智启苏城,AI懂企|苏州威客云「让AI真正懂企业」私享会圆满落幕

6月13日 · 苏州

60余位制造业和IT领域的企业管理者齐聚威客云「让AI真正懂企业」分享会。

他们中很多人面临同一个困境：研发团队已经在自己电脑上偷偷试AI了，可一旦涉及公司数据——图纸、报价、客户信息——没人敢传到云端。

更深的困惑还在后面：就算数据安全问题解决了，AI还是不懂你的企业。它不知道你的物料编码规则，读不懂你的内部制度，更不知道一个报关员、一个采购、一个质量工程师每天到底要干什么。

这一天的分享，给出了一条完整的路径——先解安全顾虑，再让AI读懂企业，然后让AI真正干起活来。不是零散的技术展示，而是一套企业AI落地该有的完整拼图。

AI要跑起来，先得有地方放数据、有体系管运维、有行业场景验证价值。这场分享会的上半场，三个合作伙伴从不同角度搭了这个地基。

群晖：让散落的数据汇聚起来喂饱AI

AI时代的数据不再集中在总部机房，而是散在生产现场、边缘设备、分支机构和云平台里。群晖技术总监严总指出，企业需要构建覆盖边缘、核心和云端的一体化数据架构——数据只有真正汇聚起来，AI才有持续学习和优化的"燃料"。

乐维：运维从"人找问题"变成"系统主动处理"

企业IT环境越来越复杂，网络、服务器、存储、数据库、中间件、云平台……传统运维靠人工经验排查，故障定位周期长，知识难沉淀。乐维软件创始人丁总分享了运维智能体的实践：基于监控数据、知识图谱、历史案例和自动化工具，实现从发现问题、分析问题到解决问题的闭环管理。AI正在把运维从被动响应推向主动决策。

康代智能：行业经验数字化，才是AI的真价值

PCB制造流程中的Pre-CAM环节，长期依赖工程师的个人经验判断。康代智能周总分享了实践案例：通过引入AI能力，系统能辅助识别工艺规则、优化工程处理流程，5-10分钟自动输出工程参数报告。AI的价值不在于替代行业经验，而在于把经验数字化、标准化、规模化——让一个人的经验变成全流程的能力。

基础设施搭好了，但很多企业卡在第一步：AI要发挥最大价值，需要打通企业全量数据；可一旦涉及公司数据，没人敢传到云端。研发团队已经在自己电脑上试AI了，涉及图纸、报价、客户信息，只能用脱敏数据凑合——效果大打折扣。

超聚变的解法是FusionXpark GB10随身智能体开发平台：把AI算力搬进办公室，数据不出企业。

算力、模型、应用一体化，数据不出企业。

先部署本地AI盒子解安全顾虑，再安排核心人员跟试点项目，三个月看效果。

基础设施搭好了，AI能跑起来了——但跑起来之后呢？

很多企业试过通用AI工具，试过扣子、Dify这类搭建平台，结果往往是"有点用，但还没到能落地"。原因很直接：通用AI有通用智能，但缺制造业岗位任务所需的业务语境、规则约束、数据关系和安全边界。它不理解你的物料编码规则，不知道你的审批边界在哪，更不会主动把跨系统的数据拼成一份报关单。

传统信息化系统同样力不从心。ERP、MES、WMS、TPM各管一段，数据散落在不同系统里，员工还是得跨系统查数、导表、对口径、做汇总。系统沉淀了数据和流程，但缺少一个把跨系统数据转化为岗位成果的智能层。

瀚码钟总在分享中介绍了研选工场"团子"——一个面向制造业的岗位级智能体平台。它的核心定位和通用AI搭建工具不同：客户买到的不是一块空白画布，而是一条从岗位任务走向组织能力的落地路径。

四个特性，让AI从"会说"变成"能做"

从岗位任务出发

不像通用平台从Bot、Workflow、知识库开始搭建，团子从岗位每天要完成的任务和成果开始——关务、采购、质量、生产计划，先看这个岗位每天处理什么资料、遵守什么规则、输出什么结果，再反过来配置助手。

把业务经验沉淀成岗位技能

制造业里最珍贵的往往不是系统里的字段，而是骨干员工知道"这件事应该怎么做"。报关怎么核异常、采购怎么比价、质量问题怎么归因——这些经验过去随人走，团子把它们沉淀为技能：步骤、规则、模板、判断依据和工具调用方式。一次成功的任务，不只是完成一次输出，而是变成下一次可复用的企业能力。

面向复杂资料的任务执行工作区

制造业岗位任务很少是纯文字问答。Excel、合同、单据、截图、历史报告——团子的任务工作区让AI围绕一个真实任务持续工作：上传资料，AI调用工具处理文件、分析数据、生成表格或报告，用户在关键节点确认，最后拿到可下载、可复用的结果。

把智能带进企业可控边界

制造业客户对AI最大的顾虑是数据和系统边界。团子通过桌面客户端、本地能力通道、受控代理、沙盒执行和企业治理，把AI能力带进企业可控边界——文件、工具、费用、过程可观测，企业统一管理成员、岗位助手、技能、模型、审计和费用。

已经跑出来的成果

在报关场景中，岗位级智能体已经交出了实打实的成绩单：

（我们此前已专门介绍过报关智能体的落地实践，本文不再展开。）

这背后是本体语义网络在支撑——5层级15大域113子域，近10万个本体模型，让AI真正理解岗位工作内容，而不是靠关键词碰运气。

岗位智能体解决的是一线业务岗位的问题。那企业信息化系统本身的开发和维护呢？威客云没有只讲概念——讲的是自己正在做的事。

企业信息系统开发维护，有八个绕不开的痛点：需求识别困难，用户提的往往是表面需求，背后的业务目标没被识别；业务流程和系统逻辑脱节；系统架构历史包袱重；需求传递链条长，业务用户、ITBP、产品、开发、测试、供应商之间多层转述，交付结果容易偏差；数据基础薄弱，编码规则和维护责任不清；系统集成复杂，问题定位困难；持续优化和知识沉淀不足；维护响应效率低，IT团队长期被动响应。

威客云的解法，是用四个智能体重新编排整个流程：

HR提了一个需求："系统日历和公司日历同步"。听起来简单，但经过智能体引导后发现，真实问题是：ERP系统中的工作时间和公司日历不符，无法进行考勤统计。需求理解明显改善，无需再次沟通。

两个表面不同的需求——"业务流程改善复盘模块"和"规范项目类型、项目阶段和常用筛选视图"——经分类后整合为一个issue整体考虑，避免了各自为战。

给管理员审计，给开发Agent使用的修改说明，需求到开发的传递链条不再靠人工转述。

人工Merge后触发CD Pipeline部署到测试服务器供业务复测，从开发到部署的流程自动化完成。

效果不是"大幅提升"四个字能概括的：

这些数据来自威客云内部真实运营——不是PPT上的设想，是正在跑的系统。

存储有了，算力有了，智能体也有了——但很多企业做完这些，发现AI还是不"懂"自己的企业。

数猎天下程总在压轴分享中，点出了这个问题的根子：文件≠知识，存得下≠用得好。企业AI建设最大的挑战，不是模型能力不足，而是企业知识无法被AI理解。

先正本清源：RAG是技术，不是知识

很多企业把文件一股脑塞进向量库，就以为有了"知识库"。其实只装了RAG这个技术，知识本身还是乱的。RAG解决的是"去哪查、喂给谁"，让回答有出处、不再纯靠模型瞎编。但"查得准不准"，靠的不是RAG。

向量检索有三个盲区，是纯RAG方案绕不过去的：

像但不对

新旧两版出差制度，措辞几乎一样，向量分不出谁已作废——AI张口就引用了去年作废的标准。

同物不同名

同一颗100nF电容，在不同文档里有八种写法：C 0.1uF、104、CAP 100nF、贴片电容0402 100nF X7R……检索直接漏一半。

答不了关系

"A产品用了哪些和B相同的供应商？"要绕产品→供应商→产品多跳关联，向量走不通。

三层知识体系：又快、又准、又省

数猎天下的解法是三层架构——不是炫技，是因为不是所有问题都一样难，好钢用在刀刃上。

知识从成本变资产

传统知识库上线即冻结——业内普遍观察到3个月活跃度断崖，半年基本没人用，没人维护、ROI说不清，预算年年被砍。

体系化知识库不同：每一次使用、每一条纠正都自动沉淀回库，知识像资本一样复利增长——用得越多，答得越准。这条反馈飞轮，就是知识从"成本"变"资产"的开关。

三种落地方式：问、判、干

让AI真正懂企业，威客云与你同行

一天的分享，从存储算力到知识体系，从岗位智能体到企业自身实践，形成了一个共识：企业AI落地从来不是单点技术突破，而是一项覆盖数据、存储、算力、运维、知识体系和业务场景的系统工程。

这条路径的递进关系很清晰：先解安全顾虑（本地部署AI盒子），再让AI读懂企业（知识体系建设），然后让AI干起活来（岗位级智能体）——威客云自己就是这么做的。

从敢用到会用，从会用到离不开

后续，我们将围绕PCB行业AI应用、企业知识体系建设、岗位智能体落地实践等主题，持续推出深度内容，敬请关注。

更多关于企业AI工具干货

后台私信小威免费获取哦~