美云智数AIGC产品研发部部长滕伟
智慧科技 拥抱未来
在深度的交流中聚焦新趋势
INTERVIEW
屏幕前的美云智数AIGC产品研发部部长滕伟只是上传了PPT，选择了几个选项，就生成了一个AI数字人面对镜头讲解着复杂的生产流程图的视频。
“这个智能体的应用场景，是我们客户的真实需求。”滕伟在采访中展示了这样一个场景：一家中小制造企业想要为员工做培训/讲解视频，却面临缺少专业讲师、缺乏专业设备与剪辑技术师、制作成本高等困境。
美云智数AIGC产品研发部部长滕伟
他随后上传了一份中文PPT，选择了一位数字人形象，再点击“生成视频”按钮。短短3分钟，一个带有字幕和数字人解说的培训视频就诞生了。
这个场景，亦是当前制造业在数字化转型中的一个典型缩影——我知道AI技术的存在，却不知道如何让它为自己工作。
转型困境
从理想丰满到现实骨感
很多企业负责人发现，尽管外界展示的AI技术成熟、应用广泛，可一旦将其引入自身的业务场景，效果往往不及预期。
“我见过一家工厂，”滕伟回忆起最近的实地走访中遇到的一个典型案例，“他们的负责人看到用手机拍照识别设备型号的技术展示后，希望采用这种方式实现出库自动化。”
这个需求本身很具体——借助智能工具替代人工抄录，提高发货效率。但当滕伟实地考察后，却发现一个根本性问题：这家工厂的出货环节至今仍完全依赖纸质单据进行手工记录和流转。想象中“拍照识别-自动录入系统-打印发货单”的流畅闭环在第一步就卡住了，因为识别出来的信息，缺乏一个数字化的系统去接收和处理。
这却是当前制造企业在数字化、智能化转型中常见的问题。互联网上所展示出的AI能力，与企业内部能真正落地应用的技术之间，横亘着一道“鸿沟”——前者是经海量公开数据训练、专注解决通用问题的理想状态，后者则需要深度融合行业Know-how、消化企业内部数据、嵌入复杂工作流等，是更贴合产业实际的应用形态。这种内外认知偏差的本质，在于外部看到的是技术本身的潜力与可能，而企业内部却恰好缺少让可能性落地、让潜力转化为价值的支撑体系，包括数据质量管控、业务流程适配、组织架构准备及持续运营能力等。
所谓“理想很丰满，现实很骨感”的落差，并非技术本身存在局限，而是在理想模型到业务实体的落地路径上，出现了认知与准备上的断层。
路径选择
从认知对齐到能力构建
因此，企业在大规模系统性投入AI建设之前，需要针对自身现状与可行路径做专业的诊断评估。
“第一步是引入有经验的专家团队，对企业现状进行全面评估。”滕伟解释，“这包括企业的数字化水平、数据质量、人才储备等多个维度。”基于评估结果，企业可以选择适合自己的切入路径。
我们需清醒认识到，将部分环节进行“电脑化处理”，并不等同于已具备支撑AI智能决策的系统性能力。
“电脑化”通常聚焦于对现有流程的数字化替代，例如用电子表格管理订单，或用软件完成手工计算。这类进步提升了执行效率，但其本质仍是在既定规则下完成重复性任务，系统无法理解业务逻辑，更难以应对复杂、多变的现实情境。而AI智能决策依赖于构建一个数据驱动的知识体系。它能将行业经验、专家判断、用户行为等隐性知识，转化为可被计算、迭代和优化的显性模型，从而支撑系统在动态环境中自主推理与持续学习。
对于数字化基础较薄弱的企业，滕伟建议从一两个小场景、一些通用工具开始入手，逐步推进对整体落地的探索和建设。而美擎AIGC3.1平台提供了大量“开箱即用”的预制智能体，例如智能翻译、PPT转视频、智能问答等。“就像预制菜一样，加热一下就能吃。”滕伟这样比喻道。
平台上的数字人视频功能让一个工程师可以在3分钟内，将一份技术文档转化为多语言的培训视频。这不仅降低了中小企业的使用门槛，更重要的是，它为这些企业提供了快速验证AI价值的试验场。一旦在小场景中看到成效，企业自然会更有信心深化应用。
而对于已经具备一定数字化基础、条件更成熟的企业，滕伟更建议从整体出发，从组织体系搭建、人才梯队建设、企业专属的知识库、算法管理平台和智能体开发平台构建、场景应用开发等方面，推动AI规模化落地，逐渐形成自主AI推进能力。
人机协同
AI是“赋能人”而非“替代人”
在智能制造领域，一个普遍存在的担忧是：AI是否会取代人工？
“智能体带来的最大价值是‘赋能人’而非‘替代人’。”滕伟给出了明确的回答。
他举了一个设备维修场景的例子。在传统的制造工厂中，设备故障往往需要依靠老专家的经验来判断和处理。这些专家的知识通常只存在于他们的头脑中，难以传承和复制。通过构建基于设备维修知识库的智能问答系统，年轻技工可以快速获取专家的维修经验，而专家们则可以专注于更复杂、更具创造性的问题。
滕伟用一个生动的比喻解释了这种协作关系：“一个媒体记者的核心竞争力在于提出好问题的能力，这是AI目前难以替代的。但当问题提出后，AI可以高效地帮助整理资料、分析数据和撰写初稿。”
在制造业中，这种人机协同的模式正在多个场景中发挥作用。从工艺文件的自动生成，到质量问题的智能分析，再到供应链的合规审查，AI正在成为工人和管理者的“智脑”。
美云智数AIGC产品研发部部长滕伟在美擎AIGC3.1暨智能体工厂解决方案发布会
技术突破
智能体如何实现参数防错与效率跃升
在美云智数发布的最新应用案例中，智能体在部分关键生产环节展现出显著成效，其中参数防错场景尤为典型。在以往生产中，转产时的程序参数核对依赖人工目视比对与手工检查，不仅耗时较长，也存在因疲劳、疏忽导致异常流入下一环节的风险。
通过部署电子智能体，系统可实时自动识别产线转产状态，并毫秒级比对当前参数与标准工艺要求。一旦发现偏差，智能体即时触发停机保护，同步调用知识库与大模型能力，自动生成结构化异常报告与处理建议，并推送至现场技工移动终端。技工可依据报告指引快速定位问题、调整参数，从而大幅缩短异常响应与处置时间。
这一流程改变，将传统依赖个人经验与反复核对的“人防”模式，转化为以实时数据、规则模型与自动化响应为核心的“技防+人控”协同机制。不仅显著降低了人为疏漏可能带来的质量风险，也使相关环节的综合处理效率提升超过80%，在保障工艺执行一致性的同时，也为实现稳定、可追溯的生产过程提供了技术支撑。
为了保证生成内容的准确性和可用性，美擎平台采用了多重技术保障。首先是“参考性生成”方法——系统会基于已有的模板和样例进行生成，而不是完全依赖大模型的自由发挥。其次是企业专属知识的深度融入，通过构建知识库，让AI生成的建议更加贴合企业实际。
此外，持续的数据治理和算法优化也是保证效果的关键。滕伟强调：“AI应用不是一次性项目，而是一个需要持续运营和优化的过程。”
安全基石
构建让企业放心的防护体系
数据安全是企业引入AI时最关心的问题之一。美擎AIGC平台对此构建了立体化的防护体系。
在数据安全层面，平台实现了从底层知识文档到上层应用的全链路权限管控。“我们设置了文档Owner机制，”滕伟解释，“每个知识文档都有明确的责任人，只有获得授权的人员才能访问和使用这些知识。”
模型层面也进行了精细化的标签管理。平台会明确标识哪些是公有云模型，哪些是私有化部署的模型。当用户处理涉及企业核心机密的内容时，系统会自动建议使用私有化模型，防止数据外泄。
而在供应链场景中，美云智数还强化了智能审查能力。传统的供应商资质审核依赖人工判断，存在主观性和不一致性的问题。通过供应链智能体，系统可以自动审查供应商提交的各项资质文件，判断是否符合企业标准。“机器审核的最大优势是客观一致，不受人为因素影响。”滕伟补充道。
美云智数AIGC产品研发部部长滕伟
生态共建
技术与场景的“双向奔赴”
AI的规模化落地，是专业厂商与业务专家的一场“双向奔赴”。唯有技术与场景深度融合，才能将AI的潜力转化为实实在在的生产力，实现价值持续深化。
这种融合在实践中往往自下而上地生长。美云智数副总裁魏晓刚曾分享过一个生动观察。有时，在技术人员还没研究明白的时候，一线员工已经把智能体“捣鼓”出来了。员工有工具、有平台、有场景，还有行业知识，经过筛选、立项、预算批准，就能快速转化为实用成果。
AI的落地能力，最终沉淀在组织与人之中。美云智数在提供技术平台的同时，也配套了相应的培训课程和运营方法论。“我们最终的目标，是帮助企业在应用AI的过程中，逐渐将这种能力内化为自身发展的一部分。”滕伟总结道。
厂商的长期价值，在于推动企业建立自主的AI能力体系。在AI技术迅速迭代更新的当下，只有让企业掌握了方法论与核心能力，才能真正构建起适应变化的内生动力，而这亦是穿越技术周期的根本。
实践落地
“智能体工厂”的本质进化
美云智数近期发布的“美擎AIGC3.1及智能体工厂解决方案”已悄然在美的自身及多个客户的工厂中应用。
美的洗衣机荆州工厂目前由14个高度专业的智能体运营，覆盖38个核心生产业务场景，通过5G全连接技术实现了人、机、料、法、环五大生产要素的全面互联互通，平均生产效率提升超80%，被世界纪录认证机构（WRCA）正式认证为“世界卓越的首个多场景覆盖的智能体工厂”。其中，人形机器人“美罗”当上了车间主任，既是质检搬运员，又负责检查消防安全、产线安全、设备维护，还在不停收集车间信息和工厂大脑互动，哪里需要哪里搬。
美的人形机器人“美罗”正在运送洗衣机后桶到质检台
爱玛科技与美云智数深度合作，将AIGC应用至各业务环节，实现从用户到供应链供应商的端到端拉通式管理，显著提升了企业的整体运营效率和市场竞争力。例如，“玛小爱”车机系统为用户提供车辆功能介绍、故障诊断和智慧服务；“数管家”实现企业经营数据的无限指标问答交互，方便管理者随时获取经营结果；“晓师傅”通晓企业行政管理、规章制度、人事财经等多领域知识，为员工和用户提供快速准确的解答；“文博士”辅助爱玛进行翻译、文档洞察归纳、营销策案生成等工作；“智办助手”为员工提供私人虚拟助手服务，协助完成考勤及出差申请、订票等事务。
这正是美云智数所定义的“智能体工厂”与传统智能工厂的本质区别：它不是单点工具的叠加，而是一个能自主感知、决策与执行并持续进化的系统范式。它们能自主发现问题，分析问题，解决问题，并且持续学习进化。它能将“人找事”的经验依赖，转变为“事找人”的系统自治。
美的将其数十年积累的制造知识与最新AI技术深度融合，凝练为可复制的美擎AIGC3.1及“智能体工厂解决方案”。其目标并非仅仅输出工具，而是希望将这种“从自动化到自主化”的构建方法，赋能给更多制造企业。
技术终会迭代，但关于如何利用技术构建长期竞争力的方法论，将成为企业穿越周期的真正凭仗。这场由AI驱动的制造转型，正从单点的效率提升，走向系统的范式革命。而拥有自主进化能力的企业，或将在不断变化的技术浪潮中，始终掌握着自己的航向。
热门跟贴