夜雨聆风
蓝沃AI成凯:从“文员”到“老师傅”,AI智能体如何在工厂落地
4月23日，第五届长三角智能制造高峰论坛在上海嘉定圆满落幕，来自长三角的产学研代表齐聚一堂，共话AI+制造创新与落地应用。
蓝沃AI联合创始人兼CPO成凯受邀出席并以《从“文员”到“老师傅”，工业智能体如何在工厂落地》为主题发表演讲。
以下是演讲实录。
非常荣幸有这样的机会，可以跟大家分享「蓝沃AI」对制造业AI智能体应用的理解和实践。
图/蓝沃AI联合创始人兼CPO成凯
自我介绍一下，我叫成凯，「蓝沃AI」的联合创始人、产品负责人。
我身上有两个典型标签：
第一个标签，是“制造业数字化的老师傅”。我做了近十年的制造业数字化产品和服务，主要做云端部署的MES系统，主导过100家以上的工厂数字化项目交付落地。
第二个标签，是“正在持续学习AI的小学生”，也就是蓝沃正在做的事情——工业AI智能体。
今天，我想从制造业服务者和制造业用户的视角，聊聊工业AI智能体的落地使用场景和实践。
传统数字化系统的
价值和局限性
回顾我过去十年的制造业数字化服务经验，在生产管理软类软件的设计上，我们设想系统的使用者是工厂的“一线工人”、“管理、决策层”，希望用功能帮他们高效收集数据，用数据帮助他们高效决策，从而提升工厂的运营效率。
但是现在回想，最终每天跟系统打交道、使用系统功能的，反倒是制造业工厂的一些“文员”的角色。这些文员因系统而存在，也一定程度限制了系统的使用价值。
比如说：
-
跟单员要去操作系统、查订单进度；
-
工艺文员要记录数据、建新的产品、搭建工艺路线；
-
报工文员，在车间去手动输入每天的生产进度；
-
技术文员，要去做各种各样的检测报表和质检报告……
我们设计了许多精美的软件UI界面，但其实文员日常需要的，是如何批量上传，如何减少重复操作，如何让“操作系统”这项任务更简单。
受制于产品形态和能力，传统数字化系统在上线之后，设计初衷被迫改变，目标用户、使用习惯、使用方法都有所扭曲。从一个“管理决策”软件，变成一个“文员录入”系统，企业总觉得“跑不顺”——
-
数据的采集依赖人工使用，不使用就没有数据。
-
流程落地依赖管理，需要配合管理的手段，让系统能跑起来。
-
当业务发生变化时，流程相对地僵化，无法根据现场情况快速动态调整，
我们以前常自嘲：系统上线的那一刻，可能是它最好用，各项功能、配置、流程跑得最通畅的时候。随着时间推移，慢慢变成文员录入和整理数据的工具。
在工厂实际管理中，这些文员辛苦整理的数据，要靠“老师傅”（包括工艺、计划、车间主任、班组长）发挥价值。
“老师傅”会制定工艺规范、生产报表，交由文员维护；文员的日常工作，很大程度上是把老师傅们线下整理的数据录入系统，或执行他们的口头安排。
那么，为何不让双方都更进一步？
老师傅用简单的自然语言，直接跟系统交互，让AI成为他们的得力助手；文员不再只是录入数据，而是用AI辅助协调和判断，减轻老师傅的负担。
新一代工业AI智能体
应该具备什么能力
在人工智能时代，新一代工业AI智能体，就是这样一个中间角色。
按照李飞飞教授对智能体的定义（是也目前业内公认的定义之一），AI智能体需要具备感知、决策、执行以及持续学习的能力。
先说感知，智能体需要感知生产进度、设备状态、现场异常，甚至感知其他信息系统里面的数据。
那要决策什么呢？工厂最大的决策，主要是产能资源调度，也就是我们常说的排产。
再到执行，在工厂里其实有各种各样的执行，包括现场报工、异常处理、物料的流转等等。
最后是持续学习，我们认为AI智能体需要去持续地学习工艺流程，持续优化产能瓶颈，让协作更顺畅，让数据可以持续输出价值。
工厂里的三个
AI“老师傅”
刚说到我自己是制造业数字化的老师傅。
其实，在离散制造行业（尤其是非标机加工），普遍存在这样的老师傅角色，比如工艺工程师、PMC或排产员、班组长……
下面我来具体聊聊这几个“老师傅”，他们具备什么能力——用现在AI圈时髦的话来说——都有哪些的Skill？
工艺“老师傅”
在机械加工工厂，工艺老师傅的日常工作，简单来说需要具备两个能力：
-
第一个是看懂图纸：拿到一张加工图纸，他们要看懂这个图纸到底表达什么信息；
-
第二个就是制定工艺：根据图纸信息，去思考到底该怎么设计工艺，才能把产品做出来。
我们来做一个具体的演示，看看工艺优化老师傅教给AI的Skill：
第一步，看懂图纸。
图/AI气泡图工具，欢迎体验：www.level-ai.cn
第二步，制定工艺。
基于看懂的图纸和提取后的信息，我们的AI老师傅会思考、推理整个图纸的加工过程，把那些加工过程的数据，输出成BOM和工艺路线。
计划“老师傅”
在离散制造行业，因为生产资源相对分散，如果能够合理组合和调配各种资源，会显著提升整体产能。
在传统工厂中，计划老师傅需要具备什么样的能力呢？
-
第一步，全面了解销售、生产以及采购的各种情况。
-
第二步，制定一个可执行并且可以动态调整的计划。
-
第三步，在计划执行过程中，及时协调如果出现的各类异常。
如果让AI来做计划老师傅的Co-Pilot，会变成什么样呢？
第一步，实时掌握销售、生产以及采购的各种情况。
我们为计划员、生产主管们打造了AI智能驾驶舱。它能直观反馈工厂所有的核心数据指标，让管理者对生产动态一目了然，真正实现实时掌控。
图/AI排产智能体：智能驾驶舱
同时，内置的智能助手“小沃”，能对全局数据进行深度分析，给出决策建议，主动告诉您需要关注的指标以及当前存在的异常风险。
第二步，制定可执行的排产计划，并动态调整。
图/AI排产智能体：智能排产
我们将排产逻辑透明化，AI不仅会给出一个最优计划，还会清晰展示它的思考过程，例如考虑了哪些约束条件，优化了哪些目标，并且不断跟你对齐校准。直到它能自主运行，产出可执行的计划。
图/AI排产智能体：紧急插单
针对工厂里典型的“插单”场景，AI智能体能够模拟不同插单策略造成的影响，帮你判断到底是必须为了准交“救火”，还是能以对现场影响最小的前提下局部调整，减少资源浪费。
第三步，我们希望人的时间精力，能够回归到现场异常的处理上。
图/AI排产智能体：异常预警
AI智能体会主动关注和整理各类现场异常。计划员不再需要耗费大量精力查询报表、电话沟通，而是可以直接根据预警提醒处理问题，把更多宝贵的时间放在现场管理上。
工位执行“班组长”
每一个工厂车间都会存在大量基层的管理者，也就是“班组长”。他们每天的核心工作其实就是工位巡检，主要做三件事：
第一，掌握车间动态。班组长必须实时清楚产线上所有的动态：每个人在做什么、有没有遇到问题、作业是否规范。
第二，统计现场数据。比如今天的工时节拍怎么样、总产量一共有多少。
第三，处理各类异常。一旦现场出现状况，无论是缺料还是设备故障，每个班子成员都会第一时间找班组长解决。
我们现在可以让每一个工位都有这样的AI班组长。
图/包装工位的作业SOP合规场景
简单介绍一下「蓝沃AI」
从2022年开始，我们组团队、投算力，做产品化的AI智能体，希望给中国成长性制造企业，带来用得好，用得爽，用得起的AI产品，真正驱动工厂提效。
目前，我们自投建设了1个亿的算力中心，达到300P的算力规模，积累了150多种行业算法。
2025年年底，我们的产品开始全面商业化推广，以开箱即用、落地快、普惠的特点迅速收获了一批工厂的青睐。截止到目前，我们累计服务了150家制造业工厂，目前以离散制造业工厂为主。
回顾这十年的数字化经验，我最大的感触是：外行很难指导内行。因此，蓝沃团队从组建开始，就很注重技术背景和工业背景的融合。不同于纯技术背景的团队，我们有很多制造大厂背景的“老师傅”，他们有人均十年以上的工厂实战经验。算法团队除了计算机背景，还有数学、统计学、机械、物理的硕博成员，他们经常为打磨产品细节，与工人一起在车间一泡就是一整天。
为什么我们要这样组建团队？过去，工厂上系统最怕上了以后用不起来，只有让工艺工程师、计划员这样真正懂现场的老师傅深度参与进来，才能把系统真正跑通，打磨出能落地的产品。
真正能落地的工业AI智能体产品，需要结合制造业行业knowhow，制造业数字化的服务经验和前沿的AI的模型技术，三者缺一不可。
我们相信，汇聚中国工人的智慧，AI可以让制造业更简单。
