
一个真实的信号是,伴随着“豆包工作+飞书”在制造业企业的初步价值验证,AI的加速度正在从自下而上的点状创新,走向自上而下的组织创新,更新的人机交互AI工作模式、数字员工等形态都在这个产业内蓬勃涌起。越来越多的制造业数字化死角也更在豆包工作等AI产品的改造下,被转化为制造业企业新的加速剂。
在这个新的AI故事里,在豆包工作上,堆人头、“老法师”、经验驱动不再是唯一的产业主线,一个AI筑底的智能增长、数据驱动的新产业发展曲线正在出现。
作者|皮爷
出品|产业家
9月下旬,张文和豆包工作团队很忙。他是豆包工作在制造业方向的客户成功经理,日常主要工作就是帮助企业进行数字化、AI化转型。
一周前,飞书未来无限大会暨豆包工作开工大会在北京落下帷幕。从那一天开始,来自不同赛道、不同地域、不同规模的制造业客户的“AI问询”和“AI需求”就开始向他密集涌来。
这些构成中国经济最核心产业支柱的企业们,期待看见AI。
但对张文和豆包工作团队而言,这种涌来带来的不只是“开心”,还有压力。关于制造业,一个众所周知的事实是相较于金融、零售、政务等产业,制造业的数字化基础相对薄弱,这种“薄弱”反应到AI建设上,则是很多企业不具备充分的“上下文基础”。
因此,他们必须思考的几个问题是:应该怎样把AI热情转化为制造业企业们需要的AI生产力?以及,怎样的方式可以把AI技术的落地从点扩展到面再到体,真正内化进企业组织。
实际上,在需求到达之前,张文和豆包工作团队已经开始行动。过去几个月里,以飞书为阵地,一系列“AI先锋大赛”、“AI工作坊”被接连举办,成为着一众制造业企业们AI落地的起点和对新场景生产力的探索窗口。
据了解,截至目前,已经有来自不同赛道的多家制造业企业跑在豆包工作上,他们在AI上的建设有的刚刚起步,在采购、物料管理、HR场景中找到了AI和智能体落地的合适契机;有的“渐入佳境”,在AI问数、产业上下游上搭建出了自己的数字员工,新的人机协作模式已经在路上。
如果说,过去几十年,制造业的核心叙事是“重”,几十个工业门类、成千上万个工业流程构成了它主观意愿和客观条件下的缓慢进化速度。
那么,在如今,在AI时代,这个产业的叙事正在发生变化,能清晰感受到的是:中国制造业企业们正在以远超以往的加速度,冲进这个被誉为第四次工业革命的AI技术时代。
在豆包工作发布的90天里,这样的新故事已经在发生。
一、“站起来,去看见AI”
过去几年,赢合科技的饶富强一直有个头疼的问题,“如何又快又好地获取到SAP业务系统的数据?”
他是赢合科技CIO。深圳市赢合科技股份有限公司(下称赢合科技),成立于2006年,主营赛道是锂电智能装备整线解决方案,是全球新能源500强企业、国家级高新技术企业,产品远销近20个国家和地区。
SAP取数,是赢合科技内部的一个常规业务流程。作为锂电装备的非标制造企业,赢合科技内部往往涉及到频繁的工程变更,与之对应的是每天几十上百次的物料和ECN查询。
但在SAP的专业软件界面中,这种查询往往需要一系列复杂的登陆、跳转、检索等操作,普通业务人员还需要和专业物控人员协作,一次操作时长往往花费几个小时甚至一天,影响后续业务进度。

操作时间长、门槛高、响应不及时,对饶富强和赢合科技而言,这是一个必须优化的环节。
和饶富强有相同“困扰”的还有中信戴卡。作为为全球领先的铝车轮制造商,其业务覆盖中国、摩洛哥、墨西哥等多个国家和地区,在其日常工作中,物料咨询是采购与供应链管理中心的一项高频工作。
但在这个核心环节中,一系列卡点在过去几年里频繁出现,比如旧物料库因为缺乏清晰的品类规则,往往对业务人员给出的物料名称无法清晰识别,比如在涉及新物料录入时,采购员往往需要在网络上进行长达数小时的查询,最终补齐物料的全部信息后才能入库。
以及最迫在眉睫的问题,跨国工厂之间由于时差问题,很难建立一个良性的沟通机制,沟通不顺畅、业务对接难等问题时有发生。

实际上,不止赢合科技、中信戴卡,对大部分中国制造业企业而言,涉及到如物料采购、问数取数、跨国沟通、资料查询等诸多重复性或技术性环节,往往都存在不同程度的卡点,这种卡点反应到业务推进上则是不够流畅的流程推进,严重者会降低企业生产效能。
其中的原因在于,过去多年,国内制造业企业的数字化建设重心更多仅聚焦在ERP、MES等核心业务环节,这些工具在为企业带来生产环节提效的同时,也更导致其愈发“臃肿”,再加上这些软件自带的“高门槛”,最终导致了上述高频问题的发生。
2025年年底,中国信通院发布了一份名为《制造业数字化转型发展报告(2025年)》的报告,尽管当下工业企业数字化改造覆盖率超过89.6%,但近六成企业停在“基础级”。其中,66.7%的制造企业存在严重“系统孤岛”,诸如同一物料编码在研发/采购/生产系统“同名不同义、同义不同名”的问题时有发生。
AI,带来了一个新的进化契机。
二、让豆包工作“走出去”,让制造业AI“走进来”
今年9月份,Wesley和团队小伙伴收到一个来自集团的通知——他被邀请去给睿创微纳的其它部门做关于“AI生成芯片测试报告”的分享。
邀请的由头是在前不久举办的AI先锋大赛上,Wesley和团队小伙伴基于豆包工作构建了一个在流片过程中芯片测试报告生成的AI技能,在调试好的豆包工作中,原本需要2—4个小时手工撰写的芯片测试报告只需要30分钟即可完成,其中基于多模态生成的专业曲线图、AI构建的图文混排版式都可以直接满足使用要求。

这个对豆包工作的使用案例在睿创微纳举办的“AI先锋大赛”上大放异彩,得到公司领导的广泛关注。
而为“AI先锋大赛”提供协助的,正是张文和豆包工作团队。
“最开始大家其实想的都是‘试一下’,看看豆包工作在自己飞书上下文的支持下,会有什么化学反应,但具体怎么用、或者怎么用好豆包工作,这些大家是不清楚的。”张文告诉我们,“我们就想着一定要带大家体验一次。”
很快,两个动作被加速推进。第一个则是“AI先锋大赛”,作为企业上飞书的“经典栏目”,AI先锋大赛早已经举办多期,但在8月份之后,“豆包工作+飞书”成了新的先锋阵地。
在张文和豆包工作团队的观察里,一个令人欣喜的现象是,大部分制造业企业的员工都会非常积极地参加“AI先锋大赛”,基于自己在实战工作中的痛点探索豆包工作的使用。
另一个则是“工作坊”。如果说“AI先锋大赛”是帮助企业自下而上地完成AI理念和AI生产力的初步探索和教育,那么“工作坊”则是“定向狙击”,即豆包工作团队会帮助某个企业探索其适合落地AI的场景,或者在具体场景给出针对性的AI落地建议。
“工作坊我们会分不同的类型。比如高管工作坊我们会帮助企业进行AI的规划,比如第一阶段做什么,第二阶段做什么;再比如HR工作坊,我们会把企业的HR部门召集到一起,给大家演示怎么基于豆包工作搭建比如‘背调工作台’、‘招聘看板’等等。”
其中,张文和豆包工作团队还专门开发了一款“业务场景诊断师”的智能体,企业只需要和这个智能体进行对话,就可以看到一系列先进制造企业的AI落地路径,以及让智能体给出自身最佳AI落地场景的针对性意见。
“根据我们内部观察,经过大赛和工作坊,企业对AI的使用频率和使用深度往往都会增加很多。”张文表示。
前文提到的赢合科技和中信戴卡就是鲜明的例证。如今,赢合科技把SAP中物料、库存、采购单据、BOM、ECN变更等高频查询接口封装为MCP工具,接入飞书对话窗口,产线、工艺、质量、采购等一线员工在豆包工作中只需要用自然语言就可以完成查数。
其中,“查ECN”“查物料”两个MCP工具如今已覆盖8个部门,月查询超700次。
而在中信戴卡内部,基于豆包工作,其搭建了T1品类咨询、A1参数助手、T2物料库助手的“物料三剑客”三个智能体,智能体覆盖跨部门、跨子公司、海内外工厂的52名活跃用户,单次平均响应时间从数小时缩短至150秒。

在这三个智能体的加持下,之前的物料查询不清晰、物料新增资料填充以及跨国跨时区沟通、自然语言查询等等难题都被成功解决,如今该方案已稳定运行超4个月,累计对话次数超2600次。
三、上下文、AI智能,和把进化推向组织
不过,过程并不是一蹴而就。
“我们内部有专门的SAP业务顾问,在通过接口完成数据打通后,他们负责把这些数据的具体业务语义、规则等上下文沉淀下来,这是一个很复杂的工程。”饶富强告诉产业家,“这些上下文我们都会放到飞书知识空间里。”
中信戴卡同样如此。根据中信戴卡全球采购与供应链管理中心数据治理专家王晓光介绍,从第一版上线至今,“物料三剑客”智能体迭代次数高达168次。中信戴卡也安排了专门的业务人员收集智能体的bad case,不断反馈,以实现T1品类咨询、A1参数助手、T2物料库助手的不断更新进化。
张文告诉产业家,如今大部分制造业企业都是基于飞书来使用豆包工作,“因为飞书就是一个天然的上下文底座,我们之前就有All in one体系,包括会议、文档、聊天群等等其实都是豆包工作可以用的上下文,而且是不断更新的上下文。”
一个在赢合科技、中信戴卡、睿创微纳中被跑通的制造业AI落地路径是,企业需要先定位场景,同时将场景内对应的业务数据进行结构化整理,沉淀到飞书知识空间内,对豆包工作进行定向的“功能和规则设计”。

豆包工作在完成第一版DEMO或者生成智能体后,其会根据飞书中知识空间、会议、群聊记录、业务文档等自进化的上下文进行RSI式的自我迭代,业务人员只需在过程中进行微调,最终根据实际业务的要求即可完成落地。
豆包工作的一个个自进化之外,一些制造业AI的新需求也给到了张文和豆包工作团队。比如系统打通,张文告诉产业家,一些制造业客户的营销团队明确提出需求,“是否可以让豆包工作和抖音生活服务、蝉妈妈等系统打通,以更好地洞察市场机会,提升产品曝光和转化。”如今,这项能力已经被全面跑通,基于豆包工作,诸多外部业务系统也可以丝滑跳转。
以及更底层视角的需求——是否可以把AI价值向组织层面迁移,换言之,让企业真正的决策层也能使用豆包工作,让领头人从更高视角出发放大AI价值。
这个需求被豆包工作团队转化为AI先锋大赛的升级版——AI先锋官大赛。即豆包工作会以企业为单位,在企业内部,号召企业部门高管基于豆包工作进行部门级甚至业务线级的创新,让AI在解决业务问题之外,更能成为组织进化的加速器。
四、制造业的AI新故事,正在发生
关于制造业企业的转型,张文有一个总结,“其实企业的AI转型基本可以分为四个阶段,第一个阶段是组织里的每个人都有自己的一个AI助手,可以基于这个助手更好地做到个人提效,第二个阶段是组织内的一些业务流程封装成skill、智能体等等,实现某个业务环节的提效,第三个就是智能体都运转起来后,基于飞书等上下文底座不断沉淀企业的上下文资产,不断进化,最后就是实现真正的AI Native组织。”
在他看来,中国大部分制造业企业当下处于L1、L2阶段,但大部分企业都在积极向下一个阶段进发。
诚然如此。“我们现在是先把大家需求度最高的两类数据放到AI里面,后面我们会尝试把一些核心环节的比如CRM等的数据也接入进来,后续大家也可以基于豆包工作调用和使用这些数据。”饶富强表示。
在睿创微纳内部,豆包工作如今除了在芯片流片环节用作测试报告的生成外,在更核心的芯片设计、集成电路设计环节,业务人员也开始把豆包工作引入其中,让其提供最先进的计算方法和思路,加速芯片设计流程。

以及中信戴卡,在“物料三剑客”之外,一些覆盖从售前、售中、售后的智能体也被搭建出来,伴随着效果的不断优化和RSI(基于反馈的自迭代)自进化,其也将为更多业务人员提供帮助。
一个真实的信号是,伴随着“豆包工作+飞书”在制造业企业的初步价值验证,AI的加速度正在从自下而上的点状创新,走向自上而下的组织创新,更新的人机交互AI工作模式、数字员工等形态都在这个产业内蓬勃涌起。越来越多的制造业数字化死角也正在豆包工作等AI产品的改造下,被转化为制造业企业新的加速剂。
在这个新的AI故事里,在豆包工作上,堆人头、“老法师”、经验驱动不再是唯一的产业主线,一个AI筑底的智能增长、数据驱动的新产业发展曲线正在出现。
“其实严格来说,制造业的AI转型才刚刚开始,后面还任重道远。但前排的人已经跑起来了,所有人都在积极向前。”张文说道。
注:文中张文、Wesley为化名*
本文来自投稿,不代表增长黑客立场,如若转载,请注明出处:https://www.growthhk.cn/cgo/coo/174229.html
微信扫一扫
支付宝扫一扫