2023 年全球疫情造成的供应链中断问题仍没有得到解决,而此前政府为了保护工业制造商免受影响所给予的补贴也在减少。不断上涨的利率和技术劳动力的持续短缺,再加上尚未解决的供应链中断问题,将影响到工业制造行业中的每一个人。今年,Infor 认为工业制造商要特别关注以下行业发展趋势。
智能工厂仍待开发
智能工厂的概念放在今天并不新鲜,许多企业已经能够实现从生产环境中频繁获取准确的数据,但仍有很多机遇有待开发。
部署智能工厂有利于提高对企业数据和业务背景的获取能力,以便做出更佳的决策。同时,能够以更易消费的方式向更多利益相关方提供有价值的见解和信息,尤其是在他们有需求的时候,甚至更早,主动提供能带来业务影响的数据。
例如,互联企业会将重点放在主要信息流“我的任务进展如何?”和次要信息流“其他人的任务进展如何影响我正在做的工作?”上。设想一下,一位产品工程师被告知需要用新零件替换原有零件来确保产品质量,如果这位工程师了解当前的库存情况,更换时就会考虑零件回收或报废的问题。为了帮助制造商们探索智能工厂的流程和技术,德勤公司于 2022 年 6 月在威奇托州立大学(Wichita State University)的创新校区开设了“威奇托智能工厂”,这里提供了全新的工业 4.0 技术沉浸式体验,能让各企业展示其最新、最先进的功能,并将这些前瞻的解决方案供应商聚集到一起,形成一个生态系统。
供应链中断仍将持续
如果供应链中断问题持续下去,企业与企业之间更需要建立更为广泛的互联。因此,企业在提高整体利润率的同时,也需要灵活、有效地管理多个供应来源,这意味着不仅在企业内部,还要在供应链上游分享信息,从而加强与供应商之间的合作。当然,供应商情况各不相同,所以“一刀切”的应对措施并不是最明智的,甚至也无法实现。一种混合管理文档和共享交易的方法是最好的,即通过企业、供应商拥有的门户、电子数据交换(EDI)或其他形式进行数据交换。人工智能和机器学习技术不仅可以帮助企业了解供应商自身的绩效是否发生变化,还可以帮助他们判断该供应商绩效和同行相比是有所改善还是继续下滑,这是基于供应链的共同挑战而做出的判断。由此,企业可以更容易地决定供应商是否需要加强某些方面的关键技术,或是判断出某些供应商无法为他们带来长期价值,需要及时进行更换。
技术人才短缺
2023 年,制造业技术人才短缺的问题将会持续。虽然全球经济增速放缓可能会缓解劳动市场的紧张局势,但为用人岗位精确获取人才是一项长期挑战。作为打造智能工厂的一部分,了解员工技能并思考如何部署、如何通过不断学习来提高员工价值将变得至关重要。通过自动化生产和减少给员工分配非增值任务,员工的工作效率和满意度将有效提升。现实世界和(机器人流程自动化后的)虚拟世界中,模块化机器人技术日趋成熟,拥有成本低和复杂度高的优势,所以更易于使用。
数据安全与 3D 打印
越来越多的网络黑客将通过攻击以获取企业的关键数据,或是打算实施软件勒索。而投资于数据安全的企业将承担更少的风险,无论是靠自己还是借助第三方服务。但我们不能因此固步自封。
从乐观角度来看,随着速度、质量和规模的不断提高,我们也将在 2023 年看到更多的 3D 打印制造。这将有助于缓解劳动力短缺的问题,并提升内部流程自动化程度。采用 3D 打印技术意味着企业需要改变产品设计和思维方式,如果有其他问题导致企业风险承受能力下降,采用此类新型技术可能会增加不确定性。
当我们展望 2023 年时,那些已经采取行动,向混合应用平台和向整体转型方法迈进的企业将会具备更高的敏捷性来应对持续的挑战。而那些不打算采取或无法采取相应措施的企业,会发现自己只能被动地拼凑解决方案。2023 年,企业应专注时代机遇,在更智能、更互联的制造业转型之路上迈出第一步。

( 作者: Infor大中国区及韩国商业咨询高级总监鹿崇 )
关于作者
鹿崇先生现任Infor大中国区及韩国商业咨询高级总监。他在企业应用软件领域有超过15年的实战经验。鹿崇先生自2003年1月加入Infor至今。加入Infor之前,他曾在KPWOOD公司任系统工程师、SSA上海公司任职商业顾问,还曾在迅达电梯担任过项目负责人。鹿崇先生毕业于清华大学管理信息系统专业。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。