大部分制造业企业正面临落后的危险,这并非因为他们没有意识到数字化转型的必要性,而是因为缺乏具体的实施策略。
根据 IFS 对 800 多位制造业高管进行的全球调查显示,82% 的制造商认为,如果公司不能更多地参与信息技术,将无法在未来一到三年内生存。
相比之下,数字化领先企业对未来挑战充满信心,超过四分之一 (28%) 的企业认为即使不进行新的投资,他们也能维持五年。
尽管所有受访者都认识到数字技术对其公司至关重要,但仅有 10% 的企业自称为数字化先驱。相反,65% 的受访者认为自己在数字化方面落后,要么危险地远远落后,要么停滞在数字化转型的早期阶段,或者尚未制定具体的下一步计划。
数字化路障
形势已经很明确 - 市场动荡、供应链中断和气候变化的迫近影响使数字化转型成为制造商的必需品,而不是选择。但是是什么阻止了企业推进数字化计划?
研究识别出了阻碍数字化转型的多个障碍:
o 缺乏策略和技术解决方案过剩:许多公司意识到数字化转型的需求,但没有明确的策略,且被众多技术选择所困扰。结果导致无法做出决策。
o 方向迷失和不同的优先级:研究表明,每个管理层都设定了不同的技术优先级。虽然几乎所有 C 级代表 (94%) 都将云计算视为最重要的技术,但大多数部门主管 (81%) 更倾向于物联网。相比之下,运营人员更依赖数字孪生 (85%) 和人工智能 (84%)。这些不同的优先级增加了犹豫不决,阻碍了有针对性的行动。同时,落后者和数字化领先者之间的差距正在扩大。
o 变革管理和 IT 复杂性:五分之一的受访公司表示,变革管理 (22%) 和 IT 复杂性 (21%) 是最大的障碍。管理公司变革的难度和处理复杂 IT 系统的挑战阻碍了数字化项目的快速实施。
o 投资不足:数字化领先者平均将其 IT 预算的 45% 投入转型项目,而落后者在这方面的投入明显较少。
o 缺乏 ESG 战略:许多公司 (71%) 没有可信的 ESG (环境、社会和治理) 战略,只有 39% 的公司正在积极发展 ESG 计划。为满足气候变化和其他可持续性方面的要求,亟需采取行动。
供应链的管控
但也有积极的发展。调查显示,在供应链方面,几乎所有公司 (98%) 都对加强其韧性的新地理战略感兴趣 - 例如,通过迁移到更近或政治更稳定的地区。数字化先驱依靠高级场景模拟等先进技术,而落后者往往仍依赖孤立的风险评估工具。
IFS 制造业行业总监 Maggie Slowik 对研究结果评论道:"制造业正处于转折点:虽然大多数公司已经认识到数字化转型的紧迫性,但犹豫不决仍然经常占主导地位。"
这种犹豫带来风险:制造商等待的时间越长,就越落后。
她解释说:"在波动的市场中,弹性和数字成熟度不仅仅是竞争优势,更是生存的必需品。"
在去年年中,Censuswide 调查了来自营业额至少 1.8 亿欧元的制造公司的 815 名高管。参与者来自 19 个国家,包括英国、德国、美国、日本和印度尼西亚,他们在生产、供应链、财务和研究等部门工作。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。