未来工厂将更加：

• 模块化、灵活且敏捷
• 高效且盈利
• 在内部及与业务伙伴之间互联互通
• 对环境和社区而言可持续

说起来容易，真正落地却异常复杂？

不少企业既要应对巨额资本投入、劳动力需求缺口与数据技术能力不足的多重挑战，连建成一座符合 当前 标准的工厂都举步维艰，更别说打造面向 未来 的工厂了。

除此之外，想要读懂行业未来趋势，更像一头扎进了满是专业术语与 “顾问黑话” 的丛林 —— 从工业 4.0、软件定义工厂，到模拟前端（AFE）、4D 打印，不一而足。（没错，就是 4D，不是笔误。）¹

但守着旧模式经营显然已经行不通。正如 SAP 的 Richard Howells 在一场专家圆桌讨论中所说，如今 “常态化危机” 的大环境 —— 战争、疫情余波、航运延误、极端天气、能源成本上涨、地缘政治动荡 —— 正将传统工厂与供应链推至崩溃边缘。与此同时，制造业给地球带来的生态影响，包括副产品排放、资源消耗与能源使用，也已经成为关乎企业生死存亡的核心问题。

好在 SAP 的 Mike Lackey 在同一场讨论中点明：“对制造业而言，可持续性就等于盈利能力。” 提升效率与敏捷性的同时减少浪费，将直接转化为企业的利润增长。换言之，打造未来工厂，本质是在生产产品的同时创造长期价值 —— 它不只关乎单个季度的业绩表现，更决定了企业未来数十年的发展根基。

剥开看似遥远的行业愿景与纷繁复杂的术语外壳，我们不难发现：技术革新正以惊人的速度在各个领域全面铺开。有远见的制造企业当下就能借力这些技术成果，在持续的危机挑战中实现盈利，同时为长远发展铺路。

以下是本次专题报告的核心要点，附带九篇深度文章的链接，全方位解读未来工厂的各个维度。你将从中了解，如何在转型中做出精准的劳动力与技术投资决策，如何打破工厂的物理边界，在更广阔的供应链体系中创造更多价值。

再生型工厂

十年、二十年后的工厂会是什么模样？我们不妨先从可持续性说起，看看它将如何重塑未来工厂的形态。SAP Insights 的研究已经证实：可持续性就等同于盈利能力。

本次专题报告的开篇文章《面向未来的可持续工厂》提出了一个颇反常识的观点：未来工厂的平均占地面积，可能会远小于如今的工厂。

数十年来，制造业始终追求在不断扩大的规模下，实现可复制的高效生产。而如今的核心驱动力，正越来越转向敏捷性需求——比如能够根据市场需求、产能变化或突发状况，将生产从一个地点快速切换到另一个地点；以及生产更多定制化产品，而非千篇一律的标准件。转向更小的工厂规模，对可持续发展——更准确地说，是再生型运营——同样有着积极意义。

斯坦福大学研究员 Trond Undheim 表示：“再生的核心原则，是让事物恢复到比原本更好的状态。工厂规模越大，消耗的钢材、产生的碳排放就越多，拆解难度也越高。再生的核心在于拆解，不留环境痕迹，甚至能让环境变得更好。”

这一理念不只适用于工厂拆解，当下的日常运营同样能从中获益。采用更小的设施规模，意味着更高的运营效率，以及更少的空间与能源占用。这也意味着可以将生产基地分散布局在更靠近产品使用地的位置，从而降低运输环节带来的经济成本与环境成本。

无论工厂规模大小，像 Interface、西门子、特斯拉等知名制造企业，都针对上述各个领域给出了未来工厂的应对策略：

• 碳排放：加快减排步伐。利用物联网 (IoT) 数据识别问题，优先推进改进工作。将碳封存在产品中，也封存于工厂建筑本身（例如水泥及其他建筑材料中的碳封存）。
• 废弃物：通过数据分析探索减少浪费的先进方案。增材制造可减少废料生成。降低原材料消耗，实现废弃物现场回收；从产品生命周期末端出发，以 “循环” 思维设计产品。
• 能源：在太阳能之外应用更多可再生能源，安装低辐射窗户降低供暖与制冷成本，布局绿色氢能源，并通过升级电池技术与被动式能量收集技术实现本地储能。
• 水资源：收集并利用雨水；依托数字孪生技术监测管网漏水；现场处理并回用废水；采用绿色屋顶与蓝色屋顶方案，减少并管控雨水径流。

更智能的工厂

现在我们把视线转向迅猛发展的工业智能化，这一趋势正在信息技术（IT）领域与车间运营技术（OT）领域同步推进。

未来的工厂，会让过去的传统工厂显得相形见绌、彻底落伍。

各类技术正加速汇聚融合，既包含云计算、边缘计算、AI、增强现实、5G 无线通信等传统 IT 领域的技术，也涵盖先进机器人、协作机器人、自主运输系统、增材制造设备、计算机视觉等新型 OT 设备与能力。这种融合正是许多人所说的“工业 4.0”——正是这些技术让“智能工厂”成为现实，实现了更高水平的流程自动化、更高的效率与设备利用率、精准准时的库存管理，以及更完善的安全保障。

这一点你或许早已了解。而一些近期的技术进展，也不难想象。早在 2024 年，Figure.ai 公司研发的人形机器人就已正式亮相。据报道，AI 仅用短短 10 小时的训练，通过观察人类制作咖啡的过程，在不断尝试、试错与优化中，就学会了冲泡咖啡。而这款造价高昂的 Keurig 机器人管家，与那些依靠计算机视觉学习复杂装配线任务的机器人系统相比，技术差距其实并不大。

但我们也清楚，未来必然还会有更多如今无法预见的智能工厂技术不断涌现。

那么，企业该如何提前做好准备，持续吸纳新技术，避免每一波技术浪潮来袭，就导致现有设备甚至整座工厂直接过时淘汰？这正是“软件定义工厂”理念诞生的核心动因之一：通过更灵活、可编程的车间设备，仅靠软件更新就能新增功能、调整配置、对接新系统，无需更换硬件。

但一项针对“生产物流与新型运营技术”的研究显示，要跟上运营技术的迭代步伐，不能只依赖技术本身，流程优化与人员能力提升同样关键：真正实现有价值的 IT/OT 协作，已经刻不容缓。

当这些长期各自为政的团队实现高效协作后，企业就能对端到端的全制造流程、设备健康状态、人员配置效率、库存流转情况获得更完整的全局可视性，同时搭建起更灵活的技术架构，更从容地应对市场变化，兼容未来的新技术。

包括辉瑞（Pfizer）、乔巴尼（Chobani）和科尔士（Kohl's）在内的企业，展示了跨越这一长期壁垒的有效路径：

• 在项目早期阶段就让双方职能共同参与进来。
• 为运营技术（OT）人员提供信息技术（IT）流程的培训与接触机会，反之亦然。
• 指派通常具备 IT 背景的 首席信息官（CIO） 担任领导者和首席学习者，主动深入掌握 OT 技术。
• 设立领导力发展项目，促进 IT 与 OT 人员的融合。
• 以幽默与同理心直面分歧，尝试让双方互换角色开展模拟演练。
• 考虑以网络安全作为加强 IT/OT 协作的天然切入点（见下一部分）。

安全工厂

说到安全问题，在高度互联的工厂环境中……

满是联网智能设备的生产场景亟需重新审视安全策略。过去几年，勒索软件攻击频频导致制造业生产中断，已经充分印证了这一点。随着越来越多的运营技术（OT）系统接入网络，加上数据驱动的自动化流程不断增加，所谓的“攻击面”正在持续扩大。

在《工厂演进过程中需应对的 12 项安全问题》一文中，我们的专家梳理出了核心应对措施：

• 提高可视性。“制造企业需要厘清 IT 网络与 OT 网络之间的数据流向，以及连接两大网络的资产，例如物联网 (IoT)、边缘计算与楼宇自动化系统。”
• 保护供电与楼宇自动化系统。IT/OT 安全防护的潜在攻击目标持续增多，本地发电与储能设施也带来了全新的安全、保障与可靠性挑战。
• 重视移动设备安全漏洞。自主化车间设备迭代速度快，采用尚未经过充分安全测试的新通信协议，存在较大风险。
• 提升威胁防范意识。“另一个强有力的防御措施，是熟知攻击者采用的常见战术、技术与流程，并准确评估本组织面对这些威胁的防护水平，” 前首席信息安全官 Dawn Cappelli 表示。

将旧工厂改造为新工厂

最后但同样重要的是：通过升级改造，让老旧工厂重新参与竞争。

Elon Musk 可以筹集 50 亿欧元，从零开始建造特斯拉的“柏林超级工厂”，里面充满了自动化和 AI。但你的公司可能没有这么多闲置资金。

这是否意味着你只能袖手旁观？难道要投入数十亿才能进入智能工厂的新游戏吗？老旧工厂 真的 只能坐在角落里戴着愚人帽吗？

幸运的是，并非如此。“工业 4.0 工厂如何拥抱过去”一文解释了为何以及如何通过现代化策略，将老旧设备和建筑与现代数据驱动的制造运营相连接。

诚然，这并不像简单地在所有设备上加装传感器那样容易；收集海量的环境与性能数据，并不保证你能找到预测性维护或更高效物料流转所需的正确信号。然而，通过对潜在改进领域、所需数据类型以及成本效益的审慎分析，企业可以实现精准投资，获得显著回报。

具体示例如下：

• 智能传感器数据可以逐班次地提供细致的洞察，以提高生产吞吐量。
• 供应链传感器数据能够提升原材料流动的可追溯性，从而判断制造企业是否在采购和获取原材料上浪费了不必要的时间。
• 将实时环境数据与设备运行性能数据进行关联分析，确实有助于发现可能导致设备或装配线停机的风险。
• 网络技术和地理定位技术可帮助追踪物料和货物的移动情况，及时发现效率低下、库存不足或托盘错放等问题。
• 随着时间推移，整合新的数据源有助于构建日益宝贵的老旧设施及其工作流程的数字孪生模型。

Spirit AeroSystems 和 Gary Works 等企业的经验为现代化转型提供了指导建议：

• 持续开展员工培训与评估至关重要。
• IT 与 OT 团队需要明确且共同的目标（注意这里的主题了吗？）。
• 高层管理者必须带头推进变更管理。

未来的制造业劳动力

新工厂需要新技能。在《先进制造业工人所需技能》一文中，专家预测了常见岗位将如何演变。例如：

• 生产计划人员将利用预测分析来预判设备停机或物料延迟到货的情况，制定解决方案，例如进行预测性设备维护或提前采购更多原材料，并寻找持续改进的思路以减少浪费。
• 产线主管将减少用于制作报告的时间，而把更多精力投入到指导团队成员和解决问题上。
• 设备操作员可能接受更广泛的培训，同时监控多台设备，并借助 AI 工具进行故障排查和简单维护，甚至可能通过语音和手势指令来操作设备。

这些变化要求所有制造员工都具备更强的灵活性、持续学习能力和问题解决能力。

为应对这些挑战而招聘或培养人才，需要采取多种策略，如《寻找先进制造业人才的四个步骤》中所述，包括：

• 重新编写职位描述。你可以从行业协会或其他组织获得帮助。例如，AIM 光子学研究所曾与麻省理工学院合作，为光子学行业量身定制了先进的职位描述。
• 对现有员工进行再培训。据《商业内幕》报道，博世计划在未来五年内投入 10 亿欧元，用于对员工进行再培训，使其掌握从 AI 到电动汽车工程等先进科技领域的技能。
• 与当地教育机构合作，以扩大人才储备。在中国南部，贵州装备制造职业学院已开设了涵盖数字化流程设计、高端机床和工业机器人调试的新课程。根据欧特克的一篇文章介绍，该学院为处于不同职业阶段的工人提供针对性的再培训，包括被裁员和失业人员。

更新劳动力队伍并投资本地教育，也是未来工厂为当地社区带来可持续发展效益的重要方式之一。

超越工厂——未来的供应链

未来工厂不可避免地将与更多合作伙伴建立更直接的连接，这是实现基于需求的实时决策的唯一途径。

你的 合同制造企业（CM） 可能是你最紧密的合作伙伴。然而，通常情况下，这一环节在制造企业的供应链中却几乎完全缺乏可视性。“合同制造：供应链的盲区”解释了原因：这根本不是技术问题，而是信任、信任、信任的问题！

德国的《供应链尽职调查法》（LkSG，又称供应链尽职调查法案）要求制造企业对其欧盟及全球范围内的供应链提供更高的可视性，以帮助消除劳工剥削等类似问题。但无论你是为了合规还是其他目标，每一次中断或变化都可能成为提升供应链表现的契机。例如，在疫情期间，中国海尔集团通过自主研发的云平台应用，调动其供应链（包括合同制造企业）共享信息。其合同制造企业反馈了显著成果，包括缩短生产周期、降低采购成本以及增加客户订单。

如何提升与合同制造企业的可见性与协作：

• 向合作伙伴传达，监管要求是改善 OEM 和合同制造企业流程及利润的机遇。
• 率先与合同制造伙伴共享系统和数据，以信任赢得信任，以价值创造价值。
• 重新设计合同，明确双方如何以互利共赢的方式合作，而不仅仅是定义交易模式。例如，《哈佛商业评论》一篇文章介绍了一种采用“利益共享采购模式”的合同方法。

随着信任增强，供应链技术的改进理应带来更好的表现——对吧？但奇怪的是，很多时候结果并非如此。

在《供应链创新：下一步是什么？》一文中，三位专家探讨了为何约八成供应链技术项目会失败，以及如何扭转这一比例。

他们的建议包括：

• 创新需要 一位数字官 来描绘“可能的图景”，从而为试点项目争取投资。
• 然而，他们随后必须放手成功的试点项目，将所有权移交给业务部门。
• 创新者和项目负责人应“反复展示成果”。
• 确保你的创新融资模式正确。试点项目通常由中央技术预算资助，但随后应迅速转向基础设施预算，并结合业务部门和工厂的共同出资。
• 共同的目标有助于推动工厂投入。

超越工厂——理解你创造的价值

正如我们开头所说，需要考虑和解决的细节很多。这里有一个帮助理清思路、明确决策优先级的建议：首先重新审视你的公司是如何创造价值的。

工厂只是链条中的一环，而（表面上）整条链条的设计初衷是为真正有需求的客户交付极具价值的产品。顾问 Simon Wardley 认为，更深入地理解产品在其中以及通过其创造价值的方式，将有助于做出更明智的商业决策，从而实现更优的工厂设计与运营。

这听起来显而易见吗？Wardley 认为，大多数公司在这一基本层面都失败了：“我的经验表明，组织在理解用户方面能力较弱，在理解用户需求方面更差，而在理解满足这些需求所需的一系列组件时，表现往往也很糟糕。”

• 他说，价值链中下一步之后缺乏可视性，是其中一个原因。
• 未能绘制出自身的竞争格局则是另一个原因——这包括随时间推移而发生的变化，例如组件逐渐趋于同质化。

借助 Wardley 在《价值链关系横向视角》中的洞见来检验你对未来工厂的假设，你将对熟悉的领域获得全新的认识。

深入探究流行词背后的本质