夜雨聆风
企业AI正在从聊天窗口进入合同、标书、研发、采购、生产、质量和运维流程。真正被采购和验收的，不再只是模型能力，而是能否减少时间、降低错误、缩短交付周期。
◆ ◆ ◆
一、从问答到流程，AI先进入容易衡量的环节
AI落地通常不会一开始就进入最复杂、风险最高的生产决策。合同、标书、法规、知识库和内部资料，材料多、规则相对明确、人工重复劳动集中，更适合作为第一批应用场景。
神州数码在2025年年报中提出“AI for Process”，把算力平台、Agent中台、数据总线和业务流程连接起来。公司披露，以神州问学为代表的AI软件及服务收入为1.14355亿元，同比增长165.4%。
更值得关注的是客户应用结果。在某动力电池企业，AI智能体与优化决策系统协同应用，产线UPH提升15.2%；在某工业制造企业，保修准确率从52%提升至94%，维修周期由平均35天缩短到0.5天；在国企招标文档编制审查场景，原本需要1至2周的工作缩短到2至3天，文档不合规项占比从17.2%降至1.4%。
这些数据来自神州数码年报，是公司公开披露的项目成效。但它们说明，企业级AI已经不只是聊天窗口，而是开始嵌入文档、维修、生产和采购流程。
建筑行业的品茗科技，也走的是类似路径。公司年报披露，“品茗晓筑”已经在多个施工单位落地，覆盖法规检索、企业知识库、施工方案生成与审核、图纸识别等场景。规范查询效率提升超过3倍，数据处理效率提升20倍以上，企业资料查阅时间平均节省60%以上，新增标杆项目超过20个。
施工方案审核并不是让AI替总工程师签字。系统负责先筛查格式规范、内容完整性、规范引用和计算结果，专业人员再复核审核要点。AI先筛、先查、先提示，人保留最终判断责任。
这类场景没有“自主工厂”那么宏大，却更容易落地，因为企业能直接计算节省的查阅时间、减少的重复审核和缩短的交付周期。AI的第一个价值，往往不是替代一个岗位，而是处理掉岗位里最机械、最耗时的部分。
◆ ◆ ◆
二、进入制造业，AI要连接数据和设备
当AI从资料处理进入制造业，难度明显提高。企业面对的不再只是文档，还包括生产设备、工艺参数、质量检测、库存、能源消耗和现场人员。模型如果不能理解生产数据，也不能与MES、ERP、PLM或控制系统连接，就很难进入真实生产过程。
制造业AI的价值，最终要回到设备、工艺和人工确认。
海南金盘智能在2025年年报中披露，公司已建成覆盖变压器、成套设备和储能产品的7座数字化工厂，并推进“AI Factory”建设。公司内部应用包括标书智能体、合同智能审核助手，以及硅钢套裁、电磁线规格判定和钣金编程等工业AI应用。
中控技术依托通用控制系统UCS和时间序列大模型TPT，推进自主运行工厂AOP方案。公开年报摘要显示，相关方案已在湖北兴瑞硅材料、河南金海氟硅新材料项目和万华宁波氯碱生产基地等项目中形成应用案例，重点解决生产过程优化、能效管理和降低人工依赖等问题。
工业AI的难点，在于它必须理解物理世界。设备参数异常，不一定代表设备马上故障；工艺参数变化，也不能脱离产品质量和安全边界单独优化。合格的工业智能体，至少要完成感知、分析、提出方案、人工确认、系统执行和效果复盘。
◆ ◆ ◆
三、民企应用直接对准经营效率
实验室流程中的AI应用，同样需要嵌入人员协作和标准化操作。
广州金域医学的AI应用，体现了另一类企业需求。公司2025年年报披露，已开发AI智能体应用超过80个，累计调用量超过2500万次，节约工作量超过2.1万人天，覆盖实验室检测、临床服务等内外部场景，服务医生超过44万人。在经营管理环节，合同AI审核和标书制作AI辅助工具使审批效率提升35%。
这类应用不一定需要训练全新的行业大模型，却需要企业把合同、标书、实验室流程和临床服务数据整理起来，再把AI接进业务系统。很多企业过去建设了数字化系统，但数据留在系统里，流程仍然靠人推动。AI的价值，就是让知识、规则和流程重新连接起来。
这些案例成熟度并不相同。金域医学披露了调用量和节省工作量，属于内部应用成效；海尔更接近组织级推广；宁德时代则是战略布局线索。上线、试点、建设、投资和规划，含义完全不同。
◆ ◆ ◆
四、招标市场正在买什么
AI进入企业流程，往往从文件审核和人工协作开始。
企业自用案例之外，招投标市场提供了需求侧观察窗口。行业机构对2025年大模型中标项目的统计显示，应用类项目占比从一季度约44%提升到四季度约60%以上，智能体、智能审核和行业解决方案项目增加明显。算力基础设施仍占据较大金额，但市场重心已经从“建设底座”转向“把底座用起来”。
采购方购买的，不只是模型许可证和服务器。完整项目通常包括数据治理、知识库建设、模型部署、智能体开发、系统集成、安全合规和持续运维。制造业需要质量检测、排产优化和设备运维；建筑企业需要方案审核和法规检索；医疗服务企业需要合同审核和临床辅助。模型只是组件，能否接入原有流程、被业务人员使用，并在验收和运营中持续追踪，才决定项目能不能留下来。
◆ ◆ ◆
五、企业AI最后比拼的是交付
从这些案例可以看到，企业AI落地有几道绕不过去的门槛。数据要经过治理，解决版本、权限和质量问题；行业知识要结构化，能够检索、调用和追溯；AI要接入ERP、MES、PLM、采购、工单和设备系统；合同签署、工程审核、生产控制和经营决策要保留人工确认；模型上线后还要更新知识库，复盘误报漏报，持续评估效果。
这也是企业AI竞争最终不会只看模型参数的原因。谁更懂行业流程，谁能把数据、模型、系统和人组织起来，谁才有机会把一次性项目变成长期服务。
上市公司和龙头民企正在用经营流程验证AI。它们先从合同、标书和知识库开始，再进入研发、采购、质量和运维，最后尝试连接生产控制和能源调度。
企业AI下一阶段，可能就是从“买一个模型”，走向“买一套能跑起来、能验收、能持续优化的业务流程”。
信息来源：神州数码、品茗科技、海南金盘智能、广州金域医学、中控技术、宁德时代公开年报及公司披露；新华网；沙利文《中国通用大模型项目中标研究报告（2025）》；智能超参数2025年大模型中标项目年度盘点。