过去几年,工业4.0几乎成为了全球制造业转型的关键词。它强调自动化、物联网、无人化工厂和效率最大化,推动企业构建数字化的生产体系。但当下,全球制造业的叙事正悄然转向工业5.0。与4.0的“技术至上”不同,5.0强调人机协作、以人为本、供应链韧性和可持续发展。在这一逻辑下,企业必须在效率之外思考如何平衡人与技术的关系,如何通过智能化手段打造灵活而可持续的业务体系。
“工业4.0注重的是技术、效率、自动化、无人化,而5.0并不是对4.0的否定,而是一场范式革命。它更强调以人为本的人机协作,以及可持续发展的弹性供应链生态。”IBM咨询大中华区副总裁杨继刚在接受笔者的采访时表示,工业5.0的出现源自4.0实践中的局限:一方面,过度强调自动化导致劳动力价值被忽视甚至边缘化;另一方面,环境压力、资源消耗以及供应链集中化管理的脆弱性,也迫使制造业寻找新的发展路径。
从左至右:IBM咨询中国区汽车行业总经理唐俊,凯傲集团亚太区信息技术及数字化业务副总裁张犇,IBM咨询大中华区副总裁杨继刚
对于中国制造业而言,这种转型既是压力,也是机遇。汽车、机械、物流装备等产业正在经历前所未有的变革,而走在其中的企业,不仅要在产品层面创新,更要在数字化、智能化和全球化中找到新的竞争优势。
凯傲:在物料搬运行业寻找AI时代的答案
作为全球领先的工业车辆和供应链解决方案提供商,凯傲集团的路径极具代表性。这家总部位于德国法兰克福的企业旗下拥有林德(Linde)、STILL、OM、FENWICK等知名叉车品牌,以及供应链解决方案巨头德马泰克(Dematic)。其业务几乎覆盖了从工业叉车到自动化仓储的全链条。
“我们的目标是要在‘四堵墙、两个门’之内做到物料搬运的世界第一。”在凯傲集团亚太区信息技术及数字化业务副总裁张犇看来,物料搬运看似传统,但却是所有制造业和物流体系的基础。
当前,凯傲在全球市场面临着几重挑战。首先,来自中国本土企业和跨国品牌的激烈竞争,正在加速叉车行业的产品迭代;其次,人工驾驶叉车的市场份额在下降,AGV(自动导引车)、AMR(自主移动机器人)以及无人叉车的兴起,正在重塑行业格局;最后在物流解决方案领域,全面自动化分拣和预告系统的发展,使单位时间内的堆高机分拣效率大幅提升。例如,高速穿梭车可以以很快的速度在立体库和水平面之间穿梭。这种技术革新和自动化趋势,对凯傲集团提出了更高要求:如何在国际市场中找到数字化和AI转型的切入点,拥抱变革,同时增强竞争力,以巩固在欧洲和美洲市场的领先地位,是集团面临的核心挑战。
在中国,凯傲也积极加码布局。五年前,在济南投资建设了年产4万辆的新工厂,并将其定位为新能源叉车生产基地,全面响应电动化和氢能化趋势。与控股股东潍柴动力的协同,更使凯傲有机会探索氢能源叉车的工业化可能性。“济南基地几乎只生产电动化叉车,同时与潍柴一起探索氢能源产品形态,这是我们拥抱新能源的关键一步。”
在全面拥抱AI智能化的过程中,张犇将凯傲集团的举措分为对外和对内两大方向:对外,它聚焦于为客户打造数字孪生和AI驱动的模拟优化体系。张犇介绍:“我们通过外部合作探索新一代的数字孪生和AI驱动的实时场景模拟,实现从仿真到评估、再到增强与优化的全链条。”在复杂的仓储和生产场景中,这一能力有助于客户更快进入实施阶段,缩短项目周期,避免“设备堆砌却效率不升”的困境。
对内,凯傲的AI战略则围绕四个象限展开:第一,提升标准化服务和效率,实现生产力增长,例如数字员工和AI赋能的数字化流程;第二,盘活十几年积累下来的数据,让数据驱动业务实现数字化变现;第三,利用AI进行数字挖掘和预警,如服务预警、产品生命周期预警以及供应链风险预警,尤其在全球供应链环境不确定性增加的背景下,提高抗压性和韧性;第四,回归全供应链优化,考验供应链的应变能力和实战能力。
尽管战略清晰,但AI转型的难点同样存在。张犇提到的第一个痛点就是ROI:“在AI时代,如何算明白投资回报率,如何真正从财务报表上体现对销售额和EBITDA的直接贡献,这是很难的。”第二个痛点在于AI技术的不成熟,尤其是制造业场景中缺少可直接即用的解决方案,需要容错与耐心。“我们拥抱AI的目的是要快,但快并不一定意味着成功。”
这种困境并非凯傲独有,也代表了大多数制造业企业的现状。技术在快速演进,但从试点到规模化落地,需要长期的耐心与变更管理。张犇特别强调:“AI不是要替代人,而是把人从重复性劳动中解放出来,让他们更具创造力。这其实是推动整个公司体系的变更管理。”
从应用场景来看,凯傲在识别与分析式AI的应用上已走得更远。比如在叉车车队管理与安全辅助驾驶方面,凯傲正在利用视觉识别和AI分析为驾驶员提供行为建议,甚至实现主动避障和紧急刹车。“复杂的地方在于人机结合。AGV可以直接刹车,但人工驾驶叉车需要把AI的指令转化为人的操作,这一过程涉及纠偏与行为优化。”
更前瞻的是,凯傲也在思考“软件定义设备”的方向。“就像汽车行业提出‘软件定义汽车’,我们也在思考如何用软件定义叉车和自动化设备。未来的搬运工具不一定保留今天的形态,但一定具备行走、搬运和提升能力。”在张犇看来,这可能是一场新的工业革命。
凯傲并不把自己定位在“出海”逻辑下,而是强调全球化部署。凯傲在中国拥有五个生产基地,几乎承担了亚太市场的主要出口任务,因此“在中国为中国,也在中国为世界”。在这种布局下,数据合规与信息安全成为关键挑战,不同国家的法律法规要求企业必须在本地化运营和全球化管理之间找到平衡。
与此同时,凯傲选择在中国和亚太率先推动AI战略落地,这背后既是技术格局的现实,也是集团的战略判断。“中国和美国在AI技术与应用能力上已经领先全球,而欧洲相对滞后。凯傲希望借助中美市场的先行实践,形成可复制的模板,若成功可以推广到全球,若不能,也能让美洲和亚太市场更早受益。” 张犇认为,这是集团战略的延伸,更是顺应全球技术潮流的选择。
IBM:技术与方法论的另一面
如果说凯傲代表了制造业企业的转型实践,那么IBM的视角则提供了方法论的支撑,这种能力体系,正在帮助中国的核心产业尤其是汽车行业加速转型。
“IBM咨询在汽车行业已经深耕20余年,对这一产业的变化感受尤为深刻。”IBM咨询中国区汽车行业总经理唐俊透露,汽车产业已经从“奔跑”走向“领跑”,尤其是在新能源与智能化方面。
这种转变也带来了新的挑战。从“以数量打基盘”到“拼质量”,车企不仅要在成本控制、供应链优化上承压,还要在技术和产品创新上保持领先。更复杂的是,消费者期待“既要高质量,又要相对便宜”,这让制造企业必须在降本增效与保持竞争力之间找到平衡。IBM的观察是,企业若要真正突破,不能仅仅依赖科技和成本的杠杆,而要在组织、协同和文化层面推动整体变革。
在这一背景下,AI成为重塑产业价值链的重要力量。“在研产供销服中,生产与供应链密切相关。柔性供应链,是实现降本增效和产业创新的关键环节。通过AI,我们能够帮助车企重塑产业价值链。”IBM咨询高管强调。
事实上,IBM已经在与国内外车企的合作中,将这一思路落地。例如与长城汽车达成的长期合作协议,就聚焦于“数字化供应链转型”,通过整体规划与流程重构,推动供应链实现更高水平的集成与智能化。
“在中国汽车产业的转型过程中,IBM咨询提出的‘陪伴式’服务理念颇具代表性。”唐俊强调,IBM并不是提供单一的解决方案,而是全程赋能,伴随企业从战略规划到实施落地,再到运营阶段的全过程。“我们可以提供端到端的跨工作流能力,围绕关键客户的核心需求进行结构化配置,在产品研发、生产与供应链、营销服务和支持环节提供全面支持。”
这一体系的背后,是IBM在长期服务全球客户过程中形成的方法论积累。例如,其CDM(Component Based Enterprise)模型已被国际认可,能够把复杂的大问题拆解到“原子单元”,再逐步整合,从而帮助企业明确愿景,分阶段完成数字化转型。这种能力,也让IBM在帮助车企推进组织、运营模式、人才与数据能力的重塑时更具系统性。
在这样的背景下,IBM主张通过“科技+咨询”的结合,既把未来的数字化和AI蓝图规划清楚,也通过场景化方法将其逐步落地。唐俊表示:“现在整体环境是缺钱的,但我们依然要投资AI,要做好规划、找到机会点,再加上体系化的设计,才能让组织走对科技这一步,实现价值最大化。”
总的来看,从凯傲到IBM,可以看到工业5.0的图景正在逐渐清晰:它不是对4.0的推翻,而是一次更深层的进化。制造业企业通过AI和自动化提升生产力,技术服务商通过方法论和生态推动AI落地,两者共同推动产业走向人机协作、柔性供应链和可持续发展。
写在最后
与凯傲的制造业实践不同,IBM更多扮演数字化与AI的赋能者角色。在2025年9月5日山东烟台举办的IBM中国企业级AI巅峰论坛上,IBM大中华区董事长、总经理陈旭东正式发布IBM 中国“AI深耕”计划,在区域市场、伙伴生态和共创平台等方面继续加码。
IBM大中华区董事长、总经理陈旭东
“我们看到,民营企业集中的区域,往往是创新最活跃的地方。这些企业对成本、灵活性和落地速度都有很高要求。”在陈旭东看来,IBM的目标就是让这些企业能够以可负担的方式用上AI和混合云,让他们的数字化转型真正可规模化。
在伙伴生态方面,IBM采取“赋能本地伙伴,再由伙伴触达更多客户”的模式。IBM不仅提供底层技术和方法论,还通过培训和联合方案帮助伙伴贴近客户场景。IBM咨询大中华区董事总经理侯淼表示:“在中国市场,只有和伙伴一起,才能真正走进行业、走进客户。”
在共创平台方面,IBM强调开放与合作。据了解,IBM正在和本地企业、开发者、高校一起,把AI、数据和行业经验结合,探索新的应用场景。“AI不是实验室里的概念,而是企业每天都要用到的生产力工具。”
工业5.0的未来,不是机器取代人,而是人和机器共同创造价值;不是单一企业的突破,而是生态合力的结果。无论是凯傲的物料搬运实践,还是IBM的AI深耕战略,最终都在回答同一个问题:在不确定性中,如何用数智化找到确定性。