今天分享人工智慧系列深度研究報告：人工智慧專題 加速人工智慧規模化應用
世界經濟論壇的報告）。
報告共：42頁。
專題報告**：人工智慧學院
不確定性推動創新
為了應對未來的顛覆和抵禦衝擊，製造商正在加大對人工智慧 （AD） 技術、可持續能源和其他技術創新的投資。 約90%的高階警官表示，提高**鏈的彈性是重中之重，每年在人工智慧方面的投資已達到約1500億美元，而**鏈的領導者正在投資高階分析以連線資料。 為不確定性做好準備已成為常態，高管們預計未來五年內中斷將增加 15% 至 25%。
地緣政治的變化使先進製造業在30年前停滯不前的市場中蓬勃發展。 例如，在過去的1年中，美國製造業的增長一直徘徊在20左右4%的增長率。 4 現在，數字技術、可持續功能以及先進製造業和**鏈條的更高技能組合正在為市場注入新的活力：在過去五年中，美國工業產生的股東總回報率比過去 15 年高出約 400 個基點。
機器智慧型正在定義第四次工業革命
本文的核心目的是通過考察最新燈塔工廠的創新和方法來探索第四次工業革命的拐點，但它有助於首先反思人類社會的四次不同工業革命。 它們提供了重要的背景來解釋為什麼機器智慧型是這一發展的自然高潮，當部署在製造環境中時，機器智慧型有可能與其他第四次工業革命技術（如可穿戴裝置、協作機械人和自動駕駛汽車）一起產生指數級影響。
第 2 章使用 S 曲線：從學習到實踐
隨著越來越多的高階用例證明了燈塔工廠的影響，對先進技術的試點和概念驗證 （POC） 的需求越來越少。 以 Al 為例。 在過去三個 Lighthouse 佇列中，它已經實現了一半以上的“頂級用例”，相應地，前三個佇列中只有 10% 實現了，而 82% 的 Lighthouse 從他們通過“學習曲線”並且不再嘗試單個用例的那一天起就設計了新的用例，包括 AL 用例。 取而代之的是，他們以工廠為試點，展示第四次工業革命向整個生產網路（在某些情況下，整個組織）的擴張。
燈塔引領快速追隨者
變革性技術的採用正在加速，Lighthouse 不僅專注於一家工廠，而且一次專注於 10 到 50 家工廠。 大規模轉型對業務的影響將塑造製造業的競爭格局，成本、質量、服務、敏捷性和可持續性的改進將超過單點轉型的預期數量級，從而在正在做的人和仍在學習的人之間產生成熟度差距。
在最近的中斷和波動之後，這種成熟度的差距是顯而易見的。 考慮到在Covid-2019大流行最嚴重的時候，85%的燈塔工廠損失了不到10%的收入，而其他製造商只有14%。 燈塔工廠可以更快地做出反應：儘管它們面臨同樣的**連鎖風險，但到2024年，65%的燈塔工廠已經在進行雙重採購和增加庫存，而其他公司的這一比例為24%。
從數十個用例到數十家工廠
隨著規模的擴大，用例的概念不再涉及乙個實現，而是數十個甚至數百個。 轉型的影響增加了十倍，投資回報率增長到單點轉型的近兩倍，這是由於成本和規模的協同效應，以及相對減少甚至消除對新技術的一對一實驗的需求。
給領導者的教訓：構建第四次工業革命引擎的六部分指南
與其他行業的數字領導者一樣，Lighthouse12 通過六部分方法來推動自身轉型：首先，他們 （1） 制定戰略。 然後，他們構建了跨（2 名人才、（3） 敏捷、（4） 技術和 （5） 資料交付資料的能力。 最後，他們 （6） 實施變更管理。
他們現在正在調整這種方法，以適應網路和組織的規模。 它可以比作駕駛汽車。
他們首先設定了 （1） 戰鬥路線圖：GPS 引領組織轉型，用技術重塑組織，路線圖設定了優先順序和優先順序，包括跨用例（站點級別）和工廠（網路級別）。
然後，他們建立交付能力，這是推動轉型的引擎。 發動機部件——活塞、曲軸、傳動系統和正時皮帶——乙個是：（2） 雇用、培訓和留住數字人才的計畫;（3）促進速度、質量和協作的敏捷運營模式，通常包括數字工作室;（4）技術骨幹。
憑藉清晰、可擴充套件的分布式架構，可以輕鬆交付數字服務和解決方案;（5） 資料架構和治理，以實現關鍵決策並確保質量、易用性和單次重用。 與其功能同樣重要的是石油：隨著大學技術提供商、創新孵化器、公共實體和許多其他機構開發一流的能力，生態系統相互協作以保持引擎運轉。 在最近的佇列中，每個燈塔都將生態系統協作列為其第四次工業革命之旅的關鍵推動因素。
但僅靠能力是不夠的。 無論是在站點還是網路級別，都可以通過 （6） 有效的變更管理：方向盤來確保採用和擴充套件。 這通常包括乙個轉換辦公室，近 70% 的燈塔認為這是六個燈塔中最關鍵的。
這六個推動因素在每個行業的數位化和分析轉型中都得到了證明。 13 Lighthouse早期的規模化方法表明，它們也適合製造商。
展望下一階段的擴張
在探索了燈塔如何實現他們所擁有的一切之後，是時候關注未來了。 本文的下一節將探討第四次工業革命的決定性因素——注入燈塔的業務，以及它將如何增強現有技術，以釋放整個製造業以前無法實現的進步。
報告共：42頁。
專題報告**：人工智慧學院