核心内容总结
这篇新闻讲的是虎嗅智库举办的一场“Agent进车间”闭门会，邀请了吉利、杰克科技、美的三家制造企业的AI负责人，分享AI智能体在工厂落地的真实案例和实操经验。之前大家对AI在车间的价值存疑（担心是“面子工程”、赚不到钱），但这场会打破了这种“悬浮感”——三家企业用具体场景证明：AI智能体已经从概念变成实用工具，能解决工厂里的实际问题（比如减少停线、提升排产效率、节省工时），且落地路径清晰（场景驱动、业务主导、数据优先）。
详细拆解解读
1. AI智能体不是传统软件的“升级版”，而是补短板的“新帮手”
传统工厂软件（比如ERP、APS）是“流程驱动”：先画好流程图，每个步骤的输入输出都固定，像一条预设好的轨道。但AI智能体是“数据驱动”：先问“你有什么数据？能挖出什么有用信息？”，它更像一个“灵活的助手”，能处理传统软件搞不定的“非标准化问题”。
比如吉利的案例：
- 停线缺陷管理：以前质量问题靠人盯，缺陷报告堆在系统里没用。现在智能体从数据里找出反复出现的问题（比如某条线的单车缺陷数总是高），不仅告诉你“哪里错了”，还推荐解决办法，甚至帮管理层看到背后的管理漏洞（比如某个环节培训不到位）。
- 智能调度：计划员排产靠经验（缺料了怎么调？订单变了怎么改？），传统排产系统（APS）抓不住这些“灵活决策”。智能体像“陪练”一样跟着计划员，记录他的决策逻辑，慢慢学会他的偏好，下次遇到类似情况直接给建议。
- 采购信息过载：以前采购员处理20个物料就头疼，现在智能体先扫描所有物料，只把“有异常的5个”推给人确认，省了大量时间。
关键是：智能体不是替代传统软件，而是补它的空白——如果你的APS都没用好，别指望智能体帮你排产，“路都没有，怎么跑得快？”
2. 车间里的“小事”藏着大价值——杰克科技的“土办法”真见效
杰克科技是做缝制设备的龙头，他们没讲高大上的方案，而是聚焦工厂里天天发生的“小事”，这些小事反而能带来真金白银的效率提升：
- 物料检索：以前工程师搜“台板”，出来几百个型号，非专业人士找不到。现在对着AI说“适合M9机型的台板”，秒定位到图纸和工艺包，效率提升5-10倍（是实际计时算出来的）。
- 设备维修：老师傅的经验最珍贵，但新人不会用。杰克把维修手册、历史案例做成“知识图谱”（相当于把经验整理成互相联系的数据库），新人报修后，AI直接推荐“可能原因+历史解决方案”，不用翻手册喊师傅。
- 工时测算：传统方法需要资深工程师，一个零件算工时要950秒，一台机器500个零件得干16天。现在AI学了历史数据，自动生成装配步骤和工时，26秒搞定一个零件，整机一天就完成——效果相当于5年经验的工程师。
杰克的落地技巧：先让“金种子”员工（愿意尝试的人）尝到甜头，再慢慢扩散；坚决不搞大而全，让业务部门一把手主导，把AI融进现有系统（比如PLM、MES），用户用的时候甚至没感觉到是AI在帮忙。
3. 美的的规模化玩法：180个智能体怎么跑起来？
美的作为大厂，已经把AI智能体做到了“量产”：官方运营180多个，员工自己做的超过1万个。支撑这么多智能体的是4000多张GPU卡（算力够），还有一套成熟的落地方法论：
- 阶段进化：从2023年的“工具阶段”（IT主导，价值有限），到2024年“业务融合阶段”（业务牵头，高管推动），再到现在“模式变革阶段”（改变整个业务流程）。关键是让业务部门主导，而不是IT——因为业务才知道哪里需要AI。
- 5板斧推动：战略定目标、给预算、设KPI、财务引导（立项优先选AI项目，不然完不成降本指标）、高管牵头。比如年初给事业部下硬指标，业务方不得不主动用AI。
- 模型管理：AI模型更新太快，如果每个应用都单独改，会累死。美的搞了统一接口，更新一个模型所有应用都能用，解决了“重复劳动”问题。
具体场景例子：
- DMS精益管理：原来班组长每两小时开一次会看大屏，现在AI机器人1分钟检查一次，没问题就不打扰，有问题直接报结果——节省了班组长的时间。
- 工艺设计：新机型设计工艺原来要2小时，现在AI匹配历史方案，设计师微调就行，降到0.5小时。
- 供应商风险：44个维度实时检查，原来靠人抽检，现在AI全量看——但美的是链主，能要求供应商提供数据，小公司可能做不到。
4. 落地AI智能体的“避坑指南”和共识
三家企业虽然路径不同，但有几个高度一致的“实在话”：
- 别先建平台，先找场景：有人问“数据中台和智能体哪个先建？”，吉利的回答是“场景驱动——场景明确、数据有，就干；没有就别折腾平台”。
- 容忍AI“慢慢成长”：AI会有“幻觉”（回答错）、更新快，别期望一开始就完美。杰克的办法是“松土”——先让小部分人用，慢慢优化。
- 数据是基础：没有数据，智能体就是空壳。美的强调“知识治理”：AI用的时候答错了，就得修正知识库，形成闭环。
- 别搞“一把手工程”的面子：必须让业务部门主导，融入现有系统，让用户真正觉得有用，而不是为了给领导看。
5. 大家最关心的两个问题：AI和老系统怎么共存？ROI怎么算？
- AI与老系统过渡：吉利说“共生而非替代”。信息化程度高的企业，智能体依附现有系统提效；信息化低的，甚至可以跳过传统软件，用“智能体+微信/钉钉”搭轻量级流程（比如有些场景ERP没上全，但智能体已经能跑）。
- ROI计算：美的的方法很硬核——所有AI的“计算消耗”（Token）都能实时统计；立项时，财务、人力、IT三方定好提效标准（比如翻译场景原来几天，现在几分钟）；结项时再核算工时和成本，不是“定性说提升”，而是真金白银算出来的。
这场会的价值在于：它让大家看到AI在车间不是“玩具”，而是能解决实际问题的“工具”。三家企业用真实案例告诉我们：AI落地不用求大求全，找对小场景、让业务主导、把数据搞扎实，就能赚到钱。如果你是制造行业的人，这些经验能帮你避开很多坑，少走弯路。