微博

微信

問AI

加速“入職”制造業(yè)，智能體如何從試點(diǎn)走向規(guī)?；蠉?/h1>

工控網(wǎng)

2026/9/15 21:48:19

過去一年，制造業(yè)對AI的熱情幾乎肉眼可見，“智能體”“數(shù)字員工”等各類試點(diǎn)項(xiàng)目快速鋪開。但在工控網(wǎng)對多家制造企業(yè)的觀察中發(fā)現(xiàn)，絕大多數(shù)智能體應(yīng)用仍停留在單點(diǎn)驗(yàn)證階段，規(guī)?；涞氐雷枨议L，推動智能體從可演示走向可上崗、可復(fù)用、可管理，仍然是企業(yè)需要解決的課題。

目前來看，很多企業(yè)落地效果不及預(yù)期，核心問題并不在模型能力，而在于沒有摸準(zhǔn)制造業(yè)的落地節(jié)奏。制造業(yè)場景復(fù)雜、業(yè)務(wù)鏈條長，并不適合一步到位的體系重構(gòu)，從單個(gè)場景切入做深做透，逐步向崗位級串聯(lián)延伸，最終實(shí)現(xiàn)組織級協(xié)同，逐級推進(jìn)反而更容易走穩(wěn)走實(shí)。

我們注意到近日騰訊研究院、騰訊云聯(lián)合WorkBuddy發(fā)布的《邁向自適應(yīng)制造：制造業(yè)智能體實(shí)踐白皮書》，其中系統(tǒng)梳理了工程化落地路徑與一線實(shí)踐樣本，為制造業(yè)提供了可參照的思路。

三重卡點(diǎn)

制約制造業(yè)智能體規(guī)?；涞?/span>

我國已建成全球規(guī)模最大、門類最齊全的工業(yè)體系，生產(chǎn)制造能力與硬件裝備水平躋身全球前列。但在向高端化、精細(xì)化、智能化升級的過程中，三重卡點(diǎn)始終制約著產(chǎn)業(yè)效率的進(jìn)一步提升。

硬強(qiáng)軟弱：研發(fā)設(shè)計(jì)類高端工業(yè)軟件國產(chǎn)化率有限，產(chǎn)業(yè)升級面臨軟件底座制約。

系統(tǒng)割裂：MES、ERP、SCADA、PLM系統(tǒng)分階段部署，導(dǎo)致系統(tǒng)割裂、數(shù)據(jù)孤島。

人才短缺：人口老齡化疊加年輕勞動力減少，老師傅的經(jīng)驗(yàn)缺乏有效轉(zhuǎn)化，而新一代技術(shù)人員需要時(shí)間成長。

AI的爆發(fā)為制造業(yè)的轉(zhuǎn)型破局提供了關(guān)鍵拼圖。隨著大模型與智能體走向成熟，AI開始從輔助工具走向業(yè)務(wù)流程本身，不僅可以補(bǔ)上工業(yè)軟件能力的短板，用智能化能力打通系統(tǒng)之間的數(shù)據(jù)斷點(diǎn)，更可以將個(gè)人經(jīng)驗(yàn)沉淀為組織級的可復(fù)用資產(chǎn)。

在此過程中，智能體也沿著能力邊界逐步演進(jìn)，從“能對話”的知識問答，到“能干活”的事務(wù)處理，再到“能上崗”的數(shù)字員工。

不過，目前行業(yè)內(nèi)仍有大量智能體項(xiàng)目停留在POC階段，核心問題就在于缺乏適配制造業(yè)場景的落地方法與可靠的運(yùn)行底座。制造業(yè)智能體要真正從“能對話”走向 “能上崗”，既需要合適的切入點(diǎn)，也需要完整的工程化體系與承載平臺，才能形成組織級價(jià)值。

統(tǒng)一AI工作臺

構(gòu)建智能體規(guī)?；鬃?/span>

制造企業(yè)的數(shù)字化建設(shè)，長期處于系統(tǒng)越上越多、數(shù)據(jù)越管越散的狀態(tài)，業(yè)務(wù)橫跨研發(fā)、生產(chǎn)、供應(yīng)鏈、財(cái)務(wù)、質(zhì)量等多個(gè)板塊。如果各部門獨(dú)立搭建智能體應(yīng)用，不僅帶來重復(fù)投入，更容易形成新的數(shù)據(jù)壁壘，還會帶來權(quán)限邊界模糊、數(shù)據(jù)安全風(fēng)險(xiǎn)等問題。因此，統(tǒng)一的AI工作臺成為企業(yè)打造智能體的關(guān)鍵基礎(chǔ)設(shè)施。

當(dāng)前行業(yè)內(nèi)不乏將AI能力原生嵌入到PLC編程、產(chǎn)線調(diào)度等核心工業(yè)流程中的AI平臺，這類平臺聚焦生產(chǎn)端工藝優(yōu)化，對企業(yè)的自動化基礎(chǔ)與數(shù)據(jù)底座要求較高。

而另一條路徑，則從業(yè)務(wù)流程協(xié)同、文檔處理與跨系統(tǒng)數(shù)據(jù)打通切入，主要面向制造企業(yè)日常運(yùn)營中的職能與管理場景，適配范圍更廣，能夠快速在非生產(chǎn)現(xiàn)場的數(shù)字業(yè)務(wù)場景中驗(yàn)證價(jià)值。

騰訊云推出的WorkBuddy企業(yè)級桌面AI智能體工作臺正是后者，其底層架構(gòu)以專家、助理、團(tuán)隊(duì)、資料庫四項(xiàng)能力為支撐，將系統(tǒng)工具、專家經(jīng)驗(yàn)、技能與企業(yè)知識裝配為可常駐運(yùn)行的云端智能體。它不要求制造企業(yè)改造現(xiàn)有系統(tǒng)，而是以“數(shù)字員工”的形態(tài)完成具體任務(wù)，讓 AI“坐進(jìn)辦公室”干活。

數(shù)據(jù)安全是制造企業(yè)落地AI的核心顧慮之一。針對制造企業(yè)數(shù)據(jù)分級管理的需求，WorkBuddy提供SaaS、專有云與私有化三種部署形態(tài)，匹配不同的數(shù)據(jù)隔離與合規(guī)要求。同時(shí)通過統(tǒng)一管理后臺，對模型、技能、專家、連接器進(jìn)行集中管控，從文件讀寫、指令執(zhí)行到網(wǎng)絡(luò)訪問，多維度劃定智能體的行為邊界。

在此基礎(chǔ)上，WorkBuddy ManagedAgents（簡稱 WMA）云端托管能力進(jìn)一步解決了智能體的穩(wěn)定運(yùn)行問題，支持長周期任務(wù)與自動觸發(fā)場景，空閑時(shí)段自動休眠控制運(yùn)行成本，核心業(yè)務(wù)數(shù)據(jù)全程駐留云端、不落本地。同時(shí)為每個(gè)智能體配備從上線到運(yùn)營的全流程治理機(jī)制，覆蓋統(tǒng)一身份認(rèn)證、獨(dú)立運(yùn)行環(huán)境、全鏈路操作追蹤與效果評測，建立清晰的運(yùn)行邊界與可量化的質(zhì)量基線。

從單點(diǎn)跑通到規(guī)模化復(fù)制

需要一套工程化方法

統(tǒng)一的工作臺底座，解決了智能體規(guī)?；芷饋淼膯栴}。但制造業(yè)智能體的落地難度，遠(yuǎn)高于通用辦公場景。由于研發(fā)、生產(chǎn)等各環(huán)節(jié)規(guī)則各異、數(shù)據(jù)來源不一，再加上極低的容錯(cuò)空間，決定了智能體不能靠通用能力包打天下，也不能靠簡單的工具堆疊。

基于對制造業(yè)落地規(guī)律的長期實(shí)踐與觀察，白皮書還沉淀出場景工程、實(shí)證工程、復(fù)利工程三層遞進(jìn)的工程化范式，對應(yīng)單個(gè)智能體從選對方向到跑通業(yè)務(wù)再到規(guī)?；瘡?fù)用的完整路徑。

場景工程

解決的是起步選錯(cuò)方向的問題。制造業(yè)各行業(yè)場景差異大，優(yōu)先選擇價(jià)值明確、規(guī)則清晰、可行性強(qiáng)的場景切入。

實(shí)證工程

解決演示與實(shí)戰(zhàn)脫節(jié)的問題。制造業(yè)業(yè)務(wù)容錯(cuò)率低，用真實(shí)業(yè)務(wù)檢驗(yàn)，反復(fù)打磨迭代，在真實(shí)場景中校驗(yàn)準(zhǔn)確性與穩(wěn)定性。

復(fù)利工程

解決的是難以規(guī)?；瘡?fù)制的問題。制造業(yè)崗位多、場景分散，將跑通的業(yè)務(wù)規(guī)則、流程邏輯、判定標(biāo)準(zhǔn)沉淀為可復(fù)用的標(biāo)準(zhǔn)化技能，快速復(fù)制到同類崗位與相似場景，同時(shí)為老師傅經(jīng)驗(yàn)的傳承提供載體。

這三層工程范式層層遞進(jìn)，把制造業(yè)的落地規(guī)律拆解成了可執(zhí)行的標(biāo)準(zhǔn)化步驟，但也要注意，對于數(shù)據(jù)治理薄弱、業(yè)務(wù)流程零散的企業(yè)，仍需先補(bǔ)齊基礎(chǔ)能力再推進(jìn)規(guī)?；渴?。要在制造業(yè)實(shí)現(xiàn)規(guī)?；渴?，不僅僅是單點(diǎn)場景的數(shù)量疊加，更要沿著業(yè)務(wù)鏈條逐級滲透，形成從任務(wù)級到崗位級再到組織級的三級進(jìn)階路徑，最終構(gòu)建起體系化的智能體應(yīng)用格局。

任務(wù)級智能體是整個(gè)體系的基礎(chǔ)單元，聚焦PMC排產(chǎn)、BOM核對等具體業(yè)務(wù)，構(gòu)成整個(gè)體系可復(fù)用的最小能力模塊。

崗位級智能體是單崗位的能力整合，將同一崗位下的多個(gè)任務(wù)按業(yè)務(wù)流串聯(lián)，帶來的是崗位整體運(yùn)營效率與標(biāo)準(zhǔn)化水平的提升。

組織級智能體是跨崗位的協(xié)同網(wǎng)絡(luò)，將不同崗位的智能體沿著端到端業(yè)務(wù)鏈路打通，實(shí)現(xiàn)跨部門、跨環(huán)節(jié)的數(shù)據(jù)自動流轉(zhuǎn)與業(yè)務(wù)協(xié)同，緩解系統(tǒng)割裂帶來的協(xié)同痛點(diǎn)。

這也是WorkBuddy在制造業(yè)落地的核心思路，不追求一步到位，而是以任務(wù)級場景為起點(diǎn)，像搭積木一樣由小及大逐級累積，逐步向崗位級整合、組織級協(xié)同延伸，小步快跑、持續(xù)迭代。對制造企業(yè)而言，這種模式投入可控、節(jié)奏可調(diào)，每一步都有明確的價(jià)值驗(yàn)證，逐步實(shí)現(xiàn)從點(diǎn)到線再到面的體系化覆蓋。

目前這套模式已經(jīng)在裝備制造、電子半導(dǎo)體、食品行業(yè)等多個(gè)細(xì)分領(lǐng)域落地驗(yàn)證。

珠海天威飛馬

作為傳統(tǒng)制造企業(yè)的代表，珠海天威飛馬從企業(yè)內(nèi)部職能業(yè)務(wù)切入，探索“一個(gè)人就是一個(gè)部門（OPD）”的組織提效新模式，覆蓋招投標(biāo)、采購智選、智印校核、智能財(cái)會、競品雷達(dá)等多個(gè)應(yīng)用場景，最終沉淀出50 +標(biāo)準(zhǔn)化智能體應(yīng)用場景。

落地成效顯著，單份標(biāo)書編制時(shí)間從36小時(shí)壓縮至14小時(shí)，包裝與標(biāo)簽校核的人工投入從每月244小時(shí)降至約5小時(shí)，采購、財(cái)務(wù)等核心業(yè)務(wù)場景均實(shí)現(xiàn)數(shù)倍提效。

煙臺富美特

煙臺富美特則將智能體嵌入真實(shí)業(yè)務(wù)流程跑通打磨。

在研發(fā)場景，AI貫穿需求分析、原型設(shè)計(jì)、代碼開發(fā)、測試交付全鏈路，推動傳統(tǒng)串行接力的研發(fā)模式轉(zhuǎn)向并行協(xié)同；

在合規(guī)審核場景，智能體承接法規(guī)匹配、標(biāo)簽審核等重復(fù)性專業(yè)工作；

在數(shù)據(jù)處理場景，對多源數(shù)據(jù)進(jìn)行全面處理，提升大規(guī)模數(shù)據(jù)處理效率。

數(shù)據(jù)處理時(shí)效從約1周縮短至1天，報(bào)告交付周期縮短約50%。

這些案例雖然應(yīng)用場景各有不同，但都是從數(shù)字業(yè)務(wù)場景切入，用細(xì)分場景跑出大價(jià)值，再通過能力沉淀實(shí)現(xiàn)規(guī)模化復(fù)制。同時(shí)，透過案例，我們可以看到，智能體在這些不同環(huán)節(jié)中的應(yīng)用始終發(fā)揮的是輔助作用，核心是把零散的經(jīng)驗(yàn)轉(zhuǎn)化為標(biāo)準(zhǔn)化流程，把人從反復(fù)查信息、跑流程、做材料的繁瑣事務(wù)中解放出來，聚焦更高價(jià)值的現(xiàn)場研判與復(fù)雜決策。

隨著AI技術(shù)在制造業(yè)的深度應(yīng)用，制造業(yè)生產(chǎn)模式將發(fā)生根本性變革。傳統(tǒng)的金字塔架構(gòu)將被顛覆，工廠正實(shí)現(xiàn)從自動化到智能化再到自適應(yīng)的轉(zhuǎn)變。智能體正是推動制造業(yè)從自動化邁向自適應(yīng)的核心載體。

但這個(gè)過程不會一蹴而就。當(dāng)前智能體最成熟的落地場景仍集中在數(shù)字業(yè)務(wù)領(lǐng)域，未來將逐步向生產(chǎn)現(xiàn)場滲透，從任務(wù)級智能體逐步累積為崗位級、組織級智能體網(wǎng)絡(luò)，最終形成全鏈路的自適應(yīng)能力。

對制造企業(yè)而言，先在數(shù)字業(yè)務(wù)場景中把智能體跑穩(wěn)，再沿崗位、組織逐級打通。當(dāng)這些“數(shù)字員工”從單點(diǎn)工具變成可管理、可復(fù)用的組織能力，自適應(yīng)制造才有底座。

如需了解智能體在制造企業(yè)的切入點(diǎn)、部署方式與規(guī)模化路徑，可掃描下方二維碼/點(diǎn)擊此處，獲取完整白皮書。

審核編輯(

唐楠

)

0

0

投訴建議

提交

查看更多評論