师之灼见|AI 驱动制造企业循环商业模式

https://mba.shu.edu.cn/

【内容摘要】

AI 技术为企业带来机遇与挑战，本文探讨AI 在推动制造企业实施循环商业模式方面展现出的巨大潜力，将其归纳为延缓、缩减和闭环三种机制，指出AI 驱动存在的挑战并给出对策，以期为相关企业在人工智能时代推进制造企业可持续发展提供理论依据。

【关键词】

循环商业模式；人工智能；AI 感知；制造业资源利用；灯塔工厂

循环商业模式（Circular Business Models, CBM）是企业协同合作伙伴，运用创新手段延长产品使用寿命、优化资源利用，进而平衡经济、社会与环境效益的经营方式。既有研究与实践案例表明，循环商业模式正在重塑企业价值创造与利润获取的方式。尤其对于全球最大碳排放源的制造业，循环商业模式是相关企业实现可持续发展的重要路径。

随着AI 在制造业领域的大规模应用落地，制造企业打造循环商业模式的门槛进一步降低。在AI 赋能下，企业资源利用率和生产效率不断提升，资源循环过程中的损耗持续降低。然而，制造企业运用AI 技术打造循环商业模式绝非易事。2023 年世界经济论坛发布的《全球灯塔网络：续写工业4.0 新篇章》指出，成功将AI 用于支撑可持续发展战略的企业被称为“可持续灯塔”（如下页表1 所示），但能够获得这一称号的企业极为有限。

鉴于AI 技术带来的机遇与挑战，本文探讨AI 如何赋能制造企业打造循环商业模式，以期为相关企业在AI时代推进可持续制造转型提供理论依据。

AI驱动的循环商业模式

AI 技术具备独特的感知、预测和指导能力。感知能力指AI 通过算法实时监控产品性能并解析海量数据，有助于企业即时发现和解决问题，提升运营效率；预测能力指AI 利用历史数据和模式识别技术，预测未来趋势和结果，通过自动化建议和决策支持，企业可以提前识别和规避潜在风险，优化资源配置；指导能力指AI基于预测结果为企业提供行动指导，通过制定策略和调整业务流程，使企业在市场变化中保持灵活和高效。

在AI 感知、预测和指导能力的共同作用下，AI 在推动制造企业实施循环商业模式方面展现出巨大潜力，具体可以归纳为延缓（Slowing）、缩减（Narrowing）和闭环（Closing）三种机制。

1. AI驱动循环商业模式的延缓机制

延缓机制指企业通过延长产品及其组件的使用寿命，进而减慢资源的消耗速度。AI 的感知和预测能力能够帮助企业有效延长资源使用周期。具体而言，企业可以利用AI 的感知能力实时监控产品的使用状况和性能，通过AI 的预测能力分析历史数据和行为模式，在潜在问题发生之前实施预防性维护措施，进而有效延长产品的使用寿命，最大限度减少资源浪费。例如，三一重工运用物联网和大数据技术，实时监控数十万台设备的数据，降低了意外停机时间和维护成本，产品生产效率提升8%，油耗降低10%。

2. AI驱动循环商业模式的缩减机制

缩减机制指企业通过在生产和消费过程中减少材料和能源的使用，实现资源节约和效率提升。AI 的感知和指导能力能够帮助企业有效提高材料和能源的使用效率。具体而言，企业可以基于AI 感知能力识别能效不足和材料浪费的关键环节，并通过AI 的指导能力自动调整生产参数，提出更加节能的操作策略，从而减少对材料和能源的依赖。例如，宁德时代利用大数据和多元仿真技术，结合制造执行系统的数据建模，优化产品调试的充放电过程，使工序耗时较改造前下降86.5%，能耗降低79.6%。

3. AI驱动循环商业模式的闭环机制

闭环机制指通过回收、再利用和再制造，将生命周期末端的资源转化为新的生产输入，从而实现资源的循环利用。协同AI 的感知、预测和指导能力，帮助企业实现产品和材料的高效回收和再利用，优化逆向物流并强化产品生命周期管理。具体而言，企业可以通过AI的感知和预测能力实时追踪产品的使用和退役全过程，分析客户退货模式，简化资源回收流程以减少资源浪费。同时，企业还可以利用AI 的指导能力优化产品设计（如增加产品的可拆卸性），促进材料再利用。例如，海尔基于AI 打造的智能制造系统能够实时监控、分析生产数据，并自动调节生产参数；通过精确追踪从原料采购到产品终端的每一环节，优化生产和回收流程，提高资源使用效率。此外，海尔建设再循环大数据平台标准化回收拆解和材料再利用流程，形成了全生命周期减碳。

AI 驱动的循环商业模式如下页图1 所示。

实施AI驱动的循环商业模式的挑战

制造企业基于AI 打造循环商业模式是一个复杂的过程，涉及战略转型、组织变革与生态整合等多个环节，将面临来自领导力、战略、组织和生态系统等多层面的挑战。

领导力层面的挑战主要包括两个方面：一方面，实施AI 驱动的循环商业模式需要将AI 技术与企业的环保目标结合起来。然而，许多传统制造企业的领导者对AI技术的认知和理解还不够深入，这导致转型战略难以有效落实，从而影响企业竞争力和可持续发展。另一方面，AI 算法可能与领导者的经验相冲突，使领导者利用AI决策时感到不安，进而限制AI 在组织中的应用，影响企业转型和创新。

战略层面的挑战主要包括重塑战略视野、整合AI技术与业务流程，以及重构价值链。首先，企业需要从追求短期利润转向实现长期可持续发展，这种转变带来的不确定性可能影响企业的市场定位和关键投资决策，从而削弱企业的市场竞争力。其次，企业需要将AI 技术与传统制造流程深度融合，这需要企业在技术选型、员工技能提升和流程优化方面进行全面改造。最后，重构价值链要求企业创新供应链管理、生产操作和客户关系管理系统，这不仅是技术上的挑战，还需要协调各利益相关方的需求。

组织层面的挑战主要包括部门间的协作障碍、传统层级结构的局限性，以及员工抵抗。跨部门沟通不畅会阻碍企业从生产到回收全流程的数据和知识共享，限制AI 在循环商业模式中的应用效率。传统的层级结构和决策机制阻碍AI 通过数据反馈进行优化，削弱企业利用AI 驱动循环商业模式的能力。此外，AI 引发的工作自动化可能让员工担心工作安全和隐私，导致对AI 不信任和抵制，影响其在组织内的应用效果。

生态层面的挑战主要包括生态系统成员之间的合作障碍和技术基础设施的不兼容。部署AI 技术可能改变现有的业务流程和管理结构，增加成员间的不信任和利益冲突，进而阻碍生态系统成员间的合作。同时，实施AI 驱动的循环商业模式需要大量初期投资，并改造基础设施，传统制造企业可能面临资金限制或技术成熟度不一致的问题，导致生态系统成员间的基础设施不兼容。这些问题都会影响资源循环和可持续发展目标实现。

实施AI驱动的循环商业模式的对策

从延缓机制到缩减机制、再到闭环机制的实现，要实现AI 驱动的循环商业模式需要集成多种先进技术，同时涉及企业的战略转型和组织变革，以及生态系统的协同。基于此，本文提出SCOPE 框架，从战略转型、认知升级、组织变革、平台建设和生态系统整合五个维度，帮助制造企业更清晰的理解并利用AI 技术向循环商业模式转型（如表2 所示）。

战略转型是引领制造企业实施循环商业模式的起点。认知升级是帮助制造企业在循环商业模式中不断创新和适应变化的关键环节。组织变革是保障制造企业实施循环商业模式过程中高效运作的基石。平台建设为制造企业实施循环商业模式提供了数据和技术的核心支撑。生态系统整合是放大制造企业循环商业模式效果的关键驱动力，这涉及与多方合作伙伴共同开发支持循环经济的解决方案。

AI 正在推动制造企业从线性的“获取―制造―废弃”的生产和消费模式，向循环商业模式转型，实现业务增长与绿色发展的有机结合。然而，制造企业构建AI驱动的循环商业模式是涉及战略、组织、生态系统的多层次变革。基于此，本文提出SCOPE 框架，认为企业不仅需要建立AI 基础设施平台，还需要领导者的认知升级，并同时推进战略转型、组织变革与生态系统整合。SCOPE 框架为制造企业利用AI 实施循环商业模式提供了基础性的实践工具，但SCOPE 框架提供的并非一蹴而就的解决方案，迈向“可持续灯塔”更是技术、领导者、组织、生态与环境持续共演的动态过程。

主要参考文献

[1] 蔡莉,葛宝山,李雪灵,等.创新驱动创业的理论基础[M].

北京:科学出版社,2023.

[2] 陈瑜,陈衍泰,谢富纪.传统制造企业数据驱动动态能力的构建机制研究 

——基于娃哈哈集团数字化实践的案例分析

[J].管理评论,2023,35(10).

作者单位

于晓宇 尚俊茹 王斌 上海大学管理学院

Satish Nambisan 威斯康星大学米尔沃基分校

上海大学MBA