智能制造现状及未来发展展望报告.docx
《智能制造现状及未来发展展望报告.docx》由会员分享，可在线阅读，更多相关《智能制造现状及未来发展展望报告.docx（64页珍藏版）》请在冰豆网上搜索。
智能制造现状及未来发展展望报告
（此文档为word格式，可任意修改编辑！
）
正文目录
图表目录
智能制造——未来十年不能输的“战争”
“中国制造2025”：
开启智能制造时代的新纪元
2015年首次提出的“中国制造2025”是中国政府实施制造强国战略第一个十年的行动纲领，其中提出了通过“三步走”实现制造强国的战略目标。
主要包括：
第一步，到2025年迈入制造强国行列；第二步，到2035年中国制造业整体达到世界制造强国阵营中等水平；第三步，到新中国成立一百年时，综合实力进入世界制造强国前列。
“中国制造2025”要推动的是智能化和信息化升级，而非仅仅实现自动化。
智能制造将通过传感、机器视觉等系统的应用，形成大数据的采集、反应和对未来的预测，在产品的开发和制造、产品的设计和制造、产品的质量和管理体系三方面形成有效闭环。
“中国制造2025”的行动纲领可以概括为一条主线、四大转变、八大对策和十大领域。
图表1：
“中国制造2025”主要内容解读
2016年发布的《智能制造发展规划（2016-2020年）》为“十三五”期间我国智能制造的发展指明了具体方向。
《规划》提出了2025年前推进智能制造的“两步走”战略：
第一步，到2020年，智能制造发展基础和支撑能力明显增强，传统制造业重点领域基本实现数字化制造，有条件、有基础的重点产业智能转型取得明显进展；第二步，到2025年，智能制造支撑体系基本建立，重点产业初步实现智能转型。
图表2：
《智能制造发展规划（2016-2020年）》主要内容解读
无论是中国的智能制造2025，还是德国的工业4.0、美国的工业互联网，其目的都在于通过深化信息技术与互联网技术对制造业的全面升级和深度结合，来提高制造效率。
据GE估算，1%的制造效率提升将带来10万亿美元的全球GDP增长。
图表3：
工业互联网对全球经济的影响
制造业将更关注用户体验和定制化需求，“物美价廉”不再是万金油。
过去30年，全球制造以技术推动，强调的是速度、精度和使用寿命，但新一代消费者对快速迭代产品需求在
持续上升，不断更新的苹果等智能手机风靡全球就是一个非常好的佐证，因此在新的需求
趋势下，基于成本定价的商业定价模型可能受到冲击。
根据自身客观情况，中国必须选择合适方式来推动制造业升级，制造2025”将是最理性、最科学的选择。
中国制造业的基础和比较优势与美国、德国、日本都存在非常大的差异，具体来说：
德国生产设备自动化程度高且专注于技术；美国制造业的信息化水平领先全球；日本制造业以汽车、电子等产业见长，工业体系相对不丰富。
图表4：
中国与美国、德国制造业升级战略的比较
我们认为在这样的趋势下，生产方式会趋于扁平化，依靠工业互联网采集大数据，人、机、料、环、法五大要素更加透明化和可预测，从而达到生产效率提升的效果。
图表5：
互联网化智能制造将形成一个扁平、高效的云制造生态体系
智能制造业未来有可能改变世界，我们预计下一轮的财富将基于互联网化的智能制造，融合软件、电子、控制、机械四个领域并“魂”、“体”合一，智能终端一定是核心。
图表6：
“制造2025”模式下的受益方向
“MadeinChina”传统制造模式：
眼看它崛起，眼看它壮大，眼看它乏力
我们认为从人口结构、劳力成本、产品竞争力三大方面来考虑，中国制造的传统竞争力一定程度上正逐渐削弱，在智能制造时代的浪潮中，原有的依靠廉价成本要素投入、产能规模优势的制造业扩张模式将落下帷幕。
人口结构：
我们预计2015-2025年体力劳动适龄人口年均下降近1000万
中国人口数量步入平稳增长期。
据国家统计局数据可发现：
第一波人口高峰为1962-1973年，每年人口出生量在2500万以上；第二波人口高峰为1981-1997年，六零后出生人口进入生育年龄后，迎来次高峰，每年出生人口在2000~2500万人左右；自1987年以后，人口出生率持续下降；2001年后每年新增人口规模维持在1600万人左右，全国人口总数呈现温和增长态势。
图表7：
1950至2016年全国人口出生情况
国家统计局数据显示1980年至2005年我国劳动力总量从5.03亿增加到7.67亿，年均增加1000万左右，这是60年代人口出生高峰时期的人逐步进入劳动力市场的结果。
在此期间，我国劳动力数量增量大，供给充足，人力资本相对廉价，属于劳动力买方市场，劳动力需求量大的轻工业和制造业发展迅速。
2005-2010年，全国劳动参与率出现较大幅度下滑，年均下降1个百分点。
图表8：
1980-2016年全国劳动力人口总量平稳增长，劳动参与率逐渐降低
2015年是大拐点，2015-2025年我们预计每年体力劳动适龄人口可能减少1000万左右。
根据《人力资源发展报告》中的数据，城市人员平均退休年龄为56.1岁。
从事体力劳动的人员，由于劳动强度大，身体素质要求高，因此普遍较早退出体力劳动力市场，一般会提早3到5年。
在缺少权威数据的情况下，我们假设53岁为劳动者退出体力劳动力市场的平均年龄，进行数据估算，并给出以下三个参考性的趋势判断：
体力劳动力市场面临的老龄化时点更加提前。
从2015年左右开始，体力劳动力市场每年减少一千万适龄人口，这一趋势或维持10年以上，累计减少的适龄人口将占当前人口数量的十分之一左右。
老龄化进程将开始深刻影响经济和社会生活的各个方面。
2015-2017年是体力劳动力市场迎接大拐点的三年。
如果以51岁作为繁重体力劳动者退出年龄，2013年就是时间拐点，2013年工业机器人在下游相关的工业增加值和汽车业投资增速大幅下降的情况下，销量大增，工业机器人最先替代的是繁重型劳动作业，从平均55岁开始，劳动者基本不从事体力劳动了，因此我们预计2017年将是轻体力劳动者开始大幅减少的时间节点。
体力劳动力市场的供给减少幅度较大。
由于1962年前后人口出生规模差别非常大，2015年开始，1962年后出生的人口逐步退出体力劳动力市场。
在体力劳动力市场，这些人员的占比更高，所以变化会非常剧烈和明显。
图表9：
2002至2031年全国体力劳动适龄人口变化情况估算
劳力成本：
工资水平将持续刚性上升
随着体力劳动适龄人口下降，我们预计中国在未来将面临体力劳动力短缺的状况，制造业人员平均工资增长，人力成本上升，人口红利随之消失。
《人力资源发展报告》显示2008
年至2013年，城市基层务工人员月平均工资从1340元/月升至2609元/月，五年翻了一倍，从事重体力劳动的基层务工人员月工资增幅更高。
从下图中我们可以看出，制造业生产设备操作人员的工资已经超过行业的整体工资水平，2016年制造业从业人员平均工资是4.2万元/年，而生产人员的工资达到了将近4.7万元/年，比行业平均工资高出10%左右。
由于成本增加，利润变得稀薄，而汇率的波动又增加了额外的风险。
回顾过去几年，不管是长三角还是珠三角，大批的制造企业倒闭。
图表10：
全国私营单位就业人员年平均工资：
制造业
图表11：
制造业设备操作人员年平均工资
从国际对比来看，中国成本优势也在减弱。
美国波士顿咨询数据显示2001至2014年，中国制造业劳动力成本增长超过5倍，同期增速大幅超过东南亚等国，与墨西哥的成本差距也在缩小。
美国波士顿咨询的报告《全球制造业的经济大挪移》显示，2015年中国的制造成本已经与美国相差无几。
全球出口量排名前25位的经济体，以美国为基准（100），中国的制造成本指数是96，双方差距已经大幅缩小。
图表12：
2014年世界制造业成本比较
图表13：
2000-2014年制造业劳动力成本（美元/小时）
产品质量：
消费者需求从追求性价比向定制化、精细化转变
中国传统制造业的基本模式追求的是以大批量、规模化、流程固定的流水线生产制造低价的同质商品。
依靠低价的竞争优势，中国制造业在过去几十年中创造了“MadeinChina”的传奇神话。
但自2012年以来，国家统计局数据显示中国制造出口增速开始逐渐回落。
以通用设备制造与专用设备制造为例，通用设备出口交货值增速于2012年达到峰值后在2013-2014年大幅下滑，2015-2016年更出现出货值负增长；与之类似，专用设备出货值也于2015年出现了负增长，2016年仅同比回升3%。
由此可见，低成本制造业的出口需求空间在不断缩小，中国制造神话风光不再。
图表14：
2008-2016年通用设备制造出口交货值
图表15：
2008-2016年专用设备制造出口交货值
以往消费者作为市场消费产业链的末端，总是在被动的接受企业设计的产品。
而如今，随着互联网的发展，消费者的市场位置正在发生颠覆性变化，用户的个性化需求正在逐渐凸显。
图表16：
消费者需求定制化、精细化变革趋势
图表17：
消费者定制化需求实例：
红领定制化服饰
互联网化智能制造模式：
“制霸全球”，近百年来中国制造首次赶超的机遇
自动化、信息化升级，中国制造或将迎来发展新动力
借助“制造2025”，中国制造获得赶超世界的绝佳机会，同时也是为迫切的。
第一次、第二次、第三次工业革命，中国均处于乱世。
未来十年，可以借助中国领先的互联网应用和技术，同时又为了经济转型的成功，我们认为传统制造业向互联网化智能制造升级具备成功可能性也非常迫切。
图表18：
中国错失了前三次工业革命的发展良机
中国拥有完整的工业制造体系和庞大的市场，我们的前面有目标，即以美国、德国、日本为代表的先进制造业国家；后面基本没有追兵，印度和非洲的制造短期都难与中国制造抗衡，自动化和信息化升级将使中国制造更加强大。
图表19：
1997-2013年世界各国制造业增加值全球占比（2012年开始中国制造业规模跃居世界第一）
美国和德国的“阳谋”：
掌握未来全球制造的技术标准
智能制造的标准体系是未来全球产业“战争”的聚焦点。
在新一轮技术变革中找到工业发展方向并制定出引导行业发展的标准，占据领先地位，是各大强国广泛关注的焦点。
可以预见的是，未来谁掌握了工业制造标准，谁就拥有了占据产业链高端的机会，从而获得更高额的利润。
全球传统制造强国的动向是：
德国：
已经感受到中国制造崛起的压力，抢先一步制定《“工业4.0”标准路线图》，希望把标准和制造思路引入他的方向。
美国：
互联网及ICT巨头与传统制造业领导厂商携手，GE、Cisco、IBM、AT&T、Intel等80多家企业成立了工业互联网联盟，重新定义制造业的未来，并在技术、标准、产业化等方面做出一系列前瞻性布局，构建工业互联网成为美国先进制造伙伴计划的重要任务之一。
展望：
为工业插上互联网翅膀，中国制造迎来腾飞新机遇
三重动力——智能制造升级的坚实基础
技术、品牌小有积累，中国企业意图弯道超车站上“微笑曲线”更高端过去30年的经济发展，国内很多企业已经完成了一定的技术积累和品牌建设。
如果叠加制造业的智能化升级，提高产品质量和定制化程度，就可以向微笑曲线更高端方向发起挑战，实现弯道超车，获取更高利润率。
图表20：
制造业微笑曲线
C端需求（Consumer）被互联网化，推动M端（Manufacture）的互联网化改变
中国互联网发展水平领先全球，大量终端消费需求已经或即将被互联网化，这种趋势下就会倒推企业加快制造端的互联网化和智能化改造。
2017年是互联网进入中国23周年，根据CNNIC的数据，2016年底中国网民规模达7.31亿，互联网普及率为53.2%，我国网购人群数量已经超过英法德意四国人口的总合。
图表21：
中国互联网用户规模与互联网普及率
互联网“无时无刻地连接”使消费者从孤陋寡闻变得见多识广，从分散孤立到相互连接、从消极被动到积极参与，最终扭转了产消格局，占据了主导地位，不断参与到各个商业环节中。
互联网将过去消费者孤岛聚集成强大的消费者集群，从而形成B端不可忽视的影响力，我们认为消费者中心时代已经到来。
图表22：
消费者时代的形成过程
传统商业模式下的生产制造与同时代的市场消费需求、分销渠道、大众营销等固有特点密不可分。
生产与消费之间隔着重重的批发、分销、配送环节。
而且生产商都通过设定折扣、运费政策鼓励分销商、零售商一次性大批量订货。
信息传递缓慢而零散，生产商往往数月
后才能从订单中看到消费者需求的变化。
这即是生产过程中的牛鞭效应：
生产厂家需要以“猜”的方式进行库存和生产。
而信息的失真和滞后，导致猜测的准确率非常的低。
互联网大大削减了产销之间的信息不对称，加速了生产端与市场需求端的紧密连接，并催生出一套新的商业模式：
C2B模式，即消费者驱动的商业模式。
C2B模式要求生产制造系统具备高度柔性化、个性化，以及快速响应市场等特性。
这与传统B2C商业模式下的标准化、大批量、刚性缓慢的生产模式完全不同。
因此，传统制造业在消费者驱动的商业模式下，必须进行产业改造与升级，以更加紧密地与消费者需求端连接，满足市场个性化的定制需求。
图表23：
互联网化的C端需求倒逼M端制造升级
我们认为制造业生产方式改革的方向是需求拉动型的生产，互联网、大数据技术将生产企业和消费者紧密联系在一起，使消费需求数据、信息得以迅捷地传达给生产者。
生产商根据市场需求变化组织物料采购、生产制造和物流配送，使得生产方式由大批量、标准化的推动式生产向市场需求拉动式生产转变。
经济不好压制升级需求？
其实，需求和投入都更加迫切了
近期大量的草根调研都反馈同一结果，经济不好的状况下，制造企业更迫切地想通过改造升级获得效率提升和成本下降。
我们通过陆续拜访40多位产业专家和企业家（以长三角地区企业为主）以了解企业对互联网化智能制造的真实需求，得出的结论是在劳动力成本刚性上升、订单总量减少的趋势下，大多数有存续经营能力的企业都非常迫切地希望进行产业升级，从效率提高中获得效益。
此外，中国进口的芯片被大量应用于智能制造设备，通过过去几年进口数据可以从宏观角度佐证企业对智能生产的需求一直在持续增长。
海关总署数据显示2013-2015年中国芯片产业每年进口需要消耗2000多亿美元外汇，超过了石油和大宗商品，是第一大进口商品。
图表24：
中国集成电路产品进口规模不断增长
“罗马不是一天建成”，智能制造四大阶段循序渐进
我们认为，中国的互联网化智能制造大致将经历四个阶段，分别是自动化升级、信息化升级、工厂内的互联网化、产业链整体互联网化。
具体分析如下：
Ø第一阶段：
制造自动化
改造现有自动化水平比较低的设备，降低成本并提高效率。
更重要的是借助设备的自动化来产生并传输大量工业制造数据。
Ø第二阶段：
制造智能化
通过传感器或机器视觉等多方面，让机器人更加智能化。
Ø第三阶段：
工厂内互联网化
建设工厂物联网，让互联网因素正式介入生产制造，实现生产管理数据的实时采集、汇总和分析。
图表25：
智能工厂架构
Ø第四阶段：
产业链互联网化
这是未来的一种理想状态，建立整个产业链的互联网化，包括智能物流、定制化生产、零库存生产。
我们认为，中国制造业企业差异较大，大体上会是先自动化后信息化升级，率先会进行互联网化智能生产升级的行业有以下三类：
1）现在装备自动化水平高，如汽车制造、集成电路和3C制造、物流行业等；
2）需求将被互联网改造比较充分行业，如家电制造、纺织服装等；
3）互联网改造后效率弹性大的或急需效率提升的行业，如摩托车等低毛利产品和军工制造等。
投资研判：
把握未来三年最强劲的“风”，寻找最受益的成长领域
互联网化智能制造将集软件、电子、控制、机械为一体，以智能生产终端为核心。
我们认为需要重点投入和受益的领域可概括为“云”“网”“端”三大方面：
Ø“云”：
工业大数据及云计算。
对数据进行采集、反应和预测，形成可行为的大数据（ActionableData）。
尽管现在一切都还没有真正开始，但未来工业互联网的“BAT”或将在此领域诞生；
Ø“网”：
工厂内物联网及覆盖产业链整体的工业互联网。
行业覆盖广和具备核心技术的公司将是最好投资标的，将获得庞大的成长空间；
Ø“端”：
智能机床、机器人、传感器、机器视觉等智能生产设备，AGV、服务机器人等智能物流设备。
智能生产终端是核心，最先受益且业绩弹性较大。
中长期角度来看，智能生产设备后续的竞争力取决于其对硬件与软件结合的能力。
图表26：
互联网化智能制造的核心构成
工业大数据中心：
软件及工业大数据分析，实现C2B的互联网化
“制造2025”时代是一个互联网化智能制造的时代，与此前制造业模式的最大区别，我们认为，是工业大数据第一次走向了云端！
“制造2025”要推动的是智能化和信息化，而非仅仅自动化，自动化设备产生的大量数据通过传感系统等路径，实现采集、反应和预测，形成可行为的大数据（ActionableData），帮助制造形成3个闭环，分别是产品的开发和制造、产品的设计和制造、产品的质量和管理体系。
要实现以上智能化和信息化的过程，我们认为需要以下几个方面的投入：
1）大数据（ActionableData）：
采集、决策与预测；
2）MOM、MES、虚拟设计系统：
实现对制造端过程的管理及优化；
3）SCM、ERP、CRM与PLM：
提高企业信息化交互的水平；
4）公司金融管理：
处于云端的、联接产业链的集中金融管理平台。
大数据（ActionableData）：
采集、决策与预测
制造业在大数据市场占比中提升空间较大。
大数据目前主要应用在互联网、零售、交通等行业等领域。
波士顿咨询数据显示目前我国拥有全球数量最庞大的生产设备，在制造过程中可以产生海量数据，这部分大数据或成为未来制造业提高竞争力及生产效率、贴近消费者需求及创新的关键要素。
图表27：
2011—2015年我国大数据行业下游需求分布
我们大胆设想，未来可能出现工业大数据中心，实现C2B的互联网化，制造行业所主要关注的数据为：
1）产品数据：
包括设计、建模、工艺、加工、测试、维护、产品结构、零部件配置关系、变更记录等数据。
有助于实现产品全生命周期管理、个性化生产。
2）运营数据：
包括组织结构、业务管理、生产设备、市场营销、质量控制、生产、采购、库存、目标计划、电子商务等数据。
通过生产过程中的无所不在的传感、连接实现运营数据的采集。
3）价值链数据：
包括国内外客户、供应商、合作伙伴等数据。
使产业链各环节数据和信息能够被深入分析和挖掘，为企业管理者和参与者提供看待价值链的全新视角。
例如，汽车公司可以通过大数据提前预测到客户对某款特定型号汽车的需求和钟爱程度，进而快速生产并投放市场，既能提高公司在产业链上的竞争力，又无形中提升了客户对该汽车品牌的忠诚度。
4）宏观经济数据：
工业大数据网络的建立也将有助于判断整体经济运行情况。
有效利用大数据，不仅可以实时监控各种潜在风险，提高生产效率，更重要的是为企业提供诸多洞见，提升投资回报和竞争优势，而且有助于企业从多角度判断全球市场潜在商机，实现跳跃式快速发展。
大数据通过IT创造价值主要分为三个阶段，第一个阶段是批量分析，数据主要来自企业内部结构化数据；第二个阶段是实时分析，数据分析类型逐步从结构化演进到包括非结构化和半结构化数据；第三个阶段则是全方位事实分析，不仅有来自企业内部的数据，同时会纳入来自第三方的竞争数据，以非结构化数据为主。
我国2020年大数据行业市场规模有望达到578亿元，2016-2020年复合增长率有望达到36%。
随着近年来企业信息化的不断完善和社会化网络建立、云计算、移动互联网和物联网等新一代信息技术的应用，全球数据产业高速增长，中国目前的大数据应用仍处初级阶段，据《中国大数据发展调查报告（2017年）》估算2017年市场规模或超过234亿元，2020年有望达到578亿元规模。
图表28：
2014-2020年我国大数据行业市场规模及预测
MOM、MES、虚拟设计系统：
实现对制造过程的管理和优化
借助MES、MOM系统的运用，制造企业的信息集成与交互将大大加强，显著提升生产效率。
主要应用到的系统包括：
MES（制造执行系统，ManufacturingExecutionSystem）：
覆盖从订单发放到出产成品的全过程，实现生产管理及优化，是生产活动与管理活动信息沟通的桥梁。
图表29：
制造企业的MES功能
Ø
MOM（制造运行管理系统，ManufacturingOperationsManagement）：
覆盖的范围是企业制造运行区域（Level3）内的全部活动，覆盖范围通常比MES更高。
其管理功能包括生产运行、库存运行、质量运行、维护运行等。
此外，可与业务计划与后勤支持系统（Level4）实现有效的集成与共享，通过制造运行信息的交互形成完整的逻辑闭环。
图表30：
MOM内部结构
图表31：
制造运行管理的信息
计算机仿真技术：
是以相似原理、信息技术、系统技术等技术为基础，利用系统模型对实际的或设想的情况进行试验研究，具有经济、安全、可重复和不受气候、场地、时间限制的优势。
图表32：
计算机仿真技术应用领域
下游行业如军工、电子、机械、航空、航天、船舶、汽车、电力、石化、物流等行业将为国内计算机仿真行业快速发展提供空间。
图表33：
计算机仿真行业产业链图
根据前瞻产业研究院数据显示，2016年国内计算机仿真市场规模达990亿元，2010-2016年复合增速达12%，近年增长较为稳健。
图表34：
2010-2016年计算机仿真行业市场规模
虚拟设计系统：
可大幅提升制造企业新产品开发的效率。
新产品的诞生过程大致包含设计、试制、评价、制造四个过程。
其中，设计环节需要对新产品进行无数次修正，对总成本的影响最大，据前瞻产业研究院测算虚拟设计系统可以使75%的设计错误在开发阶段就完全解决，有助于降低成长。
图表35：
现实产品开发与生产过程
图表36：
制造类企业各环节对成本影响占比（单位：
%）
SCM、ERP、CRM与PLM
SCM、ERP与CRM系统提升制造类企业信息交互效率。
具体分析如下：
SCM（供应链管理，SupplyChainManagement）：
可有助于减少库存、提高发货供货能力，降低供应链成本，以提高预测准确度，减少采购总成本并缩短生产周期，加快市场响应速度。
ØERP（企业资源计划，EnterpriseResourcePlanning）：
以管理会计为核心，对物资资源管理（物流）、人力资源管理（人流）、财务资源管理（财流）、信息资源管理（信息流）实现集成管理。
ØCRM（客户关系管理，CustomerRelationshipManagement）：
实现企业与客户的信息交互和服务，以帮助吸引新客户、提高老客户的忠实度。
图表37：
SCM、ERP与CRM的关系
ØPLM（产品生命周期管理，ProductLifecycleManagement）：
是企业实现信息化的一种商业战略。
通过重塑产品生命周期曲线，企业在产品的培育阶段以及成长、成熟、衰退阶段都将获得超额的利润空间。
图表38：
产品生命周期曲线
图表39：
重塑PLM曲线产生收益
图表40：
SCM、ERP、CRM与PLM海量数据将储存在云端
公司金融管理：
云端集中金融管理平台
一个数据存储在云端的、集中的公司金融管理平台成为智能制造时代的新需要。
制造业企业会产生额外的对自身财务、现金流以及产业链情况（包括合作伙伴和金融市场）的信息需求，以满足个性化、多批次智能制造的标准。
图表41：
通过全面预算管理提升业务规划能力
图表42：
对制造类企业进行全面的资产管理
智能生产系统：
“制造2025”的核
升级会员 