《創新奇智&中國信通院：人工智能+制造業應用落地研究報告（2024年）（37頁）.pdf》由會員分享，可在線閱讀，更多相關《創新奇智&中國信通院：人工智能+制造業應用落地研究報告（2024年）（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、1人工智能人工智能+制造業應用落地制造業應用落地研究報告研究報告（20242024 年年）創新奇智科技集團股份有限公司中國信息通信研究院人工智能研究所2024年12月前前言言制造業作為國民經濟的基石，一直是推動經濟增長和技術創新的核心力量。然而隨著全球化競爭的加劇和消費者需求的多樣化，制造業正面臨著成本上升、效率低下和創新能力不足等多重挑戰。近年來，人工智能技術的興起為制造業轉型升級提供了強大的動力，其在制造業全流程的落地有助于提升我國制造業的整體競爭力，使其在全球市場中占據更加有利的地位。自黨的十八大以來，我國高度重視制造業與人工智能的融合，正加速制造業與人工智能的融合進程，旨在提升制造業效

2、率、質量和創新能力，促進產業鏈協同優化，構建開放共享的制造業生態，為經濟高質量發展和全球可持續發展貢獻力量。在此背景下，本報告深入剖析當前技術應用的現狀，關鍵技術創新方向，以及行業應用的具體情況，通過制造業具體場景的典型案例揭示人工智能如何助力制造業研發設計、生產制造、運營管理和產品服務的全流程智能化升級。在此基礎上對制造業人工智能的未來發展趨勢進行展望，以期為相關政策制定者以及行業從業者提供決策支持，共同助力我國制造業在人工智能時代的轉型升級和可持續發展。目目錄錄前言.1一、人工智能+制造業發展背景.4（一）制造業是國民經濟重要支柱，發展面臨挑戰.4（二）人工智能賦能制造業具有重要意義.6（

3、三）全球主要經濟體高度重視制造業人工智能發展.9（四）我國積極布局制造業人工智能發展.12二、人工智能+制造業發展現狀.14（一）制造業人工智能技術應用情況.15（二）制造業人工智能產業結構.17三、人工智能+制造業關鍵技術及應用.21（一）研發設計環節.21（二）生產制造環節.23（三）運營管理環節.25（四）產品服務環節.27四、人工智能+制造業應用挑戰.29（一）研發設計環節數據獲取及整合困難.29（二）生產制造環節場景復雜安全風險高.30（三）運營管理環節組織制度滯后于技術變革.31（四）產品服務環節需求變化快且差異大.31五、人工智能+制造業發展趨勢.32（一）設計研發環節通過自動化

4、實現創新驅動.32（二）生產制造環節通過人機協同實現高效化.33（三）運營管理環節通過大小模型協同實現自動化.33（四）產品服務環節通過數據驅動實現精準化.34圖圖 目目 錄錄圖 1 大模型制造業應用場景圖.17圖 2 制造業人工智能領域產業結構.184一、人工智能+制造業發展背景制造業作為現代經濟的基石，反映了一個國家的工業化水平，也是衡量其綜合國力和國際競爭力的重要指標。中國制造業是國民經濟的主體，其規模居于世界首位，是立國之本、興國之器、強國之基，承載著國家經濟發展的重任。然而，當前制造業面臨著諸多挑戰，包括技術更新緩慢、勞動力成本上升以及市場競爭加劇等問題。人工智能的引入為制造業帶來了

5、新的機遇和可能性，賦能制造業的轉型升級。我國在這一領域積極布局，通過政策支持和技術研發，推動人工智能與制造業的深度融合。此外，全球主要經濟體也高度重視人工智能在制造業中的應用，紛紛采取措施促進相關技術的發展與應用。（一）（一）制造業是國民經濟重要支柱，發展面臨挑戰制造業是國民經濟重要支柱，發展面臨挑戰制造業是經濟增長的關鍵驅動力。中國的制造業崛起已經成為全球經濟的顯著亮點，這體現了我國制造業的龐大規模，也反映了制造業在技術創新、產業升級以及全球市場布局上的巨大進步。展望未來，隨著全球經濟逐步復蘇，制造業作為經濟增長的基石，其作用將進一步加強。制造業是實體經濟的重要支撐，是經濟發展實現就業創造的

6、重要保障。改革開放以來，飛速發展的勞動密集型制造業成為我國就業創造最重要的部門。我國制造業作為實體經濟的核心支柱，在推動經濟增長、創造就業機會方面發揮了舉足輕重的作用，制造業的穩固發展不僅提升了我國經濟的整體競爭力，也為社會的穩定和發5展提供了強有力的支撐。如上所述，制造業在全球經濟中扮演著至關重要的角色，然而，當前傳統制造業正面臨來自多方面的重大挑戰，這些挑戰無疑對其可持續發展能力及市場競爭力構成了顯著影響。我國是具有代表性的制造業大國，在全球制造業市場中占據重要地位，下面針對我國制造業面臨的挑戰做出分析。首先，制造業面臨著勞動力短缺和技能差距的問題。隨著人口老齡化和技術進步，制造業面臨著技

7、術工人短缺的問題。新技術的應用需要更高的技能水平，而現有的勞動力培訓體系和教育資源不足以滿足這些需求。從規模結構看，制造業勞動力總量在逐步下降。其次，許多傳統制造企業的生產技術落后，難以適應現代制造業高效、靈活和智能化的要求。制造業企業在智能化轉型過程中會面臨研發投入不足、維護和運營成本高等挑戰，造成企業智能化轉型技術門檻高等問題。更新設備和引進新技術需要大量資金，這對中小企業尤為困難。此外，隨著供應鏈復雜性的增加，我國制造業在應對物流、供應鏈風險以及突發事件方面面臨著更大的挑戰。市場需求的變化和波動性使得企業難以精確預測客戶需求，進而可能導致生產計劃與實際需求不匹配。當市場需求發生變化時，從

8、銷售商傳遞到制造商，再由制造商傳遞給上游原材料供應商的過程中，供應鏈的信息傳遞和運作周期變長，從而加劇了“長尾效應”。同時，全球化帶來了更加激烈的市場競爭。來自發展中國家低成本生產商的競爭，以及發達國家高技術、高附加值產品的壓力，使得傳統制6造業企業必須不斷提升自己的競爭力。以東南亞等國為代表的發展中國家勞動力和土地成本低、稅收優勢大，正在不斷擴展制造業市場。同時，西方發達經濟體促進高端制造業回流，而我國高端制造業體系尚未形成。（二）人工智能賦能制造業具有重要意義（二）人工智能賦能制造業具有重要意義在制造業面臨諸多挑戰的背景下，人工智能賦能制造業能夠降本提效，提高制造業產品質量，加速產品創新，

9、提升我國制造業競爭力。據埃森哲公司測算，到 2035 年，全球人工智能技術的應用將使制造業總增長值增長近 4 萬億美元，年度增長率達到 4.4%。隨著人工智能技術的不斷發展和應用，制造業將迎來更大的變革和發展機遇。1.人工智能促進制造業提高生產效率人工智能能夠顯著提升制造業生產效率。首先，人工智能替代大量人工工作幫助制造業提效。人工智能技術的引入使得制造業能夠實現高度自動化，減少對人力的依賴，從而提升效率。例如，在無人礦卡的應用中，自動駕駛技術替代了傳統的人工駕駛，無人礦卡能夠實現 24 小時不間斷作業，顯著提高了作業效率。此外，通過人工智能技術賦能質量控制，能夠以遠超人工質檢的速度和分辨率，

10、顯著提高生產效率。其次，人工智能能夠通過優化已有生產流程，幫助制造業提效。人工智能技術能夠優化制造業研發設計、生產調度、運營管理等流程，大幅縮短原有流程的時長。例如，人工智能技術可以幫助企業實時監控和評估生產流程的效率，分析生產流程7中的瓶頸，從而調整資源配置，優化生產線布局，提高整體生產效率。同時，人工智能技術能夠通過分析設備的運行數據，預測設備故障的可能性，提前進行優化維護，從而減少設備故障導致的停機時間，提高了生產線的整體效率。2.人工智能促進制造業提高產品質量應用人工智能技術能夠有效提高制造業產品質量。一方面，人工智能技術通過優化生產流程和智能控制能夠顯著提高制造業的產品的良品率。人工

11、智能技術能夠實時監控生產過程并進行質量檢測，通過高分辨率攝像頭和圖像處理算法，AI 系統可以在生產線上自動識別缺陷產品，確保只有符合標準的產品進入下一環節，顯著減少不良品的發生。另一方面，人工智能技術能夠促進產品創新，滿足產品的個性化需求。人工智能技術能夠通過分析大量市場數據、用戶反饋和產品性能數據，幫助企業識別潛在的市場需求和趨勢。企業可以根據客戶的具體需求進行靈活生產，而不是依賴傳統的大規模生產模式。這種方式不僅提高了客戶滿意度，還增強了市場競爭力。3.人工智能能夠幫助制造業實現綠色生產人工智能賦能制造業能夠通過降低原材料損耗等方式降低生產成本，減少碳排放，實現綠色生產。首先，人工智能能夠

12、優化能源使用。人工智能可以通過實時監控和分析工廠內各個環節的能耗數據，識別出能源浪費的環節，并通過智能算法優化能源使用。例如，AI 可以在設備閑置時自動降低其功耗，或者在能源價格較低時安排8高能耗的生產任務，從而減少能源消耗。此外，人工智能通過對歷史能耗數據和生產計劃的分析，人工智能可以預測未來的能源需求，并優化能源的采購和使用，避免不必要的能源浪費。其次，人工智能能夠減少生產制造中的材料浪費。人工智能可以通過精確的生產過程控制，減少原材料的浪費。例如，在金屬切割或塑料成型過程中，AI 可以通過優化切割路徑或成型工藝，最大限度地利用原材料，減少廢料的產生。同時，人工智能可以協助廢料管理和循環利

13、用，AI 可以幫助識別和分類生產過程中產生的廢料，并優化廢料的處理和回收流程，從而提高資源的循環利用率。4.提高全球化進程中我國的制造業競爭力人工智能的應用可以提高我國制造業的競爭力。一方面，將人工智能應用到制造業可以提升我國在全球價值鏈中的地位。通過提升制造業的智能化水平，幫助制造業企業實現生產過程的數字化，推動我國制造業向更高端、更精細的方向發展，推動我國制造業實現產業升級和轉型。根據世界知識產權組織數據，中國創新指數已從 2011 年全球第 29 位上升為 2023 年第 12 位。另一方面，人工智能的應用可以助力我國形成新的產業生態和經濟增長點。通過促進制造業與其他產業的深度融合，打破

14、產業的界限，催生眾多新興的交叉產業，為我國經濟的高質量發展提供強大的動力。當前，新一輪科技革命和產業變革加速演進，重大前沿技術、顛覆性技術持續涌現，科技創新和產業發展融合不斷加深，催生出具身智能、腦機接口、量子信息等新產業發展方向。我國具備工業體系完整、產業9規模龐大、應用場景豐富等綜合優勢，為未來產業發展提供了豐厚土壤。（三）全（三）全球主要經濟體高度球主要經濟體高度重重視視制造業制造業人人工智能發展工智能發展各國政府紛紛提出并實施了針對制造業發展的前瞻性戰略，旨在通過智能化、數字化、綠色化等技術革新提升制造業的競爭力。同時加強本國在全球產業鏈中的地位，確保經濟持續健康發展。1.美國強化制造

15、業根基，引領 AI 創新美國于 2022 年 10 月 7 日發布的國家先進制造業戰略標志著其對國家制造業發展的前瞻性規劃與決策。戰略指出，制造業是美國經濟實力和國家安全的引擎，該戰略針對中小企業投資、教育體系建設、跨界合作關系、聯邦投資及國家研發投入等關鍵領域設定了戰略目標，并強調工業互聯網及人工智能應用的重要性。目的在于借助高度發達的工業互聯網和人工智能技術基礎，刺激經濟增長并創造高質量就業機會。2023 年 5 月 23 日，美國白宮發布國家人工智能研發戰略計劃，該計劃闡述了人工智能在制造業及多個關鍵領域的戰略價值。計劃明確指出，AI 技術的研發將聚焦于破解制造業復雜難題，旨在顯著提升生

16、產效率與產品質量，加速產業升級轉型。同時，強調國際合作機制的重要性，倡導全球攜手應對技術挑戰，共同推動制造業技術創新與可持續發展。此外，計劃還著重提出加強勞動力技能培訓與素質提升，為 AI 技術的廣泛應用奠定堅實的人才基礎，確保技術進步惠及更廣泛的社會群體。這一系列措施構成了美國制造業與人工智能發展的堅實藍圖，10旨在通過技術創新與人才培養，鞏固制造業基礎，提升生產效率與質量，同時促進國際合作，共同應對全球性挑戰，推動制造業向更高水平發展。2.歐盟共同推進制造業數字化以及綠色轉型2020 年 3 月 1 日，歐盟委員會發布了歐洲新工業戰略，旨在幫助歐洲工業向氣候中立和數字化轉型，并提升其全球競

17、爭力和戰略自主性。其確定歐洲需加大在人工智能的研究和資金投入，并推動制造業向綠色和數字化轉型，以應對氣候變化和提升競爭力。另外還尤其強調中小企業在制造業中的重要性，提出減少中小企業的監管負擔并提供更多的政策支持。2021 年，歐盟委員會在工業4.0 基礎上提出工業 5.0，并制定了與之相匹配的一系列政策框架，明確將其設定為未來 10 年制造業人工智能發展的抓手。其將人工智能作為未來發展的技術重點框架之一，促進人工智能技術在工業領域的積極應用；同時強調“技術服務于人”，鼓勵工人密切參與新工業技術的設計及部署，推動制造業向更加綠色、智能和人性化的方向發展。除此之外，歐洲國家也各自提出了一些制造業發

18、展戰略及計劃。2023 年 8 月，德國聯邦教研部出臺人工智能行動計劃，將推進實現值得信賴的人工智能“歐洲制造”，并與德國現有優勢進行最佳對接。主要思想為持續加強研究基礎，落實人工智能工業具體實踐，切實轉化經濟增長和經濟機遇。英國于 2022 年發布英國數字戰略，強調通過數字技術的應用來提升制造業的生產效率。戰略11支持制造業向智能工廠轉型，利用實時數據和智能算法進行生產決策，提升靈活性和響應速度。2023 年英國政府撥款 1.47 億英鎊資金用于支持數字制造技術的研究，這將直接推動相關技術的創新和應用?？傮w來看，歐洲正在全面推動制造業向數字化、綠色化轉型，提升全球競爭力。這些舉措為制造業的可

19、持續發展和經濟增長奠定了基礎，并將進一步推動人工智能在制造業領域的創新和應用。3.日韓推進制造業革新，打造前沿領域核心競爭力日韓積極推進制造業智能化革新。日本政府在 2023 年發布的制造業白皮書中表示，“日本政府大力推動制造業基礎技術的產業振興和前沿技術研發”，日本制造業正加速 AI 與數字化布局，優化供應鏈，鞏固優勢并強化競爭力。面對全球新趨勢與供應鏈風險，通過制造業數字轉型（DX）與綠色轉型（GX），實現全鏈條可視化管理與高效協同，推進低碳化生產，以應對市場挑戰，引領產業升級，同時通過大力推動創新型人工智能以及大數據等對未來社會至關重要的前沿技術，提升日本制造業競爭力。韓國科學技術信息通

20、信部于 2022 年發布大韓民國數字戰略，展望“與國民攜手建設世界典范的數字韓國”。其注重大力發展數字經濟，推動制造業智能化轉型升級，包括各企業共建數字協作工廠，推動企業間的制造數據共享與利用平臺開發，并且將汽車、船舶等主力產業重組為未來型高附加值產業，掌握自動駕駛技術并建立法律制度保障。12總體來看，日本與韓國正積極推進制造業智能化革新，聚焦基礎技術與前沿技術的研發，應對全球制造業新動向以及供應鏈風險，同時加速智能制造設施的發展，打造前沿領域核心競爭力。（四）我國積極布局制造業人工智能發展（四）我國積極布局制造業人工智能發展人工智能是新一輪科技革命和產業變革的核心驅動力，是發展新質生產力的重

21、要陣地。制造業則是人工智能加快形成新質生產力最重要的領域。制造業與人工智能的深度融合已成為推動高質量發展的重要內容，是完善現代化產業體系的有力抓手。當前，我國為推動制造業與人工智能的深度融合構建了較為完備的政策布局。1.黨和國家高度重視制造業人工智能的發展黨和國家高度重視制造業與人工智能深度融合。從黨中央決策來看，以習近平總書記為核心的黨中央根據我國發展階段，把握時代發展需要，為制造業人工智能的發展謀篇布局。習近平總書記在二十大報告中著重強調，要加快發展數字經濟，促進數字經濟和實體經濟深度融合，推動制造業高端化、智能化、綠色化發展。另外習近平總書記在十九屆中央政治局第三十四次集體學習、2023

22、 年中央經濟工作會議等重要會議上多次強調推動制造業產業數字化，推進科技引領產業轉型升級。2024 年 1 月，習近平總書記在二十屆中央政治局第十一次集體學習時進一步強調，“要及時將科技創新成果應用到具體產業和產業鏈上，改造提升傳統產業”，“要圍繞推進新型工業化和加快建設制造強國”。制造業與人工智能深度融合已成為我國重要發展戰略。13從全局戰略來看，國務院于 2021 年發布了“十四五”信息化和工業化深度融合發展規劃，要深入推進制造業賦能人工智能的戰略規劃。2024 年政府工作報告指出，要開展“人工智能+”行動，實施制造業數字化轉型行動，加快工業互聯網的規?；瘧?。從“互聯網+”到“智能+”，再

23、到現在的“人工智能+”，這是首次將“人工智能+”行動寫在政府工作報告中。在部委規劃方面，工業和信息化部等部委于 2021 年發布了“十四五”智能制造發展規劃，計劃到 2035 年，我國規模以上制造業企業全面普及數字化網絡化，重點行業骨干企業基本實現智能化。工信部于 2023 年發布加快傳統制造業轉型升級的指導意見，加快人工智能、大數據、云計算、5G、物聯網等信息技術與制造全過程、全要素深度融合，帶動產業鏈上下游整體推進智能化轉型。2.各地方與行業共同推進制造業智能化轉型升級從地方層面看，各地紛紛加大了制造業人工智能的布局力度。目前我國各省市結合當地產業發展現狀陸續出臺了制造業人工智能相關規劃、

24、行動計劃、方案政策、指導意見等。2024 年 1 月以來，各地陸續公布政府工作報告，全國多個省市均提出了推進新型工業化，推進制造業智能化發展等內容。廣東省工作報告指出要“制定新時期加快推進新型工業化的實施意見，引導資源要素向先進制造業集聚，爭創國家新型工業化示范區”，將“工業人工智能”作為人工智能產業發展的主攻方向，強調其在提高生產效率、產品14質量和降低能耗成本方面的重要作用。同時強調工業人工智能將成為推動廣東省產業轉型升級和經濟增長的新引擎。從行業領域看，我國圍繞原材料制造業、汽車制造業、船舶制造業、電子信息制造業、紡織工業等領域，從 2020 年開始，先后出臺新能源汽車產業發展規劃（20

25、212035 年）（2020）、“十四五”原材料工業發展規劃（2021）、船舶制造業綠色發展行動綱要（20242030 年）（2023）、電子信息制造業20232024 年穩增長行動方案（2023）、紡織工業提質升級實施方案（20232025 年）（2023）、原材料工業數字化轉型工作方案（20242026 年）（2024）等一系列具有引領作用的指導性文件，對制造業各行業領域與人工智能深度融合發展進行了系統性的政策部署。二、人工智能+制造業發展現狀制造業正迎來人工智能技術的全面滲透與深度融合的新階段，其中，人工智能專用小模型技術已廣泛植根于制造業的各個環節，而大模型技術亦逐步嶄露頭角，展現出其

26、在復雜應用場景中的巨大潛力。同時，制造業人工智能領域的產業結構日益完善，基礎層雖面臨國外技術主導的挑戰，但國產化進程加速，潛力無限；技術平臺層構建起較為成熟的生態體系；應用層則遍地開花，在多個行業實現了廣泛而深入的應用，共同驅動著制造業向智能化、高效化轉型升級。15（一）（一）制造業人工智能技術應用情況制造業人工智能技術應用情況1.人工智能專用小模型技術已廣泛滲透制造業在制造業智能化的浪潮中，人工智能專用小模型正成為推動行業轉型升級的重要力量。智能制造的技術應用路線從識別類、數據建模優化類、知識推理決策類擴展到組合類。識別類技術已廣泛應用于質量管理、安全生產等環節中，通過提升小樣本與場景遷移技

27、術能力，推動制造業智能化轉型的深度與廣度。在制造業識別類技術應用中，西門子利用自監督學習技術能夠有效緩解質檢中小樣本和實時性問題。數據建模優化類技術依托機理進行參數確定和 AI 模型選擇，能夠大幅提升建模的精度和可解釋性。某風電廠將齒輪箱運行機理和故障數據聯合建模，實現了大幅度提升診斷精度，同時能夠對故障結果給出清晰物理意義。知識推理決策類技術通過定量復雜決策和異構數據知識自構建等技術手段，解決制造業中知識傳承及實訓問題。這些技術的突破將有助于構建更為豐富和精準的知識網絡，為復雜決策提供支持。沃豐科技開發多源異構數據對齊技術，利用構建工具自動生成汽車裝配知識圖譜，提高了機械設計效率和品質?？偠?/p>

28、言之，制造業人工智能應用的深化發展，正引領著制造業智能從簡單識別類任務向建模優化、知識推理決策、組合應用等復雜應用演進。隨著技術的不斷成熟和應用場景的不斷拓展，人工智能專用小模型將在提升工業自動化水平、優化生產流程、降低成本和提高效率等方面發揮越來越重要的作用。162.大模型技術已逐漸滲透制造業應用在制造業智能化轉型的浪潮中，大模型技術正逐漸成為研究和應用的熱點。盡管目前大模型技術仍處于探索初期，但其展現出的巨大潛力卻不容忽視。大模型將幫助制造業提升效率、降低落地門檻。在設計研發階段，大模型可以根據客戶需求自動設計制造原型，提高產品開發效率。通過學習大量的制造業設計數據，大模型可自動生成一系列

29、詳細的設計效果圖和三維模型，涵蓋產品外觀、用戶界面、交互體驗等多個方面。同時，大模型可以自動生成制造業代碼，特別適用于重復性高、邏輯簡單的任務，大大提高了編程效率。使用者可以通過自然語言交互，更簡單快捷地實現相應的代碼能力，減少了對專業編程技能的依賴，降低制造業落地人工智能技術的門檻。在生產制造階段，大模型可以智能調度機器人提高生產效率，輔助進行安全檢測。大模型能夠實時監控和優化生產過程，生成最優的生產計劃和調度方案，通過調度智能生產機器人，輔助完成生產過程。大模型能夠通過監控分析生產現場，發現安全問題，及時告警提示，提高生產過程中的安全水平。在運營管理階段，大模型可以通過將生產、銷售、庫存等

30、各個環節的數據整合分析，提供更為精準的預算預測和財務分析，實現預算的智能分析。通過分析設備運行狀態數據進行設備診斷和維護，減少因設備故障導致的損失。在營銷服務階段，大模型技術正在通過對用戶需求和市場趨勢的分析，生成個性化的產品設計和優化方案，滿足不同客戶的采購定制需求，提升客戶滿意度和市場競爭力。同時，大模型可以理解和處17理客戶的查詢和投訴，提供快速、準確地響應，提升客戶服務效率。來源：中國信息通信研究院人工智能研究所工業案例集圖 1 大模型制造業應用場景圖（二）（二）制造業人工智能產業結構制造業人工智能產業結構制造業是一個高度復雜且多元化的行業，為了更清晰地梳理出不同產業層次對人工智能的需

31、求以及人工智能技術的滲透程度，本報告按照產業結構分層來分析發展現狀。制造業人工智能領域的產業結構主要可以分為基礎層、技術平臺層和應用層?；A層提供人工智能技術在制造業應用所需的軟硬件資源；技術平臺層基于數據等底層資源提供開發實現人工智能算法的能力；應用層利用人工智能技術在制造業生產和服務各個環節中創造價值。18來源：中國信息通信研究院圖 2 制造業人工智能領域產業結構1.基礎層：基礎設施市場潛力巨大復雜的制造業問題需要人工智能芯片高效運算來解決。當前能適應深度學習的芯片類型主要有 GPU、FPGA 和 ASIC。目前，GPU憑借其完善易用的軟硬件生態、高效的計算能力和較低的成本占據人工智能芯片

32、的主導地位，但是制造業所需運算量極大，會導致較大的時耗與功耗，增加計算成本。FPGA 和 ASIC 雖然受成本限制尚未大規模普及，但由于具備定制化能力且功耗較低，預計未來在制造業領域會有廣闊的需求前景。在制造業場景中，很多生產環節對人工智能的實時性要求很高，ASIC 可以提供更快的數據處理速度，有助于實時監控和過程控制。同時，ASIC 芯片體積較小，更適用于制造業場景中空間有限的設備，例如小型傳感器或緊湊型控制系統。此外，ASIC 芯片集成安全特性，可靠性強，可以在制造業相對不穩19定的環境中保持穩定運行，更加適用于制造業場景。在制造業數據方面，制造業數據市場空間持續增長。中國作為全球第一制造

33、業大國，制造業的年度數據產生量為各行業之首。通過對工業數據的收集、存儲、分析和應用，可以深入了解產品性能、優化生產流程、提高產品質量和效率，以及實現精準營銷和售后服務。IDC 數據顯示，2022 年中國制造行業數據解決方案總市場份額達到 21.3 億元人民幣，華為云、阿里云和美林數據位列市場前三。2.技術平臺層：已形成較為成熟的布局制造業人工智能技術平臺層在產業布局上形成了較為成熟的布局。制造業人工智能產業技術平臺層以制造業人工智能平臺和算法為主體，基于數據和網絡共同研發設計人工智能算法，共同推動了制造業的智能化轉型和創新。制造業人工智能平臺作為連接底層算力，支撐上層應用的重要中間層平臺，眾多

34、企業積極布局。制造業人工智能平臺將人工智能算法、制造業數據、物聯網等先進技術整合在一起，為制造業提供了一個高度集成、靈活、高效的生產環境。目前科技企業、通信企業、制造業企業都已經在布局制造業人工智能平臺。西門子結合了人工智能和工業物聯網技術搭建了 MindSphere 平臺，通過收集和分析生產數據，為企業提供全面的智能化解決方案。博世開發了基于AI 的物聯網平臺 Bosch IoT Suite，集成了人工智能技術，用于實時數據分析和設備管理，幫助制造企業提高生產效率并實現智能化管理。20在制造業人工智能算法模型方面，傳統模型及大模型正在發揮越來越重要的作用。傳統模型中，機器學習與計算機視覺等算

35、法在制造業中已經得到了廣泛地使用。機器學習算法通過從海量數據中學習并提取規律，實現了設備故障的精準預測、產品質量的嚴格檢測以及生產過程的智能化監控，有效提升了制造業的運營效率與產品質量。而計算機視覺技術則憑借其強大的圖像識別與處理能力，廣泛應用于產品外觀檢測、生產線自動化巡檢等場景，進一步推動了制造業的自動化與智能化進程。同時，大模型技術正在成為推動制造業轉型升級的重要力量。大模型通過處理更大規模的多模態數據，實現了更加復雜的預測與決策能力，不僅可以更加精準地預測設備故障，還能夠在生產流程中實現更全面的優化與調度，減少資源浪費并提升生產效率。此外，大模型在智能供應鏈管理、復雜工藝流程優化等領域

36、也展現了顯著優勢。通過對自然語言、圖像、聲音等多種數據類型的融合處理，大模型推動了制造業各環節的自動化與智能化。國內外大型企業華為、百度、微軟等，都在加快制造業大模型落地實踐。除大企業外，國內諸如創新奇智、思謀科技等人工智能商業解決方案提供商正在布局制造業大模型這一領域。3.應用層：已在多行業廣泛應用人工智能在制造業的應用正變得日益廣泛和多元。制造業人工智能產業已經滲透到電子制造、汽車制造、重型機械制造等多個領域。在電子信息領域，人工智能技術助力實現高精度檢測和快速裝配，滿足電子產品對精密度和效率的高要求。在汽車制造領域，人21工智能技術被深入應用于智能裝配線、質量檢測、供應鏈管理等環節。在工

37、程機械領域，人工智能技術能夠遠程監控設備運行狀態，提供維護支持，延長設備的使用壽命。人工智能在制造業中的應用正持續深化。據德勤預測，到 2025年，電子通信/半導體人工智能應用市場的規模將達到 41 億元人民幣，汽車制造行業達 37 億元人民幣，能源電力行業 25 億元人民幣，制藥行業 17 億元，金屬及機械制造行業 13 億元。未來，隨著技術的進步和應用經驗的積累，人工智能將解鎖更多應用場景，將為制造業帶來更多的變革和發展機遇。三、人工智能+制造業關鍵技術及應用目前，人工智能技術已賦能制造業全流程，從研發設計、生產制造、運營管理到產品服務，不僅提升了生產效率與產品質量，還優化了資源配置與管理

38、決策，推動了制造業的轉型升級和可持續發展。為了更全面地體現人工智能在制造業行業的應用特點、突出行業特性，本報告按制造業核心環節描述人工智能的關鍵技術及應用。此外，大模型技術也越來越廣泛地應用于制造業流程中，由于大模型的輸出結果具有不確定性，可能會對精度要求較高的生產環節產生影響，所以大模型技術在研發和營銷環節的適用性和潛力更大。（一）研發設計環節（一）研發設計環節人工智能賦能制造業研發設計環節，幫助優化產品設計、縮短研發周期。一是智能原型設計?；诖竽Ｐ图夹g的計算機輔助設計工具（CAD,Computer-Aided Design）通過訓練大量制造業 CAD 數22據，能夠通過與用戶的交互式對話

39、，充分理解用戶的設計需求，自動生成符合工程要求的設計草案。大模型技術的融入使得系統能夠智能地調整參數，確保設計方案嚴格遵守行業標準和性能要求。二是智能工藝設計，通過深度融合工業數據庫與人工智能算法，快速評估不同材料和工藝對產品質量的影響，依托人工智能技術快速匹配最優組合方案，降低試錯成本，縮短產品研發周期。三是智能仿真模擬，利用先進的人工智能算法與高性能計算平臺，構建高度逼真的虛擬仿真環境，基于人工智能建立虛擬仿真環境，模擬產品在不同條件下的可靠性，實現產品的全面評估與分析，減少產品試驗的時間和成本。專欄 1 研發設計環節人工智能應用案例理想汽車的總裝車間利用人工智能技術實現自動化產線設計。理

40、想汽車北京工廠基于人工智能技術平臺設計規劃并建造實施整個總裝車間產線。該產線采用 AI 賦能的智能設計工具、信息化軟件系統、預防性維護系統，快速定制實施了總裝車間全部傳送系統、輪胎座椅線裝配及存儲系統、車門裝配系統、動力總成裝配系統，并接入工業互聯網，解決智能產線自動化裝配的需求。理想汽車還在探索基于大模型的生成式工業設計在汽車裝配車間的應用，幫助工程師縮短規劃周期，加快交付速度。相較于傳統方式，基于 AI 的方式可以將產線配置時間降低 50%左右，將系統集成效率提高了 43%，縮減有效技術工時 70%。23（二）生產制造環節（二）生產制造環節人工智能賦能制造業生產制造環節，幫助提高生產效率、

41、提升產品質量、提升安全生產水平。一是智能生產調度。通過集成人工智能技術與制造執行系統 MES（manufacturing execution system,MES）及設備管理系統 EAM（enterprise asset management,EAM）等核心工業軟件，實現對生產數據和歷史記錄的深度學習和分析，針對市場需求變化和生產能力水平，開展預測，優化排產方案，合理安排生產流程。通過實時分析設備狀態、物料流動、能耗等情況，形成生產過程的高效協同機制，可實現生產流程的自動化、智能化管理決策。制造業與 AI 的融合還體現在智能化的硬件設備，比如將工業機器人與新興的人工智能大模型技術融合，形成智能

42、工業機器人。與傳統的工業機器人相比，智能工業機器人通常更加靈活、自主，能夠在復雜的環境中執行任務，同時具備一定的運動規劃、運動控制和人機交互的能力。在國內大模型廠商中，創新奇智的ChatRobot 生成式工業機器人，借助工業大模型能力，構建了多模態、端到端的視覺語言動作模型（vision-language-action,VLA），實現了自然語言驅動的機器人操作控制。二是質量控制，深度融合大模型與計算機視覺技術，借助人工智能技術對生產過程中的多個連續環節進行實時監測和分析，快速發現異常和缺陷，調整生產參數，提高產品質量的穩定性。大模型技術與工業視覺技術的結合在工業質檢場景中可以實現自動化、高精度

43、的質量檢測。例如，大模型能夠從大量已標注的圖像數據中學習到各種類型的缺陷特征，從24而在新的產品上準確地檢測出類似問題，還可以幫助工程師快速靈活搭建視覺檢測方案，確保檢測方案能在工廠快速地落地運行。三是預測性維護，基于大數據分析與機器學習算法，在生產設備運行過程中，人工智能技術實時收集和分析機器的運行數據，并基于數據分析結果預測潛在的故障和維護需求，自動提醒相關人員并執行維護計劃，從而減少意外停機時間和維修成本，提高生產效率。四是智能安全監控，結合視頻分析技術與高精度傳感器網絡，實時監控生產環境，精確識別不合規的圖片或視頻畫面，及時發現潛在安全隱患。發現異常后報警或采取相應措施干預，確保生產制

44、造過程安全和合規，降低事故發生的概率和損失。專欄 2 生產制造環節人工智能應用案例案例 1：廈門天馬應用大模型技術快速實現液晶面板缺陷檢測。天馬光電子的廈門工廠使用基于機器視覺的檢測平臺，覆蓋液晶面板生產的 CF、ARRAY、Cell 三個工藝段的 36 種設備，可在不同設備上實現液晶玻璃的雙邊檢測、四邊檢測、正反全面檢測?；阼Υ脵z測算法，可以將破片率從原來的萬分之二降為十萬分之二，將設備每年的維修成本降低了 1100 萬-1700 萬元，并且減少破片導致的設備維修時間，可以將工廠的產能每年提升約 3萬片。同時，追溯查詢等功能可以幫助工廠溯源生產數據，驅動工廠提升生產工藝。案例 2：寶鋼股份

45、應用人工智能技術實現卸船機無人化作業。鏈斗式連續卸船機人工作業存在安全風險、作業強度大、作業環25境復雜、司機培養周期長、連續作業率有待提升、無統一管控等問題。寶鋼股份與賽迪奇智開展智能化改造，構建以感知為眼、決策為腦、控制為手的智能化系統，涵蓋卸船機的船艙內外作業、關鍵部位點檢、皮帶流量監控、數字孿生、遠程智能駕艙的全天候、全流程智能作業系統。該系統融合實時動態感知識別、工業大模型和多模態能力，自主規劃編排、空間融合動態轉化技術、機載決策模型、取料作業模型，充分吸取寶鋼股份專家作業經驗，轉化為精確標準的智能化作業流程，實現無人化作業，單船通算能力提升 6.25%，其智能化水平達到業內領先。（

46、三）運營管理環節（三）運營管理環節人工智能賦能制造業運營管理環節，幫助降低運營成本、提高智能化決策。一是智能化供應鏈管理，利用機器學習算法與高級預測分析技術，人工智能能夠綜合分析市場需求、企業的生產能力以及供應鏈的動態變化，通過機器學習算法，預測市場趨勢和生產需求。通過預測能夠使企業實現精細化庫存水平控制，減少過剩庫存和缺貨風險，從而降低庫存成本并提高資金周轉效率。二是智能運營數據洞察，深度學習算法與大數據分析融合，人工智能能夠深入分析歷史生產數據并實時監控生產流程信息，通過洞察和統管各環節的數據，對生產活動進行規劃、組織、協調和控制。特別是大模型技術，讓生產經營數據按需洞察成為可能，不同于傳

47、統的數據庫檢索方式，大模型可以讓用戶以按需的方式實時洞察生產經營數據，從而降低數據洞察門檻和提升企業決策效率。三是知識管理，依托26自然語言處理與知識圖譜技術，大模型被應用于提升企業內部知識資源的整理和分類效率，高效地對文檔、手冊、案例研究等資料進行歸檔和標簽化，使員工能夠通過智能搜索迅速且精確地訪問所需信息。這不僅提升了信息檢索效率，也使員工能夠更專注于核心工作。專欄 3 運營管理環節人工智能應用案例案例 1：中國巨石應用大模型實現交互式生產數據分析洞察。中國巨石股份有限公司是專業玻璃纖維制造商，其生產工廠在實現了數字化和信息化后，面對海量的生產數據，對數據洞察的需求更加迫切。傳統的生產場景

48、中，需要專人制造上百張動態報表來分析生產情況，但仍然很難涵蓋管理者的全部需求。巨石將基于工業大模型的產品結合工業軟件打造智能生產制造數據分析方案，實時獲得海量生產數據的深度洞察，其支持多種格式的數據源、支持結構化查詢語言（Structured Query Language，SQL）代碼的展示、利用主動召回技術給出更專業和精確的答案，以及高級別的數據安全保障，讓用戶操作起來更加方便和安全。例如可以自動查詢并以圖表的方式反饋某月某機位每天的開機率及變化趨勢，在這個基礎上可以繼續追問，實現多輪對話。用戶只需要通過簡單的點擊、拖拽的操作，就快速制作出車間的生成數據看板，為企業的各級管理人員提供深度數據

49、分析和洞察。案例 2：晶合集成用大模型技術提升企業內部運營管理水平。合肥晶合集成電路股份有限公司致力于提升企業內部的數字化和27智能化系統建設。通過在“事件管理平臺”系統中引入大模型技術，顯著增強了其在半導體行業知識問答和事件內容智能分析方面的能力。大模型技術使得系統能夠利用主動召回功能和分析總結能力，提供更加專業、準確的事件解析和行業知識問答，無論對于新到崗位的員工還是高級工程師，都能夠顯著提升信息檢索和問題解答的效率。此外，公司生產和運營過程中會產生大量的數據，通過引入大模型技術，晶合“數據分析平臺”不僅能夠整合多種數據格式，還具備自動處理和分析數據的能力。系統能夠根據用戶的意圖自動查詢出

50、相關數據并以圖表的形式快速展現，同時系統支持多輪對話，用戶可以通過多輪對話進一步探討特定事件的詳細信息及其潛在影響，從而實現更加精準的決策。案例 3：天奇股份基于大模型打造智能化中試車間。天奇自動化工程股份有限公司的企業內部知識類文檔數量龐大，知識檢索難度高，效率低，而且數據分析需要專業人士提供，無法獲得實時的數據分析和報表。天奇股份基于大模型技術，在中試車間打造智能交互及數字化展示平臺，助力企業實現從傳統運營到數字化、智能化的轉型，減少了對人工操作的依賴，有助于降低長期運營成本，同時通過智能化工具提升產品和服務質量，增強企業在市場中的競爭力。（四）產品服務環節（四）產品服務環節人工智能賦能制

51、造業產品服務環節，幫助提供定制化服務、提高售后效率。一是客戶數據分析，通過深度學習和數據挖掘技術，28能夠從海量的客戶交互數據中提取洞察，分析客戶行為模式和偏好，為企業提供精準的市場細分和個性化服務策略。二是智能產品營銷服務，依托大數據分析建立用戶畫像，通過客戶歷史數據分析建立用戶畫像，為客戶提供個性化的產品推薦或定制服務，增加客戶的轉化率和滿意度。三是產品售后服務，通過自然語言處理、數字人等技術，人工智能能夠對客戶的問題進行理解和回應，24 小時不間斷地提供服務，快速響應并解決客戶的問題，減少等待時間。同時，通過數字人技術，人工智能可以根據客戶的個人數據和行為偏好，提供高度個性化的產品推薦和

52、互動體驗，通過增強現實（Augmented Reality，AR）和虛擬現實（Virtual Reality，VR）技術，模擬產品的實際使用場景，讓客戶在購買前獲得更加真實的體驗。專欄 4 產品服務環節人工智能應用案例案例 1：飛鶴奶粉應用云平臺與機器學習平臺打通生產全流程。飛鶴奶粉在零售領域的智能化轉型中，與創新奇智合作，基于創新奇智 Cloud 云平臺和 Orion 分布式機器學習平臺，共同開發了一套基于 AI 圖像識別技術的智能管理系統。對于零售端，AI圖像識別技術進行產品營銷檢查，實現了對貨架布局的實時監控與智能分析；云平臺作為數據處理中樞基于產品數據反饋營銷計劃，為零售端打造基于 A

53、I 圖像識別技術的渠道陳列洞察方案，實現渠道與終端貨架智能化管理。通過為營銷計劃制定提供穩定數據支持以及為費用核銷提供真實可靠的憑證，可減少 50%+的營銷29費用的浪費，實現零售端運營成本的顯著降低與整體效益的顯著提升。四、人工智能+制造業應用挑戰當前，制造業在人工智能應用方面遭遇多重挑戰，包括數據獲取難、場景融合難、安全性風險高以及組織制度滯后等。這些挑戰共同制約了制造業的智能化轉型，影響了生產效率的提升、產品質量的穩定性和企業競爭力的增強，同時也對數據安全與隱私保護構成了潛在威脅。（一）研發設計環節數據獲取及整合困難（一）研發設計環節數據獲取及整合困難制造業設計研發環節在數據獲取和整合方

54、面面臨一些突出問題。首先，制造業設計研發環節需要大量高質量數據進行模型訓練和驗證，但數據獲取難度大。制造業中不同設備和系統生成的數據分散在各個環節，數據的收集和整合存在很大挑戰。許多老舊設備缺乏數據采集功能，需要額外的投資進行改造。其次，制造業設計研發環節存在數據質量不高、數據整合困難等問題。目前制造業人工智能公開數據集聚焦鋼板、紡織表面缺陷圖像領域，由于相關場景數據難獲得、數據保護不健全等原因，阻礙了數據集的統一構建。此外，由于制造業數據來源多、格式復雜，而且存在標準協議不兼容的問題，會導致數據孤島問題，人工智能難以獲取到全面準確的數據進行應用。此外，設計研發環節數據的多樣性和不一致性也會導

55、致數據清洗和標準化的難度較大。數據噪音、缺失值和數據格式的差異都會影響 AI 模型的訓練效果。30（二）生產制造環節場景復雜安全風險高（二）生產制造環節場景復雜安全風險高在制造業生產制造環節，存在場景復雜、安全風險等諸多挑戰。首先，復雜的生產制造流程和多樣化的生產環境要求 AI 系統具備高度的定制化和實時性。制造業的生產環境復雜多變，AI 技術在實際應用中需要面對多種工況和不確定性。例如，工業機器人在動態環境中的路徑規劃和任務執行，涉及實時數據處理和復雜決策。此外，動態生產環境中突發事件的應對能力也是一大考驗，如設備故障、物料短缺等，AI 系統需要迅速做出反應，調整生產計劃，保證生產的連續性和

56、效率。其次，在生產流程中，人工智能的應用會帶來技術安全風險。智能制造系統依賴于各種智能設備和傳感器，這些設備可能因設計缺陷、軟件漏洞或操作錯誤而導致安全事故。例如，伺服驅動器、智能傳感器和控制系統中可能存在后門或安全漏洞，攻擊者可以利用這些弱點進行惡意攻擊，從而影響生產安全和效率。此外，隨著互聯網技術在制造業的廣泛應用，智能制造系統的網絡連接性大幅提升。這種連接性雖然帶來了便利，但也使得系統易受到網絡攻擊。黑客可以通過網絡入侵工業控制系統，導致數據泄露或生產中斷，給企業帶來巨大的經濟損失。此外，生產制造環節中人工智能技術的應用會帶來數據安全風險。生產制造環節涉及大量敏感數據，如設計圖紙、生產過

57、程數據、供應鏈信息和客戶數據等。在應用人工智能技術的過程中，由于涉及多方參與，任何環節的數據泄露都會危及整個供應鏈，如管理不當將會造成巨大損失。31（三）運營管理環節組織制度滯后于技術變革（三）運營管理環節組織制度滯后于技術變革在制造業運營管理環節，企業組織結構和管理制度存在滯后，導致人工智能技術作用難以得到充分發揮。首先，企業的職能部門之間協作不暢，難以形成合力。研發、生產、供應鏈管理和市場營銷等之間的協作往往存在障礙。各部門可能有不同的目標和訴求，導致技術應用效果大打折扣。其次，制造業企業的績效考核機制不適應人工智能技術，難以激發員工的創新動力。許多制造業企業的績效考核機制仍停留在傳統的生

58、產指標和財務指標上，難以評估人工智能技術帶來的無形價值，如提升效率、改善決策等，影響員工對新技術的積極性和創新動力。此外，制造業與人工智能復合型人才缺乏也限制了人工智能技術的應用。據德勤統計，2022 年中國智能制造行業數字人才缺口約 430 萬人，而預計到 2025 年該缺口將達550 萬人。人工智能與制造業的融合需要同時具備制造業知識和人工智能技術能力的復合型人才。然而，目前高校的人工智能相關師資和課程體系尚不完善，難以快速適應產業發展需求。（四）產品服務環節需求變化快且差異大（四）產品服務環節需求變化快且差異大在制造業產品服務環節，人工智能技術的應用面臨市場需求變化快、個性化需求差異大等

59、挑戰。首先，全球市場需求快速變化，而人工智能技術需要時間進行模型訓練和調整，很難即時滿足市場需求。例如，服裝品牌經常需要根據季節變化、流行趨勢和社會事件等因素快速調整其產品線。在特殊節日或體育賽事期間推出限量版產品。為了做到這一點，企業利用人工智能技術分析社交媒體上32的趨勢和消費者反饋，以便更快地做出決策。人工智能系統需要足夠靈活以捕捉并適配這些快速變化的趨勢，靈活調整生產線和工藝能力，同時保持一定的預測準確性，這對人工智能技術的數據整合能力及實時響應能力提出了挑戰。其次，需要快速對應差異較大的個性化產品需求。隨著消費者越來越傾向于尋求定制化和個性化的解決方案，企業需要能夠提供高度個性化的服

60、務，同時保持高效的生產和交付流程。這就需要利用人工智能技術實現生產線的柔性化和智能化，支持小批量、多品種的定制化生產。在這個過程中，如何處理海量的數據并確保隱私安全，同時提供精準的產品服務，帶來了一定挑戰。五、人工智能+制造業發展趨勢（一）設計研發環節通過自動化實現創新驅動（一）設計研發環節通過自動化實現創新驅動在制造業設計研發環節中，將向自動化、創新驅動的方向發展。首先，人工智能在制造業研發設計中將在很多環節實現自動化，優化設計流程，縮短產品上市時間。在電子設計領域，電子設計自動化（EDA，Electronic Design Automation）工具將完成復雜電路的功能設計和驗證，通過自動

61、化布局和布線，優化設計的整體性能，從而進一步提高設計效率和準確性。通過智能化的優化算法和自動迭代功能，產品研發周期得以縮短，進一步加快了產品上市時間。其次，人工智能技術將為制造業研發設計注入創新動力。在生成式設計等前沿技術應用中，人工智能將探索出人類設計師未曾想到的設計方案。通過大規模數據分析與智能算法，人工智能技術可以生成33多樣化的設計選項，打破傳統設計思路的局限，激發更多的創意靈感。這不僅會推動制造業產品的智能化發展，還將為企業提供了更多差異化和個性化的產品設計方向，助力企業在競爭激烈的市場中脫穎而出，創造出新的商業機會與價值。（二）生產制造環節通過人機協同實現高效化（二）生產制造環節通

62、過人機協同實現高效化在生產制造環節中，制造業將通過智能機器人與人協作完成生產任務提升生產效率和安全性。一方面，人機協作輔助生產，提升效率。智能機器人可以輔助人類執行重復性和高精度的任務，比如組裝、焊接、噴涂或包裝，其準確性遠高于人類，從而減少廢品率和返工。另一方面，人機協同能夠提升生產安全性。機器人可以承擔對人體有害或危險的任務，如處理有毒物質、高溫環境下的作業，從而保護工人免受傷害。同時，現代協作機器人配備有先進的傳感器和軟件，能夠檢測到周圍的人類活動并做出反應，如減速或停止，以避免碰撞?？傮w來說，人機協作模式將在制造業中發揮越來越重要的作用，推動整個行業向更加智能化、高效化、人性化的方向邁

63、進。（三）運營管理環節通過大小模型協同實現自動化（三）運營管理環節通過大小模型協同實現自動化大模型和小模型的協同將在未來制造業中扮演關鍵角色，在制造業運營管理環節推動自動化水平的顯著提升。大模型以其強大的數據處理和分析能力，為生產決策提供智能支持；小模型則以其靈活性和針對性，優化具體生產運營環節。這種協同不僅實現了從宏觀到微觀的全面自動化決策，還大幅提高了制造效率和資源利用率。34在設備維護方面，大小模型的協同將實現更為精準的預測性維護。大模型通過分析設備運行數據預測潛在故障，小模型則在邊緣設備上實時監測，共同提高設備利用率，減少意外停機。在供應鏈管理方面，也將因大小模型的協同而得到優化。大模

64、型分析全球供應鏈數據，預測風險和機會，小模型則在具體環節進行優化，提高供應鏈的自動化水平和響應能力。盡管大模型在制造業中的應用潛力巨大，但小模型因其深厚的工業應用基礎和成本效益比、穩定性、可靠性等優勢，將與大模型長期并存。這種協同模式將持續推動制造業向更高效、智能和靈活的方向發展。（四）產品服務環節通過數據驅動實現精準化（四）產品服務環節通過數據驅動實現精準化在制造業產品服務環節中，數據將扮演很重要的角色，驅動個性化創新的同時增加市場價值。首先，數據可以驅動人工智能技術實現產品服務的個性化和定制化。通過分析用戶行為數據、偏好數據等，人工智能技術能夠為每個客戶生成個性化的產品服務方案。這種基于數

65、據的定制化設計不僅能夠滿足個性化需求，還可以通過大規模數據分析來優化定制化生產的效率和成本。其次，人工智能技術能夠使產品服務環節更加精準高效地推進。在產品營銷環節，人工智能技術通過數據分析和用戶行為預測，能夠幫助制造企業更精準地進行市場定位和客戶細分，分析消費者的購買歷史和偏好，制定個性化的營銷策略，提高客戶轉化率和滿意度。在產品售后環節，人工智能技術可以通過自然語言處理技術，提供晝夜不間斷的客戶服務支持，快速響應客戶的咨詢和問題。這種智能化的售后服35務不僅提高了客戶體驗，還減少了人工客服的負擔。36編制說明編制說明本報告由創新奇智科技集團股份有限公司和中國信息通信研究院人工智能所共同編寫完成。編寫過程中，得到以下單位的大力支持，在此特別感謝（按拼音首字母排序）：寶山鋼鐵股份有限公司合肥晶合集成電路股份有限公司理想汽車天奇自動化工程股份有限公司廈門天馬光電子有限公司中國巨石股份有限公司中國飛鶴有限公司