AI赋能传统制造(上篇):从“能用”到“用好”,珠海盈致分享实战路径。
近日,珠海盈致科技有限公司总裁郑嘉辉先生受邀出席香港智慧AI方案展,并上台发表主题演讲《AI在传统制造业的机遇》。
一、那场在香港举办的AI分享,讲的其实是一个更普遍的困境。
前不久,香港生产力促进局主办的“AI with HKPC 智慧AI方案展”在香港举行,展会汇聚了来自两岸三地的制造业从业者、技术服务商与投资机构等。郑嘉辉先生受邀登上演讲台做演讲。他带来的不是产品发布,而是一段跨越30余年、横跨多个制造细分领域的真实摸索记录。
l 香港生产力促进局
台下坐着不少来自五湖四海的传统工厂代表,他们中的很多人并不缺乏AI尝试的意愿,却都卡在同一个问题上:用了AI之后,怎么就没见着有什么变化?郑嘉辉先生表示,这恰好是他想聊的。
二、88%的工厂已在用AI,但超过三分之二仍停在“试点阶段”。
演讲一开始,郑嘉辉先生就亮出了几个让人有些坐不住的数据——据麦肯锡与德勤等权威机构报告,目前全球已有约88%的企业将某种形式的AI引入到了生产运营中,但其中超过三分之二的企业迄今未能完成从小规模验证到大规模复制的跨越,依然徘徊在“试点能跑通、推广跑不动”的困局里。
|
维度 |
数据 |
释义 |
|
渗透率 |
88%的企业 已应用AI人工智能技术 |
AI人工智能技术已实现规模化普及,不再是企业数字化转型的准入门槛。 |
|
应用深度 |
2/3的企业 仍处于AI试点阶段 |
多数企业未能完成从技术验证到规模化落地的转化,存在“试点陷阱”。 |
|
经济效益 |
39%的企业 实现息税前利润(EBIT)层面的收益提升 |
价值转化是当前人工智能应用的核心瓶颈,技术投入与商业回报未形成有效闭环。 |
l 麦肯锡与德勤等权威机构报告
更为关键的另外一组数据显示:仅有39%的企业在AI应用中实现价值提升、真正用AI获得切实的盈利。这表明,AI全面普及甚至AI技术应用早已不再是门槛,如何实现AI的价值穿透,才是企业真正面临的问题。
郑嘉辉先生对此直白地总结了一句话:“问题不在于AI能不能用,在于大部分企业还没想清楚——为什么要用AI,用AI要解决哪个具体的业务痛点。” 这句话,给现场听众留下了较深的印象。
l 珠海盈致科技有限公司总裁郑嘉辉先生
三、谁需要AI救场?他把目光锁定在“深水区中的传统制造业”。
郑嘉辉先生把自己关注的赛道描述得十分具体:那些产品定制化程度高、生产批量偏小、工艺依赖老师傅经验、设备联网程度低的传统制造企业,比如:纺织服装、家具、机械零部件、金属冲压件、电子组装、食品加工等,基本都在这个范围里。
l 打印耗材厂人工组装中(珠海盈致某客户未实现数字化转型升级前)
这个范围内的企业存在着诸多相似的特点,如:大部分生产依赖劳动力、产品利润率比较低、对交货期的管控较为困难、不知道如何才能将所剩的几分利留住,以及自动化与数字化管理水平较低等。在近几年的全球供应链逐步收缩之际,这些企业不仅面临着前所未有的成本压力,而且面对的市场竞争也日趋白热化。
“这些行业的共同特征,为AI创造了巨大的用武之地,属于AI可实际落地的高潜力场景。”郑嘉辉先生表示,“通过AI实现降本增效,是这些行业在当前全球竞争格局中提升生存能力与市场核心竞争力的关键路径。”他指出,通过 AI 视觉检测、智能排产、工艺参数优化、能耗管控等解决方案,能切实降低制造成本、压缩交货周期、减少对熟练工的过度赖等,进而大幅度改善企业的整体运营效率。
四、从“工具助手”到”智能协同”:他是怎么看AI演化路径的?
为了清晰地展示AI在传统制造业中如何发挥作用,郑嘉辉先生提出了一个形象的三层递进模型,勾勒出传统制造业从“人用AI”到“AI自主协同”的未来图景:
最开始的第一层就是以“AI工具”为代表,AI在这里“扮演”人类助手的角色,逐步提高每个生产工作站的效率,比如通过AI视觉检测提高检验效率进而降低产品不良率等,在这个阶段以降低成本为主要目标;
第二层,以“AI智能体”为代表,与人类协同工作,尝试把多个AI模块与人类之间建立协同,处理更为复杂的跨工序任务等;
第三层,最终以“AI智能体协作”为代表,将多个AI智能体形成网络,打造出一个AI系统,深度嵌入企业各个方面的运营决策中,形成一种人机交互的长效运营体系。
l 郑嘉辉先生提出“人用AI”到“AI自主协同”的未来图景
“未来的工厂,绝对不是一个简单的人工智能加自动化设备的组合。”郑嘉辉先生强调,“而是以AI智能体为核心的、数据驱动的新型生产关系与作业模式。”
在郑嘉辉先生看来,目前大多数工厂还停留在第一层,而第一层通常难以在利润层面留下明显的痕迹。真正有价值的改变,往往从第二层开始出现——当订单数据、物料数据、设备状态数据等生产资料在MES系统的统一调度下完成实时流转,AI才有足够的“养料”去做出更有意义的判断和干预。
郑嘉辉先生特别提到:目前Gartner的预测显示,到2027年,预计有高达40%的AI投资项目会走向失败。他表示,“主要原因并非技术本身不成熟,而是企业在实施前没有对自己的业务流程做足够深入的梳理,导致AI‘嫁接’到了一个本就混乱的流程体系上,零散的自动化与数字化对企业改善层面能做的不多,出的问题却也不少。”
五、本篇小结
这次香港分享,郑嘉辉先生选择从宏观数据切入,把行业里普遍存在的“AI用了但没用好”的现象放在台面上讲清楚,再指向自己最熟悉的传统制造业赛道。整场分享的逻辑十分清晰:先把问题说透,再谈方向,最后落实到解法。
下篇,我们来看郑嘉辉先生给出的具体实施建议,以及珠海盈致自身是怎么在三大核心产品线上构建出这套完整的全链路解决方案的。












