AI 没有淘汰工人.它淘汰的是不会用 AI 的老板.

本文含 AI 辅助创作内容

本文含AI辅助创作内容

你以为 AI 离你的行业很远。

你以为 AI 是硅谷的事。是程序员的事。是互联网公司的事。

你以为你的工厂、你的车间、你的田地和仓库——跟 AI 没有半点关系。

你错了。

不是错在被颠覆。而是错在你还没意识到，你的同行已经在用了。

2026 年初，长江商学院做了一项调研。覆盖全国 2016 家规模以上工业企业。

结果很有意思。

在那些没有拥抱 AI 的企业中，79.2% 的人给出的理由是："AI 不适用于本企业。"

将近八成的人觉得，AI 跟自己没关系。

但与此同时，另一组数据正在悄悄改写中国制造的底层逻辑。

山东滨州，一家电解铝工厂。两个月内，一线工人自发创建了 800 多个 AI 助理。

义乌，一个不到百人的小商品工厂。用 AI 三个月，新品成功率从 60% 拉到 92%，算工资从两天压缩到 十分钟。

杭州，一家轮胎制造企业。18 个 AI 智能体覆盖从研发到排产的全链条，研制周期缩短 一半。

这两组数据之间的鸿沟，就是这篇文章要讲的事。

12分钟。这是你读完这篇文章需要的时间。

但你从中学到的东西，可能会决定你未来五年的位置——是被 AI 淘汰的人，还是用 AI 淘汰别人的人。

我们开始。

一、你被恐惧骗了

过去三年，关于 AI 的叙事被一种声音垄断。

"AI 要取代你的工作了。"

"这次不一样，白领也会被淘汰。"

"学编程已经没意义了。"

恐惧是最容易传播的情绪。恐惧也最容易让人停止思考。

事实是这样的。

AI 不是淘汰人的工具。它是淘汰"拒绝改变的人"的工具。

这两件事之间，差了一个人。

2026 年，德州一家素食奶酪公司 Rebel Cheese 遇到了麻烦。年末结算时，CEO 发现自己多付了 25 万美元的运费给一家大型快递公司。

一个年营收 2000 万美元的小企业，要对抗一家全球物流巨头。

他们的武器？Claude。

CEO 把一整年的发票、运输合同、计费条款全部扔进 AI。让 AI 找出藏在几千页文件里的隐蔽收费模式、重复计费和不合理解释。

结果呢？

AI 找出了连法务会计师都可能漏掉的东西。

钱追回来了。

这个故事的传播力不在于 25 万美元。而在于它证明了一件事：AI 不是大公司的玩具。它是小公司的杠杆。

与此同时，地球的另一端。

山东滨州，电解铝车间。崔师傅遇到了一个日常烦恼：他需要随时知道电解槽的铁含量数据，但每次都要跑回办公室查电脑。

崔师傅没学过编程。

他花了三天，用钉钉的 AI 平台自己搭了一个"智能问数助理"。现在他在手机上打字提问，秒出结果。

他今年 40 多岁。一线工人。零代码基础。

如果说 Rebel Cheese 证明了 AI 可以让小企业对抗巨头。

崔师傅证明的是另一件事：AI 的门槛，比你以为的低得多。

二、传统行业才是 AI 最好的土壤

硅谷可能是最不适合 AI 落地的地方。

这句话听起来反常识。但它经得起推敲。

硅谷的 AI 产品是做什么的？写文案。画图。做 PPT。聊天。

这些确实有用。但它们解决的是"锦上添花"的问题。

传统行业呢？

矿工的肺在不可逆地受损。工厂良品率每提高一个点就是几百万利润。仓库里的货什么时候到、到了放在哪——这些问题的答案是用真金白银换的。

传统行业不缺问题。它们缺的是解决问题的工具。

现在工具来了。

山东能源集团，中国最大的煤炭企业之一。他们面临的问题不是怎么写爆款文案，而是井下工人的安全。

过去，皮带机巡检靠"人盯人"。工人戴着安全帽，在几百米深的地下步行检查。疲劳、疏忽、运气不好——任何一个因素都可能让隐患变成事故。

现在呢？

数百个 AI 摄像头布在井下关键位置。实时识别皮带跑偏、异物混入。一个人盯着屏幕，比过去几十个人的巡检效率都高。

防冲卸压——这是煤矿安全中最危险的环节之一。过去工人举着手电筒数钻杆，半小时完成。现在视觉大模型三分钟搞定。

精煤产率——AI 精准控制加药比例，一年增产五千吨。

这是在井下 1000 米发生的事。

不是在旧金山的联合办公空间。是在煤矿。

为什么传统行业更适合 AI？

三个原因。

第一，问题真实。不是"怎么提高用户活跃度"，而是"怎么让良品率提高 3 个点"或"怎么让这套设备少出一次故障"。答案是明确的，效果是可量化的。

第二，ROI 清晰。互联网产品的 AI 应用很难算清楚投入产出。但在工厂里，从 2 天变成 10 分钟，从 60% 变成 92%——数字会说话。

第三，低垂的果实满地都是。长江商学院的数据不是白来的。79.2% 的企业觉得 AI 跟自己没关系。这意味着最先动手的那 10%，几乎没有竞争对手。

现在的问题是——

你是那 10%，还是那 79%？

三、他们不是技术专家。他们只是先跨出了一步。

三个正在发生的故事。

义乌，前店后厂

优克拉是一家做星空灯的小工厂。年营收几千万，团队不到一百人。没有 IT 部门。

这就是中国制造业的毛细血管——中小企业占了制造业的绝大部分。

2026 年初，他们装了钉钉的"悟空"AI 平台。

两周之内，全员上手。

最让我在意的是一个细节。

人事专员小董，酒店管理出身，不懂代码。公司引入 AI 后，同事跟她说了一下工资计算的逻辑，她自己对着平台调试了四个小时。

搭出了一个可以自动算工资的 AI 技能。

这件事本来需要两天。现在十分钟。

"这是月度工作，我一定会用。"她说。

请注意：她不是什么技术天才。她只是一个不想每个月花两天时间手动算工资的职场人。

"能用就行"的力量，大于一切技术炫技。

三个月后，优克拉的变化被量化了：

• 新品首发成功率：60% → 92%
• 爆款数据抓取：2 小时 → 5 分钟
• 抖音日销售额：数千元 → 2 万+
• 公司会议：自动被 AI 评分

这家工厂的销售部负责人，现在的 Title 是"技能开发"。

一个做了十几年销售的人，转型做了 AI 应用开发。

杭州，轮胎工厂

中策橡胶的规模跟优克拉完全不在一个量级——万人工厂，全国最大的轮胎制造商之一。

但他们的 AI 逻辑出奇地相似。

18 个 AI 智能体，覆盖研发、配方、测试、排产、维修。投用之后：

研制周期缩短 50%。生产效率提升 50%。

过去研发一款新轮胎需要 20 人的数据团队支撑。现在 1 个人加 AI。

虚拟送样——AI 在计算机上每秒跑 300 次耐久测试。过去需要半年的实测验证，现在几天完成。

企业的副总裁蒋志强说了一句非常有分量的话：

"未来的轮胎企业不是制造公司，而是基于大数据的 AI 公司。"

但他紧接着补充了另一句话，更值得记住：

"不是用技术替代工人，而是让技术帮助工人。在效率与温度之间找到最佳解法。"

这句话不是 PR 话术。

因为中策的做法验证了它。万人工厂压缩到 2000 人，不是裁员 80%，而是自然减员加岗位转换。原来的工人不是被淘汰了，是去做更有价值的事了。

日照，港口码头

山东港口集团的"智隼系统"，底层灵感来自一个最土的办法。

2019 年，日照港工人在皮带机检修时用钉钉群管控进度。必须拍照、必须有人脸、必须走完所有节点才能继续下一步。

这个做法后来被升级成了 AI 系统。

到了 2026 年，"智隼"已经支撑了 207 万多次作业，事故为零。

而且开始卖到外面的钢铁企业，东亚和南美的港口也来问。

一个从一线班组"土办法"进化出来的系统，现在成了可以输出的安全产品。

这三个案例的共同点：

你不需要成为技术专家。

你需要的是比隔壁工厂的人早三个月动手。

这三家工厂的共同点不是"他们用了什么技术"。

而是他们都曾是那 79%——觉得 AI 跟自己没关系的人。

魏桥的崔师傅不会编程。义乌的小董不会编程。日照港最早搞出"土办法"的一线工人也不会编程。

他们跨过了三个坎。

这三个坎，可能也是你现在正在面对的。

四、三个最致命的误区

长江商学院的数据揭示了一个残酷的事实：79.2% 的企业认为 AI 不适用于自己。

这是一个统计学上的不可能——怎么可能将近八成的企业都觉得一个通用技术"正好"跟自己无关？

答案不是"AI 不适用"。答案是认知误区。

误区一："我不懂代码，用不了 AI"

这是流传最广的误解。

也是被事实打脸最凶的误解。

山东魏桥的崔师傅不会编程。义乌小董不会编程。日照港最早搞出"土办法"的一线工人也不会编程。

2026 年的 AI 已经不需要你懂代码了。

你需要懂的是你自己的业务。知道哪个环节浪费时间、哪个环节容易出错、哪个环节反复做。

那些是 AI 的靶子。

至于怎么开枪——现在的工具就像智能手机。你不用知道操作系统怎么写的，你只需要知道哪个 App 能解决你的问题。

钉钉悟空、飞书智能伙伴、企业微信——这些平台的 AI 助理功能已经进化到用自然语言就能搭建应用。

写代码是加分项，不是准入门槛。

误区二："我的行业太传统了，AI 用不上"

说这句话的人，大概率从来没认真想过自己的行业有哪些"重复劳动"。

电解铝够传统吧？工厂巡检、数据查询、隐患识别，全是 AI 在做。

轮胎制造够传统吧？研发、配方、排产、测试，AI 重构了整条链。

港口作业够传统吧？安全管理——最"人力密集型"的环节，被 AI 做到了零事故。

种番茄够传统吧？AI 拍张照就能识别手写数据、自动填表、标红异常。

传统不等于"没有 AI 可以做的事"。传统等于"满地都是 AI 可以做的事，只是没人做过"。

这不是能力问题。这是想象力问题。

误区三："等别人先做了，我再看情况"

这是最危险的心态。

不是因为它不对。而是因为等你看到情况，已经来不及了。

义乌优克拉的老板说过一句话："在义乌，你不变，隔壁就变了。"

义乌的小商品市场竞争有多激烈，做过的人都知道。新品快两天上架就是优势，成本控制比隔壁低 5% 就是利润。

如果你的同行用 AI 把新品成功率从 60% 拉到 92%，而你还在"看情况"——

你看的不是情况。你看的是自己退出市场的过程。

长江商学院的数据还显示了一个更残酷的分化：

500 人以上的大企业，AI 采用率 15.5%。小型企业只有 5.4%。

大企业投入单笔超 500 万的占 21.3%。中小企业的 AI 支出 42.6% 在 2 万到 10 万之间。

AI 不是让大企业更大。AI 是让先用的人拉开跟后进者的差距。

不管你是大还是小。先动手的那个，抢走的是后来者的时间窗口。

五、零基础入门：从今天开始

讲了这么多，如果你在传统行业，想开始用 AI——具体怎么做？

给你一个四步框架。

不需要任何技术背景。

第一步：找一个真实问题

不要追求"全面 AI 化"。不要被那个词吓到。

找一件事。就一件。

这件事的特征：反复做、花时间、容易出错。

对优克拉来说，是算工资。对崔师傅来说，是查数据。对日照港来说，是检修安全确认。

最好的 AI 应用，从来不是"让我们把公司变成 AI 公司"。而是"让我不用再干这件烦人的活了"。

花半个小时，把你每天、每周、每月反复做的任务列出来。选那个你最讨厌的。从它开始。

第二步：选一个零门槛工具

2026 年的选择比两年前多了很多。

如果你公司在用钉钉——钉钉"悟空"已经可以自然语言创建 AI 助理，免费。

如果你公司在用飞书——飞书智能伙伴支持类似功能。

如果你什么都还没有——DeepSeek、Kimi、豆包，都是打开网页就能用的免费 AI。上传你的表格、合同、记录，让它帮你分析。

不需要 IT 部门审批。不需要预算。不需要技术方案。

你需要的只是一个问题，和打开浏览器的动作。

第三步：先做出来，再做好

魏桥集团的信息中心主任马法红说了一句大实话：

"AI 赋能是一场马拉松，绝非百米冲刺。它需要耐心、容错，更需要激发每一个人的创造力。"

他们定的策略是"先求量，再求质"。

两个月 800 个 AI 助理——质量肯定参差不齐。有些是很粗糙的问答机器人，用了两天就没人再碰。

但没关系。

重要的是你先做出来一个。然后你去用了，你知道了哪里可以改进。第二个比第一个好。第三个比第二个更精准。

完美主义是 AI 落地的头号杀手。

先让一个东西跑起来。哪怕它只帮你省了十分钟。哪怕它三天之后就不用了。

跑起来的那一刻，你已经从"觉得 AI 跟自己没关系"的 79%，变成了"正在用 AI"的 10%。

第四步：让一线的人来用

这是所有成功案例中最被忽略的一条。

魏桥的 IT 部门没有自己去开发 AI。他们把自己的角色从"实施者"变成了"教练"。

他们在每个班组选人，培训几天，让他们成为"数智化专员"。这些人在一线工作了几十年，最清楚哪里有问题、哪里可以改。

AI 落地的最大阻力从来不是技术。而是搞技术的人在办公室里想出来的需求，跟车间的实际情况差了八百公里。

把工具交给做这件事的人。

让他们自己搭。让他们自己改。他们才知道什么东西最有用。

六、五年后的两种人

这篇文章到此，核心论点已经很清楚了。

但我还想说最后一件事。关于时间。

2026 年，10% 的工业企业正在用 AI。也就是说，绝大多数人还在观望。

这跟二十年前的 ERP、十年前的云计算、五年前的直播电商——时间窗口的规律是一致的。

最开始只有少数人用。

大多数人觉得"跟自己没关系"。

然后差距拉大到再也追不上的程度。

AI 的特别之处在于：它不是让大企业跑得更快。它是让动手早的任何人跑得更快。

你不需要几百万预算。你不需要一个技术团队。你不需要先把你公司的流程全部数字化。

你需要的是：一个问题，一个工具，一个下午。

五年后回头看——2026 年的夏天——你会发现那是分岔路口。

一条路上的人还在"看情况"。他们每天手动填表、手动算薪、凭经验排产。

另一条路上的人已经在用 AI 处理那些重复的事。他们把时间省下来，用来做机器做不了的事——做决策、搞创新、跟人建立关系。

AI 没有淘汰工人。它淘汰的从来都是那些明明可以选择改变、却选择观望的人。

如果你读到这里——你已经不是 79% 了。

剩下的路，看你了。

从一件事开始。就今天。

不是明天。不是"等公司推动"。不是"再看看别人的效果"。

今天。

五年后那个用 AI 甩开同行的人——不是别人。

是现在动手的你。

转发给一个还在"看情况"的朋友。把这段话发给他：

79% 的传统企业觉得 AI 跟自己没关系。

剩下的 10% 正在用 AI 把新品成功率从 60% 拉到 92%，把算薪从 2 天压到 10 分钟。

窗口期不是永远开着的。

从一件事开始。就今天。

— 知行澄心

这篇文章写给你。也写给你身边那个还在犹豫的朋友。

知识没有行动，是一张废纸。行动没有方向，是一场空跑。知行合一，事上磨练——这是我想通过这个账号做的事。

我不写"AI 将如何改变世界"的空洞预测。只写已经在车间、码头、田间发生的事。看完能立刻做的事。

如果这篇文章让你想做点什么，把它转给一个还在"看情况"的人。你转发的不是一篇文章——是一个人在分岔路口最需要的轻轻一推。

下次见。

#AI#人工智能  #传统行业#制造业  #知行合一#事上磨练