀點不承擔法律責任。法律聲明