當前的制造業數字化轉型趨勢，在于結合歷史經驗的數字化沉淀，給制造業的長遠產能規劃、布局提供支撐，最大限度減少資源錯配，保證制造業體系各個環節的運轉通暢和整體效率。數字化就像是人類的協作系統中一個壓力巨大的漩渦，席卷一切，勢不可擋。
制造業的數字化轉型無疑是一次全球浪潮，但是最好的機會一定在中國出現。因為中國制造業的數字化基礎已經足夠扎實，而向上升級的空間十分廣闊。
中國制造業企業對“數字化”的理解是務實且漸進的。在很長的時間里，國內普遍將“數字化”理解成為一個升級版的、更有效率的“自動化”，將其視作一個降本增效的有效手段。2014年之前，國內一條手機生產線需要配備超過80個工人，經過數字化、智能化升級以后，從物料上線到最后手機包裝完成，目前國內效率最高的生產線整個工序流程只需要十幾個人，產出還能實現一定程度的提升，不到30秒即可產出一部手機。
大概六七年時間內，“數字化紅利”帶給國內手機生產線6倍以上的效率提升。如果有人問，一條數字化的空調生產線，人工成本是多少？國內廠商給出的數據是“一臺售價2000元的空調當中只有10元的人工成本”。國內制造商的數字化轉型升級，幾乎已經讓“人工成本上升導致中國產品競爭力下降”成為一個笑話。這就給中國制造業的轉型升級打好了扎實的數字化基礎。
但是，縱觀全球，相比美國、德國這些底蘊深厚的工業化國家，中國制造業的數字化水平還存在很大差距，這個差距也是清晰可見的進步空間。差距具體在哪里呢？IDC（國際數據公司）通過2022年前后在中國市場的深度調研，認為中國制造業企業大多還處于“推廣和協調復制數字化階段”，綜合全球100多個國家排名，中國處于中游平均水平，而美國、德國甚至新加坡的制造業企業大多已經在“高成熟度的大規模數字化階段”了。
具體而言，以前數字化轉型的價值主要在制造環節的提效降本上，如今進入“高成熟度的大規模數字化階段”，則要使數字化的技術手段、思維方式貫穿產品服務的創新、商業模式的創新，以及社會治理的創新過程。
當前的制造業數字化轉型趨勢，在于結合歷史經驗的數字化沉淀，給制造業的長遠產能規劃、布局提供支撐，最大限度減少資源錯配，保證制造業體系各個環節的運轉通暢和整體效率。數字化就像是人類的協作系統中一個壓力巨大的漩渦，席卷一切，勢不可擋。
突破三大痛點制造業的數字化轉型始于20世紀90年代，此后20多年的發展雖粗放但迅速，主要是用ERP（企業資源計劃）系統、建BI（商業智能）報表，收集、存儲和管理數據，現在不僅能夠通過數據去指導、驅動業務本身的發展，甚至透過“數字孿生”技術直接將實體產品都轉化成數據塞進電腦。
歐美國家推動制造業數字化的早期突破，是很大程度上化解了工業設計中的高昂成本問題。工業產品的研發過程中消耗最大的是試錯成本，以前要完整制造一個整機產品，組裝好所有零部件，在運行的過程中不斷發現錯誤，然后拆零件，拆了改、改了裝……一次次地手工完成。數字化技術大幅降低試錯成本的主要手段，是把每一個零部件的材料構成、形狀大小、物理屬性，以及工作原理都輸入電腦，由電腦來模擬它運行時的實際狀況、具體效果，如果結果不過關，就可以直接修改設計。
大概二十年前，歐美國家的飛機制造商已經在民用飛機的研發過程中實現整機“數字化”，整臺飛機都可以轉化成數據塞進電腦，由電腦運算試飛結果，當時電腦運算的精準度已經能達到99%以上。十幾年前的數字化工廠在做手機外殼時，已經可以繞過設計模具、對模具注塑、生成樣品等復雜過程，直接生成CNC數控機床程序。再由CNC程序灌注到加工機床，加工機床做出外殼，節省很多步驟，靈活性也得到提高。
近年來，數字化轉型升級的熱度開始集中在中國，正在賦能中國制造業突破三個新的痛點。
01 / 彌補制造經驗短板
中國的制造業產能長期居于世界領先位置，數據顯示，2022年中國制造業增加值占全球比重近30%，制造業規模已經連續13年居世界首位。我國是世界上唯一擁有聯合國產業分類（41個大類、207個中類、666個小類）中全部工業門類的國家，擁有最完整的產業鏈，在500多種主要工業產品門類中，有四成以上的產品產量占世界第一。
然而，中國畢竟是后發工業化國家，長期存在經驗數據積累不足的問題。十幾年前，中國經歷過漫長的低端制造的模仿之路，制造業企業曾急于獲得一個“有競爭力的規模”，但利潤率卻遠不如金融與地產。高利潤率源于更高的技術門檻，而中國制造業要形成可靠的高技術門檻，需要無數堅韌的企業家和精益求精的工匠，在日復一日年復一年的摸索中積累技術、工藝和經驗，數字化的技術工具則加速了這一進程。
如機械制造行業非常依賴老工匠的經驗積累，實際操作中，國內工程師一度難以解決產品尺寸存在0.2毫米偏差的問題，就必須向日資企業的技術骨干求教，那些國外的老工匠到設備旁邊這里問問，那里看看，甚至聽到設備的異響，就能判斷出這0.2毫米偏差是怎么來的。老工匠的經驗和能力需要時間去積累，但制造業的數據積累不像C端消費者長期接觸的手機APP，手機APP上積累的大數據很容易預測一個人的行為習慣，而制造業是“小數據”，最有價值的經驗數據源于不斷試錯中發現問題、解決問題的長期過程，是一個個具體問題驅動形成的Know-How（技術訣竅）的集合。
中國的制造業企業大多是后起之秀，缺乏歐美、日韓企業那樣長時間的積累過程。而數字化技術可以加速中國制造業的經驗積累，有了數字化的技術工具，我們可以把生產過程中的參數、檢測結果采集上來，在數據分析中發現更多隱性的知識，形成更多解決問題的新方法。我們不必讓每一個人都成為能工巧匠，只要有一個巧匠，就能將最好的經驗訣竅數字化，很快教會生產線上所有的機器人。數字化加速了知識經驗的積累和擴散，正在彌補中國制造業經驗不足的短板。
02 / 創新產品服務范式
中國科學院院士陳光在談到制造業數字化轉型趨勢時指出：“制造業企業可以利用工業互聯網平臺匯聚多學科專業的人員、算法、模型、任務等設計資源，結合人工智能提升工業仿真設計效率，挖掘數據隱性知識，實現協同化設計、創程性設計等新型研發模式。尤其是通過挖掘智能產品業務數據潛在價值，創新商業模式。”數字化賦能中國制造業轉型升級最有價值的方面，是幫助制造業企業重構商業模式，創新產品服務范式。
例如，2012年，國內一家通信科技公司進入了光伏行業的逆變器領域，短短四年，成為了這個領域的全球第一。這是怎么做到的？因為光伏電站的運營長期存在一個致命痛點——維護成本極高，現在大多數的集中式光伏電站，裝機容量是100MW（兆瓦），占地面積很大（相當于200多個足球場），電站中安裝的各種組件數量在20萬塊以上。
任何一塊組件、任何一個連接設備，故障一旦發生，怎么找到和排除故障點？這么大的地方、這么多的設備組件，真要全面檢查，運維人員僅僅來回跑，也要用腳丈量上百公里的路程，加上對設備組件一一測試，那得消耗多少時間、精力，影響電站多少收益？光伏電站每年的運維支出大概是0.05元/W（瓦），在電站平均25年左右的運維周期內，運維總投入就達到1.25元/W。而光伏組件的成本是1.7元/W，相比之下，運維投入和組件成本已經很接近了。也就是說，降低運維成本，和在硅料、電池等環節降本增效的效果是差不多的。
通信和數字化技術的介入，把光伏電站內外所有要素變成數據，實現設計與運維的數字化融合。2014年，這家通信科技公司將光伏電站的各個設備全部數字化，實現了設備之間的高效通信，并重新選擇了逆變器的型號和連接方式，將運維效率提高了50%，平均發電量提高了5%以上。如果以100MW的電站來計算，5%的發電量提升，意味著在整個電站的使用周期內可以多賺4千萬元。
與之類似的還有工程機械行業，客戶買挖掘機最怕出現故障，要花錢維修，還要承受設備停機造成的經濟損失。而且，挖掘機施工作業的地方往往交通不便，汽車壞了可以打電話找拖車拉走，挖掘機壞了，最好的辦法是現場排除故障。為此，國內的挖掘機制造商已經把挖掘機設備都連接到網絡，設備實時采集數據信息，與廠商遠程連接、遠程監測、遠程診斷、遠程指導現場人員排除故障。
如果哪一臺挖掘機該更換配件，客戶還沒發現問題，廠商就已經通知客戶，而且把要更換的配件交到客戶手里了。國內的百萬臺挖掘機還因為交換數據、互聯互通，催生了一個獨特的“挖掘機指數”，幫助外界準確感知中國經濟的脈搏跳動。
制造業的數字化轉型是一個長期的系統工程，會用到諸如物聯網、大數據、云計算、人工智能等很多前沿技術，需要把每一項能力都“模塊化”，沉淀到平臺上，讓這些知識經驗重復創造價值。否則，每一家制造業企業在推進數字化轉型的過程中都從頭做起，成本會很高。技術和能力都沉淀到平臺上，制造業一線的員工可以專注于那些隱性知識的積累，即那些無法通過簡單的講述來傳授，需要一線人員在長期實踐中用心體悟到的知識，未來生產一線人員的核心價值就在于掌握了很多不可替代的隱性知識。
03 / 變革產業組織模式
對于制造業企業的轉型升級來說，“數字化紅利”來得最快、效益最好的部分是供應鏈的數字化。即企業基于工業互聯網的手段共享供應鏈上下游企業（合作伙伴）的客戶、訂單、設計、生產、經營等各類信息資源，促成產業資源的精準對接，產業組織方式也得到優化重構。比如，國內一家電子產品生產企業曾經在產品下線時，突然發現手機不能開機，事后發現是某個供應商提供的一種物料存在缺陷。這不僅是質量管理問題，更重要是這種“事后管理的生產模式”潛藏了很多風險隱患，不知道什么時候就會造成什么樣的損失。
這家企業很快做出改變，將上下游供應商納入一個共享的數字化系統，打通物料的質量信息，能夠清楚知道哪個物料屬于哪個供應商，也知道生產批次、產品序列號、生產日期、關鍵的生產過程參數等。這不只是一個高效的信息核查系統，更是一個能夠實時監控物料質量的算法系統。在物料供貨的初期階段，就能知道哪個工序、哪臺設備、哪個人在哪個環節可能或者已經出了問題，供應商自動根據系統的提醒去做處理。
供應鏈的“數字化紅利”可以延伸到前端的產品銷售環節，如國內很多消費品生產企業的數字化系統可以根據業務場景進行建模：消費品有淡季、旺季之分，數字化系統可以根據銷售季的波峰波谷自動調整發貨計劃；業務場景的劃分還有渠道維度、地域維度等，給經銷商供貨和給直營店供貨不一樣，針對歐洲客戶和針對南亞客戶不一樣；場景的劃分甚至可以下沉到貨運裝車環節，哪些貨物壓在下面，怎么擺放可以增大空間利用率。場景越是劃分精細，就越能避免“突發情況”，一旦情況超出了預期，系統告警就會及時讓供應鏈做出調整。
破解共性問題智能工廠將會成為制造業數字化轉型的主戰場，而智能工廠的構造至少要走完三步：數據化是第一步，要有可靠的技術手段收集足夠多的數據；數字化是第二步，要具備可靠的大數據分析能力，并據此給人的決策提供參考；智能化是第三步，人類設置好的算法讓機器可以做出生產決策。但是，僅僅第一步的數據化和第二步的數字化在不同行業就存在很多差異，很多難點。
例如互聯網行業，可以在線上平臺的運營、治理中收集大量用戶數據，與用戶消費行為習慣高度相關的這些數據，很快可以轉化成為商業利益，用戶需要什么就能推給他們什么（即智能推薦）。互聯網行業發展出來的數據化、數字化技術能力，以及由此形成的商業模式，都是圍繞用戶的消費習慣和即時需求而不斷迭代的。
但是，制造業很多細分領域不是直面消費市場，數據收集變得很困難，如航天軍工（涉及國家機密）、醫療設備（涉及患者隱私）或者航空發動機、光刻機（涉及極端制造技術）等特殊領域的數字化轉型，就不是簡單的技術和商業行為。數字化轉型能夠給這些特殊領域帶來的進步和改變，可能主要體現在內部管理的數字化轉型及其相應的組織匹配，與產品服務相結合的數字化技術，要看實際需要及產品自身特點。
除了數據條件的諸多限制，智能工廠遇到的更大挑戰是制造業的差異化程度。哪怕是同一制造業領域，技術體系、技術路線也是風格迥異，適用于這個工廠的智能制造方案，去了另外一個工廠就不好用了。
其實，談到制造業的數字化轉型問題，很多企業家、工程師習慣將這一系統性問題簡化成為工業軟件的應用和升級問題。早期的切入點往往是如何打通ERP（企業資源計劃）、APS（進階生產規劃及排程系統）、MES（生產過程執行系統）等系統，以實現生產原料數據協同、生產設備數據協同和工藝流程數據協同，關注的重點主要是如何縮短生產工序、工藝流程的切換周期，如何提升生產計劃的準確性和實時性，如何提升生產過程中的物料周轉效率等。這都是制造業企業推進數字化轉型必要的啟動階段，即使啟動數字化也要解決好制造業不同細分領域的差異化問題。
時至今日，制造業的數字化轉型要向縱深推進，不可避免要面對一個共性問題：如何將知識、技能沉淀到數字化系統中，如何提升人的思考力、洞察力以持續改進數字化系統？這當中有三個繞不過去的發展階段。
01 / 第一階段：先僵化，產品和制造的基本功要扎實
生產過程的質量控制是最根本的，如何做好工藝標準化及其執行管控，都不是靠工業軟件、數字化系統就能解決的。相反，要靠核心員工和技術，要將知識、技能沉淀到數字化系統中，不斷夯實核心基礎能力。
02 / 第二階段：后優化，將數字化系統與企業的基礎體系進行結合
好的數字化系統都是建立在嚴密體系的基礎上，然后有大量數據產生，用來分析你的工藝流程有沒有漏洞、有沒有缺陷，根據各方面反饋來改進這個體系。如果沒構建好基礎體系，何談改進？基礎體系都沒搞好，引入任何數字化系統都會使企業的運營管理在不停起火、滅火中循環。
03 / 第三階段：再固化，打造完善的管理體系
基于嚴密的產品全生命周期過程數字化運營管理體系QMS，提升人的思考力和洞察力，產品和工藝有了更好的迭代能力，再加上數字化系統的賦能，數字化才能真正升級制造業企業的競爭力。
數字化技術最終是為業務和管理服務的，要根據業務、管理的實際需要去選擇如何使用技術，而不是將數字化作為目標。中國制造業數字化轉型出現最大的一個共性需求，或者說共性問題，就是廣域連接。
數字和數字一旦發生連接，就會產生明顯的價值放大效應。比如，為什么會出現深夜在完全無人的馬路上還要等紅綠燈的情況？因為在原來的路口，攝像頭是攝像頭，紅綠燈是紅綠燈，各管各的，攝像頭的數據和紅綠燈的數據一旦連接起來，立刻就能辨別哪個方向的車應該盡快綠燈放行。相反，也可以這樣理解，數字與數字一旦斷絕連接，價值立刻就會陷入萎縮。
中國制造業的一個重要特征是“中國式產業集群”，各個城市星羅棋布地建設著很多工業園區，將產業集群聚合起來，但是產業鏈上下游的很多企業還缺乏有效的分工協作。以電子元器件行業為例，因為產業鏈上下游缺乏連接，產能分散、產能閑置的問題普遍存在，產業鏈條的集群效應沒有真正發揮出來，也間接導致原材料采購成本高、柔性制造能力不足、質量和交期難以保證等問題。所以，國內的通信技術企業要設法與產業運營商聯合，超越物理層面的工業園區，在數字化系統中將產業鏈上下游企業連接起來，打造“云工廠”和新的產業生態。
另外，制造業企業產、供、銷的縱向連接也是一個非常重要的數字化創新方向。2023年一季度，中國的汽車出口規模歷史上首次超過日本，引爆了新一輪的“中國制造沖擊”。但是，中國汽車業的縱向數字化能力還是不足的，賣出去的汽車運行狀態怎么樣，廠商并不清楚。
基于數字化的思路，車賣出去以后應該是會連網的，這輛車什么顏色，什么型號，車主給車上了什么保險，什么時候出了什么事故，在哪里修好的，開著這輛車參加過什么聚會活動，開車體驗過什么樣的長途旅行……都應該納入一個數字化系統，全面掌握了這輛車的生命周期信息，就能得到一些營銷和供應鏈的隱性知識，比如什么行業、什么年齡段的人最可能買這個型號的車，二十幾歲年輕車主保養車的頻率一般是怎樣的……
制造業企業的縱向數字化能夠繞過“偽需求”，就是讓供應鏈和廠商真正了解客戶，不給目標客戶提供不必要的產品功能和設計，而橫向數字化能夠讓工人少跑腿、讓數據多跑路，持續優化迭代的數據模型和算法幫助工廠不斷優化生產方案、降低風險概率和提高產品質量。數字化系統和生態的不斷充實，正在幫助各行各業實現脫胎換骨的改變。
根據IDC近年來在制造、銀行、零售、醫療等細分領域的調研數據，可以發現“做了數字化的公司和沒有做數字化的公司，五年間的年均銷售額和利潤差距會非常明顯。”以制造業為例，數字化做得好的公司年均銷售額和利潤能增長20%以上，這個差距長期積累下來，會在不同數字化程度的公司之間形成不小的數字鴻溝。
中國制造業的數字化轉型總體上是比較樂觀的，因為有集中力量辦大事的制度優勢，又有實際的經營利益驅動，實施推動起來非常迅速。另外，中國擁有足夠大的應用市場，多元化的應用場景，也能使數字化轉型的方案獲得更大試錯空間，數字化系統的迭代和打磨有充足的“糧草”。