人工智能试点项目的成功仅仅是开始：真正的优势在于将成功经验复制到整个工厂网络中。
“基准线与前沿线”模型将各工厂的通用指标、数字技能和治理基础相结合，并为选定的工厂测试高级应用留出空间。
学习能力最强的人会设计可重复使用的项目，从一开始就明确所有权和复制所需的资金。
八年来，世界上最先进的工厂已经证明了当数字技术、人工智能 (AI) 和卓越运营相结合时，能够取得怎样的成就。
2026 年报告 全球灯塔网络 ——一项旨在突出采用先进技术的领先制造基地的倡议——记录了 30 多个国家和 40 多个行业的 223 个基地，展示了 1150 多种解决方案。
然而，对于首席执行官和首席运营官来说，关键问题在于如何将一家工厂的卓越表现复制到拥有不同设备、经济状况、产品和劳动力能力的多家工厂网络中。
数据来自世界经济论坛 暴露了紧张局势只有 23 家灯塔机构将其运营重组扩展到了三个或更多站点。与此同时，人工智能正在加速发展：分析型人工智能和机器学习现已嵌入到灯塔机构前五大用例中的近 62%，而生成型人工智能在 2025 年将达到 23%，高于 2024 年的 9%。
如果没有能力转移机制，最好的工厂与其他工厂之间的差距将会扩大。
我将这种必要的方法称为“基准与前沿”模型。领导者必须同时管理三个变量：前沿高度，即选定站点提升绩效的程度；基准广度，即网络中有多少部分具备可重复创造数字价值的基础；以及适应速度，即经过验证的学习成果在其他地方产生价值的速度。
为什么复制灯塔很少奏效
在超过100家工厂的走访中，我反复观察到同样的模式。试点项目的设计往往围绕着强大的本地赞助商、特定的数据集以及当时最优秀的团队展开。而当其他工厂尝试采用同样的解决方案时，定义会发生变化，设备接口也会有所不同，运营责任不明朗，经济效益也随之改变。
看似技术复制问题，实则通常是环境和运营模式问题。
在现有网络中，到处部署相同的技术栈通常并不经济。允许每个站点独立构建会成倍增加成本和碎片化问题。领导者需要标准化那些能够促进学习共享的技术，同时保留那些必须本地化的功能。
围绕结果构建基础
最低标准是每个站点需要满足的最低条件：安全访问相关的机器和过程数据；对关键指标进行一致的定义；明确运营决策的所有权；一线人员使用数字工具的能力；以及将每个用例与业务价值联系起来的治理。
该框架还应明确数据和模型可以在哪些范围内运行，何时可以使用规模较小的特定领域模型来降低成本和能源消耗，以及何时必须保留人类权威。人工智能的扩展不应削弱安全性、主权或问责制。
以论坛网络中一个具有代表性的棕地案例为例， 印度希尔瓦尔的ACG包装材料公司将基于两年多黄金批次数据训练的集成机器学习模型应用于 60 年前的设备。
报告显示，首次合格率提高了37%，高质量设置时间缩短了43%。这些成果并非从零开始，而是建立在现有基础和明确的运营问题之上。
如今，制造业优势将属于那些能够将其最佳工厂的卓越品质推广到更广泛地区的公司。
设计前沿以教授网络
选择前沿试点项目时，应考虑其潜在回报和能够带来的经验教训。一个有效的项目组合可能包括一家高产量工厂、一家复杂的低产量运营工厂和一家老牌工厂。每一项举措都应从第二个试点项目提出的问题开始：其他工厂需要哪些条件才能复用这项能力？
这有助于从一开始就采用模块化接口、可重用的数据定义、网络安全控制、培训材料和明确的运营所有权。要规范语法，而不是每个句子。
目前，我们正在为多家多元化制造商提供咨询服务，帮助他们设计涵盖多个业务部门、产品和工厂的全网转型方案，这些工厂的数字化成熟度各不相同。例如，有的制造商使用多个制造执行系统，但缺乏对业务成果的统一视图。
在另一个案例中，设计已经完成，实施工作正从制造执行系统和先进的计划与排程系统开始。其目标非常实际：使领导者能够利用产品成本、交货时间和可行产能等数据，为新业务进行报价。
该设计必须能够权衡交付时间、成本、自制或外购决策、资源可用性、维护和容量扩展等因素，并允许网络随着约束条件的变化而重新规划。共享的集成骨干网和网络指挥中心构成基础，而选定的前沿用例则决定了哪些资源可以传输。
转移也取决于个人和机构。论坛阐述了这一点。 梅特勒-托利多常州工厂 它整合了内部专家、大学、供应商和其他机构，然后将转型成果推广到另外六个地点。实践社群不仅传递解决方案的代码，也传递解决方案背后的判断。
将移交工作视为一项领导责任
首席执行官和首席运营官应共同审视前沿高度、基础广度和适应速度。否则，可能会奖励那些复杂但孤立的展示平台或标准化的平台，这些平台虽然能带来一致性，却无法带来实质性的改进。
每个前沿项目都需要一个负责重复使用的负责人、一个用于可重复使用核心组件的预算，以及一个承诺提供运行能力的接收站点。成功的衡量标准并非部署本身，而是后续阶段所实现的价值。
该模式也改变了资本配置方式。领导层不应只关注试点项目的回报，而应要求提供两方面的商业论证：本地价值和转移价值。即使试点项目的回报略低，但如果它能在大型网络中创造可复用的能力，则该项目也应优先考虑。
反之，如果某个应用的运行条件独特，那么它的高回报应用可能仍会保留在本地。这使得可移植性成为资金拨付前的设计准则，并明确哪些元素应该属于企业平台、共享产品还是特定站点配置。
虽然每家工厂的目标并非都相同，但它们都需要从网络学习到的知识中获益。全球灯塔网络已经展现了前沿技术可以达到的高度。如今，制造业优势将属于那些能够将其最佳工厂的卓越经验推广到更广泛地区的公司。
