AI热潮下，何如让AI真正进入业务？|ppt|技术实力|机器人

点击上图▲了解更多

5月27日—5月29日，激荡书院年中特别场——暨“AI+制造”实战研修营·第二模块X激荡讲堂·专题课，共同探索AI与商业结合的真实现场。

文 / 巴九灵（微信公众号：吴晓波频道）

你现在最想用AI解决的，到底是哪件事？

在“AI+制造”实战研修营第一模块的现场，私董导师吴畏把这个问题抛给了所有企业家。

问题不复杂，但现场很快安静下来。因为对企业家来说，AI已经不是一个陌生词。大家都知道AI重要，也听过不少案例，真正难的地方在于：

把AI结合到自己业务时，究竟应该先做哪里？投多少钱合适？用在研发、生产、销售、客服，还是内部管理？什么是值得做的机会，什么只是看起来热闹的消耗？

这也正是这门课程要回答的问题。在硅基流动联合创始人杨攀、“AI增长战略”开创者周龙、非凡产研创始人吴畏3位导师的带领下，来自不同行业的企业家齐聚上海，参访了上汽通用、羚数智能2家先进AI应用企业，完成了一次从认知、场景到落地的AI系统学习。

本次课程学习全程，被反复追问的，只有一件事：当AI真的走进工厂，第一步到底应该先做什么？

“AI+制造”实战研修营学员参访上汽通用

认知：AI真正的起点，不在工具，在业务

第一模块开场，来自杨攀老师的主题分享，他并没有讲AI有多强，而是告诉企业家该如何重新理解AI。

在很多老板的认知里，AI仍然容易被看成一个效率工具，写文案、做PPT、生成方案、整理会议纪要。

但杨攀老师认为，如果AI正在成为一种新的生产力基础设施，企业要思考的就不只是能不能提效，还有资源、组织、流程、数据资产和业务节奏都会发生变化。

AI在数字世界里的工作速度，可能是人的几十倍甚至上百倍。过去一周完成的工作，现在可能几个小时完成，但是，速度并不天然带来结果。

一家制造企业如果没有把合同、图纸、工单、客户沟通、生产记录、售后问题这些数据沉淀下来，那么AI能做的，只是“回答问题”，而不是“参与业务”。

所以，他反复提醒在场学员：AI进入企业之前，企业家先要盘点自己的数字资产。

杨攀老师在课程现场分享

这些数字资产可能散落在员工电脑里、微信群里、CRM里、工单系统里，也可能还停留在老员工的经验里。

一个老工程师知道某个工艺参数为什么这样调，一个销售知道某类客户为什么迟迟不下单，一个售后知道某个产品最容易在哪个环节出问题。

如果这些经验没有被记录、结构化、调用，AI能发挥的空间将会非常有限。

因此课程开场，我们真正解决的不是该用哪个AI工具，而是帮企业家建立一套判断标准：我的企业现在处在哪个阶段？我的数据是否能够被调用？我的业务里，哪里有真实瓶颈？我有没有能力把一个AI场景推进下去？

场景：AI在真实工业场景如何工作

认知建立之后，更重要的是走进真实场景，看AI到底在工业现场解决了什么问题。

在上汽通用、羚数智能等AI应用现场，很多抽象概念很快变得具体。智能化、数字化、大模型、工业智能体等词语，放在PPT里都成立，但到了工业现场，企业家更关心的是：

它到底解决了哪个问题？节省了谁的时间？减少了哪类错误？有没有人兜底？成本能不能算得过来？

其中的一个典型场景是图纸。

在制造企业里，图纸往往是业务流转的核心。设计、采购、生产、质检、交付，都绕不开它。过去，工程师需要人工识别图纸里的标注、表格、符号，再把信息录入系统。这个过程慢，也容易出错。

AI介入后，图纸可以被切片、识别、结构化，转化成系统可以调用的数据。在图纸变更捕捉场景中，AI可以识别不同版本图纸的变更点，并通过人机协作提高准确率；在图纸校验场景中，AI可以对尺寸、形位公差、表面粗糙度等进行校验，最终自动生成Excel文件。

这类细节的价值，不在于它听起来多么先进，而在于它切中了制造业长期存在的痛点：大量关键工作依赖人工经验，流程里有许多断点，信息在不同部门之间传递时容易损耗。AI真正有价值的地方，是把这些断点重新接起来。

另一个典型案例来自一家大型造船企业。

造船是典型的传统制造业，业务复杂、链条长、周期长，内部环境相对封闭，原本与AI的距离并不近，但恰恰是这样的企业，更能说明AI落地的现实难度。

该企业的AI建设，并没有从一个“万能系统”开始，而是从设计研究院切入。它先处理了大量历史语料，比如设计手册、船舶规范、技术文档、历史船型资料等。因为通用大模型理解不了很多造船行业的专有名词和专业语境，企业就要先做自己的语料库，再训练更贴近业务的垂类模型。

这其实给了制造企业一个很现实的启发：很多AI项目的起点，并不一定在生产线上。

结束参访后，我们第一时间组织了场AI私董会。在讨论中，一个明显的变化是，企业家学员们不再只是问AI能做什么，而是开始追问我的企业里，哪一个问题最值得先被AI解决。

吴畏老师带同学们做复盘

一位企业家提到团队沟通和多任务管理，另一位制造企业负责人提到企业知识库，还有位做灯具的老板提到产品设计……这正是私董会的价值。白天看标杆，是看到别人怎么做，之后的私董会是逼自己想清楚：我的企业能做什么，先做什么，为什么是这件事。

标杆企业不是答案本身。它更像一面镜子，让企业家看见自己的差距，也看见自己可以行动的第一步。

落地：AI不会替你决策，只会放大你的决策

看过场景之后，问题最终还是要回到企业自身：AI到底该服务于什么目标？

周龙老师的分享，把AI从“效率工具”拉回到企业增长和战略判断上。他反复强调一个观点：AI不会替你做决策，只会放大你的决策。

方向错了，AI会加速错误。方向对了，AI才是杠杆。

课程现场，周老师现场用AI生成了一套“xxx品牌辣椒炒肉照明标准化方案”。这个方案不是简单写几页PPT，而是围绕餐厅扩张中的菜品视觉呈现不一致、照明标准缺失、翻台率与氛围之间的矛盾，输出了一套完整解决方案。

一个有意思的细节是，方案里针对辣椒炒肉的红色呈现，提出使用2700K红琥珀暖光色温，让红油看起来更透亮。

这不是普通工具使用。它背后考验的是对客户业务的理解。

他真正想让学员看到的是：AI可以帮助企业更快做调研、更快搭框架、更快生成方案，但前提是，老板要知道自己到底要解决什么问题。

课堂上，周龙老师让学员回答两个问题：客户为什么选我？客户为什么不选我？

这两个问题看似和AI无关，却是企业做AI战略时绕不开的前提。

很多制造企业老板谈AI时，会直接跳到工具、系统、流程、降本。但一家企业最值得用AI解决的问题，往往藏在它的增长瓶颈里。

◎如果客户不选你，是因为你和同行差异不清，AI再怎么提高内容生产效率，也可能只是更快地生产同质化信息。

◎如果企业增长卡在老客户无法转介绍，销售讲不清价值，团队无法复制老板的判断，AI就应该优先介入成交话术、客户洞察、销售训练、知识沉淀这些场景。

◎如果企业的问题是研发周期长、产品定义不准、市场信息滞后，AI就应该进入调研、趋势分析、产品方案和客户需求洞察。

课程结尾，我们完成了一个重要总结：AI落地最终不是技术部门的独角戏。老板往哪想，公司就往哪走。

同学们在课程现场听课

AI像100年前的电。通电本身不是最难的，难的是各个行业要基于电，发明出自己的灯泡、洗衣机、空调。

对制造企业来说，道理也一样。今天的大模型已经完成了“通电”。接下来，每个细分行业都要重新回答：我们自己的“灯泡”是什么？

答案不会从工具列表里自动长出来。它来自老板对业务的理解，来自对真实场景的拆解，也来自组织能不能把判断变成行动。

三天课程结束，我们再回到最初那个问题：你现在最想用AI解决的到底是哪件事？

第一天，杨攀老师帮助企业家建立判断标准；第二天，企业家们走进上汽通用、羚数智能2个真实案例现场；第三天，周龙老师把AI放进企业战略和增长里，让大家看到，AI真正发挥价值之前，老板必须先想清楚方向。

到这里，第一个问题有了初步答案，但新的问题是：想清楚之后，怎么动起来？

下一次课程，我们将继续推进：从决策到执行，构建AI赋能企业的行动框架。

5月27日—5月29日，我们邀请到海银资本创始合伙人王煜全、华为智能制造军团首席顾问颜少林、非凡产研创始人吴畏，带你深度参访中国调味品行业龙头企业海天味业、国内首家以人形机器人为主业的上市公司优必选、专注于通用智能机器人及行业场景解决方案的高科技企业众擎机器人、专注数字生产力的大模型智能体平台的探迹科技，以及专注于用AI赋能“无人工厂”的国家高新技术企业磅旗科技，获取顶级专家的独家趋势判断、周期分析与机会地图，走进AI实战现场，帮你校准认知，减少误判。