制造业数字化转型丨研究报告

核心摘要：

需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与聚焦。就需求端的需求而言，具有两大特点：1）地域特色明显，广东、江苏、浙江、山东既是制造业大省，也是积极尝试转型的省份，产业/区域协同发展、提升数字化转型的基础支撑能力基本是其共性举措；2）从需求场景来看，评优和招标市场有所区别：评优侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的，希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作，进而给出相应的改造建议，引导企业顺利转型。就需求端的转型现状而言，经过几年发展企业对数字化转型理性与聚焦并行。理性一方面是指需求端在考虑到实际需求后，在战略上高度认可，并确定未来一年在转型支出上增加投入，且供应商的选择更关注产品及服务的实用性；另一方面则是指面对大模型的热度，需求端虽然积极拥抱，但是是以客户洞察与营销管理这一大模型更适用的场景为主。聚焦主要是指需求端对自身的需求认知更明晰，即更加聚焦数据准备、供应链管理、生产管理等紧迫需求场景。

2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就市场规模而言，市场规模在2025年预计达到1.76万亿，并将在未来5年维持14%左右的增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市场提供的服务而言：1）产品侧，产品伴随市场技术更迭而迭代，且产品体系基本走向以数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷探索大模型的应用落地。

尽管制造业的数字化已经进行了几年，但市场竞争格局尚未出现任何改变，未来在行业层面、市场打法层面、产品及服务层面还有巨大的潜力，一切都是未知，一切也都有可能。1）市场机会层面：行业层面上，离散制造业中的高技术产业是高潜力行业；打法层面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业。2）产品层面：大模型具有非常强的可探索性，但还处于非常早期的阶段，供需双方都在尝试。大模型短期对市场竞争格局影响不大，但长期看，当大模型对实际应用场景具有支撑作用能力时，会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性知识构建的完整链条。

需求市场1-具有强烈的地域特色

广东、江苏、浙江、山东等是制造业企业数TOP4省份，也是积极打造产业集群、积极试行数字化转型的省份

与我国经济区域具有地域特色一样，制造业也具有典型的地域特色。从制造业法人单位数、制造业规上单位数、产业集群分布以及中小企业试点城市分布等指标来看，广东、江苏、浙江、山东等省份是我国制造业大省，也是制造业数字化转型较为积极的省份。

需求市场2-评优侧:生产相关是重点

具备落地可行性+实现工厂/系统层级的数字化管理的场景，是近两年市场所关注的方向，也是评优的关键，其中生产相关改造是重点建设方向

根据工信部等单位公布的2022&2023年度智能制造优秀场景名单：1）整体上，围绕核心生产相关的需求是近几年最为关注的，占比为57.8%；2）聚焦到细分场景来看，主要有3点值得关注：其一，实现企业/工厂系统层核心节点的数字化是当前重点：工艺、产线设计及验证；生产管理、协同作业、质检；仓储物流；集成优化等是制造业企业经营管理核心模块的核心场景，是近两年转型较为聚焦的场景；其二，利用数据资产实现业务层、管理层的优化将是未来潜力场景：随着企业数字化转型的深入，企业数据资产得到有效积累与打通，利用数据实现场景优化管理的占比有望提升；其三，工业大模型深入应用成熟后，将能提升核心场景的管理和优化效率。

需求市场3-招标侧:诊断定位+实施为主

各市工业和信息化局是主要采购方，通过数字化诊断定位企业业务痛难点后，然后寻找专业的解决方案助力企业数字化转型是其主要打法

根据招投标统计结果我们可以看出：当前数字化转型还是以政府、国企等主导，占比达95.2%。但政府和国企的策略有所不同：1）政府以数字化诊断为主（详情见需求场景示例-转型诊断），目的是通过定位企业痛难点后助力企业转型，侧重于方法论；2）国企除了完成数字化诊断后，更多是聚焦于转型实施，即会在设备采购、软件采购、产线改造等方面有采购需求。

需求市场4-设备、工控和数据皆需安全守护

数字化转型推动设备连接/上云增加、工控融合、数据生产和流动加速等利好结果的同时，也扩大了受攻击的节点范围，企业安全防护亟需跟进

从制造业企业的视角看，伴随着数字化转型的推进，制造业企业部分业务逐渐趋于云化、一体化、集成化。这一趋势推动业务联动性增强的同时，也让制造业企业暴露了更多的攻击节点，这必然会带来安全防护的需求。而设备、工控系统、数据等要素作为制造业企业生产转运的核心，其安全防护的需求将优先被满足，故针对设备安全、工控安全和数据安全的产品和服务亟需跟进（详情见需求场景示例-安全防护）。

转型地位-战略认可、业务尝试

战略上高度认可、技术上多种工具使用、业务上缓慢推进、数据上价值挖掘、成果上合理评估是当前已经转型的企业的所处的状态

经过几年的发展，企业已经对数字化转型不再陌生，大部分企业不仅从战略上认可了转型的必要性，而且纷纷从业务、数据、效果等角度对数字化转型进行了重新认知。目前，有86.7%的企业认为转型是十分必要的。同时，企业不只是停留在口号阶段，而是付诸实际，即：1）技术上，71.1%的企业已经铺设了多种工具/技术，试图优化并推动业务发展；2）业务上，55.6%的企业试图将转型推进至核心业务；3）数据上，91.1%的企业在不断的挖掘自身数据资产的价值；4）效果上，当前以侧重提升用户体验为主。

转型驱动因素与期望-需求驱动+合理预期

产业链上下游需求驱动是推动企业转型的主因；运营成本优化、端到端打通和数据驱动决策是企业通过转型最希望获得的TOP3效果

整体来看，企业对数字化转型的动因和期望都比较理性，即需求驱动转型、合理期待转型效果。

就驱动因素而言，产业链上下游需求推动转型是主因，占比达73.3%，紧随其后的就是数据孤岛导致决策延迟，占比为55.6%。

就转型期望而言，当前企业主要落脚点在成本优化，占比达84.4%。同时，端到端的环节打通、数据打通后赋能决策也是企业所希望看到的，占比分别为75.6%和71.1%。

紧迫转型场景-底层数据基础搭建为首

数据资产的准备、供应链管理和生产管理是最紧迫的TOP3场景

企业数字化转型需要完成数据准备（含采集、传输、存储）-数据处理-数据分析-数据应用等全流程。从企业转型最紧迫的场景分布来看，数据准备和数据应用是企业最为关切的两大环节。

针对数据准备，底层设备改造、数据打通等企业最为迫切的，占比达77.8%。

针对数据应用，企业主要侧重于两大场景：1）供应链管理相关建设具备易评估、相对易实施的特性受到企业重视，占比为68.9%；2）生产管理是核心，其中设备管理、排产规划、AI质检等不仅具影响整个生产效率，而且影响产品品控，因此颇受企业重视。

供应商选择&转型顾虑-实用+历史包袱重

方案与实际场景相匹配是企业选择供应商的主要考虑因素；现有系统/设备改造复杂等历史包袱过重是企业转型时的主要顾虑

当前制造业企业可理性的供应商。方案的实用性，如与实际需求场景的匹配性、与现有产品/系统的兼容性是企业考虑的TOP2要素，占比分别达到82.2%、75.6%。同时，企业还重点考虑性价比，投资回报率的测算报告、系统的扩展性/可自主操作性也是企业所看重的，并列第三。

就转型顾虑而言，企业较为实际，历史包袱重、跨部门协同阻力大、投资回报周期长等是企业转型时所担忧的TOP3要点。

未来1年转型投入-普遍增长+软件为主

77.8%的企业表示来年转型投入会有所增长，其中软件依然是相对大头

此次调研结果显示，77.8%的企业都表示未来1年其在数字化转型的投入占比将有所增长，增长幅度主要聚焦在5%-10%。也有13.3%的企业表示将维持不变。只有6.7%的企业表示会减少转型投入。

就转型支出的分配来看，软件支持比例将有所提升，占比达46.6%。

企业探索大模型落地场景-营销销售为主

营销销售、供应链管理、数据服务等是企业探索大模型落地的主要场景

此次调研结果显示，企业对大模型的落地探索较为热情，基本覆盖了研-产-供-销-服等所有环节。其中，有40.0%的企业选择大模型落地经营环节-客户洞察与营销管理，这与大模型良好的文本能力、图片生成能力等息息相关。除此以外，供应链管理、数据相关服务也是企业探索大模型落地较多的场景，占比分别为35.6%和33.3%，这与在大数据建设基础上，叠加大模型能力能让数据资产发挥更大价值有关，如异常事件的智能模拟与处理。

大模型落地顾虑-结果不确定带来决策风险

由大模型输出结果的不确定性带来的决策风险是企业最担忧的事情

企业虽然对大模型的落地探索较为热情，但也对大模型的落地应用伴有担忧。数据结果的不确定性导致决策风险是企业最担忧的事情，占比达80%。除此以外，领域知识结构化困难且不足、多模态理解能力不足也是企业较为担忧的，占比分别为60%和55.6%。由此也说明，当新技术应用于实践时，需求端市场更多是从实际落地的可行性考虑的，故对新技术的反应更加理性克制 。

对大模型期望+拥抱方式-能力增强+借力

领域知识增强、突破多模态理解限制是企业对大模型能力的主要期望；联合研发或者直接用外部成熟产品是企业拥抱大模型的主要方式

针对大模型的期望，企业重点关注大模型本身能力的增强，其中领域知识增强（如解决幻觉、增强可解释性、适应动态变化的知识等）、多模态理解突破场景限制是企业最期望大模型能突破的TOP2问题，占比分别为66.7%和62.2%，远高于排名第三的模型轻量化（占比为37.8%）。结合大模型的落地顾虑来看，企业本质是希望大模型完成可能能用-可用-好用的转变。

就企业拥抱大模型的方式而言，44.4%的企业还是倾向于通过联合研发或使用外部成熟产品来拥抱大模型，企业在金钱、可行性、实用等方面做平衡，整体还是较为理性的。

整体市场规模-2025年有望达到1.76万亿

市场未来5年将维持14%左右的增速稳定增长，其中，以软件支出为主

制造业数字化转型已成为一个必选题基本已经在业内达成共识。尽管经受几年疫情影响，但在国家政策的支持与行业实际需求的助推下，中国制造业数字化转型依然维持相对稳定的增长态势。2024年中国制造业数字化转型的市场规模达到1.55万亿，预计在2025年达到1.76万亿，并将在未来5年维持14%左右的增速稳步增长。维持市场稳步增长的主要驱动因素聚焦在以下3方面：1）政策支持：国家在2025、2027、2030等几个重要节点都有相对明确的目标和发展方向，促使业内规上企业，尤其是头部企业积极转型；2）技术进步：一方面，供给市场经过几年的服务积累，其产品和解决方案走向细化和体系化的同时，对需求端痛点的满足更加精准；另一方面，大模型的出现，赋予了老场景新活力，也撬动了新场景需求的释放。3）主观层面看，需求端企业既要满足上下游供应链的协同要求，更要守住自身数据资产，并发挥其价值优势，这将促使企业主动寻求转型。

供给市场-产业链图谱

供给市场-产品及服务情况

产品伴随市场技术更迭而迭代，且产品体系基本走向统一，呈现软硬服+解决方案的架构体系；解决方案的深度和广度均有所提升

供给市场-主要落地业务场景情况

软件类产品基本覆盖了制造流程全生命周期；模型相关的能力应用潜力强：横向上有助于拓展核心业务场景，纵向上可贯穿软硬服产品

生产管理、质量管理、设备管理、仓储物流等场景的产品覆盖更加全面，可选的产品类型也更多，这些场景具有相对核心、易见效、易买单等特点。值得注意的是，模型相关的能力表现出较强的发展潜力：1）横向上，通过分类或识别、系统最优、经验知识推理及决策等思路为企业各个环节的运转赋能；2）纵向上，通过系统最优等思路、辅助代码等具体能力赋能软硬服等产品及服务。但大模型的应用还处于探索阶段，是否能深入生产等核心环节，还需静待市场验证。

市场特征1-解决方案一体化趋势明显

解决方案层面呈现两大融合：软硬融合、跨模块融合

与前几年相比，2024年制造业数字化转型市场的解决方案呈现出较为明显的两大特点：1）产品层推动软件+硬件组合；2）业务层推动不同模块的融合。这两大特点符合当前差异化的竞争态势，更符合需求端对人财物、产供销等核心模块趋于联动化、一体化管理的诉求。但供给市场需要注意的是：1）抓住具体实践服务机会，通过正向工程构筑自己的行业认知理解与壁垒是长期竞争的关键；2）企业生产+运营的联动管理在数字化转型建设层面已经显现，更是未来数据价值释放驱动的运营管理的重点。

市场特征2-大模型的应用探索逐步深入

通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷探索大模型的应用落地情况

当前，大模型落地工业应用时主要聚焦在辅助代码生成、知识问答、工艺设计/优化、AI检测、设备运检助手、图片生成等方面，在软硬服等方面都具备可结合性，具有较强的渗透性和发展潜力，因此市场玩家纷纷探索大模型的落地情况。目前市场主要有三种方式探索大模型应用深度：1）开发具有类人的执行任务能力的智能体；2）大模型+大模型强强联合；3）供需双方以大模型+产品探索大模型的应用。虽然大模型的应用潜力具有想象空间，但也需正式大模型/智能体的定位：短期还是以工具属性为主，长期还需要看其是否对实际生产过程有所支撑。

思考1-未来机会在哪里？

行业层面上，离散制造业中的高技术产业是高潜力行业；打法层面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业

制造业数字化转型虽然已经成为必选题，行业市场机会较多。就宏观而言：1）行业层面，高技术的离散制造业无论是从政策扶持，还是从潜在的客户数量上看，都具有较高的潜力；2）市场打法层面，市场还是秉承着产品先行的特点，可从两个视角看发展机会：其一，锚定垂直行业，进行行业知识积累及产品攻坚后，有望逐步占领市场，从而跑出一个新的行业领头企业；其二，在新标准的赛道上，如信创/国产替代，企业具有较独特的发展窗口期，在产品和市场上都相对呈现蓝海状态，具有发展潜力。

思考2-大模型会改变市场竞争格局吗？

短期对市场竞争格局影响不大，长期要看大模型对实际应用场景的支撑作用能力；大模型会加速市场变化，加速能力看大模型的赋能力度

总览大数据、VR/AR、元宇宙等新兴技术对制造业核心需求场景的影响，我们可以知道：新兴技术对行业的影响如果只停留在“锦上添花”的阶段，短期内会引起市场的讨论热度，但长期不会市场带来根本性的影响，大模型亦是如此。但大模型表现出以下3个特点：1）大数据的建设与铺垫加速了“大模型+”的探索，其应用进程较XR/AR、元宇宙快；2）大模型通过RAG等能力可以赋能较强的文本输出能力，故能填补大数据等技术应用的空白，如项目管理；3）大模型的可想象空间主要聚焦于能赋能实际生产经营活动的智能体的出现，但目前市场上尚未出现相应解决方案，市场仍需摸索时间。

思考3-有必要跟随数据开放吗？

数据开放与流通不是目的，更重要的是要基于数据构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性知识构建的完整链条

近几年，数字化转型市场持续存在数据的争夺和数据开放流通并行的特点，即供给方力求通过产品掌握更多的企业需求和企业数据流转路径、国家层面也在不断完善数据交易的合法合规。而今年达索、SAP、西门子等宣布将开放期深耕数十年的行业知识库，数据封闭VS数据开放之争已经摆上台面。是否要开放数据、如何利用已开放的数据等问题是供需双方企业都面临的问题。面对上述问题，企业主要需要考虑两点：1）是否能发挥已经开放的数据的价值，即完成数据-显性知识-隐性知识构建的完整链条，进而内化成自己的认知，为自己的产品及服务赋能；2）开放是为了提升自身产品能力或企业竞争力，需要在市场地位VS垄断优势之间做平衡。