e-works Research从企业AI认知与准备、应用场景分布、应用模式/框架/算法、应用成效期望、主要困难、资金投入情况等多个维度展开分析。我们发现：
企业普遍认为AI技术对其未来发展将产生影响。然而，绝大多数企业并没有为AI应用做好准备，普遍对AI的认知不足，并缺乏专业的人才团队、培训计划，尚不具备AI应用所需的技能。
AI在制造业的潜在应用众多，覆盖研发设计、生产制造、质量管控、供应链物流、营销服务等价值链的各个环节。此次调查涉及产品辅助设计、生产排程与调度、质量控制与缺陷检测、生产工艺优化、采购预测、销售预测、智能分拣、客户画像等多个应用场景。通过调研发现，生产制造环节是企业部署AI应用的首要选择。
图2 制造业AI应用场景（部分）
调研发现，AI项目的应用模式、算法、模型等呈现多样化特点。企业选择了不同的应用模式推动AI项目落地，包括自主研发、购买服务、与厂商合作、完全外包等，其中合作伙伴模式和购买服务模式居多。在应用架构和算法的选择方面，Google TensorFlow、百度飞桨PaddlePaddle、华为昇思MindSpore等多个开源框架得到运用，监督学习、非监督学习等多种算法获得应用。
图3 企业应用的AI开源框架
基于底层大模型的支持，涌现了包括文本生成、图像生成、音频生成、视频生成、代码生成以及智能体/数字人等多模态应用，实现了生成式AI应用的飞跃式发展。与此同时，生成式AI技术已在制造业获得应用，企业对于这一发展趋势也持有乐观的态度。企业普遍认为生成式AI技术在研发设计、生产制造环节的应用潜力较大，其次是营销服务。
降本增效是企业经营管理的核心目标，企业期望通过AI的应用实现这一目标。AI在推动创新方面同样具有潜力，随着AI产品和解决方案更加多元化，未来企业可能会更加注重利用AI来增强产品设计、个性化营销等创新能力，推动业务的持续增长和转型升级。
图4 企业对AI应用的成效期望
虽然AI技术在制造业具有应用潜力，但企业必须克服很多实施AI项目的阻碍，包括专业人才缺乏、认知不足、方案不成熟、应用场景不明确、投资成本高、安全合规问题等。调研企业认为其推进AI应用的最大挑战是缺乏专业的AI人才和技能，其次是对AI技术的理解和认知不足。
图5 企业AI应用面临的挑战
总体而言，制造业凭借其海量数据资源和丰富多样应用场景，已成为人工智能技术应用最具潜力的领域之一，但当前AI技术在制造业的大规模推广应用仍受到多种因素的影响。预计AI在制造业的应用将逐步从试点项目转向大规模推广应用，在这个过程中，企业需要理性认知、积极应对、合理规划。
▼长按二维码或点击"阅读原文" 【下载报告】
