|
2025帆软第七届智数大会上，拥有17年制造业数字化转型经验的曹晖先生，带着服务近300家大型企业的实战经验，以《AI在制造业的三场效率革命及十大应用趋势洞察》为主题，拆解了AI时代制造业组织进化、工具升级、决策升维三场效率革命，并同步输出十大趋势洞察。
分享开篇，曹晖先生先抛出一个问题：“是在马车上装个引擎，还是因为引擎的出现而开创一个全新的时代？”指出AI时代绝不能做守旧的“车马商” ，而要成为“智能体”的搭建者。
认知篇：AI是“人的延伸”
很多企业谈AI就很迷茫，要么觉得技术复杂难落地，要么上了工具却没提效。曹晖指出，问题根源在于“没回归人本身”——AI的核心价值，是解放人、赋能人，而非替代人。AI是把人从“不会干、干不好、不想干”的任务中解放出来，让一线少做机械劳动、中层少做报表整理、高层少等滞后数据，最终实现“人+机”协同提效。
而企业AI落地的核心框架，是“人机协同九宫格”：人类与AI分工协作，AI 负责重复性、高精准度任务，人类聚焦创造性、高价值工作，通过“探索试点-规模复制-全面推广”的路径，逐步实现全员结构化提效。
实践篇 1：
组织进化革命，
从“超级个体”到“超级组织”
传统制造业的金字塔结构，早已跟不上AI时代的速度：信息层层传递滞后、指令到一线变形，就像“大象难转身”。曹晖提出，AI时代的组织形态，需要转向“AI数字总部+最小业务作战单元”。
建设AI数字总部、赋能最小作战单元
“AI数字总部”是“能力中枢”，具备实时感知、协同作战、智能分析、资源调度、学习进化等能力；
“最小作战单元”是“前线部队”，小到班组、产线，大到业务部门，拥有自主决策权。
全球领先企业早已验证了这条路：华为“让听得见炮火的人决策”，海尔“人单合一”聚焦用户，美国太空军打造“数字原生”军种，核心都是“决策权下放、能力上收”。
AI时代要培养H型人才
组织变革的核心是人才。曹晖定义的“H型人才”，是AI时代制造业的核心力量：左手是专业能力，右手是AI能力，能把“模糊的业务需求”转化为“AI可解决的任务”，从“人做”达到“人+机共做”的范式跃迁。
AI全员大赛，加速AI数字人才密度提高
如何快速提升全员AI能力？答案是“以赛促用”。通过AI技能创新大赛、流程优化大赛、数据创新大赛，让一线业务人员主动挖掘身边的AI场景，把AI能力从“总部实验室”建到“业务一线”，就像“三湾改编，把支部建在连上”。
实践篇 2：
工具升级革命，
AI推动全员结构化提效
工具革命的核心，是“用AI解决具体业务痛点”，而非盲目上系统。曹晖从“信息获取-文档处理-流程执行”三个维度，拆解可快速落地的三大趋势：
AI辅助信息精准获取和情报洞察
制造业决策常受“信息滞后、不全面”困扰，AI能实时抓取外部关键信息：市场调研数据、竞品价格波动、大宗物资行情、行业政策动态，甚至学术文献、品牌舆情，自动生成资讯日报，为研发、采购、销售等环节提供决策参考。
AI提升文档智能处理精准性
企业每天要处理大量“非结构化数据”：合同、客户评价、技术图纸、设备报告……以前找个信息要翻半天，现在AI结合NLP（自然语言处理）、OCR（图文识别）、RAG（检索增强生成），能快速建好企业知识库、行业知识库——想查什么，直接问AI，几秒钟出结果。
AI推动流程和业务执行的自动化
聚焦制造业“研产供销服”核心环节与职能支撑，精准推动流程和业务执行自动化：从生产端的设备巡检、质检数据采集，到采购端的订单处理、供应商筛选，再到物流端的路线优化、海关申报，以及财务端的票据归档、银行对账，甚至IT端的服务器巡检、权限变更——让“流程不用人盯、步骤自动流转”成为现实。
实践篇 3：
决策升维革命，
从经验驱动到算法驱动
制造业最痛的莫过于“凭经验拍板”：靠感觉定生产排程，可能缺料停工；靠经验做采购预测，可能库存积压。AI要实现的，是让决策从“事后补救”转向“事前规划”。
AI赋能企业决策的三个层级
-
用数据反映业务：以ChatBI为核心打破数据壁垒，让业务数据不再困于系统孤岛，通过“自然语言问数”实现便捷触达，快速呈现业务真实状态；
-
用数据优化业务：聚焦决策优化，覆盖研发创造、制造协同、物资齐套、劳动力优化等关键场景，用数据精准调整业务动作，提升各环节运转效率；
-
用数据驱动业务创新：从产品创新到服务升级，以数据洞察为抓手挖掘新需求、探索新模式，为企业打开增长新空间。
数据分析变革：从传统BI到AI+BI
传统BI的痛点显而易见：业务人员要查数据，得先提需求给IT，等IT做报表、跑数据，过程滞后且灵活度低，往往“数据出来了，决策窗口也过了”。而AI+BI可以打破这一壁垒——通过ChatBI实现“自然语言问数”，能实时调取数据并反馈结果，实现“从工位到车间、从订单到全局”的分级实时可视，让数据获取效率呈指数级提升。
用数据优化业务：决策优化
当数据能实时获取后，下一步就是用数据优化核心业务。比如用AI预测原材料需求，避免库存积压；用AI优化劳动力排班，减少人力浪费；用AI调整生产节奏，提高设备利用率……每一步都靠数据，不是靠“感觉”。
用数据驱动业务创新
这是决策升维的最高级阶段，也是AI为制造业打开新增长空间的关键。在产品端，AI能模拟上百种产品设计原型、优化工艺参数，大幅缩短研发周期；在服务端，AI可基于客户全生命周期数据做精准洞察，推动企业从“卖单一实体设备”转向“设备+预测性维护+智能服务”的复杂系统；甚至在产业层面，AI能推动跨领域融合创新，比如将制造数据与能源数据结合，探索绿色制造新路径，让数据从“辅助工具”变成“创新引擎”。
结语
AI时代，胜负在“底盘”不在“引擎”
最后，曹晖回应了开头的问题：“当所有人都用相同的AI引擎时，胜负取决于如何造出适应不同道路的‘车’。”
制造业的AI转型，从来不是“要不要做”，而是“怎么用对方法”：
“思维的改变，是世界改变的开始。”当AI从“会议室的话题”，变成“员工每天都用的工具”，制造业的效率革命，才算真正落地。 | 
