制造业的AI先锋,为什么长在飞书上 || 新质π

最近看了一场比赛，“飞书AI先锋大赛·先进制造专场”的全国十强赛。146个参赛案例，来自北汽、东风、海信等制造业企业，覆盖设备运维、质量检测、整车研发、供应链管理等真实工业现场。

台下评审汇聚了同济大学、上汽、理想、奇瑞、博世、小米等机构的专家。

台上站着的不是AI产品经理，而是工厂的维修工、质量工程师、供应链管理者。他们讲的不是AI的愿景，而是已经跑在产线上的智能体与skill——有人用智能体把设备故障处理从10分钟压到4分钟，有人用大模型做发动机零件质检全年算力费不到1000块，有人养了一只OpenClaw龙虾在工厂值班巡检、派活催办。

看完这些案例，我最想搞明白的其实是一个结构性的问题：为什么这些案例长在飞书上？

这个问题的答案，我认为对中国制造业的AI转型有超出一场比赛本身的意义。

从“会说话”到“会做事”：一个历史性的节点

要理解这场比赛的分量，先要看清它所处的时代背景。

2026年初，开源智能体框架OpenClaw在全球爆发。与ChatGPT、DeepSeek不同，OpenClaw的意义不在于“AI更聪明了”，而在于AI第一次具备了记忆、判断和自主执行的能力——它从“会说话”进化到了“会做事”。一位研究者将其称为AI从“对话工具”到“数字执行体”的范式跃迁。

GitHub星标数突破28万，成为史上增长最快的开源项目。2026年政府工作报告首次提出“促进智能体加快推广”。深圳龙岗出台了“龙虾十条”扶持政策。在中国，这不再是极客的玩具，而是一场正在发生的产业变革。

但变革的速度在不同行业差异悬殊。麦肯锡的调研数据揭示了一个尖锐的落差：2026年，70%的企业将部署AI Agent，但仅23%实现了单一职能内的规模化应用，全公司级规模化的企业不足7%。

Gartner预测，到2026年底约40%的企业应用将集成任务型AI Agent，但相比2025年不到5%的水平，这依然是一个刚刚起步的进程。

换句话说，绝大多数企业还卡在“试过了，但没跑通”的阶段。

而制造业尤其难。制造业的“重”——重设备、重流程、重经验——让它比互联网、金融这些行业更难敏捷地拥抱新技术。一份行业趋势报告直指痛点：大量企业把AI智能体“孤立部署”在某个单点环节，数据没打通、流程没衔接，用起来跟Excel宏差不多——这是低价值区。真正产生价值的做法是把智能体嵌入工作流，让它能调用ERP、MES、知识库，同时让人的经验持续“教”给AI。

这恰恰是飞书AI先锋大赛最让我触动的地方：台上这些案例，绝大多数已经跨过了“孤立部署”的阶段，进入了“嵌入工作流”的深水区。它们不是实验室里的demo，而是真正跑在产线上的方案。

在麦肯锡所说的全公司级规模化不足7%的大背景下，146个制造业案例汇聚在同一个平台上——这本身就是一个值得追问的现象。

工厂一线员工成为AI开发者

这些案例有一个共同点最让我意外：推动AI落地的，不是IT部门的顶层设计，而是业务一线的人。

东风奕派的汤俊是设备维修工，他用飞书 aily 搭建了“设备大师”智能体，把2000多条故障记录导入飞书知识库，维修工用语音描述故障就能获得精准方案。

他说过一句话：“飞书就是AI平权工具——只要有想法就可以做，不需要任何代码能力。”

阿维塔的质量工程师龚成和董思维，给几十名同事做了一次培训，两个半小时后，一个变更评审的智能体demo就跑出来了——以前要拉多名专家开几天会才能敲定的事，现在一分钟内完成初步评估。目前阿维塔内部已有30多人自己动手搭建了智能体。

北汽福田的文伟把OpenClaw龙虾养在了工厂的工作群里，取名“长超小福”。这只龙虾给一项业务打了6分（满分10分），逐条列出改进建议，领导当即拍板——“按它说的执行”。

这些人不是程序员，不是算法工程师。他们是每天跟设备、流程、零件打交道的一线员工。他们最懂痛点，也最有动力去解决问题。当工具的门槛足够低，当AI出现在人本来就在的工作流里，创新的主体就从IT部门转移到了业务一线。

这是一个非常重要的信号。过去制造业的数字化转型，往往是“自上而下”的——老板拍板、IT牵头、外包实施。但这场比赛让我看到了“自下而上”的另一种路径：一线员工自己发现痛点、自己搭建工具、自己验证效果。这种路径的效率和适配度，远超传统模式。

为什么长在飞书上

回到最初的问题：为什么这些案例长在飞书上？

第一层原因是飞书的AI工具本身足够低门槛、足够贴近业务。

在对AI先锋大赛选手的采访中，几乎每个人都会提到一个词：“低门槛”。东风康明斯的参赛选手提到，在企业想要获取大模型能力的时候，飞书提供了最完整且最低门槛的技术栈——“在需要的时候，只有飞书提供了这些，那自然会基于飞书进行更多智能化探索。”

这种低门槛不只是技术上的，更是组织上的。亿咖通发现，飞书的低代码能力让业务部门也能快速掌握AI，不再需要等IT排期——业务与IT之间长期存在的理解壁垒，因此被大幅缩短。

第二层原因是数据底座。

OpenClaw在中国所有IM工具中的接入率，飞书占65.2%。硅基流动联合创始人杨攀复盘说，飞书与OpenClaw的适配性在于，它不仅仅是IM工具，更是一个完整的工作空间，有大量上下文信息，能让Agent做事的能力得到充分发挥。

飞书在制造业的渗透经历了从协同工具到数字化底座再到AI落地平台的演进。从2021年“蔚小理”选择飞书解决组织的“熵增”问题，到多维表格、飞书项目、aPaaS等能力让飞书逐步深入业务流程，再到aily智能体等飞书AI能力、OpenClaw集成——每一步都为下一步铺了路。

所以当OpenClaw这样的新能力出现时，这些企业不需要从零开始——文档、流程、知识库、业务数据早已沉淀好了，Agent进来直接就有活干。

两层合在一起，才是完整的答案：底座让AI有上下文可以理解，工具让AI能嵌入每个人本来就在的工作流里。如果说大量定制化的AI方案对制造业来说是一条条窄道，那飞书更像一片旷野——数据在这里沉淀，业务在这里流转，智能体在这里生长，而且门槛低到一线工人都能自己动手。

阿维塔的案例最能说明这一点。他们先花了近一年把IPD研发管理体系搬到飞书项目上——五大阶段、42个关键节点、近1500份交付物，全部在一个平台流转。这一步不是为了上AI，但恰恰为AI创造了土壤。

后来用飞书aily搭建智能体，直接嵌入审签流程，工程师正常提单、正常审签，AI结果自动出现——这件事之所以能做到，是因为飞书项目原生支持IPD流程，智能体可以直接嵌入审签节点。这不是在任何IM上挂一个聊天机器人能实现的。

底座就绪之后，AI能力的落地就变成了自然生长，而不是强行嫁接。

一场比赛的生态价值

看完这场比赛，我一直在想一个更大的问题：为什么飞书要办这样一场比赛？它的价值是什么？

表面上看是评选。但往深处看，它做了一件对制造业AI化非常重要的事——把散落在各家工厂里的AI探索，集中搬上了同一个舞台，变成了整个行业可以借鉴的公共经验。

制造业的每家企业都要从零摸索自己的AI路径，每一家都要踩自己的坑。当146个案例汇聚在一起，参赛者互相学习，评审者把经验带回自己的企业——这本身就是一种行业级的效率提升。北汽福田的文伟直接把整套龙虾方案开源，供任何企业免费使用。他在台上说了一句让我很受触动的话：“这一轮AI浪潮，不能只有互联网行业远远跑在前面。”

这句话的背后，是制造业的一种集体焦虑，也是一种集体觉醒。

飞书能举办这样的比赛，本身就说明了一种生态能力——它不只是提供工具，而是在构建一个让AI能够在制造业生根的环境，成为企业间在AI日新月异的当下，互相学习、交流的平台。

写在最后

这场比赛给我的最大触动，不是某个具体案例有多炫，而是一种正在成型的路径变得清晰可见了：

一线员工驱动创新，低门槛工具降低落地成本，数据底座保证AI能够持续进化，开放平台让经验流动成为公共资产。

这条路径能不能走通，取决于三件事：企业的数据底座够不够深，AI工具的门槛够不够低到让一线员工自己动手，行业有没有一个共享经验的机制。飞书提供了前两者，飞书的AI先锋比赛正在构建第三个。

AI的能力还在加速迭代——从ChatGPT到OpenClaw，从Sora到Seedance，每一轮都比上一轮来得更快。下一轮新技术出现时，那些已经在飞书上完成数据沉淀、跑通业务流程的企业，依然会是最先接住它的人。而飞书AI先锋大赛的价值，正是让更多企业看到这条路径，并有机会踏上去。

制造业才是生产力真正发生的地方。当AI终于走进车间，改变的不只是效率——而是谁来定义“先进”这两个字。