我们跟吉利、杰克、美的的实干派，聊了聊工业智能体的真相

头图 | AI生成

大模型聊到今年，说句实在话，我和很多制造、能源行业的数字化老兵一样，多多少少都有些概念疲劳了。

AI到底能不能在工厂里帮企业赚到钱？怎么用才不会变成一把手工程的“面子花瓶”？这是我们当下最想知道的。

带着这层极度务实的焦虑，虎嗅智库上周搞了这场“Agent进车间主题闭门会”。

制造业的数字化分享我们办过不少，但把“AI智能体”和“车间”这两个词放一块儿，总让人觉得透着股“悬浮感”——甚至连部分参会的同行，一开始也并不看好这种跨界实践。

所以会前，我们和吉利集团广域铭岛的AI工业负责人张兴、杰克科技流程与IT总监陈恭伟、美的集团美云智数AIGC解决方案专家张勇这三位分享嘉宾，反复对齐：一定要讲真场景真案例，哪怕聊聊踩过的坑。同时，我们严格审核，最后进入线上会议的，都是制造和能源行业负责技术落地的同行，保障交流质量。

结果？整整两个小时的会议，全程没有尿点，200多位观众直呼收获满满。那一刻我强烈地意识到：AI智能体其实早就扎进工业深水区，在车间里打响真正的硬仗了。

张兴：别急着建平台，先找到那个闭环

第一位上来分享的是广域铭岛的AI负责人张兴。作为吉利在10年前就孵化出的工业互联网“国家队”，他们现在正全速向AI转型。张兴基于丰富的集团内外案例，深度拆解了传统软件与AI智能体的本质差异，并提出了“弱平台，强智能体”的核心落地理念。

在张兴看来，传统软件和AI智能体根本不是一回事。传统软件是“流程驱动”，立项先画流程图，每个节点输入输出理清楚；而智能体是“数据驱动”，第一句话问的是——你有什么数据？能从里面挖出什么洞察？

这个差异直接决定了落地路径的不同。他分享了几个已经跑起来的场景：

停线和缺陷管理——这是制造业的“老冤家”。以前质量问题靠人盯，缺陷报告躺在系统里吃灰。现在智能体做的是完整闭环：识别问题、根因分析、对策推荐、知识沉淀。更狠的是解决问题背后的问题——通过DPV（单车缺陷数）分析，找出那些反复出现的管理漏洞。“一线工人解决直接问题，智能体帮管理层看到问题背后的问题。”

智能调度——计划员的排产从来不是标准化流程。缺料了怎么办？订单变更了怎么调？这些靠经验意会的东西，以前APS系统根本抓不住。现在智能体像陪练一样跟着计划员，记录他在不同场景下的决策逻辑，慢慢提炼出行为偏好。“就像你用龙虾，越纠正它越懂你。”

信息过载——采购人员跑完MRP，真正的痛苦才开始：哪些物料缺了？为什么缺？建议下单数和历史差异大不大？以前一个采购员一天处理20个物料就焦头烂额，现在智能体先做全局风险扫描，再把"有异常的5个物料"推到人面前确认。“以前软件跑完就完了，现在软件跑完，智能体才开始干活。”

张兴反复强调一个观点：智能体不是替代传统软件，而是填补传统软件的空白。“你的APS都没用好，指望智能体帮你做好排产？路都没有，怎么跑得快？”

现场有人问起“数据中台和智能体哪个先建”，张兴的回答很干脆：“场景驱动。两个条件：场景能不能明确？数据有没有？都有就干，没有就先别折腾平台。”

陈恭伟：缝制设备龙头的“土办法”与真效果

接下来，杰克科技的陈恭伟带来了更多“车间层”的务实案例分享。

这家A股上市的缝制设备龙头，今年6.16刚在越南办了场发布会，推整套智能工厂的“交钥匙”方案——智链大师。但陈恭伟没讲这些，他讲的是工程师找物料怎么找、新员工修设备怎么修、工艺工程师怎么算工时——全是工厂里天天发生的小事儿，也是高价值场景。

物料检索——以前工程师在PLM系统里搜“台板”，出来几百个型号，非专业人士根本找不到匹配的。现在对着AI助手说一句“适合M9机型的台板”，秒级定位，直接跳转到图纸和工艺包。“效率提升5到10倍，不是那种预计提升，是真金白银的计时。”

设备维修——老师傅的经验是最稀缺的资源。杰克把维修手册、历史案例建成知识图谱，集成到SCADA报修系统。新员工报修后，AI直接推荐“可能原因+历史解决方案”，不用再翻手册、不用再喊老师傅。

工时测算——这是全场最为惊艳的数据之一。传统MTM（方法时间测量）需要资深精益工程师，一个零件赋码要950秒，一台机器500多个零件，得干16天。现在AI学习BOM、工艺、工时数据后自动生成装配步骤，再匹配标准工时库，26秒搞定一个零件，整机一天就能赋完码。“AI生成的方案，相当于5年经验的精益工程师水平。”

陈恭伟还透露了一个内部数据：数字人陪练在营销场景落地后，商机转化率提升了30%。“以前培训是学完了不知道会不会用，现在是先学再练，雷达图直接标出薄弱环节。”

但他也坦承了AI落地的坑：期望太高、幻觉问题、AI技术的更新迭代太快。杰克的解法是“松土、树典型、找痛点”——先让“金种子”员工尝到甜头，再慢慢扩散；同时，坚决不能求大而全，必须由业务部门一把手主导，将AI技术深度融进PLM、MES等核心IT系统，让用户在系统便利性中无感感知AI的价值。

张勇：美的的180个智能体与模型管理

最后一位出场的张勇老师，作为智能制造领域的绝对标杆，美的集团在AI领域的探索展现出了大厂在算力、机制与全价值链覆盖上的压倒性深度。

美的的AI发展分了三个阶段：2023年的“工具阶段”（IT主导，价值探索阶段）、2024年的“业务融合阶段”（业务牵头，战略小组自上而下推动）、现在的“模式变革阶段”（端到端拉通，改变业务模式）。

“最关键的转变是让业务主导，而不仅仅是IT。”张勇说。美的的推法是"5板斧"：战略制定、预算、KPI、运营、变革。年初给各事业部下"降本增效"的硬指标，财务引导业务方立项时优先选AI项目——"你不立AI项目，又达不到指标，就说不过去了。"

目前美的官方运营的智能体有180多个，员工"手搓"的超过2万多个。支撑这些智能体调度的算力及模型管理都集中在统一的算力平台和算法管理平台上，张勇特别强调"模型管理"的重要性——"模型很多，需要统一的管理调度，保障质量可控、成本最优、迭代高效以及安全合规。"

他分享的工厂场景同样扎实：

DMS精益管理——借助DMS智能体，将日常管理、异常处置流程标准化、自动化，缩短会议时间，提升异常闭环质量，同时可以将优秀管理者的经验转化为系统规则，降低对个人经验的依赖，加速新人培养。"减少会议次数，缩短开会时间，班组长的时间很宝贵，流水线一直在跑。"

工艺设计——以前新机型从0到1设计工艺要2小时，现在AI基于历史工艺库匹配相似方案，设计师微调即可，降到0.5小时。

供应商风险——四大维度的风险评估，从"人工评估"变成"AI全量实时评估"。难点在于需要供应商把产能数据接进来，"美的是链主，能拉通供应商配合，但不是所有企业都能干这个事"——这话实在。

张勇特别强调了"知识治理"的重要性。"以前做知识库，就是把文档存起来，好不好不知道。现在AI用上了，回答错了马上反馈，知识Owner就得去修正。AI倒逼知识治理，形成了价值闭环。"

现场那些热烈交流

由于整场闭门会分享的内容极具实操性，三位嘉宾分享结束后的答疑环节被各种问题塞满。我们整理了几个最具代表性的：

Q：AI智能体和原有系统怎么过渡？

张兴的答案是“共生而非替代”。信息化程度高的企业，智能体依附于现有系统做提效；信息化程度低的，反而可能跳过传统软件，用“智能体+即时通讯”直接搭轻量级流程。“有些场景，ERP没上全，但智能体已经能跑起来了。”

Q：ROI怎么算？

张勇展示了美的的硬核做法：所有Token消耗可观测，每个部门、每个智能体的调用量实时统计；立项时财务、人力、IT三方确认提效标准（比如翻译场景，原来几天vs现在几分钟）；结项时三方再核算。“不是定性地说'效率提升了'，是真金白银的工时和成本。”

我们（虎嗅智库）的一点感受

办这场会之前，我们担心Agent智能体在工业场景还是个伪命题。但三位嘉宾的分享让我们确认了一件事：AI在车间里，已经开始从“玩具”变成“工具”，从“试点”走向“量产”。

吉利强调“弱平台、强智能体”，杰克科技证明“小场景也能出大效果”，美的展示了“规模化落地的方法论”。三家企业路径不同，但共识高度一致：找场景、治数据、让业务主导、容忍AI慢慢成长。

会后交流群里的讨论持续不断。有参会者说：“终于听到不说赋能只说怎么干的会了。”另一位补充：“原来对Agent是什么、怎么用比较茫然，听完心里踏实多了。”

这或许就是闭门会的价值——不是听成功案例有多光鲜，而是知道哪些坑其实可以避开，哪些焦虑其实大可不必。

关注虎嗅智库公众号或添加智库小虎，持续了解一手案例、参加高价值闭门研讨。

活动预告：

虎嗅智库将于7月10日举办一场高规格、小规模的闭门研讨会。我们邀请工业制造、能源企业的数字化与运营负责人以及第三方AI专家，围绕工业AI在制造与供应链的“高价值场景”判定、工业零容错与“脏数据”的工程化碰撞、工业AI的投产比（ROI）与规模化真相进行深度交流。 

现有少量公开报名席位，欢迎感兴趣的业内朋友联系小虎哥参与交流。