AI浪潮:少追风口,多务实效

【编者按】工场札记｜第六篇

近期中美元首会晤，人工智能成为重要议题。可以预见，AI将再度引爆全网舆论热度，资本市场、各地产业招商以及新兴赛道企业都会参与其中，势必催生不少跟风加码、概念炒作的现象。

亲历过多轮产业周期，过往也曾深耕资本、研判各类新兴产业，如今扎根制造一线，我更习惯带着批判性视角看待各类风口概念。新兴产业自有其时代价值，部分赛道的发展甚至难免伴随泡沫与炒作。但这套逻辑不能直接照搬到制造行业，传统制造业的智能化实践，需要遵循务实原则。结合近期产业观察与实操经历，记录一些一线思考。

近期看过不少有关AI新业态、新赛道的产业宣传案例，各类试点闭环、产业突破的叙事层出不穷，看起来前景无限、落地成熟。

早年的工作经历，让我看过太多新兴产业的宏大叙事，高速增长、技术颠覆、模式创新，让人眼花缭乱。

我始终认可，新能源、人工智能等这类新兴赛道，承担着技术突破、产业探路的时代使命，价值无可替代。

但多年阅历也让我看清一个现实：很多前沿创新，适合时代探索、资本博弈，却未必适配实体经济的日常运转。真正托举社会衣食住行、柴米油盐的，依旧是踏踏实实、稳步迭代的传统制造业。

两者没有优劣之分，只是发展逻辑完全不同。

带着批判性思维重读各类产业案例，我最大的感受是：很多新兴领域的成果，更多是政策示范意义大于真实商业落地价值。

可以做样板、做展示、做招商故事，但并不等于可复制、低风险、直接拿来做真实的解决方案。盲目照搬新兴产业高举高打的逻辑，落地传统制造业大多会水土不服。

以新能源、人工智能这类新兴赛道为例，最典型的特征就是技术迭代极快。产业周期被压缩至两三年一轮，技术、方案、模式快速更新淘汰，一旦重资产all in，很容易面临技术过时、投入无法回收的沉没成本。

传统制造业则完全不同。

我们的工艺、流程、供应链体系，是常年在现场打磨、沉淀、优化出来的。迭代不快，但足够稳定、足够靠谱、足够抗周期。

这不代表传统产业保守拒新。相反，我们同样渴望新技术赋能，只是不该直接复制新兴赛道高举高打的打法。

典型便是人工智能在制造业当中的应用，如今不少企业推进AI智能化，却很容易陷入一种惯性误区：自上而下依靠老板意志驱动，一上来就寄希望用AI攻克业务老大难痛点、关键卡点，追求大项目、全链路改造，寄望一套工具解决全部问题，一次性大规模铺开。

但现实往往适得其反。

核心业务的卡点容错空间极低，一旦尝试失败，会直接干扰业务正常运转，甚至整个AI探索方向都会因此被全盘否定。

我的思路恰恰有些反过来：不要把最棘手的核心痛点，当做AI的第一块试验田。

优先挑选容错率高、相对无关痛痒的场景先行尝试。就算做失败，也不会给业务带来实质损失；而一旦跑通见效，基层员工可以实实在在尝到效率提升的甜头，团队也同步积累实施经验。

等信任、方法都打磨成熟之后，再逐步复制到更多流程，最后再去触碰那些真正复杂的核心难题。

与此同时我也有一个朴素的判断：如果一套AI工具，需要一线员工投入大量时间学习、反复调试适配，那它算不上真正的智能化。真正适配产业的智能体，应该接近大家所说的“傻瓜模式”，上手简单，拿来即可干活。

使用者感受不到真实便利，仅凭行政力量去推动的那些项目，大多只会沦为展示样板，很难沉淀进日常业务当中。

让我颇为欣喜的是，我们虽属于相对传统的制造业，智能化学习和落地氛围却是越来越浓。

目前工厂已动员全员参与AI智能体的培训与认证，开发了相关的课程。同时为了让员工把理论落到实践，检验学习成果，公司搭建了内部智能体开发平台，鼓励大家自主开发适配工作场景的智能体工具。

在浏览该开发平台过程中，我发现：大部分工具集中在通用办公、生产流程等板块，缺少适配非材供应链场景的智能体。

我便顺势做了一次小尝试：依托平台，梳理工厂非材日常工作流程、打磨提示词、搭建对应任务逻辑，搭建了一套MRO供应链实战助手1.0智能体，主要用于供方日常询比价沟通、风险排查、文书整理等高频琐碎工作。

整套开发并不复杂，没有高深技术，完全贴合一线真实工作需求。

工具上线平台以来，看到陆续有不少同事前来调用使用。这也让我切实感受到：只要是贴合岗位、能帮大家减负提效的小工具，大家就会自发使用、真实受益。这也是我个人在工厂智能化浪潮里，一次简单、务实的实践与探索。

在我看来，这恰恰就是制造业智能化最好的起点。

由个人自发探索，从微小、细碎、低风险的场景先跑通，让大家实实在在尝到效率甜头，慢慢积累信任、积累方法。等到基层使用氛围成熟之后，再由公司层面统筹搭建更大框架、推进系统性智能化改造。

自下而上、由小及大，远比一上来就铺宏大工程、追风口样板，走得更稳、更远。

新兴产业可以大胆试错，去探索技术前沿；作为实体经济根基的传统制造业，则要立足自身扎扎实实，不必盲目追逐风口。

我们接纳新技术，核心是赋能业务、降低负担、规避风险，而不是为了追赶概念、打造展示工程。

面对AI浪潮，产业实践者该如何取舍与落地，值得我们深思。