川观智库研究员 刘成婧
人工智能技术的快速发展迭代，正在深刻改变着全球工业制造行业。毕马威日前发布的《2026年工业制造全球技术报告》（以下简称“报告”）认为，工业制造已成为AI技术落地最快、变现能力最强的赛道之一。
报告调研了全球22个国家和地区的258位工业制造技术高管，对该行业AI赋能情况进行了全面梳理。
从AI规模化应用来看，工业制造领域正在经历AI加速渗透，在全行业数字化浪潮中，工业制造行业的AI落地速度快于金融、消费等其他行业。49%的工业制造企业已有成熟AI应用场景并产出商业价值，远高于各行业28%的平均水平。在AI规模化部署方面，68%的制造业企业预计未来12个月内可实现AI全域规模化部署，推进速度甚至快于部分互联网企业。国内头部制造企业已率先完成单工厂、单环节数字化改造，目前正全面迈向跨工厂、全链路、集团化的智能升级新阶段。
从投资回报看，先进技术对制造业的确定性价值正在获得验证。76%的制造企业每年在数字技术上的投资超过5000万美元，高于72%的全行业平均水平，这背后是工业制造企业对先进技术实际应用效果的认可。80%的受访企业明确表示，智能化技术投入能够显著提升资产价值与经营收益，人工智能、智能自动化技术等，已经成为拉动制造业营收增长、优化经营结构、提升企业抗风险能力的关键动力。对于国内而言，当下国内制造企业的技术投资更趋理性、精准。企业不再追求“技术堆砌”，而是围绕真实业务成果配置资源，聚焦生产效率提升、让技术投入能转化为实打实的企业价值，实现技术与业务的深度绑定、双向赋能。
在积极应用AI技术的过程中，数据成为核心痛点。报告揭示了“信心与能力错位”现象：83%的企业自认为已搭建完善的AI数据底层体系，具备智能化升级基础。但76%的高管坦言，数据不准确、不统一、不完整，是当前AI落地的首要风险。“高速发展、高风险并存”问题愈发突出，数据治理能力不足，成为制约国内制造业智能化升级的最大瓶颈。在复杂的多层制造企业中，不同工厂、不同产线的设备系统难以打通，数据孤岛严重、数据标准混乱、数据清洗能力薄弱等问题突出，阻碍了高质量数据的流动。有48%的受访企业将“改善数据流动”列为应对宏观环境变化的首要措施，凸显了数据治理的紧迫性。
展望未来，报告认为，工业制造企业要借助技术加速业务优化，可以从七个方面采取行动：一是夯实数据底座，实现OT（运营技术）、IT设备数据的标准化、互联化并进行统一治理；二是强化人机协作设计，重构运营模式以适应AI时代的业务逻辑；三是聚焦高价值成熟应用，优先将AI应用于质量检测、流程优化等已被验证的场景；四是从孤立试点转向共享平台，依托平台实现人工智能技术跨产品、跨部门、跨工厂的规模化部署；五是注重风险防范，在正式上线前对解决方案进行严格测试；六是加强战略性生态合作，与生态伙伴建立战略协同关系，从传统的交易关系转向协同创新的合作模式；七是加强员工技能培训，提升其应用AI技能的水平。
【未经授权，严禁转载！联系电话028-86968276】
