2023愛分析·智能制造廠商全景報告｜愛分析報告

2023-07-05 12:22:06

為了幫助制造企業更好地理解智能制造的應用實踐價值，了解智能制造各細分市場的優質廠商及其產品和技術能力，愛分析開展了《2023年智能制造廠商全景報告》相關研究。

01 研究范圍定義

研究范圍

“十四五”期間工信部等發布《“十四五”智能制造發展規劃》，強調智能制造是我國制造強國主攻方向，加快推動智能制造發展，深化智能推廣應用，開拓制造業數字化轉型升級新路徑，智能制造市場發展潛力進一步深化。與此同時，企業智能制造也面臨諸多亟待解決的問題。

宏觀層面，國家政策助推智能制造與綠色制造深度融合，企業在積極發展智能制造的同時，也需加強與綠色制造的深度融合。在“中國制造2025”政策末期，國家又相繼出臺了《“十四五”戰略性新興產業發展規劃》、《工業領域碳達峰實施方案》等政策，推進“工業互聯網+綠色低碳”，聚焦能源管理、節能降碳等典型場景，推廣標準化的“工業互聯網+綠色低碳”解決方案和工業APP。

因此，如何以智能制造推動制造業綠色發展，成為企業面臨的新考題。技術層面，在新一輪技術革命下，各項新興數字化技術如何在制造業場景落地，成為企業待探索的問題。例如，5G、VR/AR、邊緣計算等新興技術持續滲透，逐步釋放價值。工業元宇宙、大模型等前沿技術，又帶來了新的命題。

從需求側來看，首先，消費端整體需求放緩，消費者對制造的精細化提出了更高要求，同時新消費時代下消費者對消費品個性化的要求逐步提升，對供應鏈提出了考驗；其次，全球經濟滯脹導致制造業出口增速降低，精益生產成為增長點，加之疫情以來，制造業人力短缺與資源流通不暢加劇，進一步倒逼中國制造企業進行自動化、數字化、智能化升級。如何以智能化能力滿足消費端高端化、個性化需求，助推消費增長，又如何解決生產端的資源短缺問題，實現精益生產、增強協同能力，是制造企業必須面臨的挑戰。

為了幫助制造企業更好地理解智能制造的應用實踐價值，了解智能制造各細分市場的優質廠商及其產品和技術能力，愛分析開展了《2023年智能制造廠商全景報告》相關研究。愛分析將智能制造市場劃分為基礎層、平臺層、應用層。其中，基礎層主要涵蓋云計算、邊緣計算、硬件設施設備。平臺層主要有工業數據智能平臺、技術平臺及業務平臺。應用層分為解決方案及工業軟件。具體市場劃分詳見下圖。

圖：智能制造市場全景地圖

廠商入選標準

本次入選報告的廠商需同時符合以下條件：

廠商的產品服務滿足各市場定義的廠商能力要求；
近一年廠商需要具備一定數量以上的企業付費客戶（參考第4章市場分析部分）；
近一年廠商在特定市場的營業收入達到指標要求（參考第4章市場分析部分）。

（注：“近一年”指2022年Q1至2022年Q4）

02 市場洞察

2.1 智能制造市場規模增速放緩，行業呈現分化

在宏觀政策的持續正向引導和企業自身業務發展訴求的雙重驅動下，中國智能制造市場保持著增長態勢，制造業企業對于數字化轉型的認知不斷升級，投入意愿增強。

但宏觀經濟下行對制造業企業帶來了較大的壓力，根據國家統計局數據，2023年第一季度全國規模以上工業企業實現利潤總額15167.4億元，同比下滑21.4%。受此影響，制造業企業尤其是民營企業的數字化轉型投入能力有所下降，2023年智能制造市場規模增速放緩。從行業來看，綜合行業收入規模、數字化投入能力、政策支持度等因素判斷，汽車、電子設備、電氣、鋼鐵、有色金屬、醫藥等是智能制造投入較高的重點行業。

2.2 智能制造重點建設方向：敏捷化、低碳化、平臺化

從智能制造建設的重點方向來看，供應鏈管理、生產管理、能源管理、數據智能平臺建設是重點場景，整體呈現敏捷化、低碳化、平臺化的趨勢。

1）供應鏈管理：經歷了疫情洗禮，隨著后疫情時代復工復產的推進，打造敏捷、充滿韌性的供應鏈成為制造企業的重中之重。面對不確定性增強的產業鏈和消費端更加激烈的市場競爭，企業一方面需要提升供應鏈的抗風險能力和敏捷響應能力，另一方面需要降低供應鏈端的成本。

2）生產管理：生產環節是企業提質降本增效的核心業務環節。在基礎的生產管理和執行場景，企業正在對傳統的MES系統進行數據化、云化升級，更好地實現數據驅動協同和管理。同時，以汽車制造為代表的先進制造業正在實現高級計劃與排程，并借助新的AI算法持續優化效果。

3）能源管理：雙碳背景下，綠色制造+智能制造成為新趨勢。政策方面，《工業領域碳達峰實施方案》明確要求建立數字化碳管理體系，《加快推動制造業綠色高質量發展的指導意見》也即將出臺。同時，對于鋼鐵、有色金屬、醫藥制造等高能耗行業，節能降碳也契合企業降低成本的現實考量。

4）數據智能平臺：制造業企業的數字化轉型正在從單點場景驗證進入平臺化能力建設階段，平臺的價值逐步得到認可。以數據智能平臺為例，建設數據智能平臺已經成為企業統一管理數據資產、打通數據支撐各業務場景數字化應用的必備基礎設施。

2.3 新興技術尚處于嘗試階段

1）工業元宇宙：工業元宇宙可以在生產、研發設計、測試、運維等全生命周期、全價值鏈環節實現對工業企業賦能時通過孿生仿真、AI技術，從映射、監測，走向問題原因的診斷及問題預測，將成為智能制造的一種重要形態。目前，工業元宇宙已在工業的研發、生產、管理、銷售、實訓等階段有不同程度應用，且已實現設備、產線、工廠甚至產業鏈級的部分應用，對企業提質降本增效、服務產業鏈治理與供應鏈優化起到了重要作用，但仍面臨著技術儲備相對不足、標準體系缺失、數據安全問題突出、應用場景的深度和廣度有限等問題。

2）大模型：以OpenAI的GPT為代表的大模型開啟了新的智能化時代，長遠來看也必然對制造業帶來巨大變革。大模型在制造業的潛在應用場景眾多，如借助大模型的圖形生成能力，應用于輔助研發設計；基于大模型構建知識庫問答系統，應用于工藝、流程等業務知識培訓；將大模型的推理能力與工業機器人的自動化執行能力結合，實現機器人的自主行動等。整體而言，目前制造業對于大模型的落地應用尚處于觀望學習階段。未來大模型的落地應用還將面臨制造業數據質量不足、專業知識know-how復雜等難題的挑戰。

03 廠商全景地圖

愛分析基于對甲方企業和典型廠商的調研以及桌面研究，遴選出了在智能制造部分市場中具備成熟解決方案和落地能力的入選廠商。

04 市場分析與廠商評估

設備后市場服務

市場定義：

設備后市場服務解決方案，是指利用工業互聯網技術手段，圍繞待售及已售設備，為終端用戶提供售后增值服務的解決方案，包含設備故障診斷、預測性維護、設備運行監控、設備數據分析、售后營銷等，旨在提高設備的運維效率、降低運維成本、提高客戶滿意度，并發掘更多的增長價值。

甲方終端用戶：

金屬制品、通用設備、專用設備、汽車、船舶、電氣機械、儀器儀表等裝備制造企業的生產、售后、銷售、維保及IT部門。

甲方核心需求：

我國工業化水平不斷提升疊加經濟環境的萎靡，導致裝備制造業需求增速放緩甚至開始萎縮，增量市場空間越來越小。因此，對裝備制造企業而言，深度挖掘現有存量市場、最大化其價值，以售后增值服務吸引客戶買單、創造新業績增長點，打造產品+服務的商業模式，是其保持穩定持續增長的必然選擇。在進行后市場服務時，裝備制造企業常產生諸多需求：

1、企業需提升運維效率。一是設備運行狀態缺乏實時監測，運行情況只能在出故障后被動獲取，頻繁故障則會影響終端用戶企業生產經營，也會影響設備制造企業的客戶忠誠度，故提供主動性運維服務是終端用戶企業和設備制造企業的共同訴求；二是在到達現場前，運維人員難以完全掌握設備故障情況，其對故障情況的了解僅來自于終端用戶的描述，受溝通效率和終端用戶經驗影響大，不利于維保人員快速做出維保決策，導致整體維保周期長；三是設備復雜度較高，在復雜環境下依靠人工很難快速定位和解決故障問題，運維效率強依賴售后運維人員的個人經驗，具有較大的局限性。因此，實現對設備運行狀態的全面實時監控，是設備制造企業的重要需求。

2、企業需提升售后質量和客戶滿意度。一方面，設備的現場運維過程難以獲取，僅依靠運維人員的口頭或書面描述，設備制造企業無法直接掌握運維人員的技術水平和操作行為，無法保障運維質量，運維風險較大；另一方面，設備的歷史運維記錄也較難查詢，設備制造企業無法按時提前安排維保，也無法依靠歷史運維情況優化運維方向，效率低、質量不佳，難以保障客戶滿意度。對設備制造企業而言，以數字化手段實現對設備運維過程和運維歷史的記錄，是其加強運維人員管理能力、提升售后質量、提高客戶滿意度的必要手段。

3、企業需降低運維成本。隨著裝備制造企業的業務規模持續擴大，設備類型隨之增多，設備存量大且終端客戶相對獨立，其地理位置較為分散，空間跨度大，若僅依靠傳統人工出差現場式運維，實效性差，同時人員差旅成本及時間成本高昂。運營維護成本居高不下，這為企業設備運維管理帶來諸多壓力。因此，企業需要通過智能化技術手段，便捷獲取設備運行數據，實現遠程故障排查，取代或替代部分人力現場運維，有效節約人力運維成本，提升企業盈利能力。

4、企業需提升售后服務價值，促進商機獲取。對裝備制造企業而言，除以售后增值服務提升盈利點外，其還需在服務中挖掘營銷價值，帶動配件銷售甚至新的整機銷售，因此基于設備和客戶數據，形成對客戶企業需求的深刻洞察，是企業最大化售后服務價值、促進服務部門從成本中心向利潤中心轉型、打造企業第二增長曲線的基礎。

廠商能力要求：

面對上述甲方核心需求，廠商需能為企業提供完善的設備后市場解決方案，具體而言需具備以下能力：

1、廠商需具備設備監控與數據采集能力。廠商需具備高精度的物聯網技術，依托傳感器等物聯網設備以及5G等網絡通訊技術，實現對設備運行狀態的全面實時監測和數據采集，一方面能在故障發生前，基于對設備可能出現的故障進行預測分析，幫助企業提前采取措施以減少故障的影響范圍和程度；另一方面能在故障發生時，及時響應、快速定位、解決問題，從而提高售后運維效率，增強終端用戶企業的客戶忠誠度。另外，廠商需具備數據可視化能力，能將監測到的數據進行處理并形成可視化監控結果和分析報告，為運維決策提供更直觀的支持。

2、廠商需具備對設備運維過程的記錄與管理能力。廠商需能基于物聯網或移動化平臺等數字化手段，對設備的運維過程和運維歷史進行記錄，以便設備制造企業實時掌握運維人員行為，或依據歷史運維情況優化運維方向，提高運維效率和售后服務質量。

3、廠商需具備遠程診斷與運維能力。首先，廠商需具備遠程診斷能力，通過傳感器及VR等，實現遠程故障排除診斷，以降低人力成本；其次，廠商需能提供現場服務資源調度和優化能力，幫助企業合理安排現場服務人員和物料，降低路途成本；最后，廠商可依托虛擬現實技術，幫助企業構建遠程維修功能，遠程協助終端企業用戶操作，以進一步降低現場運維成本。

4、廠商需具備售后服務平臺建設能力，并能幫助企業構建營銷能力。廠商需能幫企業構建售后服務平臺，包含數據管理、運維管理、客戶管理、合同管理等功能，幫助企業進行全面的售后服務管理，提高售后服務能力；同時，需具備大數據分析和挖掘能力，在打通設備和終端企業客戶數據的基礎上，深度挖掘終端客戶需求，為后續持續性營銷提供基礎，幫助企業最大化售后服務價值。

入選標準說明：

1.符合設備后市場服務平臺的廠商能力要求；

2.近一年工業數據智能平臺服務客戶數5家及以上；

3.近一年該市場相關服務收入規模在500萬元以上。

代表廠商評估：

廠商介紹：

廣州魯邦通物聯網科技股份有限公司（簡稱“魯邦通”）成立于2010年，是具備服務型制造基因的國家專精特新重點小巨人企業，為全球客戶提供高質量的工業物聯網通信和邊緣計算產品，同時面向國內中小企業提供設備智能化和智能服務的工業互聯網場景數字化解決方案。

產品及解決方案廣泛應用于機器人、醫療設備、環保設備、新能源裝備、電梯及特種設備等工業設備行業。成立以來，依托遍布全球的銷售及服務網絡，服務了大量國內外知名電信運營商和世界五百強企業，以及全球數千家中小企業。

產品服務介紹：

魯邦通聚焦5G+工業互聯網技術研發多年，打造了傳感與控制、邊緣計算、5G通信、工業低碼、人工智能等核心技術，構建魯邦通智物協同云，實現“云邊端”的融合并賦能行業場景數字化、網絡化及智能化。為全球客戶提供高質量的工業物聯網通信和邊緣計算產品，同時面向國內中小企業提供設備智能化和智能服務的工業互聯網場景數字化解決方案，廣泛應用于機器人、醫療設備、環保設備、新能源裝備、電梯及特種設備等工業設備行業。

作為一家5G+工業互聯網行業解決方案提供商，魯邦通在端到端解決方案、中小企業積累、垂直行業深挖、出海賦能四方面，具備顯著的優勢。

軟硬件深度結合的端到端解決方案，助力客戶獲得一站式體驗。魯邦通為裝備企業提供覆蓋傳感與控制、邊緣計算等硬件，工業低碼平臺、細分領域后市場服務應用在內的整體解決方案，在助力客戶簡化協調多家供應商的流程、輕松獲得一站式便捷閉環體驗的同時，實現基于設備物聯的服務生命全周期精細化管理和價值再挖掘.
傳感與控制、邊緣計算層面，魯邦通自研多種高帶寬、低時延、高可靠的工業路由器，以及算力強勁、接口豐富、網絡接入穩定、定制化開發便捷的邊緣計算網關，能夠結合企業設備實際情況，高效準確獲取設備信息，同時結合自身強大算法能力，幫企業實現設備物聯、數據傳輸和精準分析。以電梯行業為例，基于魯邦通物聯網數據采集，數據準確率可達98%以上。
工業低碼平臺層面，魯邦通能為企業提供輕松構建復雜業務場景的能力，基于該平臺，企業可實現內部信息系統的集成以及多種工業互聯網APP場景應用的開發，滿足自身定制化需求。
后市場服務應用層面，魯邦通能夠以三類方案，為裝備企業后市場服務賦能，實現從單一“產品”到“產品+服務”的價值躍升：一是基于物聯網，幫助企業完成從服務規劃、請求、響應、現場服務、備品備件等在內的基礎售后服務數字化，提升用戶滿意度；二是融合從設備控制器、傳感器等采集到的數據和AI大數據洞察，幫助企業進行預測性設備維護，降低運維成本；三是結合設備本身的物聯情況，幫助企業進行商業模式創新，如后服務市場定價創新和設備租賃模式創新等，實現業務新增長。
以某清潔設備制造商為例，基于魯邦通提供的包含硬件對接、設備接入、平臺對接、CRM、售后、銷售、預防性維護、數據分析閉環等在內的一體化解決方案，該清潔設備制造商解決了清潔設備大規模部署的售后運維和監控問題，實現了設備數字化轉型，從設備制造商升級為設備服務商，推動了市場開拓與業務增長。

基于面向中小企業客戶的深度積累，為中小企業提供高價值增長方案。魯邦通瞄準規模體量相對不大、預算相對不足、數字化實力相對欠缺的長尾中小制造企業，深度把握其強調實用性、投入產出比的基本前提和由制造向服務轉型的底層訴求，依托自身在企業內部的長期實踐驗證和在其他中小企業的不斷打磨，將中小企業客戶需求沉淀至產品中，為中小企業提供一整套的、以業務為導向、高投入產出比為目標的高價值解決方案，助力其挖掘存量價值、實現業績增長。同時，針對對轉型路徑不明晰的中小企業，魯邦通也會結合實際向其提供咨詢附加服務，對其進行經驗賦能。

面向特定垂直行業進行持續深挖，具備豐富的行業know-how。魯邦通聚焦于醫療設備、機器人、環保設備、水務設備等幾個特定裝備制造行業，形成了行業專屬后市場服務解決方案，并通過頭部標桿客戶持續規模化落地，不斷完善解決方案，形成了突出的行業know-how。同時，魯邦通選取電梯與特種設備行業，對行業需求進行更深一步的挖掘，依托深刻的行業理解形成了基于不同角色的解決方案體系，幫助企業共建產業協同互聯生態體系，推動后市場服務從工業互聯向產業互聯的變革。
以電梯行業為例，基于魯邦通在電梯行業的八年積累，圍繞政府單位、維保單位、電梯廠商、物業單位、保險公司等不同角色，魯邦通構建了全場景產業互聯網整體解決方案——面向政府，魯邦通提供監管和安全治理解決方案，助力實現應急救援、按需維保等任務；面向維保單位，魯邦通在幫他們接入政府系統、滿足政府監管的同時，助力其構建數字化協同管理平臺；面向電梯廠商，魯邦通則通過數據采集幫助其優化研發方向，并賦能自營維保業務；而針對物業單位，魯邦通則為其構建安全管理解決方案，實現無紙化巡檢。
具備強大的海外渠道網絡和出海經驗積累，可以為制造企業出海深度賦能。魯邦通自成立之初就開始服務海外市場，已有13年出海經驗，能為出海制造企業提供多種幫助。首先，魯邦通銷售與服務網絡覆蓋德國、荷蘭、英國、澳大利亞、馬來西亞、日本、巴西等全球主要國家和地區，還能為出海制造企業海外渠道合作、服務升級提供支持；其次，魯邦通網關具備全球200+國家的安全合規認證和運營商認證，能夠幫助企業設備整機通過快速認證，助力企業滿足合規要求；最后，依托自身長期的出海經驗積累，魯邦通能為制造企業提供出海落地方案支持，促其提升海外市場競爭力。

典型客戶：

國邦協同科技（廣東）有限公司、廣東磊蒙智能裝備集團有限公司、廣州安必平醫藥科技股份有限公司、東莞市資源環保裝備智造有限公司、上海快倉智能科技有限公司。

工業數據智能平臺市場定義：工業數據智能平臺是指以工業數據為生產要素，通過融合數據處理、數據分析與挖掘、數據可視化、機器學習等大數據和人工智能技術，實現數據驅動的智能分析與決策的基礎平臺。甲方終端用戶：IT部門、數據部門甲方核心需求：在內外部多種類、多特征信息海量增長的當下，制造業企業難以高效準確地進行數據分析和業務決策。基于精細化生產經營管理的需求，企業需要通過打通數據孤島、實時數據分析等手段更好地進行數據應用，進而實現降本增效的業務目標：

打破數據孤島、提升數據質量、提升業務響應速度、提升開發能力首先，制造業企業需要形成端到端的全鏈路數據開發治理流程：工業數據分散在不同的系統和環節中，包括信息管理系統數據、機器設備數據和外部數據，前者為結構化數據，后兩類包括結構化、半結構化和非結構化數據。制造業企業需要將這些復雜的非結構化數據進行集成、治理、計算、應用，形成端到端的全鏈路數據開發治理流程。其次，企業需要建立統一的數據標準以提升數據質量，沉淀數據資產：由于工業軟件接口協議不一致、煙囪式開發等原因，制造業基礎數據存在業務屬性規范不一致、計算邏輯不統一、數據重名等問題，制造業企業亟需建立統一的數據標準，打破數據孤島，打通研發設計、生產制造、售后營銷各環節之間的數據，形成完善的數據質量管理體系，以沉淀企業數據資產。再次，企業需要實現流批一體數據治理能力：一方面，制造業需要通過對實時數據的治理、應對來快速響應業務需求；另一方面，歷史數據對制造業建立模型進行設備的預測性維護具有重大價值。然而，現存的流、批獨立方案存在一些痛點。首先是數據鏈路冗余導致的資源浪費，由于流處理和批處理是兩套獨立系統，因此需要兩個團隊將部分相同的邏輯運行兩遍；其次是數據口徑不一致導致的數據復用能力弱，在兩套系統、兩套UDF下，流處理和批處理的結果會產生一定程度誤差，給業務方造成困擾；最后是存儲隔離導致的數據管理困難，由于實時數據與離線數據在存儲介質的割裂，自存儲時就相互隔離，無法對二者進行統一的數據周期管理。最后，企業需要根據業務實時需要，彈性部署存儲、計算資源：因為工業數據的復雜性，平臺會部署越來越多的存儲、計算資源為其服務，為了滿足潛在的負載需求，通常會按照訪問峰值的能力靜態配置資源，這樣就造成了非高峰期的資源浪費。但是工業數據平臺資源有限，因此企業需要根據業務的實時需求，動態地分配存儲、計算資源，實現對資源的高效利用。
貼合企業業務場景，實現數據應用高效定制化開發首先，企業要結合細分場景進行數據治理：制造業各細分領域差異大，行業壁壘高，對數據流程和邏輯的綜合把控并非易事，從數據處理到業務場景落地之間存在知識、經驗和認知層面的門檻。工業數據智能平臺應當能夠在理解對應行業業務內涵的基礎上，貼合企業自身生產經營狀態，幫助企業對數據進行統一規劃、提升精細化管理水平、提高決策效率。其次，企業需要匹配原有信息化基礎，定制化開發拓展需求：首先，不同企業信息化水平存在差異，甚至同一企業不同部門不同環節間數字化基礎參差不齊，企業出于工業生產活動邏輯、業務管理指標、客戶及財務數據安全等方面的考慮，需要對多場景、多管理視角進行系統化開發，定制化、本地化的建設。其次，工業數據智能平臺并非全新架構的替代性產品，無法解決企業進行架構升級時數據遷移帶來的巨大的成本，也無法保證原有架構效能的持續發揮，因此制造業需匹配原有信息化基礎，定制化開發拓展需求。