2023爱分析·智能制造厂商全景报告｜爱分析报告

时间: 2024-03-16 17:57:52 | 作者：华体会官方网站

产品详情

智能制造基于新一代信息技术，贯穿研发设计、生产制造、营销运维等制造活动的多个环节，以智能工厂为载体，关键制造环节智能化为核心，端到端数据流为基础，通过降本增效，实现从“制造”到“智造”的转变。

6月20日，爱分析正式对外发布《2023爱分析·智能制造厂商全景报告》。爱分析考虑企业需求、关注度等因素，选取其中2个特定市场进行重点分析，通过对各特定市场的需求分析和代表厂商的能力解读，为企业厂商选型提供参考。

注：本文为报告精简版，扫描下图二维码或左下角“阅读原文”，可下载完整版《2023爱分析· 人机一体化智能系统厂商全景报告》。

“十四五”期间工信部等发布《“十四五”智能制造发展规划》，强调智能制造是我国制造强国主攻方向，加快推进智能制造发展，深化智能推广应用，开拓制造业数字化转变发展方式与经济转型新路径，人机一体化智能系统市场发展的潜在能力进一步深化。与此同时，企业人机一体化智能系统也面临诸多亟待解决的问题。

宏观层面，国家政策助推智能制造与绿色制造深层次地融合，企业在积极发展人机一体化智能系统的同时，也需加强与绿色制造的深层次地融合。在“中国制造2025”政策末期，国家又相继出台了《“十四五”战略性新兴起的产业发展规划》、《工业领域碳达峰实施方案》等政策，推进“工业互联网+绿色低碳”，聚焦能源管理、节能降碳等典型场景，推广标准化的“工业互联网+绿色低碳”解决方案和工业APP。因此，如何以人机一体化智能系统推动制造业绿色发展，成为企业面临的新考题。

技术层面，在新一轮技术革命下，各项新兴数字化技术如何在制造业场景落地，成为企业待探索的问题。例如，5G、VR/AR、边缘计算等新兴技术持续渗透，逐步释放价值。工业元宇宙、大模型等前沿技术，又带来了新的命题。

从需求侧来看，首先，消费端整体需求放缓，花了钱的人制造的精细化提出了更加高的要求，同时新消费时代下花了钱的人消费品个性化的要求逐步提升，对供应链提出了考验；其次，全球经济滞胀导致制造业出口增速降低，精益生产成为增长点，加之疫情以来，制造业人力短缺与资源流通不畅加剧，进一步倒逼中国制造公司进行自动化、数字化、智能化升级。如何以智能化能力满足消费端高端化、个性化需求，助推消费增长，又怎么样才能解决生产端的资源短缺问题，实现精益生产、增强协同能力，是制造企业一定面临的挑战。

为了帮助制造企业更好地理解人机一体化智能系统的应用实践价值，了解人机一体化智能系统各细分市场的优质厂商及其产品和技术能力，爱分析开展了《2023年人机一体化智能系统厂商全景报告》相关研究。

爱分析将智能制造市场划分为基础层、平台层、应用层。其中，基础层主要涵盖云计算、边缘计算、硬件设施设备。平台层主要有工业数据智能平台、技术平台及业务平台。应用层分为解决方案及工业软件。具体市场划分详见下图。

近一年厂商需要具备少数以上的企业付费客户（参考第4章市场分析部分）；

在宏观政策的持续正向引导和企业自身业务发展诉求的双重驱动下，中国人机一体化智能系统市场保持着增长态势，制造业企业对于数字化转型的认知一直在升级，投入意愿增强。但宏观经济下行对制造业公司能够带来了较大的压力，根据国家统计局数据，2023年第一季度全国规模以上工业公司实现利润总额15167.4亿元，同比下滑21.4%。受此影响，制造业企业尤其是民营企业的数字化转型投入能力有所下降，2023年智能制造市场规模增速放缓。

从行业来看，综合行业收入规模、数字化投入能力、政策支持度等因素判断，汽车、电子设备、电气、钢铁、有色金属、医药等是智能制造投入较高的重点行业。

从智能制造建设的重点方向来看，供应链管理、生产管理、能源管理、数据智能平台建设是重点场景，整体呈现敏捷化、低碳化、平台化的趋势。

1）供应链管理：经历了疫情洗礼，随着后疫情时代复工复产的推进，打造敏捷、充满韧性的供应链成为制造企业的重中之重。面对不确定性增强的产业链和消费端更加激烈的市场竞争，企业一方面需要提升供应链的抗风险能力和敏捷响应能力，另一方面需要降低供应链端的成本。

2）生产管理：生产环节是企业提质降本增效的核心业务环节。在基础的生产管理和执行场景，企业正在对传统的MES系统进行数据化、云化升级，更好地实现数据驱动协同和管理。同时，以汽车制造为代表的先进制造业正在实现高级计划与排程，并借助新的AI算法持续优化效果。

3）能源管理：双碳背景下，绿色制造+智能制造成为新趋势。政策方面，《工业领域碳达峰实施方案》明确要求建立数字化碳管理体系，《加快推动制造业绿色高质量发展的指导意见》也即将出台。同时，对于钢铁、有色金属、医药制造等高能耗行业，节能降碳也契合企业降低成本的现实考量。

4）数据智能平台：制造业企业的数字化转型正在从单点场景验证进入平台化能力建设阶段，平台的价值逐步得到认可。以数据智能平台为例，建设数据智能平台已经成为企业统一管理数据资产、打通数据支撑各业务场景数字化应用的必备基础设施。

1）工业元宇宙：工业元宇宙可以在生产、研发设计、测试、运维等全生命周期、全价值链环节实现对工业企业赋能时通过孪生仿真、AI技术，从映射、监测，走向问题原因的诊断及问题预测，将成为智能制造的一种重要形态。

目前，工业元宇宙已在工业的研发、生产、管理、销售、实训等阶段有不同程度应用，且已实现设备、产线、工厂甚至产业链级的部分应用，对企业提质降本增效、服务产业链治理与供应链优化起到了重要作用，但仍面临着技术储备相对不足、标准体系缺失、数据安全问题突出、应用场景的深度和广度有限等问题。

2）大模型：以OpenAI的GPT为代表的大模型开启了新的智能化时代，长远来看也必然对制造业带来巨大变革。大模型在制造业的潜在应用场景众多，如借助大模型的图形生成能力，应用于辅助研发设计；基于大模型构建知识库问答系统，应用于工艺、流程等业务知识培训；将大模型的推理能力与工业机器人的自动化执行能力结合，实现机器人的自主行动等。

整体而言，目前制造业对于大模型的落地应用尚处于观望学习阶段。未来大模型的落地应用还将面临制造业数据质量不足、专业知识know-how复杂等难题的挑战。

爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出了在智能制造部分市场中具备成熟解决方案和落地能力的入选厂商。

爱分析对本次智能制造数字化项目重点研究的特定市场定义如下。同时，针对参与此次报告的部分代表厂商，爱分析撰写了厂商能力评估。更多厂商评估详情请扫描下方二维码，获取完整版PDF报告。

设备后市场服务解决方案，是指利用工业互联网技术手段，围绕待售及已售设备，为终端用户提供售后增值服务的解决方案，包含设备故障诊断、预测性维护、设备运行监控、设备数据分析、售后营销等，旨在提高设备的运维效率、降低运维成本、提高客户满意度，并发掘更多的增长价值。

金属制品、通用设备、专用设备、汽车、船舶、电气机械、仪器仪表等装备制造企业的生产、售后、销售、维保及IT部门。

我国工业化水平不断提升叠加经济环境的萎靡，导致装备制造业需求增速放缓甚至开始萎缩，增量市场空间越来越小。因此，对装备制造企业而言，深度挖掘现有存量市场、最大化其价值，以售后增值服务吸引客户买单、创造新业绩增长点，打造产品+服务的商业模式，是其保持稳定持续增长的必然选择。在进行后市场服务时，装备制造企业常产生诸多需求：

企业需提升运维效率。一是设备运行状态缺乏实时监测，运行情况只能在出故障后被动获取，频繁故障则会影响终端用户企业生产经营，也会影响设备制造企业的客户忠诚度，故提供主动性运维服务是终端用户企业和设备制造企业的共同诉求；二是在到达现场前，运维人员难以完全掌握设备故障情况，其对故障情况的了解仅来自于终端用户的描述，受沟通效率和终端用户经验影响大，不利于维保人员快速做出维保决策，导致整体维保周期长；三是设备复杂度较高，在复杂环境下依靠人工很难快速定位和解决故障问题，运维效率强依赖售后运维人员的个人经验，具有较大的局限性。因此，实现对设备运行状态的全面实时监控，是设备制造企业的重要需求。

企业需提升售后质量和客户满意度。一方面，设备的现场运维过程难以获取，仅依靠运维人员的口头或书面描述，设备制造企业无法直接掌握运维人员的技术水平和操作行为，无法保障运维质量，运维风险较大；另一方面，设备的历史运维记录也较难查询，设备制造企业无法按时提前安排维保，也无法依靠历史运维情况优化运维方向，效率低、质量不佳，难以保障客户满意度。对设备制造企业而言，以数字化手段实现对设备运维过程和运维历史的记录，是其加强运维人员管理能力、提升售后质量、提高客户满意度的必要手段。

企业需降低运维成本。随着装备制造企业的业务规模持续扩大，设备类型随之增多，设备存量大且终端客户相对独立，其地理位置较为分散，空间跨度大，若仅依靠传统人工出差现场式运维，实效性差，同时人员差旅成本及时间成本高昂。运营维护成本居高不下，这为企业设备运维管理带来诸多压力。因此，企业需要通过智能化技术手段，便捷获取设备运行数据，实现远程故障排查，取代或替代部分人力现场运维，有效节约人力运维成本，提升企业盈利能力。

企业需提升售后服务价值，促进商机获取。对装备制造企业而言，除以售后增值服务提升盈利点外，其还需在服务中挖掘营销价值，带动配件销售甚至新的整机销售，因此基于设备和客户数据，形成对客户企业需求的深刻洞察，是企业最大化售后服务价值、促进服务部门从成本中心向利润中心转型、打造企业第二增长曲线的基础。

面对上述甲方核心需求，厂商需能为企业提供完善的设备后市场解决方案，具体而言需具备以下能力：

厂商需具备设备监控与数据采集能力。厂商需具备高精度的物联网技术，依托传感器等物联网设备以及5G等网络通讯技术，实现对设备运行状态的全面实时监测和数据采集，一方面能在故障发生前，基于对设备可能出现的故障进行预测分析，帮助企业提前采取措施以减少故障的影响范围和程度；另一方面能在故障发生时，及时响应、快速定位、解决问题，从而提高售后运维效率，增强终端用户企业的客户忠诚度。另外，厂商需具备数据可视化能力，能将监测到的数据进行处理并形成可视化监控结果和分析报告，为运维决策提供更直观的支持。

厂商需具备对设备运维过程的记录与管理能力。厂商需能基于物联网或移动化平台等数字化手段，对设备的运维过程和运维历史进行记录，以便设备制造企业实时掌握运维人员行为，或依据历史运维情况优化运维方向，提高运维效率和售后服务质量。

厂商需具备远程诊断与运维能力。首先，厂商需具备远程诊断能力，通过传感器及VR等，实现远程故障排除诊断，以降低人力成本；其次，厂商需能提供现场服务资源调度和优化能力，帮助企业合理安排现场服务人员和物料，降低路途成本；最后，厂商可依托虚拟现实技术，帮助企业构建远程维修功能，远程协助终端企业用户操作，以进一步降低现场运维成本。

厂商需具备售后服务平台建设能力，并能帮助企业构建营销能力。厂商需能帮企业构建售后服务平台，包含数据管理、运维管理、客户管理、合同管理等功能，帮助企业进行全面的售后服务管理，提高售后服务能力；同时，需具备大数据分析和挖掘能力，在打通设备和终端企业客户数据的基础上，深度挖掘终端客户需求，为后续持续性营销提供基础，帮助企业最大化售后服务价值。

广州鲁邦通物联网科技股份有限公司（简称“鲁邦通”）成立于2010年，是具备服务型制造基因的国家专精特新重点小巨人企业，为全球客户提供高质量的工业物联网通信和边缘计算产品，同时面向国内中小企业提供设备智能化和智能服务的工业互联网场景数字化解决方案。

产品及解决方案广泛应用于机器人、医疗设备、环保设备、新能源装备、电梯及特种设备等工业设备行业。成立以来，依托遍布全球的销售及服务网络，服务了大量国内外知名电信运营商和世界五百强企业，以及全球数千家中小企业。

鲁邦通聚焦5G+工业互联网技术研发多年，打造了传感与控制、边缘计算、5G通信、工业低码、人工智能等核心技术，构建鲁邦通智物协同云，实现“云边端”的融合并赋能行业场景数字化、网络化及智能化。为全球客户提供高质量的工业物联网通信和边缘计算产品，同时面向国内中小企业提供设备智能化和智能服务的工业互联网场景数字化解决方案，广泛应用于机器人、医疗设备、环保设备、新能源装备、电梯及特种设备等工业设备行业。

作为一家5G+工业互联网行业解决方案提供商，鲁邦通在端到端解决方案、中小企业积累、垂直行业深挖、出海赋能四方面，具备显著的优势。

软硬件深度结合的端到端解决方案，助力客户获得一站式体验。鲁邦通为装备企业提供覆盖传感与控制、边缘计算等硬件，工业低码平台、细分领域后市场服务应用在内的整体解决方案，在助力客户简化协调多家供应商的流程、轻松获得一站式便捷闭环体验的同时，实现基于设备物联的服务生命全周期精细化管理和价值再挖掘.

传感与控制、边缘计算层面，鲁邦通自研多种高带宽、低时延、高可靠的工业路由器，以及算力强劲、接口丰富、网络接入稳定、定制化开发便捷的边缘计算网关，能够结合企业设备实际情况，高效准确获取设备信息，同时结合自身强大算法能力，帮公司实现设备物联、数据传输和精准分析。以电梯行业为例，基于鲁邦通物联网数据采集，数据准确率可达98%以上。

工业低码平台层面，鲁邦通能为企业提供轻松构建复杂业务场景的能力，基于该平台，企业可实现内部信息系统的集成以及多种工业互联网APP场景应用的开发，满足自身定制化需求。

后市场服务应用层面，鲁邦通能够以三类方案，为装备企业后市场服务赋能，实现从单一“产品”到“产品+服务”的价值跃升：一是基于物联网，帮助企业完成从服务规划、请求、响应、现场服务、备品备件等在内的基础售后服务数字化，提升用户满意度；二是融合从设备控制器、传感器等采集到的数据和AI大数据洞察，帮助企业进行预测性设备维护，降低运维成本；三是结合设备本身的物联情况，帮助企业进行商业模式创新，如后服务市场定价创新和设备租赁模式创新等，实现业务新增长。

以某清洁设备制造商为例，基于鲁邦通提供的包含硬件对接、设备接入、平台对接、CRM、售后、销售、预防性维护、数据分析闭环等在内的一体化解决方案，该清洁设备制造商解决了清洁设备大规模部署的售后运维和监控问题，实现了设备数字化转型，从设备制造商升级为设备服务商，推动了市场开拓与业务增长。

基于面向中小企业客户的深度积累，为中小企业提供高价值增长方案。鲁邦通瞄准规模体量相对不大、预算相对不足、数字化实力相对欠缺的长尾中小制造企业，深度把握其强调实用性、投入产出比的基本前提和由制造向服务转型的底层诉求，依托自身在企业内部的长期实践验证和在其他中小企业的不断打磨，将中小企业客户需求沉淀至产品中，为中小企业提供一整套的、以业务为导向、高投入产出比为目标的高价值解决方案，助力其挖掘存量价值、实现业绩增长。同时，针对对转型路径不明晰的中小企业，鲁邦通也会结合实际向其提供咨询附加服务，对其进行经验赋能。

面向特定垂直行业进行持续深挖，具备丰富的行业know-how。鲁邦通聚焦于医疗设备、机器人、环保设备、水务设备等几个特定装备制造行业，形成了行业专属后市场服务解决方案，并通过头部标杆客户持续规模化落地，不断完善解决方案，形成了突出的行业know-how。同时，鲁邦通选取电梯与特种设备行业，对行业需求进行更深一步的挖掘，依托深刻的行业理解形成了基于不同角色的解决方案体系，帮助企业共建产业协同互联生态体系，推动后市场服务从工业互联向产业互联的变革。

以电梯行业为例，基于鲁邦通在电梯行业的八年积累，围绕政府单位、维保单位、电梯厂商、物业单位、保险公司等不同角色，鲁邦通构建了全场景产业互联网整体解决方案——面向政府，鲁邦通提供监管和安全治理解决方案，助力实现应急救援、按需维保等任务；面向维保单位，鲁邦通在帮他们接入政府系统、满足政府监管的同时，助力其构建数字化协同管理平台；面向电梯厂商，鲁邦通则通过数据采集帮助其优化研发方向，并赋能自营维保业务；而针对物业单位，鲁邦通则为其构建安全管理解决方案，实现无纸化巡检。

具备强大的海外渠道网络和出海经验积累，可以为制造企业出海深度赋能。鲁邦通自成立之初就开始服务海外市场，已有13年出海经验，能为出海制造企业提供多种帮助。首先，鲁邦通销售与服务网络覆盖德国、荷兰、英国、澳大利亚、马来西亚、日本、巴西等全球主要国家和地区，还能为出海制造企业海外渠道合作、服务升级提供支持；其次，鲁邦通网关具备全球200+国家的安全合规认证和运营商认证，能够帮助企业设备整机通过快速认证，助力企业满足合规要求；最后，依托自身长期的出海经验积累，鲁邦通能为制造企业提供出海落地方案支持，促其提升海外市场竞争力。

国邦协同科技（广东）有限公司、广东磊蒙智能装备集团有限公司、广州安必平医药科技股份有限公司、东莞市资源环保装备智造有限公司、上海快仓智能科技有限公司。

工业数据智能平台是指以工业数据为生产要素，通过融合数据处理、数据分析与挖掘、数据可视化、机器学习等大数据和人工智能技术，实现数据驱动的智能分析与决策的基础平台。

在内外部多种类、多特征信息海量增长的当下，制造业企业难以高效准确地进行数据分析和业务决策。基于精细化生产经营管理的需求，企业需要通过打通数据孤岛、实时数据分析等手段更好地进行数据应用，进而实现降本增效的业务目标：

首先，制造业企业需要形成端到端的全链路数据开发治理流程：工业数据分散在不同的系统和环节中，包括信息管理系统数据、机器设备数据和外部数据，前者为结构化数据，后两类包括结构化、半结构化和非结构化数据。制造业企业需要将这些复杂的非结构化数据进行集成、治理、计算、应用，形成端到端的全链路数据开发治理流程。

其次，企业需要建立统一的数据标准以提升数据质量，沉淀数据资产：由于工业软件接口协议不一致、烟囱式开发等原因，制造业基础数据存在业务属性规范不一致、计算逻辑不统一、数据重名等问题，制造业企业亟需建立统一的数据标准，打破数据孤岛，打通研发设计、生产制造、售后营销各环节之间的数据，形成完善的数据质量管理体系，以沉淀企业数据资产。

再次，企业需要实现流批一体数据治理能力：一方面，制造业需要通过对实时数据的治理、应对来快速响应业务需求；另一方面，历史数据对制造业建立模型进行设备的预测性维护具有重大价值。然而，现存的流、批独立方案存在一些痛点。首先是数据链路冗余导致的资源浪费，由于流处理和批处理是两套独立系统，因此需要两个团队将部分相同的逻辑运行两遍；其次是数据口径不一致导致的数据复用能力弱，在两套系统、两套UDF下，流处理和批处理的结果会产生一定程度误差，给业务方造成困扰；最后是存储隔离导致的数据管理困难，由于实时数据与离线数据在存储介质的割裂，自存储时就相互隔离，无法对二者进行统一的数据周期管理。

最后，企业需要根据业务实时需要，弹性部署存储、计算资源：因为工业数据的复杂性，平台会部署越来越多的存储、计算资源为其服务，为了满足潜在的负载需求，通常会按照访问峰值的能力静态配置资源，这样就造成了非高峰期的资源浪费。但是工业数据平台资源有限，因此企业需要根据业务的实时需求，动态地分配存储、计算资源，实现对资源的高效利用。

首先，企业要结合细分场景进行数据治理：制造业各细分领域差异大，行业壁垒高，对数据流程和逻辑的综合把控并非易事，从数据处理到业务场景落地之间存在知识、经验和认知层面的门槛。工业数据智能平台应当能够在理解对应行业业务内涵的基础上，贴合企业自身生产经营状态，帮助企业对数据进行统一规划、提升精细化管理水平、提高决策效率。

其次，企业需要匹配原有信息化基础，定制化开发拓展需求：首先，不同企业信息化水平存在差异，甚至同一企业不同部门不同环节间数字化基础参差不齐，企业出于工业生产活动逻辑、业务管理指标、客户及财务数据安全等方面的考虑，需要对多场景、多管理视角进行系统化开发，定制化、本地化的建设。其次，工业数据智能平台并非全新架构的替代性产品，无法解决企业进行架构升级时数据迁移带来的巨大的成本，也无法保证原有架构效能的持续发挥，因此制造业需匹配原有信息化基础，定制化开发拓展需求。

首先，厂商需具备数据一体化管理能力：平台首先要能够无缝接入各制造业业务管理系统数据，集成ERP、PLM、MES、ALM、WMS等系统数据，对结构化、非结构化数据、流式数据和批式数据进行标准处理；其次，通过数据治理、数据计算、数据应用，形成端到端的全链路数据开发治理流程，沉淀形成企业数据资产。

其次，厂商应具备数据质量闭环管理能力：平台需要收集企业数据质量管理需求，建立数据质量规则，在开发过程中对数据质量进行验核，对质量问题进行跟踪处理，形成闭环的数据质量管理流程，以满足数据质量的完整性、有效性、及时性、一致性、准确性和唯一性等要求。

最后，数据智能平台产品应具备流批一体数据处理能力和弹性扩缩容能力。平台能对企业在研发设计、生产制造、营销运维等环节产生的实时数据或离线数据同时进行查询、统计分析等工作，在保证数据质量的前提下满足企业业务需求。同时，平台还应具备动态的弹性扩缩容能力，能够针对批处理任务和流处理任务采用不同的存储、计算资源伸缩策略，保证数据处理和分析任务的有效、高质量执行。

首先，厂商要具备行业垂直know-how，实现IT技术和OT技术的融合：厂商应具备一定的制造行业实战经验和相关领域的专业知识，在方案中帮助企业进行具体业务场景的实际落地。一方面，将OT采集到的实时数据与IT管理的业务数据进行融合，实现全面的数据管理和利用；另一方面，通过IT技术对OT设备进行智能检测和预防性维护，对生产过程进行实时监控，赋能业务场景。

其次，厂商要做到定制化开发、私有化部署：在数据智能平台的具体部署和落地方面，厂商应当能够根据企业具体的数据特征、业务特征和整体规划做出相应的安排，可基于自身丰富的项目服务经验，对企业的数字化建设规划提出合理建议。