在家电企业布局“第二跑道”之初，智能制造就被赋予了开辟新业绩增长点和提高运营效率的双重重任。不过，智能制造在上马之初并没有迅速成为家电企业扩大盈利的“第二跑道”，在很长一段时间里，主要作用还局限于重塑产销模式、提高生产效率。
进入2017年，智能制造逐渐迎来“两腿走路”的拐点。中国家电业的先行者们已经不满足内部自用，而是要积极推动智能制造能力向外部输出，打造真正的盈利增长点。
中国家电网记者通过梳理发现，青岛海尔、美的集团、格力电器在近期公布的2016年年报中，把提升运营效率和智能制造能力的输出并列为2017年以及未来几年的工作重点。
海尔的策略是，重组智能制造资产与业务，进一步提高互联工厂大规模定制效率的同时，为外部企业智能制造转型升级提供整体解决方案;美的希望把握工业自动化及智能制造的产业扩张机遇，以库卡为平台，围绕工业机器人、商用机器人、服务机器人和人工智能继续进行布局，并积极拓展工业自动化领域的关键部件;格力则表示会加快智能装备和模具产业的市场拓展，紧密围绕机器人和精密机床两大领域进行深入研究，，为中国制造2025提供自主研发的高端装备。
自用效果突出
智能制造上承中国制造2025，下启家电企业产销模式重塑，在不断优化智能决策、全流程协同管理水平的同时，也为多种定制方案下高精度满足用户个性化需求提供了坚实的基础。
北京大学工学院工业工程与管理系主任侍乐媛教授认为，大数据、云计算、智能化技术是制造业升级的三大动力，不断推动着大规模制造向大规模定制转型。
据海尔家电产业集团副总裁王友宁介绍，海尔空调积累的大数据类型比较全面，不仅有制造工厂和销售的数据，还有与用户交互的数据，比如用户家里和社区的环境数据、用户消费数据等。目前，海尔空调整个大数据系统覆盖了中国442个主要城市和全球32个国家，在与用户交互过程中产生的大数据已达500多亿条，其中包括用户反应需求的数据200多亿条，而海尔空调每天获取的数据级别是5000万条。
截止到2016年10月，海尔已经建成8家互联网工厂样板。在全流程互联互通生态体系的驱动下，海尔的运营效率大幅提升，新产品研发周期降低了50%，定单交付周期缩短了70%。其中，2016 年定制产品销量达 109万台，增幅超过了600%。
海尔之外，格力、美的两家企业的转型升级也颇具成效。
据格力市场部相关人员透露，2016年格力通过自主创造的智能装备实现了生产自动化，整体生产效率提升了10.5%。在以“双效”为中心的制造系统运行管理体系下，直接控员项目增效4294人,折合工时控员增效2244人;通过新工艺开发与利用、优化质量检验程序、优化生产线安排等项目的实施，全年累计实现降成本金额约3.87亿元。
此外，以智能制造为代表的转型措施，带来的并不仅仅是机器人数量的增加和自动化水平的提升，更是企业整体效率的提升。美的官方公布的数据显示，自2011年转型以来，企业人均效率同比提高了90.9%，存货周转率提升了34.1%。
国家信息中心信息资源开发部副主任蔡莹表示，通过大数据参与产品的研发、制造，进而创造了链接各方资源共创共赢的生态。智能互联工厂大规模定制模式实现了真正的“用户造”、“客户造”，也为我国家电业智能制造模式创新提供了新思路，昭示了从成本驱动到用户驱动下智能应用的新前景。
输出内容迥异
目前，海尔、美的、格力既把智能装备作为提升运营的工具，又把智能制造作为盈利的“第二跑道”。不过，在实际的内容输出上，三家企业的做法并不尽相同。
海尔在2016年年报中称，要将海尔互联工厂模式和知识数字化、产品化，构建起自主知识产权的工业互联网平台- COSMOPlat，在整合已有的智能装备、智能控制、模具、智研院等能力的同时，为企业智能制造转型升级提供软硬一体、虚实融合的整体解决方案和增值服务。三家企业中，海尔更“轻”，具有明显的互联网特征，提供的是全方位的智能制造解决方案。
格力更“重”，目光聚焦在智能装备和模具产业的市场拓展，为外部企业提供的是机器人和精密机床等硬件方面的支持。
美的更“实”，深刻体现了“全球领先的消费电器、暖通空调、机器人与工业自动化科技集团”的定位。美的在2016年年报中明确表示，将继续充实在运动控制和自动化解决方案领域的技术与产品储备,完善机器人产业平台布局，以库卡为平台围绕工业机器人、商用机器人、服务机器人和工智能进行布局，并积极拓展工业自动化领域的关键部件。
美的输出的内容不仅包括工业机器人，还包括了商用机器人、服务机器人以及人工智能技术等。而且，在智能制造的驱动下，美的集团“T+3”产销模式在改善产品结构、经营周期、现金流水平方面效果显著。
虽然中国家电业的先行者们已经具备了智能制造方案输出的能力，但是面对复杂的转型升级道路，大多数中国制造企业仍然任重道远。
侍乐媛教授表示，一提到大数据人们往往想到的是像阿里巴巴、京东这样的互联网企业，但实际上分布在各行各业的大数据，制造业才是最多的、最复杂的。制造业面临着无数的数据拆分、复合，而且还面临着很多的数据断层。现在应用的纵向数据很多，但是还缺乏横向数据的链接和应用。制造企业还需要提高合纵连横的数据采集和应用能力，来真正满足大规模定制制造的需求。
