从工业互联网到AI+制造：历史何曾相似，教训依然如昨

推荐语

从工业互联网到AI+制造，历史轮回中隐藏着哪些值得警惕的教训？

核心内容：
1. 工业互联网热潮的兴起与遇冷：政策推动下的设备联网尝试与商业模式困境
2. 智能制造阶段的局部突破与系统瓶颈：自动化设备见效但管理体系滞后
3. AI+制造的当前实践：从算法验证转向真实业务痛点的渐进式突破

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

2016年前后，智能制造,工业4.0一度成为制造业最热的词汇。各类峰会、论坛、样板工厂、试点项目此起彼伏。我在2017年，也投身到了这一轮轰轰烈烈的工业4.0的热潮中了，从矿业转战到了制造业，当然2015-2017年，也是矿业最为艰难的一段期间。

彼时的口号是互联网+（互联网+的口号还可以继续往前追朔，大概2013年左右把，O2O，互联网+），如今则换成了AI+。时间过去不过七八年，我们似乎又站在了一个新的风口。

回顾这段历程，不难发现：技术叙事在不断更替，但企业面临的挑战与教训，却惊人地相似。

一、2015–2017：从互联网+制造到工业互联网

2015年互联网+被写入国家战略，工业互联网随之兴起。彼时的逻辑很简单：把工厂的设备连上网，把数据采集到平台，就能打破信息孤岛，释放效率红利。

1、政策背景：中国的互联网+行动计划（2015）、美国的工业互联网联盟（IIC）、德国的工业4.0。

2、核心逻辑：把互联网的连接能力带到工厂 - 设备联网 -数据采集-打通信息孤岛。

3、典型口号：上云、上平台、建生态。

然而几年过去，很多企业发现：

1、重概念，轻落地。很多企业买了平台，却发现数据标准不统一、采上来没用，系统割裂，云上数据难以直接转化为价

2、商业模式模糊：平台建得很热闹，商业模式却模糊，工业互联网平台很难像消费互联网那样靠流量、广告、C端变现。

3、ROI周期过长：制造业投资者习惯3–5年见效，而工业互联网的价值兑现周期远比想象中漫长。

这让上平台、上云端逐渐从热潮走向冷静。

二、2017–2020：智能制造与工业4.0热潮

2017年至2020年，工业4.0和智能制造成为主旋律。工厂里最常见的投资方向是机器人、AGV、视觉检测、数字孪生等。

1、政策引导：Made in China 2025，强调智能工厂、智能装备。

2、产业焦点：MES、数字孪生、机器人、自动化生产线。

3、核心逻辑：从数据上云转向产线自动化和生产智能化。

这一阶段的特点是局部落地见效：

1、在检测、搬运等环节，智能设备确实能降本增效；机器人、AGV、视觉检测等局部环节落地较快，能看到成本与效率改进。

2、数字孪生概念让仿真-优化-执行有了故事感。让管理层看到了未来的可能性。

问题教训：

1、过度强调技术叠加：机器人+云+物联网+大数据 -复杂系统，落地难度极高。

2、忽略企业管理体系：制造业的核心瓶颈很多在流程与管理，而不是单纯自动化。

3、碎片化：很多厂商各做各的智能工厂样板，却难以规模化。

三、2020–2023：数据智能与AI尝试-从算法到业务痛点

2020年疫情加速远程运维、供应链风险暴露，推动企业重视数据驱动。

演进路径：

从 数据可视化-预测性维护- 质量预测与优化。

AI在图像识别、缺陷检测、产能预测等场景初步见效。

最常见的尝试是：

1、图像识别用于缺陷检测；

2、预测性维护减少停机；

3、产能与质量预测支撑决策。

这些场景比工业互联网时期更接地气，但依然存在共性问题：

1、多数AI项目停留在试点阶段，难以规模化；

2、算法驱动大于业务驱动，很多项目是算法团队推出来的，而不是企业自己迫切要解决的问题。或者说需求常常是技术推出来的；

3、数据质量、标注成本仍是老大难。

四、2023至今：AI+制造的新周期-新叙事，老难题

ChatGPT出现后，AI进入新的发展周期。与之前不同，AI不再只是单点算法，而是以自然语言交互、通用智能助手的形式切入企业。

制造业里的典型应用包括：

1、AI助理帮助工艺规划、设备运维；

2、ERP叠加AI，实现自动预测、财务对账、供应链预警；

3、AI生成式设计优化零件方案。

这带来了新的想象力：AI像一个企业大脑，人人都能用，而不仅是技术专家的工具。

但新的风险同样存在：

1、AI+容易成为又一个万能口号，像当年的工业互联网平台一样，AI也可能沦为万能口号。

2、ROI依旧考验落地，企业投资仍然关注短期回报；

3、如果数字化基础薄弱，AI不过是“沙上建塔”。

五、历史的相似与教训的延续

无论是工业互联网还是AI+制造，背后都有共同的逻辑：

1、自上而下驱动：都有国家战略+产业资本+大厂推动的强烈自上而下驱动。

2、叙事套路相似：互联网+换成AI+，本质是数字化力量与传统产业结合的再包装。

3、落地鸿沟依旧：概念热烈，实效有限。

真正的教训有三点：

1、从概念到落地的鸿沟：过去工业互联网如此，今天AI也是。

2、技术不是万能解药：真正的瓶颈往往在流程、管理、组织能力。

3、ROI与规模化：没有明确的价值兑现路径，热潮终将退去。

六、启示

从互联网+到AI+，制造业走过的弯路在提醒我们：

1、不要被概念绑架，不要把AI当成万能药，先找清楚真正的业务痛点；

2、数字化和管理基础必须打牢，没有数据治理、统一平台，否则智能化是空中楼阁；

3、组织与管理升级同频，技术最终要嵌入到组织和决策逻辑中，才能带来持续价值。

一句话总结：

制造业的未来不会由口号决定，而是由能否真正把技术转化为管理与流程的升级决定。