作者：管鳴宇、方溪源、方寅亮、譚永超、汪成建 

伴隨工業4.0的蓬勃發展和生成式AI領域的技術顛覆，全球智能制造和工業自動化行業變革提速。預計到2030年，中國、日韓和西歐等先進制造市場有望率先實現自動化革命。

屆時，高價值且可延展的自動化技術將全面應用于端到端業務流程，智能工廠具備完全集成的 IT/OT 技術棧，無處不在的高階數據分析成為新常態，基于標準化解決方案的半開放式平臺生態應用普遍，數字化集成和AI賦能的人機結合運營模式全面實現，大幅提升制造行業生產效率。 

多重因素推動下，中國自動化行業有望在2030年前實現跨越式增長 

據麥肯錫估算， 2025 年工業自動化產品的全球市場規模將達到約1083億美元，過去三年年化增長率約3.7%。而中國工業自動化市場規模超過人民幣2500億元，在全球市場占比超過三分之一（圖1）；預計未來5年，中國自動化行業將實現跨越式增長。 

首先，工業自動化市場細分領域蘊藏巨大增長潛力。具體而言，工業自動化的細分市場包括三大領域：第一，適合連續流制造業的自動化設備【1】。根據預測，2025年全球市場相關支出將達到約 760億美元，高于2019年的640億美元，復合年增長率約為2.8%。第二，適合離散制造業的自動化設備。全球范圍內，半導體和電子電氣行業的自動化支出增長最快。第三，針對連續流制造和離散制造的工業物聯網軟件和云服務。這一細分包括連接工廠內各類工業設備，以及支持使用數據分析驅動制造的各種解決方案。這一自動化產品細分市場規模最小，但增速最快，增長率達到18%。 

第二，勞動力結構變化、自動化技術發展，推動未來5年全球和中國工業自動化市場加速增長。人口老齡化使得高收入國家約 40% 的雇主將轉型，很多公司對勞動力短缺感到憂慮。企業為了吸引和保留員工，需要支付更高的工資和福利，用工成本上漲。在這樣的大背景之下，生產制造自動化替代將進一步加速。 

與此同時，整個行業正面臨自動化技術的顛覆性突破。人工智能的加速發展使得“人機結合”的制造環境變為現實。根據麥肯錫全球研究院的預測，伴隨著自動化技術和人工智能技術的發展，到2030年，預計全球將有8億個工作崗位被機器取代。若發展相對緩和，也將有4億個工作崗位被取代。 

第三，制造業企業正加速擁抱數字化解決方案，并深度參與行業生態合作。麥肯錫對全球188 家工業自動化用戶和供應商問卷調查發現，數字化解決方案在企業工廠自動化中越發重要。69%的受訪者表示數字化解決方案當前已經成為其自動化工作的重要一環。此外，有更多人（94%）表示，這類解決方案對其未來的自動化舉措尤為重要。調查還發現更多企業選擇合作方式搭建工業物聯網平臺，而非自主開發。另外，開放性和系統兼容性是用戶選擇工業物聯網平臺的核心購買要素。 

●在DCS領域：電力、石化、油氣等重點行業過去10年已初步完成國產化，DCS的國產化率已達到60%以上。國內龍頭供應商憑借服務響應快、價格優惠等本土化優勢獲得市場認可。 

●在PLC領域：國產 PLC 市場份額持續擴大，小型 PLC 國產化率超 20%，中大型 PLC 市場 CR6（前六大廠商）仍由海外企業主導，但國產廠商憑借優良性能和較高性價比，通過行業專用類產品及方案，在新能源、紡織、包裝、3C等行業提升了市場占有率。 

●在伺服系統領域：部分國內企業在包裝、3C 電子等中低端伺服市場取得突破，憑借性價比高和對國產設備兼容性強的優勢獲得市場認可。但在半導體制造、精密機床等高端應用場景，國產伺服系統在響應速度、動態精度和抗干擾能力等方面還有差距。 

●在工業軟件領域：中國工業軟件國產化率從 2023 年的 15% 提升至 2025 年的 25%，其中經營管理類軟件國產化率達 70%，研發設計類軟件從 5% 提升至 10%。國產工業軟件供應商主要在中小制造企業中通過價格優勢和本地化服務取得認可。 

“平臺化、敏捷化、智能化” 三大技術趨勢重構產業邏輯

當前，傳統工業自動化系統在技術上仍存在諸多痛點。工業軟件系統普遍按照ISA95的分類方法進行分層的架構設計，導致業務碎片化且條塊分割，形成系統孤島，跨層的業務流程難以實現。各應用子系統分開獨立建設和部署，各個系統技術路線差異較大，軟件復用性差。 

不同廠家、不同系統之間通過私有接口互聯，缺少公共的服務接口標準。數據私有化且難以共享，標準和接口不統一，系統之間需要經過層層轉換實現數據互聯互通，各系統之間無法進行一體化調度，導致建設成本高。應用系統大多采用半定制開發模式，一次建好之后，后期功能升級或第三方擴展非常困難，運維成本和難度高，且僅能由原始建設廠家進行升級，一旦原始廠家出現變故，系統只能推倒重建，無法適應制造工藝和生產組織方式的快速變化。 

在這樣的背景下，工業自動化系統出現了平臺化、敏捷化、智能化三大技術趨勢，具體可以總結為十大技術方向（圖2）。這些技術可能會對工業自動化的未來產生巨大影響。 

趨勢一，平臺化    

 “平臺+應用”架構模式作為工業軟件體系演進的重要方向，逐步成為主流工業軟件框架。工業軟件從單體應用轉向平臺化，通過統一數據底座和服務接口，解決傳統分層架構中多源異構數據難以共享、跨系統協同效率低的問題，減少分層架構中多協議轉換和私有接口互聯，降低系統集成成本與復雜度。 

●軟件定義的智能制造基礎軟件平臺體系架構。針對現有的工業應用普遍存在定制化開發程度高、工程實施工作量大、煙囪式部署、異構系統難以互聯互通互操作、上層應用與底層資源耦合度高、制造資源難以復用和靈活調配等問題，構建軟件定義的智能制造基礎軟件平臺體系架構是大勢所趨。 

●模型化數據底座：通過采用模型驅動的設計思路，平臺以模型為中心，通過“模型+數據+服務+工具”的方式，統一數據體系，實現工業應用的模型化、組態化開發和部署。 

●分布式智能調度：通過分布式服務中間件，并采用服務契約機制，規范模型服務、邏輯服務、應用功能與數據接口之間的交互，使應用能夠靈活接入、快速集成、按需替換或升級，無需對架構進行大幅調整。作為業務功能與基礎服務的橋梁，分布式服務中間件實現了服務與服務之間的解耦，使應用能夠獨立開發、靈活部署。 

●內生型安全管控：新一代平臺在設計、編碼、測試、構建、發布、部署等每個開發環節，都更加重視系統和數據安全的端到端保證。 

趨勢二，敏捷化 

●全生命周期應用工具鏈：通過打造一套面向應用開發、工程配置、集成調試、運行維護的完整工具鏈，全面提升工程應用效率。 

●虛擬化PLC：虛擬化PLC正在推動IT和OT的融合，這意味著程序員不必站在設備旁邊，他們可以遠程工作，讓控制程序變更、修復和生產過程優化進一步提速。同時，人工智能可能也會顯著提升虛擬化PLC的效率，生成式AI有可能自動創建虛擬化PLC的應用程序。 

●低代碼/無代碼開發：生成式AI將進一步降低代碼編寫要求，可能讓完全沒有編程經驗的人也能開發好用的軟件。這意味著IT工作負載降低，需求響應速度加快。 

趨勢三，智能化 

●多源異構數據融合。對多源異構數據的有效融合至關重要，可實現產品質量、產量、能耗、排放等目標與生產全流程各工序相關機理知識、經驗知識和數據知識的協同關聯、深度融合，可為用戶提供更有效的產品設計、生產管理、計劃調度及設備管理等服務，從而提高生產質量和效率。

●工業AI智能體（Agent）：工業智能體是一種特殊的人工智能體，它專門針對工業生產制造場景設計和優化，滿足工業智能應用在確定性、可信性、適用性、可控性、工程化等方面的嚴格要求。工業智能體還具備協同對接生產企業上下游產業鏈的能力，通過數據共享和協同決策，優化整個產業鏈的生產效率和資源配置。 

●生產全過程仿真與智能優化：隨著智能制造的飛速發展，生產相關的各類需求愈加復雜多變。及時高效應對這些復雜多變的生產需求對制造業智能化提出了更高要求，是企業智能化程度的重要體現。

對于制造業企業的啟示 

在這樣的背景和趨勢下，中國制造業企業應該全面擁抱“開放、智能、融合”的智能制造軟硬件平臺，選擇開放融合的合作伙伴，抓住工業自動化行業技術變革帶來的效率提升機會。具體而言，有四點核心建議： 

1 戰略先行、整體規劃

基于上文提到的“平臺化”趨勢，制造業企業應該重視新技術帶來的新的自動化、智能化機會，制定企業數字化轉型整體戰略。企業應積極擁抱一體化與平臺化，從數據、平臺、應用三個層面，構建公司工業自動化體系。 

首先，在平臺層，構建 “工具 + 服務 + 生態” 的中臺架構，集成數據中臺（實時 / 歷史數據服務）、業務中臺（排程、質量、設備等通用模塊）、技術中臺（AI 算法、數字孿生引擎），避免重復開發。 

其次，在數據層，建立統一數據模型和標準，涵蓋設備（物模型）、工藝（流程模型）、組織（業務模型），實現 “數據即資產” 的標準化管理。采用統一工業數據對象建模，實現 “一處定義、全局復用”，減少數據轉換成本。參考國家標準，建立數據資產目錄，打通多源異構系統接口，通過標準化協議實現設備、系統、業務的數據互通。 

最后，在應用層，基于平臺快速構建場景化應用，支持微服務架構與容器化部署，實現 “敏捷開發、彈性擴展”，以低代碼開發方式，基于痛點需求，在平臺架構上靈活快速部署應用場景。 

2 分段投資、聚焦價值

企業在進行自動化、智能化投資布局時，應遵循 “痛點優先、價值導向” 原則，優先解決高成本、高風險場景（如設備停機、質量缺陷、交付延遲）。中小制造企業可從預測性維護模塊入手，快速降低運維成本。流程型企業可優先部署 APC/RTO 實現能耗優化，把ROI 周期控制在 12-18 個月。利用平臺彈性擴展能力，支持 “小步快跑” 式迭代，避免一次性巨額投資。

3 全面擁抱AI、融入開放生態

制造業企業要重視AI場景落地，從 “工具級 AI” 向 “系統級 AI” 升級。充分利用外部工業互聯網平臺的AI能力，基于平臺內置的智能套件快速開發具體應用場景。構建 “數據 - 算法 - 應用” 閉環，持續迭代優化 AI 模型，形成 “檢測 - 分析 - 調整” 的自優化機制。開發者社區，利用低代碼工具與 SDK 快速構建定制化應用。 

4 磨練團隊、擁抱變革

打造兼具工業經驗與數字技能的復合型團隊，重點培養工藝工程師的數據建模能力、運維人員的平臺操作能力。與平臺廠商合作開展定制化培訓，幫助員工掌握基礎應用組態，賦能員工尋找可能的效率提升和自動化應用場景。設置數據資產管理員、工業 AI 算法工程師、數字孿生工程師等新崗位，分別負責數據治理、AI算法落地、數字孿生建模等工作。引導公司內部文化轉型，從“要我變”到“我要變”。 

進行敏捷組織架構變革，建立跨部門敏捷小組。同時，建立 “試錯容錯” 機制，允許在非核心場景進行技術試驗，通過沙箱環境測試新算法，降低生產環境風險。

2030年智能制造行業有望翻開波瀾壯闊的新篇章，企業應該全面融合構建 “人機協同、數據驅動、持續進化” 的智能生態，積極擁抱“工業智能+人工智能”的無限潛力，讓每一臺設備都成為數據節點，每一個流程都實現智能決策，每一次創新都源于生態協同。唯有如此，中國制造業企業才能在需求波動、技術變革、全球競爭的不確定性中激流勇進，持續打造生產力標桿。 

注釋：

【1】 根據 ISA-95 標準進行分類的經典自動化設備通常指參與控制和監控工業流程的硬件和軟件組件

關于作者：

特別鳴謝趙赫、石俊娜等對本文的貢獻。 

麥肯錫白皮書

融合生態 擁抱智能： 2030中國智能制造及自動化行業展望