制造业正处于变革的边缘。技术进步、不断变化的客户期望和人员挑战要求采用新方法。制造商越来越多地利用生成人工智能的潜力来优化流程、提高效率、推动创新并增强竞争力。

凯捷咨询公司开展的一项国际研究也对德国企业进行了调查，结果显示：74% 的制造企业认为它是一种变革性技术，将有助于扩大未来收入和创新。而就在一年前，即 2023 年，这一比例为 44%。因此，根据Google Cloud 的另一项调查，这并不奇怪，全球制造业和汽车行业中几乎有三分之二的公司在生产过程中使用生成式人工智能。在德国，人们似乎意识到了人工智能的重要性——但在实施方面，这里的公司更加谨慎。

在实施该技术时，公司应该考虑什么？以下是制造业高管在 2025 年应该关注的三个重要趋势。

1. 制造业的未来是多式联运

人工智能的多模态能力有可能极大地改变我们所知的制造业。多模态人工智能代理可以通过持续监控和分析各种数据源，充当生产中的“守护者”，使公司能够高效、有效地开展运营。

多模态 AI 是指能够处理和分析多种数据输入（例如文本、图像和视频、音频和振动）的结构化和非结构化数据的模型。这使得生成式 AI 能够提供以下功能：

• 描述性洞察：为制造商提供有关其运营中具体发生情况的洞察

• 预测性洞察：预测未来可能出现的问题

• 规范性行动：针对制造商可采取的解决预测问题的行动建议

了解机器何时会发生故障对企业来说非常重要。借助多模态，系统可以监听机器的振动或噪音，从而推断机器即将发生故障。通过分析各种数据源（包括市场趋势和天气数据），多模态 AI 可以识别模式、相关性和趋势。这有助于制造商更准确地预测需求并做出数据驱动的决策，最终提高供应链的弹性。

在未来几年，越来越多的制造商将尝试这些功能并找到解决现代生产设施众多挑战的用例，从工作场所安全到改善客户体验。

2. 生成式人工智能将推动以客户为导向的制造业

近年来，人们从实体零售转向网上购物：从消费品到汽车，顾客在网上购买一切商品。邮政银行 2024 年数字化研究显示：四分之一的人已经主要在网上购物。

这一发展也影响了客户的需求，因为他们越来越期望他们寻求的产品尽可能地可定制。这反过来又导致供应链被迫适应制造商的需求，而不是相反。可以预见，传统的仓储和销售模式将在未来演变为复杂的按订单生产销售模式。为了推动这一变革，制造商必须对其运营有一个可靠的实时概览。而这从数据开始。生产商需要统一他们的 IT 和 OT 数据，然后才能通过应用分析和 AI 工具获得可操作的见解，最终优化流程——从产品设计和生产效率到有针对性的营销计划和主动客户服务。

在业务运营中，不确定性是利润的敌人。缺乏透明度会导致计划外停机，进而导致损失，并在满足需求、管理库存和应对供应链挑战方面产生进一步的不确定性。通过 OT-IT 数据集成实现的实时运营透明度是减少这种不确定性和最大限度地减少成品过剩或不足的关键。

3. 生成式人工智能有助于弥补制造业的技能差距

随着经验丰富的员工退休，制造商难以吸引和留住具备必要技能的新人才，该行业熟练工人的短缺问题正变得越来越严重。IW的一项调查利用牛津经济研究院的全球经济模型计算生产潜力的报告显示：2024年，德国经济因缺乏熟练工人而损失了524.3亿美元的生产能力。

尤其是在当今时代，生产一线的员工必须配备有用的工具来实时解决问题。因为生成式人工智能通过改变知识共享和应用的方式，为制造业熟练劳动力短缺的挑战提供了强有力的解决方案。想象一下，人工智能代理可以捕捉经验丰富的员工的专业知识，并为新员工提供个性化的培训计划。这些代理可以充当虚拟导师，提供指导、回答问题并提供实时反馈。

由于重复性任务的自动化和人类能力的增强，生成式人工智能还可以帮助经验较少的员工承担更艰巨的任务，同时有效地帮助现有劳动力提高技能。此外，生成式人工智能可以优化工作流程、预测维护需求和翻译语言，使制造业更加高效和包容。这不仅可以提高生产力，还可以创造更具吸引力、更易于获得的工作，并吸引新的人才进入该行业。

逐步扩大人工智能应用范围

展望 2025 年，人工智能在制造业的应用将加速，其应用范围将扩大到广泛的领域。为了最大限度地减少干扰并确保技术成功实施，制造商应逐步引入人工智能工具，并让员工适应运营的变化。

成功整合的先决条件是透明的内部沟通、全面的培训和持续的支持。此外，还有使员工能够自己排除故障并优化新技术使用的资源。从小型试点项目开始是有意义的——允许制造商逐步扩大人工智能的实施，并了解什么才是真正适合其运营的。因此，工业领域的决策者可以以可控的方式利用技术的优势，同时努力实现自己公司的愿景。