摘要：在全球低增长的环境下，技术浪潮正带来商业模式的剧变，家电品牌正普遍面临市场结构和增长方式调整的焦虑和迷茫。然而，在整体市场的低谷中，美的却实现逆周期增长。
访谈｜梁子博
撰写｜黄思语
编辑｜冀玉洁、梁子博
在全球低增长的环境下，技术浪潮正带来商业模式的剧变，家电品牌正普遍面临市场结构和增长方式调整的焦虑和迷茫。然而，在整体市场的低谷中，美的却实现逆周期增长。
继2013年A股上市后，今年9月17日，美的在港交所上市，据美的2024年前三季度财报，营收同比增长9.6%，以相对优势领跑整体家电行业。把时间线拉长至近三年，美的集团归母净利润从7.8%上升至14.4%，增幅不断扩大。
以下是美的通过供应链与制造数智化提效的一些事实与数字——
内销中，美的“以客户为中心”的DTC变革，通过“产能交期可视、无交期不可售、订单自动评审”实现100%订单交期可视；外销上，美的通过iBOS海外销售一体化平台系统，集端到端全流程信息，海外订单履约效率提升30%。
供应链与制造环节，通过集成供应链平台ISC实现全价值链提效节约10万工时；智能家居业务中利用大小数据结合等方法，助力打造多个爆款产品；超过5000个工业AI模型，助力实现质检、决策等多个智能制造环节的降本提效。
智能制造变革带来的结果显而易见，然而，改变非一日之功，内功也需要一点点修，相比结果，追溯变革的过程更有意义。
大模型如何在产线落地应用？AI如何赋能智能制造实现降本增效？从技术应用到管理提效的距离有多远？AI落地技术研究的协同有效性又是怎样的？
带着这些问题，虎嗅智库与美的智能制造研究院院长付旭进行了一场深度对话，他不仅在理论上有深刻洞察，而且在实战中积累了丰富的经验，以期为正在探索数字化转型和智能制造升级的企业带来启发。
智能制造本质：提质、降本与增效
在探索智能制造转型的过程中，美的始终聚焦于制造的核心价值——提质、降本与增效。将这一理念转化为具体实践并非易事，它要求企业在工艺、装备与数据等多个维度进行创新与优化。
您认为美的在智能制造领域持续迭代变革，主要的驱动力是哪些？以及这种驱动力未来会如何演变？
付旭：制造业讲求务实，美的智能制造持续变革的驱动力依然是围绕制造的本质，即提质、降本与增效。
关于降本增效，过去用精益管理，现在是通过技术来实现，您认为这两点有哪些不同？哪个更好？
付旭：这两者相辅相成，并不冲突。MBS（即：Midea Business System，美的精益运营系统），仍然是美的制造的核心，是一套非常高效和有效的管理体系。
同时，靠精益管理解决不了所有问题，还必须研发新的智能制造技术，比如先进的算法、自动化装备、工艺、材料等等，这就是技术驱动。管理和技术双轮驱动，相辅相成。
工艺、装备以及数据价值方面，有哪些提升生产效率或者产品质量的典型案例？
付旭：这些案例非常多。在工艺方面，比如在注塑工艺、钣金工艺、焊接工艺、PCBA工艺等方向，我们都有很多成功的技术突破；另外，结合工艺突破，在新材料的研究和应用上，也取得了很多实际落地的效果，包括高分子材料和金属材料。
在装备方面，我们重点关注提升工厂自动化水平，在集成机器人、AGV等开发自动化解决方案的同时，我们还要自主研发设计满足工厂需求的各种非标自动化设备。
在数据方面，重点关注新一代数字化技术尤其是先进算法的突破及在智能制造上的应用研究，提升工厂的数字化和智能化水平，例如通过数据分析打破设备运营状态“黑箱”的情况，甚至可以对设备的关键部件做故障预测维护，配合备件管理提升设备使用效率。
还有像智能检测、品质优化、能耗优化、智能设计、工厂规划仿真、数字孪生等等，在工厂都有实际的落地应用。
从AI 质检到管理提效
在武汉美的暖通工厂生产线上，机器人臂在精确控制的环境下进行着组装、焊接、检测与包装等一系列复杂操作。
几乎每走几步就能遇到一个AI检测点，AI检测的应用不仅是美的打造5G全连接工厂的重要组成部分，更是其提升生产效率和产品质量的关键举措之一。
AI在视觉检测方面的应用，具体做了哪些研究和成果？
付旭：在智能制造研究院团队，我们开展的视觉检测研究可以简单分为两类：静态视觉检测和动态视觉检测。
静态视觉检测主要是指通过采集一张图片，实现对产品的各种缺陷检测，比如塑料件和金属件的外观瑕疵检测、PCB的AOI检测、产品标贴的错漏反检测、关键零部件安装的防错检测等等。
动态视觉检测主要是指通过对一段视频的内容进行分析处理，比如分析产线工人的一个完整的操作是否符合规范，就需要对一段视频进行处理，并结合视频内容的上下文和算法给出相应的判断结果。
另外，我们还开展基于3D视觉的尺寸测量及视觉引导等技术的研究，也有实际的落地应用。
对于员工的AI赋能有哪些？
付旭：从人员培训、办公效率的角度来讲，AIGC的应用相对会多一些。
一部分是面向产线工人，体现在省人力、降低劳动强度；另一部分是面向工厂的管理辅助人员，利用AI可以辅助人处理海量数据。
原来设备运维全靠人工做设备数据的填写，现在随着设备具备了AI算法和数据采集的能力，设备运维从传统人工维护的方式升级成数字化的方式。
咱们在AI落地层面，您认为可能受哪些因素或环节的影响比较大？
付旭：要让AI落地，本质还是它的有效性和实用性，不能盲目追捧业内出现的一些新概念。
AI现在有很多好的应用场景，比如ChatGPT在辅助办公、提升工作效率方面，都有很大的帮助。
但在工业领域，这不一定是最实用、最有效的，还需要继续探索和定义更有价值的AI应用场景，比如如何用大模型更好地提升AI检测的准确性。
AI落地与技术协同的有效性
AI技术的研发从算法、智能模型的构建，到适配复杂的工业场景，都需要与企业现有的技术体系、业务流程实现深度协同，才能发挥出最大的效能。
美的智能制造研究院与集团层面的研发如何做协调配合？
付旭 ：美的智能制造研究院是集团的研发平台之一，主要面向大制造体系，包括制造、品质、供应链等，开展一些前沿技术的研究和应用创新。
我们是平台单位，既需要做集团层面共性的前沿技术的主线研究，同时也会与事业部合作完成一些认为有挑战有难度的迫切需求，内部团队和业务间有规范且成熟的协作流程，研发成果传递、落实和实施路径也比较清晰。
研究院一方面不会只专注于前沿技术的研究，因为研究技术本质上目的是解决实际问题，另一方面也不会只聚焦事业部业务需求，研发目标也要服务于集团战略从长计议。
您认为做智能制造升级，在生产过程中哪个环节难度会比较大？例如根据实际经验做升级改造，对于产线、设备的部署从技术维度或企业的角度，如何规划和考量？
付旭：智能制造转型是很多企业坚定去做的事情。从发展的眼光看问题，不同的阶段会涉及不同的考量，比如说团队的资源、能力、规模都可能会影响投入。
不同的企业容忍度不一样，要投入这项技术值不值得？有没有长期投资的打算？投进去多少年能得到回报？这些涉及企业战略和发展规划，都需要仔细斟酌。
从技术维度讲，相对简单一些：要解决某个问题，应该用什么手段或用什么技术，这是非常清晰的。但这个投入值不值得，衡量的指标就是ROI。
整体上美的集团对研发类ROI比较宽松，也会根据实际情况动态做调整，需求不一样，衡量维度的标准也不一样。
对于通用性和普遍性技术的研究，咱们投入的重点主要在哪里？
付旭：通用技术和普通技术之间没有非常明确的界定。任何项目投入之前都会做评估，首先做需求评估，也就是这件事情值不值得做？
其次是投入这件事的收益是什么？比如节省成本或者改善品质等。
做好这两个阶段的评估之后，如果表明这个事情值得做，下一步便开始怎么做，制定讨论、预演不同的解决方案等。
技术研究如果没做出来，或者说失败了，有没有相应的惩罚？
付旭：智能制造研究院是鼓励创新、大胆尝试新方向的。研究有成功也可能有失败。
研究院是容许失败的，我们内部提倡的原则是：项目可以失败，但必须是竭尽所能、明明白白地失败。
通常失败原因我们总结为两类：一是技术本身不成熟，属于行业长期痛点且突破成本巨大，无法成为通用技术研究对象；二是受团队能力或工厂制造条件限制。
您认为在数字化转型或者AI应用方面，应该避免哪些误区，或者说您对一些打算应用AI的企业有什么建议？
付旭：我认为最应该避免的误区就是把数字化或者AI当成是万能的，而没有考虑企业的实际情况。每个企业能够清晰地评估自身所处的阶段非常关键。
从工业4.0的角度讲，企业自身是处于1.0、2.0还是3.0需要判别清楚，然后才能找到通往工业4.0的正确和有效的路径。如果连基础的经营管理都没有，何谈AIGC的应用？
其次是对技术的理解。要明确技术是不是真正能解决问题，投入新技术的初衷是解决当下业务的问题，或者服务长期发展的规划，不能为了追求新概念而进行盲目投入。
另外在应用实践过程中，要做好项目评估和技术目标，AI与当前系统需有效衔接，从研发到落地也需整合验证。
更多全文，将提供给虎嗅智库502数字化俱乐部社群参阅。
502数字化决策俱乐部是由虎嗅智库发起、由领先的行业专家和各行业数字化决策者组成的社群组织，旨在推动中国产业数字化转型和创新。其服务涵盖思享数字化内参、数字化决策交流群、数字化案例工作坊、标杆参访、数字化项目对接&咨询等。
关于虎嗅智库：
虎嗅智库是一家聚焦企业数字化、AI创新实践的新型研究服务机构，为产业智能化进程中的甲乙双方，提供有洞察性的研究报告、案例评选，以及线上会议、线下活动与参访服务，以支持企业高管在智能化、数字化方面的明智决策。
我们提供的核心价值：
及时与优质的洞察，了解技术、了解行业、了解同行与对手；
为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；
帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。
正在改变与想要改变世界的人，都在 虎嗅APP
来源：虎嗅APP一点号