第四次工业革命的成败将由机器智能决定，后者以前所未有的方式获取TB级数据为动力。凭借新发现的自动化能力和优化关键权衡决策的能力，人工智能正在崛起，指引着第四次工业革命技术不断创新组合，以便取得前所未有的成果。
至今，全球灯塔网络新添了21座灯塔，总数达153家，其中包括99家灯塔工厂和54家“端到端”灯塔工厂，此外还有17家“可持续灯塔工厂”。2023年最新加入的21家灯塔工厂让我们看到了先进制造业和价值链的未来，其中包括16家灯塔工厂和5家“端到端”灯塔工厂，此外还有5家“可持续灯塔工厂”(见附录)，它们共同构成了第四次工业革命的前沿。其中的主要趋势包括前所未有的数字化成熟度、机器智能的快速普及以及从一开始就实施大规模部署的转型计划。
一、第四次工业革命拐点
随着技术的快速突破、不断变化的人员动态、地缘政治紧张局势的升级和气候变化的加速，全球供应链的脆弱性暴露无遗，制造商面临着新的挑战。
第四次工业革命的步伐不断加快，新技术为制造业提供了战胜新挑战的方案。本报告确认了第四次工业革命的拐点，并指出拐点的两个主要因素：首先，机器智能技术正在达到前所未有的成熟水平;其次，领先的企业正在重新定义试点的概念，他们将整个工厂(而不是单个用例)作为试点来扩大影响。
(一)颠覆和不确定性推动了创新
为了做好应对未来出现的颠覆、抵御冲击的准备，制造商正在加大对人工智能(AI)技术、可持续能源和其他技术创新的投资。约90%的高管表示，提高供应链弹性是当务之急，每年人工智能投资已达约1500亿美元。地缘政治的变化令先进制造业在市场中蓬勃发展，人工智能、数字技术、可持续发展特征以及先进制造业和供应链中更高的技能组合为市场注入了新的活力。
(二)机器智能正在定义第四次工业革命
1、四次工业革命及其四项基础技术
前两次工业革命后，由半导体和晶体管驱动的第三次工业革命标志着计算机时代的加速到来，开启了基本控制系统自动化的可编程逻辑。而如今，大数据的出现实现了“智能化”，有助于做出明智的权衡决策，从而增强和优化关键流程以及控制系统。
2、延迟采用与突破性创新
全球产业变革从来都不是一蹴而就的。每一次革命性转变都经历了从引入有利基础到广泛采用之间的一段滞后期，且这一滞后期总是呈S型曲线。第一阶段是采用阶段，即学习曲线，其特点是试错式改进，时间可能很长。第二阶段是实践曲线，企业要想方设法将新的创新成果推广到整个生产网络中去，这也是企业广泛采用创新成果的过程。最后一个阶段是优化阶段，各公司围绕最佳解决方案、标准和协议展开合作，成本开始趋于稳定。
3、机器智能是下一个突破
机器智能对于第四次工业革命是具有决定性意义的突破，促成了多个技术领域的进展。智能技术正在推动灵活的机器人技术和自动驾驶汽车的发展。但要实现这一功能，人工智能需要从企业系统、机器传感器、连接性基础设施以及生成和收集PB级数据。人工智能在制造业的迅猛发展，一定程度上得益于制造商前所未有的规模及其生成和连通数据的新能力。对于某些灯塔工厂来说，每周都会产生TB甚至PB级的新数据，有时甚至更多。
(三)关于采用的S曲线：第二阶段中的从学习到实践
随着越来越多的先进用例证明了灯塔工厂的影响力，灯塔工厂作为试点，将第四次工业革命技术扩展到整个生产网络，乃至整个组织。
1、“规模化扩展低迷”的现实
扩大规模并非易事，一些公司对在整个网络中复制单一工厂方法的前景望而却步。成功改造大型公司往往需要1亿多美元的资金，且由于工厂层级的数据、技术、人才和组织解决方案与网络层级不同，此过程还会产生新的问题。在以往的工业革命中，变革性技术的采用并不以一个“完美”的S形出现，而是存在一个虚假的峰值，与电话、电力和汽车等消费技术的采用曲线如出一辙。
2、从学习到实践
并非所有企业都会遇到“规模化扩展低迷”，选择坚持到底的更是少之又少，但正是这些企业决定了整个行业的发展。例如丰田公司在其整个生产基地成功推广丰田生产方式后不久，精益生产和六西格玛方法就成为全球数百万工厂的标准。企业通过编写新的指导手册，制定新的认证和规定，并开发新的工具，将这些创新制度化。这是曲线的第三阶段：优化，即方法标准化、成本稳定化的“新常态”。正因如此，第三阶段中，技术和银行业务等领域内的人工智能交互才会如此关注协议、标准、认证和合规性——这些领域有能力实现人工智能的大规模应用。
然而，对于制造商来说，第四次工业革命才刚刚进入第二阶段，各灯塔工厂们正在从“学习”转向“实践”(见图1)。虽然生成式人工智能等新兴技术可能不会在整个行业迅速普及，但灯塔工厂已经开始在工厂大规模采用这些技术。所有新的灯塔工厂都已在开展生成式人工智能试点工作，许多灯塔工厂已在短短几天或几周内，而不是几个月或几年内，实施、测试和迭代了相关用例，以产生影响。他们之所以能够做到这一点，是因为他们已经建立了第四次工业革命的关键使能因素，如完善的数据和技术基础设施、强大的人才基础以及运转良好的敏捷实施方法。
图1从“学习”到“实践”的灯塔工厂
(四)灯塔引领快速追随者
规模化转型对业务的影响将左右制造业的竞争格局，企业在成本、质量、服务、敏捷和可持续性方面的改进将远远超出单个工厂转型所能带来的预期效果，这将导致正在实践和仍在学习的企业之间形成成熟度鸿沟。
1、速度和规模的基础：战略、能力和采用情况
灯塔企业凭借清晰的业务战略、对人员能力和技术方法的重视以及有效的变革管理，跨越了成熟度鸿沟。他们很少仅投资技术，而是确保从每一个使用案例中获得明确的商业价值。在转型的起步阶段，灯塔企业通常预计10到20个月的用例实施时间，投资回报期约为两年半。灯塔工厂的第四次工业革命用例平均在三年内获得两到三倍的投资回报，在五年内获得四到五倍的投资回报。
灯塔工厂的实施速度也越来越快。最近三届灯塔工厂实施用例的速度比最初的三届快了26%，75%的灯塔工厂报告说它们现在可以在6个月内部署一个新的高级用例。30%的灯塔工厂表示自己可以在三个月内完成部署。很明显，技术应用是可以自我延续的——企业做得越多，速度就越快。随之而来的是应对颠覆的敏捷性增强，这也是领路者与落后者之间业绩差距不断扩大的原因之一。
2、选择前进的方向：创新、加速前进或快速跟进，不要落后
面对行业加速时的毫无作为对于企业来说是致命的。随着灯塔工厂及其越来越多的同行实现了网络层级的影响，以更高效的方式生产出更好的产品，战略对策变得越来越重要。落后者往往无法生存。
有效的应对措施可以有多种形式。在选择网络层级数字战略时，公司可以选择成为创新者——行业的开创者，在工厂层级对下一个重大技术进行押注和验证，一举超越当前的领路者。或者，企业也可以成为行业的加速者——专注于网络层级的影响，提高整个行业的标准。最后，还可成为快速追随者，它们使用创新者和加速者已有的经验，迅速采用现成解决方案，以很少的学习成本获取足够的价值。
二、各项能力提升灯塔工厂的采用曲线
(一)从几十个用例到几十个工厂
当技术达到一定的成熟度时，下一个挑战就变成了速度和规模。这时，各工厂和整个供应网络就会成为试点，而非用例。随着规模的扩大，用例的概念不再涉及一个实施方案，而是几十个，甚至数百个。
(二)领路者经验：构建第四次工业革命引擎的六部分指南
灯塔工厂首先制定战略路线图，引导企业向技术重塑的组织转型，路线设置将对相关价值进行优先级排序，涵盖跨用例的单点层级和跨工厂的网络层级。然后是建立交付能力，这是推动转型的引擎。具体包括：招聘、培训和留住数字人才的计划;促进速度、质量和协作的敏捷运营模式，通常包括数字工作室;具有清晰、可扩展和分布式架构的技术骨干网，以便于提供数字服务和解决方案;数据架构和管理，以便于做出关键决策，并确保质量、易于重复使用。但仅有能力是不够的，无论是在单点层级还是网络层级，都要通过有效的变革管理，用以确保采用和扩展。
1、制定战略路线
企业在采取行动加速转型之前，必须首先了解转型的原因、内容和方式。这需要在业务战略和路线图阶段识别、优先考虑和捕捉支持整体业务优先事项的价值洼地。领路者必须了解产品将如何产生有意义的价值;明确应改进哪些关键绩效指标;计划是否充分考虑了整个网络的能力;时间框架是什么，以及将如何纳入变革管理。
这需要仔细考虑行业、生产网络的规模和多样性以及可用的IT基础设施。对此，以下三种方法尤为有效：技术主导型方法侧重在众多工厂同时部署一种技术或使用案例;能力主导型方法通常由以能力为重点的卓越中心(CoE)推动，该中心会主动识别数字创新并将其从一个工厂推广到另一个工厂;“构建和复制”型方法涉及在一个工厂同时部署人员和能力。
2、构建部署能力：人才、敏捷、技术和数据
如果说战略是转型导航，变革管理是方向盘，那么部署能力就是推动变革的引擎，包括：高素质的人才队伍;促进速度和以客户为中心的敏捷运营模式;实现分布式创新的技术平台，以及高质量和可消费的数据。同时，它需要与大学、创新中心和技术合作伙伴等许多方面的生态系统合作，以实现可持续的发展能力，也这是其第四次工业革命之旅的关键推动因素。
人才：隆基采用整体方法进行人才评估、培训和认证
企业需要一个与技术路线图同样强大的人才路线图。技术在成熟之后往往会被复制和标准化，而人才则是任何特定组织所独有的。这是有效转型的核心挑战，但往往也是成功的关键。灯塔工厂通常会部署技术学习、再培训激励措施和绩效表彰，以吸引、培训和留住顶尖人才。
中国太阳能技术制造商隆基股份有限公司(LONGi)就是实行人才战略的典范，其重点是对现有员工进行再培训。该公司实施了评估培训认证(ETC)方法，通过识别技能差距、个性化学习和基于价值的认证，为员工量身定制发展计划。诊断结果为制定全面的人才路线图提供了依据。论坛(学习)、现场(实践)和反馈(评估)的模型为所有学习奠定了基础。以影响为导向的闭环认证流程，在认可和扩充员工能力的同时，也映射出员工工作的影响。
敏捷：ReNew的ReD团队重新构想工作方式
组织转型的重点是逐步改变运营模式、公司文化和能力，进而彻底改变人们的工作方式。成功与否取决于领导层的充分协调，这对于确保资源分配、明确的激励机制和高效的工作团队建设都是必不可少的。
ReNew公司就是一个典型的例子。其ReNewDigital(ReD)团队由近30名工程师和数据科学家组成，运行着五六个敏捷小组，每个小组专注于不同的用例。该团队在首席数据官和领导层的支持下，将激励机制与独立的盈亏挂钩，部分资金来自新用例的影响，并采用多利益相关者的人员配置模式，包括来自所有相关部门的最终用户、业务所有者、数据科学家、工程师和流程所有者。
技术：鸿佰科技(Ingrasys)为供应商合作搭建舞台
技术骨干为企业提供了部署新用例和获取业务价值的基础设施。领路者通常认为，单一的技术变革是第四次工业革命转型的最佳开端。这就是为何即使人工智能和其他技术不断发展，灯塔仍强调可访问、可适应的数据环境，并采用解耦架构解决方案(如微服务)来实现灵活性和可扩展性，同时提供高生产力的开发环境和工具。
鸿佰科技展示了从小规模起步但有明确发展计划的好处。制造服务器需要大量的黑盒供应商技术，该公司则通过明确的设计原则和对供应商的要求来解决这一问题，从而实现安全性和扩展性。这就要求大多数供应商开放固件以实现数据和控制的可访问性，设计数据输出以与鸿佰科技技术基础设施相匹配，共同实现定制开发和双赢解决方案。
技术和数据：华润建材科技在数十个单点采用可扩展的架构
有效使用技术的基础是利用大量数据进行强大分析的能力。旨在扩大规模的灯塔工厂往往会把重点放在构建数据产品上，这些数据产品将为他们的每个解决方案和用例提供支持。清晰的参考架构和数据流令商业智能和人工智能解决方案成为可能，自动化工具则为提升数据质量和数据维护提供支持。
该公司35个生产基地的数据分析均由润丰智能工业互联网平台提供支持，该平台使数字化用例的部署速度提高了50%。该平台的四个服务层都能实现数据的可访问性、准确性和高效性。在应用层，创新的微服务架构改善了租赁管理，提高了系统灵活性，确保了可维护性。平台层将灵活的配置、增强的部署和人工智能驱动的分析与统一的数据生态系统相结合，确保可扩展的存储和云管理。
3、实施变革管理
单靠能力无法推动转型，还需要进行有效的变革管理。灯塔工厂通常会利用转型办公室来实现这一目标。事实上，近70%的灯塔工厂将转型办公室视为转型最关键的推动因素。其职责是进行清晰的影响跟踪、适当的财务激励、积极的风险管理以及在整个组织内培养关键的数字化技能和文化。
西门子通过短期项目管理办公室打造长期能力
西门子成都生产基地在西门子的模块化制造执行系统(MES)平台中率先采用了新的订单调度模块。基于潜在的影响，成都工厂有资格获得超出单点计划的额外预算以实施用例。在开发完成后，MES的能力小组可以寻求认可，以扩大开发规模。因此，能力小组是关键，它们能确保率先开发的MES模块的可扩展性，也能确保在整个西门子生产网络中实施该模块。
三、人工智能时代的加速采用情况
灯塔工厂正在扩展其人才、敏捷、技术和数据能力，以追求呈网络地甚至系统地扩展规模。这使得这些领路者能够充分获取第四次工业革命技术的价值。这种价值来自无数技术解决方案，包括：(1)连接和基础设施工具，如5G和优势技术，可连接数据并进行本地计算;(2)数字规划和管理工具，包括制造执行系统(MES)、客户关系管理(CRM)和产品生命周期管理系统(PLM)，可对运营技术进行规划、优先排序和控制;(3)人员连接工具，如仪表盘、可穿戴设备和增强现实技术，可改善人机交互并提高洞察力;(4)生产机器人和自动化工具，如3D打印和AGV，可帮助重新构想货物的生产制造方式;最后，(5)机器智能技术，可做出权衡决策，包括预测、优化和增强能力。
图2技术金字塔
机器智能是技术金字塔的顶峰，人工智能的成熟表明了第四次工业革命的成熟。最新一批灯塔工厂表明，包括生成式人工智能(GenAI)等的先进的人工智能技术已经过了试点期，它们已经成熟、规模化应用并得到快速部署。
灯塔工厂是制造业人工智能的标杆。在最新的200多个用例中，有50%到60%都以某种形式依赖于应用人工智能。人工智能正在迅速产生影响，而且只会越来越快。制造商不再需要思考它是否可行或是否有影响力，他们需要关注的是如何负责任地实施人工智能，将面临怎样的风险、法规和复杂性。灯塔工厂并非不受这些风险的影响，它们确保以负责任的方式从人工智能中获益。
(一)影响无处不在：每个过程中的应用型人工智能
早期的应用型人工智能试点项目是在工序层级开发的，因为这一层级范围最小、风险最低、迭代最快。因此，现在80%以上涉及人工智能的灯塔用例都在工序层级执行。值得注意的是，人工智能正在对供应链的每个工序产生重大影响，包括规划、资产管理、质量和交付。最近一批灯塔工厂体现了这种广泛性和多样性。
图3最新一批灯塔工厂已在供应链的各个环节实施了具有重大影响的人工智能技术
(二)影响长远、广泛、迅速：用“资产化”实现人工智能大众化
要实现新灯塔工厂的影响，即在产量、质量和交货执行情况等关键KPI指标上实现20%、40%甚至60%的改进，需要他们从试点和概念验证扩展到在每台机器和每条生产线上全面实施用例。如今，灯塔工厂加快试点速度的方法之一，就是将战略重点放在“资产化”上：即组合各用例以实现规模化快速部署。其他行业也在采用这种方法：在使用新兴的低代码或无代码程序创建AI应用程序方面，AI高绩效企业现在是其他企业的1.6倍，这使他们能够进一步加快开发过程。
(三)实现系统级自动化决策
随着人工智能的成熟，灯塔工厂正在追求更高层次的决策，或称“认知自动化”。与任何进展一样，成熟也是分阶段的。首先，这意味着应用智能来维持稳定的运营流程，例如使用人工智能来实时设置流程参数。其次，(正确)识别修复措施，例如，针对机器性能不佳的情况提出纠正措施，或建议调整配方以补救输入材料中出现杂质的情况，该过程属于“人在回路”之中。最后，它将发展到完全的“自我修复”制造和供应链运作，实现“人在回路”之上。大多数灯塔工厂已经实现了前两个目标。它们还在加速实现第三个目标，即支持“黑灯工厂”运营概念的技术成果，工厂将在生产率、质量和服务水平方面实现更高水平的改进，新的前线人员将更像增强型技术人员，而非现在的操作人员。发展到这一步是有风险的;这就是为什么施耐德电气等公司正在进行“信任培训”，在移交控制权之前设计明确的方法来提高每项人工智能建议的置信区间。
(四)跨价值链的GenAI创新
生成式人工智能预计每年将为全球经济增加2.6-4.4万亿美元的价值，其中近四分之一通过提高制造业和供应链相关的生产率来实现，主要由内容生成、见解提取和用户交互方面的新能力驱动，生产率可提高两倍，任务自动化程度可提高近70%。灯塔工厂已经意识到这一潜力，并将生成式人工智能引入数据最凌乱的领域。首先，提高制造和供应链中的人员生产力。其次，加快数字化能力建设。整个价值链上的数据数量越多、质量越高，企业就能越有效地调整GenAI模型，使其发挥作用。
(五)GenAI也要加快试点速度
当时，灯塔的领导力在于让新的使用案例产生真正的影响。但时至今日，灯塔工厂已经走得更远，有时甚至完全跳过了试点阶段。事实上，与早期群体相比，新灯塔实现新的人工智能用例所需的时间下降了近25%。这意味着，GenAI等新兴技术的起跑线要比五年前的应用人工智能先进得多。印度制药供应商ACGCapsules是GenAI加速部署的一个典型案例(见附录)。
四、塑造全球灯塔网络的未来五年
制造业的格局与十年前完全不同。事实上，十年间世界发生了翻天覆地的变化。在全球各种事件的压力考验下，灯塔工厂比以往任何时候都更加强大和坚韧。它们的步伐和进步将制造业带入了第四次工业革命的拐点，从“学习”转向“实践”，为全球其他制造商指明了方向。灯塔工厂通过制定战略，在人才、敏捷、技术和数据方面建立交付能力，并在工厂层级实施变革管理，从而实现了这一拐点。现在，他们正以惊人的速度将这些能力扩展到网络层级，有时甚至是组织层级。在此过程中，它们正在快速参与和实施人工智能(如GenAI)以及所有其他第四次工业革命技术的最新进展，以便在价值链的每一步都产生重大影响，从而再次为全球制造商指明道路。
本文来自微信公众号：通信产业网 （ID：ccidcom），作者：刘丽超
