智慧工厂发 展趋势洞察 与实施方案 解析 沈宇峰 普华永道思略特中国工业产品与服务行业主管合伙人 电话：+86 (21) 2323 2273 邮箱：julius.shen@strategyand.cn.pwc.com 赵汀 普华永道思略特中国工业产品与服务行业合伙人 电话：+86 (21) 2323 2256 邮箱：ting.zhao@strategyand.cn.pwc.com 智慧工厂发展趋势洞察与实施方案解析 自上世纪70年代计算机技术开始普及推广，自动化和信息化逐渐在制造业广泛应用。 如今，随着通信互联、工业物联网、大数据分析等新技术的推陈出新与逐渐成熟，正 推动工业创新与数字化转型。愈来愈多的制造业企业，通过打造标杆智慧工厂，实践 数字化、智能化创新。 普华永道思略特持续关注工业4.0相关实践，结合众多成功大型、标杆智慧工厂的实 战项目经验与行业洞察，为广大制 战项目经验与行业洞察，为广大制造业企业提供智慧工厂最新发展趋势洞察与实施方 案解析分享。 前言 智慧工厂发展趋势洞察与实施方案解析 | 思略特 3 智慧工厂发展趋势 洞察 有别于前三次工业创新与进步，主要依赖单一技 术突破拉动生产力形成爆发式增长。工业4.0通 过实时数据采集、工业互联网、智能计算与处理 等多种技术，赋能产品研发、生产制造、供应 链、营销与服务等企业关键经营活动。在面向客 户的前端业务层，新技术持续推动新商业模式实

中国具身智能产业发展规划与场景应用洞察 目录 C O NT E NT S 01 具身智能产业基础理论及战略意义 1.1 具身智能是推动新质生产力建设的重要引擎 1.2 政府报告首提，配套政策不断出台 1.3 地方政府具身智能核心发展需求 02 具身智能产业发展现状 2.1 具身智能市场规模不断扩大，人形机器人资本热度不断上升 2.2 技术泛化能力不足以满足场景需求复杂度，商业回报阈值不足以 技术泛化能力不足以满足场景需求复杂度，商业回报阈值不足以 支撑量产成本 2.3 科研与工业制造率先迈入商业化试点， 同时渐进突破其他领域 2.4 产业图谱 03 具身智能应用场景洞察 3.1 科研场景 3.2 工业场景 3.3 商业场景 3.4 家庭场景 3.5 优秀企业案例分析 04 具身智能产业发展关键路径探索 4.1 基于自动驾驶经验的渐进式发展路径与落地策略 控制 末端 短期 • 以人形 / 类人形等高自由度方案为主 • 需考虑文档、接口、硬件仿真器 • 无需考虑真实场景 PMF 、应用层算法、 硬件可靠耐久 中期 长期 场景洞察、工程能力 数据正向循环 阶段性重点场景 阶段性培育场景 硬件降本、应用生态

华为制造业智能制造解决方案 目录 • 智能制造产业洞察 • 整体架构以及原则 • 华为制造业解决方案 • 智能制造典型案例 • 生态与合作伙伴解决方案 2 3 理系统（ Cyber-Physical System) 相结合 的 手段，将制造业向智能化转型。 美国工业互联网战略旨在将智能设 备、人和数据连接起来，并以智能的方式 利 用这些交换的数据，促进物理和数字世 界的 0 、 3.0 向 4.0 时代“两化融合”演进，物 联 网和云计算是支持演进的关键技术  工业物联网和云计算是实现两化融合的关键技术  工业互联网的大趋势是推动 IT 集中化、数据集中化与分析洞察、支撑业务敏捷与创新。 4 趋势二 : 打破产业链大数据孤岛，数据驱动企业运营和业务模式 创新  以消费者为中心，倒逼和促进新型的价值协同网的形成，基于互联网正在汇聚、分类、呈现、对接大量分散个性化需求； 分散个性化需求；  C2M 模式，需要 IT 资源敏捷、弹性、可扩展、快速支撑，才能满足柔性生产的要求。 产业大数据分析云平台 生产信息纵向集成 产业链横向集 成 采集感知 -> 分析洞察 -> 协同研发设计、生产 -> 业务创新 ( 互联网 ) ( 物联网 ) + One-Sided Platform 大规模定制 个性化定制 协同研发设计 智能制造 产品智能服务 N-Sided

从而降低库存成本并提高资金周转效率。 其次是智能运营数据洞察。 AI 能够深入分析历 史生产数据并实时监控生产流程信息,通过洞察和统 管各环节的数据,对生产活动进行规划、组织、协调和 控制。 特别是大模型技术,让生产经营数据按需洞察 成为可能,不同于传统的数据库检索方式,大模型可以 让用户根据需要实时洞察生产经营数据,从而降低数 据洞察门槛和提升企业决策效率。 最后是知识管理。 依托自然语言处理与知识图谱 工能够更专注于核心工作。 2. 4 产品服务环节 AI 赋能制造业产品服务环节,帮助提供定制化服 务、提高售后效率。 首先是客户数据分析。 通过深度学习和数据挖掘 技术,能够从海量的客户交互数据中提取洞察,分析客 户行为模式和偏好,为企业提供精准的市场细分和个 性化服务策略。 其次是智能产品营销服务。 依托大数据分析,利 用客户历史数据分析建立用户画像,为客户提供个性 化的产品推荐或定制服务

数字孪生 智能增强的工业机理 血液 大数据 数据湖 数据建模 高级数据分析 IT Data OT Data Social Data 描述分析 诊断分析 预测分析 规范分析 后验 洞察 预见 智慧 大脑 AI 智能感知 AR/VR Computer Vision NLP Fusion Sensing 智能规划与智能决策 智能规划 智能决策 智能优化 9 目录 数字化业务咨询 智能制造咨询 • 智能制造规划 • 数字化改造与选型 • 生产过程改进 • 工艺过程优化 • 供应商管理 • 采购与物资 • 智能排产 • 库存与交付 • 客户识别与洞察 • 客户体验与发展 • 客户价值与提升 • 用户精准营销 • 数字化资产管理 • 多渠道整合营销 • 数字化媒体分析 • 合作伙伴管理 • 产品服务化转型 • 服务数字化改进 • 高，识别范围广 • 后端：图像缺陷分析 + 大数据分析端到端解 决方案 • 有多个行业案例 3.1 产品质量管理 : 设备预防性维护：助力生产节拍稳定 设备预防性维护方案： • 通过全生命周期健康管理，洞察设备的 过去现在和未来，预测准确率达 78% • 通过故障根因分析及处置策略，快速给 出宕机原因，维修建议和人员安排等， 节省综合成本达 50% • 通过预防性保养策略，给出合理的保养 时间窗口，保养策略和人员安排等，并

认知制造有四个主要阶段 展示页 10 GUANLIJISHUHUA GUANLIJISHUHUA 您员工获取的数据 您的流程产生的数据 您的机器记录的数据 来自外部的浩瀚数据 共享认知库 数据 洞察 执行 结构化数据 非结构化数据 人与机 , 机与机交互 大数据分析 认知技术 认知技术超越了传统的数据分析，擅长处理非结构化数据、机器学习和人机交互。对智能制造有着突破性的意义。 展示页 的工厂数据是非结构化或不可视的 产品数据 传感器数据 23 GUANLIJISHUHUA GUANLIJISHUHUA 您员工获取的数据 您的流程产生的数据 您的机器记录的数据 来自外部的浩瀚数据 共享认知库 数据 洞察 执行 结构化数据 非结构化数据 人与机 , 机与机交互 大数据分析 认知技术 认知技术超越了传统的数据分析，擅长处理非结构化数据、机器学习和人机交互。对智能制造有着突破性的意义。 24 GUANLIJISHUHUA 认知技术正在点燃智造之光 机 器 学 习 认知制造业借助认知计算技术、认知分析技术、工业物联网 (IoT) 技术及其他技术推动制造制造业务转型 认知 解决方案 实时洞察 个性化制造 数据整合 车间可视度 自动故障检修 主动维护 流程自动化 自动决策 自主运行 自给自足的 生态系统 推销失败后， 服务数据 实际需求数据和 预期需求数据 制造执行

个逻辑仓压缩至 100 个。 这些实践印证了一体化云数据库从“成本中心”向“增长引擎”的质变——它不仅是技术架构升级， 更是企业构建数据驱动智能化的战略基石。当零售竞争升维至“秒级决策效率”与“厘米级用户 洞察”的层面，OceanBase 愿以极致弹性、实时融合与 AI 原生的数据底座，助力企业跨越传统 架构的“数字鸿沟”，在智能化浪潮中赢得制胜未来。 核心观点 市场竞争烈度升级，零售企业智能化转型势在必行 IT 资源之间的矛盾，传统数据架构已难以胜任。零售企业必须打 造新一代数据底座，从而跨越海量数据洪流与实时洞察的鸿沟，激活企业“一方数据”价值，支 撑 AI 全链路应用，满足综合成本最优诉求。 一体化云数据库是新一代数据底座的核心组成部分 为了支撑智能化转型，数据底座要满足实时决策洞察、多模态数据管理、集成 AI 推理能力等诉 求。同时，它还要兼顾零售企业出海、利润微薄追求性价比等行业特点。基于一体化架构的云数 售企业建立差异化竞争优势、实现战略增长的核心引擎。 传统的数据架构在智能化时代已捉襟见肘。数据底座的革新成为零售企业解锁 AI 潜能、实现敏 捷运营与差异化竞争的破局关键。新一代数据底座要具备跨越海量数据洪流与实时洞察的鸿沟， 满足零售独特业态下综合成本最优诉求，激活“一方数据”价值以及支撑 AI 全链路应用等能力要 求。 1.1 消费市场分层重构：个性化体验驱动商业变革 存在上千年的零售行业，其业态在过

、 地图等），生成个性化的服务策略。 此外，大模型的价值还逐渐渗透到车企内部经营提效中。例如，在智能客服和用户运营中，通义大模型 增强了系统的自然理解和精准响应能力，提高用户满意度，并提炼用户洞察指导产品改进。在知识管理和员工 赋能方面，通义大模型作为智能助手，可快速检索技术文档、服务手册和内部知识库，生成文案、图纸和代码 等内容，提供智能化经营决策辅助分析，从而提升工作效率。 此外在智驾数据检索挖掘阶段，通义千问 了一个全面而精准的信息来源。无论是查询最新的车型配置、了解维修保养技巧还是获取保险理赔流程等，都 能得到及时准确的回答。 紧急救援 ：通过对用户行为数据（如历史咨询记录、偏好设置等）进行分析挖掘，智能客服能够洞察每位 顾客的独特需求，进而推送相关性强且符合个人喜好的内容。例如，对于经常关注新能源汽车动态的用户，系 统可能会定期发送有关最新款电动汽车的评测报告 ；而对于重视安全性能的家庭用车主，则可能收到更多关于 ： 营销销售 从客户洞察到个性化推荐，到销售预测，再到客户关系管理，AI 技术正在逐步改变市场营销和销售管理 的运作方式。这些技术不仅提升了企业的运营效率，还能更好地满足客户需求，为企业带来了新的增长点。 21 汽车行业 AI 应用白皮书 总体篇 场景篇 趋势篇 客户洞察与个性化推荐：AI 和大模型能够通过分析海量数据，提供深入的客户洞察。例如，通过对社交媒体、

您可以从任何位置和来源收集和存储数据，并快速提取优 化业务所需的见解⸺所有这些都在无代码、灵活的环境 中进行。 我们设计的AVEVA PI System 旨在实现快速部署和快速 获得投资回报⸺开箱即用。凭借更深入的运营洞察力、 更快的关键数据分析以及远程资产和 IIoT 传感器的扩展可 见性，AVEVA PI System 可帮助您实现更高效、更可持续 的运营。 AVEVA PI System 作为运营数据平台，通过 灾难恢复、维护紧急操作中心、最大限度提高正常运行时 间。可以将 AVEVA PI System组件部署在各种不同的架 构中，包括 DMZ、虚拟机、云端环境。 从每个有价值的来源收集数据 要获取精准而有价值的洞察力，首先要从各个数据来源捕 获数据。运营环境中包含各种资产 ― 包括不再出售的专 有系统和设备、行业特定的系统和设备、远程设备、移动设 备、智能工业物联网设备等应有尽有。AVEVA PI System 完整 性，将人员从繁琐的手动收集工作中解放出来。 对数据进行管理和增强，发掘数据的价值 收集数据后，AVEVA PI System软件将对数据进行转换、 优化、计算和关联，从数据中挖掘运营和业务洞察力。 同一事实来源 AVEVA PI System维护着一个数据记录系统，用于记录不 同领域的工程师和企业级分析人员使用的运营数据。这种 体系结构消除了数据孤岛，使每个人都可以访问相同的事 实来源。借助

学研讨和外部的调研访学，共建教学内容和体 验；通过学员自发选题并结合各自企业在专题领域的实践，共创对汽车产业发展前沿的洞察； 基于共建和共创，伴随并促成中国汽车产业从大到强，实现与伟大时代的共进。在这场探索未 来的创新教学之旅中，学员们展现出了对汽车产业发展前沿的敏锐洞察和深刻思考，让我们对 中国汽车产业的未来充满了信心和期待。汽车产业已行至智能化发展的下半场，关键技术将成 为企业核心竞 常重度依赖于决策者，无法通过 科学的手段辅助决策，AIGC的出现为上述问题提供了新的解决思路。 在车型定义初期，AIGC技术可以帮助汽车制造商收集和分析用户行为数据和消费者偏好信息，从而 准确洞察潜在用户群体的需求特点，从而为车型的功能配置、外观设计、内饰风格等提供决策支持。 例如，通过挖掘社交媒体上的用户讨论和评价，AIGC可以帮助企业发现消费者对于车辆安全性、燃 油经济性、驾驶体验等 70亿数据源每日更新 智能数仓全网检索分析 语言处理与分析 海量基础知识 行业数据微调 品牌与产品交叉分析 市场动态监控与动态分析 反漏斗用户决策模型 场 景 层 能 力 层 基 础 层 洞察竞争对手 指标检测预警 车企产品迭代 市场监督与建议 多模态营销内容 丰富营销灵感 数字员工服务 职责定位 知识储备 工具辅助 INFOS TACTIC C端痛点 B端痛点 看车难