北京2023年11月10日 /美通社/ -- 亞馬遜云科技與制造行業領先的客戶與合作伙伴一起，就當前中國制造行業發展趨勢洞察、制造業企業在數字化轉型與創新階段面臨的挑戰與機遇等話題進行分享和深入探討，并重點介紹了亞馬遜云科技如何賦能傳統制造業通過數字化轉型創新"乘云馭智、開啟新篇"，尤其是利用生成式AI技術重塑制造業、助力制造企業打造出海新格局、以及推動制造業綠色、可持續發展方面的洞察與行業專屬解決方案。

在數字化浪潮蓬勃發展和新技術引領的產業變革環境下，數字化與智能化正在為企業轉型升級提供新的機遇。工業4.0 促使信息技術、數字技術、人工智能等技術與制造業加速融合；數字化技術的融合應用已然成為制造企業實現規模增長的重要抓手。亞馬遜云科技大中華區戰略業務發展部總經理顧凡表示："當前，傳統制造行業的數字化轉型升級正在不斷加速與深化——高端化、智能化、綠色化已成為制造行業發展的主要趨勢。在賦能制造業數字化轉型、創新的路徑中，亞馬遜云科技不僅能為行業帶來近乎無限的云計算動力、包括生成式AI在內的新技術，而且能帶來‘專精特新'的行業實踐，以及聯合合作伙伴孵化出針對關鍵制造場景的解決方案，助力制造企業將數字技術與核心業務有機融合，實現持續商業變革。"

數智融合，深化傳統制造業數字化轉型

在中國制造業從"量"到"質"的數字化轉型實踐中，傳統制造業仍面臨著技術產品創新歷時久、工廠整體設備效能OEE（Overall Equipment Effectiveness）激活不暢、供應鏈效率及彈性低，以及缺乏創造新的收入來源等集中性挑戰。亞馬遜云科技致力于攜手合作伙伴共同推出行業解決方案，賦能傳統制造業數智化轉型升級。

在智能制造領域，提高工廠整體設備效能OEE是智能制造領域工廠管理的首要挑戰。借助云上工作負載，尤其是利用云上的豐富工具可以大幅度提升OEE。亞馬遜云科技聚焦工業數據平臺、設備預測維護、工業視覺檢測，以及生產和質量優化等關鍵場景，通過使用亞馬遜云科技的服務可以打通和分析工廠數據，大幅提高生產力、資產可用性和產品質量。亞馬遜云科技的工業數據湖和機器學習服務，可以增強實時分析能力，幫助企業大幅提高產量，優化生產并實現預測性維護以延長機器正常運行時間。

在傳統工業設備與服務領域，如何創造新的收入模式是大型制造設備OEM企業十分關心的問題。制造企業需要推動自身從"制造業"向"高科技"企業轉型，借助智能化提升產品的性能和價值，從而打造增值服務，拓展盈利模式與空間。亞馬遜云科技提供強大的物聯網IoT以及數據處理與分析能力，幫助制造企業解鎖設備和機器數據價值，助力其通過打造新的產品與服務模式獲得持續的營收。

全球最大的綜合纖維和聚合物公司之一英威達（INVISTA）希望從商業智能 (BI) 轉向人工智能 (AI) 來轉變其運營方式。英威達選擇亞馬遜云科技作為首選云供應商，使用 Amazon Lake Formation 實施基于Amazon Simple Storage Service（Amazon S3）的企業數據湖，利用 Amazon Redshift（尤其是 Amazon Redshift Spectrum）使數據分析師能夠對 TB 級的數據執行復雜的查詢。對于數據科學工作流程，英威達使用 Amazon SageMaker以構建、訓練和部署內部開發的第三方機器學習模型。系統實施后英威達將600 臺本地服務器遷移到云上，其中包括多個制造應用程序和全球 INVISTA SAP 足跡，每年節省了超過 200 萬美元的成本，并從全公司數據中創造了 3 億美元的價值。

顛覆重塑，推動生成式AI制造業增長路徑

生成式AI正在加速嵌入制造行業的業務場景，在產品開發和設計、制造運營、供應鏈、營銷和銷售、智能客服及知識庫等方面帶來巨大業務價值。數據顯示，到2027 年，30%的制造商將使用生成式AI 提高產品研發的效率[1] 。亞馬遜云科技致力于推動生成式AI重塑制造業的增長路徑，通過降低構建生成式AI應用關鍵路徑中的門檻，充分滲透進制造業價值鏈場景，與合作伙伴一起提供行業領先的端到端技術解決方案，在工業設計、知識庫搜索等場景開發定制化解決方案，讓制造企業充分發揮生成式AI的潛力。

在工業產品設計方面，傳統流程一般是先進行概念設計，再將設計圖進行渲染，最后是設計評審環節，此過程需要大量人工參與，同時還涉及多次返工等難題，工作效率相對低下。亞馬遜云科技與眾多合作伙伴合作，共同為客戶打造面向終端用戶場景的端到端生成式AI應用賦能，簡化流程、降低概念設計成本，并加速整體的工業設計效率。 

在智能知識庫搜索方面，制造企業往往員工數量眾多，內部資料和數據也因多年積累數量龐大，如何利用好這些數據，提升員工的工作效率和滿意度是很多企業面臨的問題。亞馬遜云科技利用生成式AI技術助力客戶構建企業級智能知識庫，集合搜索引擎和大語言模型，使企業員工在知識庫中快速找到精準和具備實效性的內容，有效提升生產與辦公效率。

作為首批入選"國家級工業設計中心名單"的企業，海爾創新設計中心選擇亞馬遜云科技打造生成式AI解決方案，并將此方案引入到新品設計、改款升級、渠道定制化等工業設計的業務場景，建成了目前已知的全國首個結合實際業務場景落地的 AIGC 工業設計企業級解決方案。通過此方案，海爾創新設計中心的整體概念設計提速了83%，集成渲染效率提升了約90%，高效解決了設計階段人力成本高、概念產出與通過效率低等問題。

馭云出海，助力制造業步入數字遠航新時代

放眼全球，越來越多的制造企業積極布局海外業務，利用數字化技術打造差異化競爭優勢。中國出海企業想要在海外建立競爭優勢，面臨"全球化運營與本地化創新、提升消費者體驗"三大挑戰。

全球化運營：對于出海企業來說，如何快速實現全球化擴張與本地化運營，是目前最大的難點與挑戰。亞馬遜云科技擁有全球統一覆蓋的基礎設施，目前覆蓋32個地理區域，102個可用區，33 個本地擴展區，29個wavelength區域，全方面支持中國企業全球化拓展。此外，SAP是制造業出海通常需要部署的應用之一。目前，亞馬遜云科技全球擁有眾多區域可以提供SAP BTP（Business Technology Platform）運營，提供數十項項SAP BTP服務，并且2022年SAP新增的功能和服務都在亞馬遜云科技同步上線，為出海企業帶來一致的使用和運維體驗。

本地化創新：根據e-works research相關報告，53%制造企業認為海外業務的本地化運營是企業全球化發展的最大挑戰之一。企業如果想實現本地化創新與發展，首要前提是需要先了解當地市場與消費者習慣，并據此不斷提升產品的創新性與智能化價值，打造產品核心競爭力。亞馬遜云科技不僅可以通過大數據和數據分析服務助力企業實現針對目標地區的消費者洞察，還可以幫助硬件企業運用云技術構建滿足海外需求的智能的互聯設備和增值服務；例如利用全球的基礎設施覆蓋及IoT的能力，幫助快速搭建物聯網平臺，提供在地化的增值服務。此外，亞馬遜智能語音助手Amazon Alexa已與全球數億臺智能設備集成，通過與Amazon Alexa連接，智能設備制造商可以更好地接入海外地區的智能生態。

提升消費者體驗：打造智能客服等全方位的服務體系，提升海外消費者體驗，是保障業務成功的關鍵，而目前70%的裝備制造企業沒有售后系統[2]。亞馬遜云科技Amazon Connect聯絡中心服務，具有按使用量付費，無需預付費或承諾用量的特性，在部分場景中可以節省高達80%以上的開支。Amazon Connect全球可用，且可以輕松對接第三方系統，打通多數據源并利用AI擴展聯絡中心的能力，如利用對話機器人進行自動售后服務。

天和榮科技有限公司聚焦新型智能家庭產品的研發與銷售，提供移動互聯網智能硬件產品的全套解決方案。天和榮采用亞馬遜云科技的解決方案搭建智能家居云平臺，基于Amazon IoT Core穩定和可靠的底層支持，高效地對智能家庭安防設備進行調度、部署和管理。此外，天和榮通過Amazon Rekognition和Amazon SageMaker快速搭建了人工智能服務平臺，以實現人形偵測和人臉識別功能，打造差異化服務，實現產品的增值服務與智能化價值。天和榮還選擇接入Amazon Alexa并獲得 WWA（Works With Alexa）認證，借助Amazon Alexa體系快速融入海外智能設備生態圈。

綠色低碳，賦能制造業的可持續發展

綠色制造是"雙碳目標"下的必然選擇。制造業是能源消耗和碳排放的高密集型行業，根據前瞻產業研究院整理數據顯示，在十三五期間，工業節能領域的投資額占節能項目總投資額的71%。在數字化轉型不斷深入的今天，制造業企業也不斷探索數字技術助力企業節能減排，實現可持續發展。亞馬遜云科技提供一整套從數據采集、能耗管理和優化、到碳排放計量及預測的端到端綠色制造解決方案，全方位賦能制造業客戶實現可持續發展目標。

此外，亞馬遜云科技還攜手合作伙伴發起 "可持續發展伙伴計劃"，該計劃從戰略咨詢、方案規劃和共創可持續發展解決方案的角度，為客戶提供更多構建可持續發展所需的應用和工具，以協助客戶獲取"能碳管理咨詢"、"碳計量及 ESG 報告"、"工業節能優化"、"清潔能源替換"、"綠證綠電交易" 以及 "合規認證" 六大可持續領域的全鏈路支持。目前，已有超過十家合作伙伴作為首批成員加入該計劃。

入華十年來，亞馬遜云科技一直致力于深耕行業解決方案，賦能各行各業企業實現數智化轉型與創新發展。在制造行業，亞馬遜云科技聯合全球數十萬家合作伙伴共同開發了適用于多種場景和應用的解決方案，全面地涵蓋制造企業價值鏈上的各個環節。展望未來，亞馬遜云科技也將持續探索生成式AI與制造業現有業務場景的結合，打造全新的業務模式，利用新技術持續賦能制造行業客戶邁向發展新格局。

[1] 數據來源：Gartner《2022年人工智能技術成熟度曲線》報告，2022年

[2] 數據來源：億歐智庫報告《2022中國裝備制造行業售后服務數字化研究報告》