01制造业数字化转型的本质

数字化转型的本质

通过数据-信息-知识-智慧的蜕变，优化并赋能企业经营与运转

制造业数字化转型并不要求“大而全”，也不要求“一步到位”，重点是希望企业结合自身需求，实现关键业务、关键环节、关键节点的数据资产的积累及应用。因此，制造业数字化转型的本质是解决“关键数据从哪里来、关键数据怎么用、关键数据价值如何构建及应用”的问题。无论制造企业是从顶层规划逐步实施数字化转型，还是解决关键节点智能化及上云，其目的都无法离开两大方面：1）显性方面，满足主机厂商要求、优化研产供销服等各环节，降本增效；2）隐性方面，基于历史数据，进行预测分析，赋能订单预测、赋能设备寿命及维修预测、赋能管理者决策。

02制造业数字化转型供给方市场扫描

制造业数字化转型的产业图谱

平台层玩家类型多样，服务能力各有侧重，大部分都提供数据连接-数据价值挖掘-数据应用的服务，即贯穿平台层上下两端

供给方产品及服务情况-总览

软件是当前主要产品及服务，其中围绕具体场景功能、数据、平台工具等软件类产品是当前主流

诊断及咨询+软件+硬件+其他可以视为制造业数字化转型的完整解决方案，也是当前市场供给方所提供的主要产品及服务的类别。其中，软件类产品是当前主要产品及服务，其核心逻辑在于将数据作为资产完成数据-信息-知识-智慧的蜕变，当前软件市场主要有两大特征：1）聚焦数据价值挖掘，需要完成“数据从哪里来、数据怎么用、数据价值如何构建、数据所沉淀的行业know-how如何积累”等问题的回答，故数据处理、数据分析、知识沉淀、数据呈现等软件是热门；2）聚焦生产制造场景的服务与优化，当前围绕企业财务服务的产品相对成熟，研发、生产制造、仓储物流等核心场景是热门。

供给方市场特征1-产品及服务边界拓展

纵向看，覆盖区域广度提升；横向看，产品及服务颗粒度细化，并且趋于将上下环节打通，即向平台产品演进

制造业的数字化转型是一项需要多方参与的大工程，作为供给方，也不太可能只围绕一个方向提供产品及服务。目前来看，供给方的产品及服务主要有两大特征：其一，从纵向看，供给方的服务都将遍历场景解决方案-行业解决方案-领域解决方案的过程，当然目前都仅一些大厂商才覆盖到领域解决方案；其二，聚焦到场景解决方案而言，供给方的产品及服务基本呈现出粗放的综合解决方案-细分场景解决方案-关注流程打通的解决方案的变化，具体而言：1）供给方的解决方案落地性增强，即关注企业生产运营的具体场景或者环节的可执行性和解决问题的能力；2）在供给方产品及服务走向细分的基础上，其服务覆盖需求方运营周期的广度提升，即流程化明显，对外表现为产品及服务平台化。

供给方市场特征2-开始覆盖长尾市场

当前数字化转型政策补贴开始向中小制造企业倾斜，供给方聚焦关键点设备改造、排产派单、质检等方面赋能，落实“省下的就是赚的”服务

中小制造企业有数字化转型需求，但与数字化转型具有演进性、不确定性、复杂性、技术/体系架构变化大等特性相比，其存在缺钱、缺技术、缺数据、缺人才等客观难点，故中小制造企业数字化转型进程相对缓慢。虽然近两年政策补贴开始向中小制造企业倾斜，但生存仍是中小制造企业的首要问题，需避免需求与产品之间错配，故其思考数字化转型时需重点考虑4点：1）哪些是关键点或瓶颈或契合点；2）哪些能带来收益，包含节省；3）哪些关键点的可行性、性价比高；4）SaaS、中台等形式不是必须的，重要的是通过合适的形式采集、应用数据。目前，供给方纷纷发力于设备改造、排产派单、质检、供应链采购等方面，“省下的就是赚的”思想在企业规模面前是平等的。

供给方市场特征3-制造大厂间竞争序幕拉开

2023年新增双跨平台主要聚焦于装备制造、电气、钢铁、采矿等泛制造业领域，基本由制造大厂控股或全资子公司成长起来，大厂竞争序幕已开

制造大厂、传统软件、泛数据治理、互联网大厂、ICT企业和设备及物联网类等都是制造业数字化转型的供给方，且很多企业都是由大厂控股或全资子公司成长起来。整体来看，制造业数字化转型整体处于发展初期，行业know-how理解与沉淀、需求满足度高且快、渠道体系完善、品牌影响力等是各方竞争重点，市场竞争激烈程度应该相对缓和。但通过整理2021-2023年工信部发布的双跨平台企业数据，我们发现，位居的制造大厂占比达40.4%，是主要参与方，且在2023年新增双跨平台中，制造大厂、能源等泛制造业领域的大厂纷纷入局，这些制造大厂之间的比较优势相对不明显，大厂之间的竞争程度或将升级。需要注意的是，今年工业富联对外宣布与英伟达、英特尔等科技大厂展开合作，分别就AI服务器、高性能可扩展处理器模块与新一代散热技术方面进行联合研发与合作，未来“智造能力”也将是大厂间竞争的主要方面。

供给方市场特征4-通过生态构建获客闭环

获客-方案输出-能力构建及完成项目-获客的闭环是供给方构建生态的主要逻辑，其中应用商店和供需平台不仅有助于行业知识库的沉淀，还有助于获客与服务完成

供给方市场特征5-探索市场化之路

1V1服务切入市场-大范围定制拓展市场-小范围定制+标准化服务是各供给方上市的主要路径，但具有转型期周期长、不确定性高等特点

整体来看，数字化转型供给方普遍的成长路径大概是“产品-项目-平台及生态”。在这种范式下，各供给方摸索市场化的路径也具有非常强的共性，即：1）发展初期：通过1V1服务切入市场，完善产品能力及服务经验，打造标杆案例；2）市场拓展期：在集团内部、同行业客户、跨行业客户等大范围推广自身产品及服务，此阶段大多是通过大范围定制服务来快速铺设市场，并占领用户心智；3）发展+转型期：企业重点关注盈利变现，小范围定制+标准化服务是当前供给方的主要战略，但都尚处于摸索期，当前的不确定性很高。这种不确定性主要表现为：企业如何让产品走向标准化？标准化的产品如何满足企业定制化的服务需求？定制化的服务与标准化的产品之间的平衡点在哪里可以实现正向盈利？

03制造企业各场景数字化转型落地实践情况

转型落地实践总览

生产管理及数据价值释放是当前数字化转型的重点，且将持续很长时间

当前，中国制造业企业数字化转型主要表现为两大特征：1）与生产相关的场景是重点，即更加关注制造能力本身的智能化、精细化，因此产品及工艺研发设计与验证、生产制造管理、供应链、设备管理、数据价值释放等方面是重点；2）当前大多数企业处于数据沉淀与数据应用共存共促进的阶段，即企业通过旧产线改造或新产线搭建、核心模块/环节信息化软硬件的使用使得生产运营走向数字化。这两大特征均会持续很长时间，且随着技术进步与技术应用的深入将进一步对企业各个环节优化改造。值得注意的是，随着制造业数字化转型的纵深推进，如企业何将隐性知识、技能转化为可复用、可快速学习的行业知识将是数字应用的重点。

应用场景-设备智能化改造&上云

关键节点设备智能化改造及上云是当前各类型企业设备数字化的重点，主要赋能设备耗能、运维、故障、预测等方面的调整与优化

关键节点设备智能化改造及上云是当前制造业企业设备管理走向数字化主要的措施。其中，关键节点设备主要有高耗能设备、高通用设备、高价值设备、新能源设备这几大类型。对关键节点设备改造及上云，主要好处有2点：1）对用户企业，一方面是改造成本低（平均每台设备大约几万左右，与设备数量有关），成本回款周期短，同样适用于中小型制造企业；另一方面，在设备能耗、设备维修及预测、设备利用率等方面都能优化赋能。2）对设备供应商，一方面，聚焦到节点设备，相对容易实现标准化，可覆盖的行业和服务范围广；另一方面，有助于收集设备全生命周期的数据并开展后期运营服务模式，寻找新的盈利模式。3）对于平台运营商，工业设备改造&上云有助于工业数据沉淀，加速工业机理模型沉淀和优化。但需要注意的是：1）存在一定兼容性问题，对平台运营商而言，需要掌握足够多的工业协议、物联网协议；2）对中小制造企业而言，这种服务多转嫁于设备供应商；3）除了传统的工业机器人外，协作机器人凭借着部署位置要求低、位置可变、场景功能适应性强等优势逐步渗透在电子、汽车、新能源生产等行业中（详情见例证越疆机器人） 。

应用场景-研发&工艺开发管理数字化

关注与研发生产相关环节的实时数据采集，并与相关历史核心要素数据拉通、分析、建模，进而加强设计-研发与验证-生产之间的耦合性与联动性，缩短研发周期、优化工艺/工况、降低研发及验证成本

应用场景-供应链&仓储物流管理数字化

加强供、产、销三端的联动性与协同性，实现一体化管理

供应链数字化整体思路就是打破传统供应链上下环节联动性不足的问题，提升供应链各环节，尤其是供-产-销三端的联动性与协同性。具体表现为：1）供应能力可实时刷新、可预测，如价格波动、供应商变动、欠料品类扫描及预测等；2）销售可预测，能为采购、生产计划制定提供支撑；3）仓储管理高效，即空间利用率高、作业模式能从“人找料”转变为“料找人”，同时仓库里面的产品能溯源、方便追责。

应用场景-排期&生产管理数字化

APS、MES针对ERP的工单计划进行排程、拆解、执行并监控

生产什么？生产多少？如何生产？是制造业企业关心的三个核心问题。ERP、CRM为生产计划的制定提供数据支撑，但对现场层的管控不足，APS与MES可对其进行有效补充。其中，APS要基于生产计划、订单承诺等因素，结合企业资源分析后，制定详细可行的排产工单。MES的功能主要表现为：1）将APS给到的排产工单进一步拆解成时间粒度更细的执行计划；2）针对参与生产制造的各类要素，如设备、员工、物料等进行管控、管理；3）进行数据采集、分析、预警、预测等（详情见例证摩尔元数）。

应用场景-数据价值释放之工业AI

以AI算法为基础，以行业know-how为支撑，在系统更优、识别分类、预测、知识沉淀等问题处理方面赋能

按照应用场景，工业AI对制造业数字化转型赋能主要体现在系统更优、分类或识别、推荐或预测、知识沉淀及管理这四大类问题。就具体落地形式而言，当前不同数字化转型供给方推出的服务及产品相似，主要聚焦计划排期、质检、辅助决策、工业机理模型等方面，多以定制的软件服务输出。就相对优势而言，制造大厂凭借深厚的行业know-how积累+产品易进入应用与验证阶段而相对领先；除此之外，数据治理和AI能力都较为成熟与领先的AI厂商也相对具有优势。但值得注意的是，同类型企业之间的关于“智造力”的竞争也将开启，如工业富联与英伟达在AI服务器领域展开合作，欲将设计及生产垂直整合，更适合工业场景。

04制造业数字化转型难点与建议

难点与建议1-理想VS现实需平衡

数字化转型忌追求“大而全”，需结合企业发展阶段、对数据、对数字化的持续性、企业的资金实力等方面慎重定目标

在数字化转型的需求&咨询阶段，通常存在“采集的数据越多越好”“软件/方案越全越好、越贵越好”的误区，上述误区会带来建设及运维资金成本高、系统沉疴、尾大不掉等问题。故确认转型需求时，需重点考虑：1）企业当前所处数字化阶段，即企业当前需要解决的核心问题是什么？是否能承受“大而全”的方案？2）对数据要持有正确态度，即数据不是的，也不是没有数据是万万不能的，在可行的条件下，核心场景的核心数据需要采集并加以利用才是关键；3）技术迭代、制造企业本身信息化需要补课等共同推动企业数字化转型的持续性；4）转型金额投入需慎重：2022年A股上市制造企业有47%的企业净利不足1亿，其中净利为负的占比16.7%，与动辄百万左右的转型项目金额相比，活着依然是大部分制造企业的。

难点与建议2-适合的路径才是更好的

从方向-路径-落地各维度的转型路径声音很多，对需求方而言，认清自己谨慎决策，无需过分依赖现有路径，适合自身的才是更好的

在数字化转型的需求&咨询阶段，无论是内部咨询还是外部咨询（由第三方+供给方提供），都有助于从企业顶层或者业务顶层角度思考企业数字化未来发展，故对企业而言，规划是有必要的。但当前市场咨询服务在供需两端都存在一定问题：1）在需求方眼中，无论服务方是谁，可能都认为存在一定的指向性，信任问题需要解决；2）在供给方眼中，在一定程度上存在着项目主导权VS项目利益分配方面的平衡需把控。故对于需求方而言，认识到无论哪种路径，规划-转型-落地是相伴的，都具有非常强的联动与滞后性，需要及时调整以适应企业运转；对于供给方，积累行业know-how经验+围绕数据价值实现的服务是打造竞争力的重点。

难点与建议3-适合的人比职位重要

基于需求及转型目的找到合适的“一把手”是转型决策阶段的关键

在数字化转型的决策&采购阶段，合适的“一把手”这一关键人物是整个转型项目的真正起点，因为这个关键人物肩负着“有什么、缺什么、做什么、谁来做、怎么做、怎么验证”等决策重任，他们的决定直接影响数字化转型的方向和内容。故对关键人物的要求主要聚焦在3点：1）理解公司业务和战略，即知道需要什么；2）了解产品&技术，即知道有什么、缺什么、找谁做、如何验证；3）擅长沟通与资源协调，即能将项目正常推进及落地。但值得需求方注意的是：1）数字化转型需求方无需陷入关键人物的怪圈中，适合的人比职位更重要；2）无论谁领导，都将依托并发挥自身职能优势进行推进，但需要坚守转型目标。

难点与建议4-IT部门需重塑自身价值服务

IT部门融入业务部门后，有望从采购-实施-落地等各个阶段赋能业务

话语权之争、职能边界不清、IT部门被新技术裹挟后的精力分配等问题是IT与业务部门之间普遍存在的“矛盾”，而这也将影响数字化转型项目的展开与推进，甚至是转型效果。故对企业而言，无论是否进行数字化转型，IT与业务部门走向融合无疑是紧急而必要的。IT部门与业务部门融合后，好处主要有3方面：1）企业内耗降低，有助于资源利用实现1+1＞2的效果，具体表现为：其一，在项目初期助力筛选有价值的技术及服务，并助力业务走向数字化；其二，在项目实施阶段加速项目推进，缩短周期；其三，在项目后期，助力数字价值的实现，并赋能管理。2）IT部门容易找到自身持续服务的能力或抓手；3）有助于从数据价值流转的视角推进企业战略落地，甚至提供新的服务思路。

难点与建议5-打破建设与使用的习惯惯性

基于ISA95架构的点状功能满足建设与基于工业互联网平台的数据价值释放的中心化建设之间存在一定的使用或切换偏差，需要降低或打破

在数字化转型的内化&应用阶段：基于ISA95架构，是点状建设，强调功能实现或者满足；数字化转型/工业互联网平台强调数据要素价值的释放，在服务和赋能等方面偏中心化建设，这两种架构一个是生产制造的建设思路、一个是生产制造的数据管理及应用思路，二者存在使用惯性偏差，需要打破以促进转型项目的内化及应用。可以从培训、技术、数据三方面来降低这种惯性偏差，其核心思想就是增加实用性让对方需求、降低使用门槛让对方好用。值得注意的是，针对频出的新技术，无论供需双方都需要谨慎拥抱：对于需求方，重点考虑实用性与ROI；对于需求方，既需要考虑新技术与自身产品的结合点，更需要考虑其工程落地属性。

05制造业数字化转型的启示

启示1-逐步推进与长期主义并存

企业数字化转型的思路大多由点及面，且受技术等因素影响长期持续，二者相互影响相互促进

制造业数字化转型路径多样，但整体遵从以点带面的思想，即以单一生产/工作场景为单位，逐步推广至其他环节，甚至是组织。在单一生产/工作场景主要围绕两方面进行优化：在深度方面，将此间的生产活动进行数字化改造，形成场景知识库、沉淀隐性知识、提升运转和复用效率；在广度方面，重点关注此场景上下游的活动、协同，尽量优化沟通机制，减少信息差。但值得注意的是，抛开我国制造业产业结构处于快速变更阶段的影响，技术的快速迭代对供给方产品及服务的变革与升级也将作用于制造企业，并经由场景、产线等方式逐步渗透，转型具有长期性。

启示2-软硬件走向云化

软硬件云化与工业知识沉淀相互促进，共同推动正向工程的形成与推进

制造业的数字化转型最初是从企业有关钱的管理开始的，现阶段聚焦于生产制造管理，通过引入APS、MES等软件，实现原料、设备、工艺、产成品数据的采集、管理、沉淀等，且此阶段将长期持续。随着企业数字化转型的纵深推进，企业将收集到的数据及参数等转变为隐性的工业知识，促进正向工程的形成与推进，提升软硬件的管理、研发及应用能力是企业下一阶段将面临的共性问题。而工业互联网平台发展与铺设的当下，工业软硬件的云化将有效缓解当前问题，其好处有二：1）将已经收集的软硬件数据逐步沉淀为工业知识，并逐步走向微服务化、APP化，降低软硬件管理、开发及应用难点；2）工具组件、行业套件、低代码开发平台的成熟与丰富，将促进工业软硬件的云化，进而促进工业知识沉淀。未来，随着工业机理模型与工业APP的丰富与成熟、AI增强开发的成熟，工业软硬件云化的成熟度将更近一步。

启示3-从转型构建走向运营

数字化转型积累的数据资产的价值释放将是未来供给方服务的重点

当前，制造业数字化转型仍处于发展初期，央国企/龙头企业、中大型企业、小型企业当前都处于转型的探索或实验阶段，转型将长期持续，无论是主动还是产业联动所带动。但即使目前尚未进入转型深水区，需求方依然面临着怎么用、怎么发挥数据价值、怎么优化转型项目进而更好匹配企业生产运营等问题，供给方需要思考并给出答案，不在当前，也将在未来。因为当转型饱和后，虽然建设所赚比经营所赚的钱更直接的现象依然存在，但增量市场主要聚焦于经营阶段，故供给方依然会走向运营。供给方转向运营主要围绕数据生命周期提供服务，对外表现为基于平台能力及服务（即让平台好用、数据整合到复用更合理）、数据知识沉淀（即隐性知识沉淀并扩大范围）、数据应用（即产品化并寻求新的盈利模式）这几方面。

启示4-产业数据拉通缓慢进行中

数据拉通后的市场将推动买方市场形成，整个产业的价值链有望重构

继2022年底发布“数据二十条”后，2023年部分省市紧随其后，有两条值得关注：深圳将“可实现数据服务的软硬件工具纳入场内交易”、顺德率先出台数据交易专项激励政策。这两条分别从数据交易囊括的范畴和驱动力两方面促进其发展。但数据交易的前提是数据拉通，故在数据交易的推动下，产业数据拉通有望缓慢推进。产业数据拉通主要包含区域数据、行业数据、产业链数据、供应链数据、企业经营数据等诸多范畴，并多由政府主导、产业链主企业推动。产业数据拉通，除了推动产业&区域产业结构、营商环境的变化外，更重要的是有望推动买方市场的形成，各方资源利用率、运转效率将得到极大提升。目前离核心机密越远的数据，如行业标准、供应链等，有望优先拉通。