最近看了一場比賽，“飛書AI先鋒大賽·先進制造專場”的全國十強賽。146個參賽案例，來自北汽、東風、海信等制造業企業，覆蓋設備運維、質量檢測、整車研發、供應鏈管理等真實工業現場。

臺下評審匯聚了同濟大學、上汽、理想、奇瑞、博世、小米等機構的專家。

臺上站著的不是AI產品經理，而是工廠的維修工、質量工程師、供應鏈管理者。他們講的不是AI的愿景，而是已經跑在產線上的智能體與skill——有人用智能體把設備故障處理從10分鐘壓到4分鐘，有人用大模型做發動機零件質檢全年算力費不到1000塊，有人養了一只OpenClaw龍蝦在工廠值班巡檢、派活催辦。

看完這些案例，我最想搞明白的其實是一個結構性的問題：為什么這些案例長在飛書上？

這個問題的答案，我認為對中國制造業的AI轉型有超出一場比賽本身的意義。

從“會說話”到“會做事”：一個歷史性的節點

要理解這場比賽的分量，先要看清它所處的時代背景。

2026年初，開源智能體框架OpenClaw在全球爆發。與ChatGPT、DeepSeek不同，OpenClaw的意義不在于“AI更聰明了”，而在于AI第一次具備了記憶、判斷和自主執行的能力——它從“會說話”進化到了“會做事”。一位研究者將其稱為AI從“對話工具”到“數字執行體”的范式躍遷。

GitHub星標數突破28萬，成為史上增長最快的開源項目。2026年政府工作報告首次提出“促進智能體加快推廣”。深圳龍崗出臺了“龍蝦十條”扶持政策。在中國，這不再是極客的玩具，而是一場正在發生的產業變革。

但變革的速度在不同行業差異懸殊。麥肯錫的調研數據揭示了一個尖銳的落差：2026年，70%的企業將部署AI Agent，但僅23%實現了單一職能內的規模化應用，全公司級規模化的企業不足7%。

Gartner預測，到2026年底約40%的企業應用將集成任務型AI Agent，但相比2025年不到5%的水平，這依然是一個剛剛起步的進程。

換句話說，絕大多數企業還卡在“試過了，但沒跑通”的階段。

而制造業尤其難。制造業的“重”——重設備、重流程、重經驗——讓它比互聯網、金融這些行業更難敏捷地擁抱新技術。一份行業趨勢報告直指痛點：大量企業把AI智能體“孤立部署”在某個單點環節，數據沒打通、流程沒銜接，用起來跟Excel宏差不多——這是低價值區。真正產生價值的做法是把智能體嵌入工作流，讓它能調用ERP、MES、知識庫，同時讓人的經驗持續“教”給AI。

這恰恰是飛書AI先鋒大賽最讓我觸動的地方：臺上這些案例，絕大多數已經跨過了“孤立部署”的階段，進入了“嵌入工作流”的深水區。它們不是實驗室里的demo，而是真正跑在產線上的方案。

在麥肯錫所說的全公司級規模化不足7%的大背景下，146個制造業案例匯聚在同一個平臺上——這本身就是一個值得追問的現象。

工廠一線員工成為AI開發者

這些案例有一個共同點最讓我意外：推動AI落地的，不是IT部門的頂層設計，而是業務一線的人。

東風奕派的湯俊是設備維修工，他用飛書 aily 搭建了“設備大師”智能體，把2000多條故障記錄導入飛書知識庫，維修工用語音描述故障就能獲得精準方案。

他說過一句話：“飛書就是AI平權工具——只要有想法就可以做，不需要任何代碼能力。”

阿維塔的質量工程師龔成和董思維，給幾十名同事做了一次培訓，兩個半小時后，一個變更評審的智能體demo就跑出來了——以前要拉多名專家開幾天會才能敲定的事，現在一分鐘內完成初步評估。目前阿維塔內部已有30多人自己動手搭建了智能體。

北汽福田的文偉把OpenClaw龍蝦養在了工廠的工作群里，取名“長超小福”。這只龍蝦給一項業務打了6分（滿分10分），逐條列出改進建議，領導當即拍板——“按它說的執行”。

這些人不是程序員，不是算法工程師。他們是每天跟設備、流程、零件打交道的一線員工。他們最懂痛點，也最有動力去解決問題。當工具的門檻足夠低，當AI出現在人本來就在的工作流里，創新的主體就從IT部門轉移到了業務一線。

這是一個非常重要的信號。過去制造業的數字化轉型，往往是“自上而下”的——老板拍板、IT牽頭、外包實施。但這場比賽讓我看到了“自下而上”的另一種路徑：一線員工自己發現痛點、自己搭建工具、自己驗證效果。這種路徑的效率和適配度，遠超傳統模式。

為什么長在飛書上

回到最初的問題：為什么這些案例長在飛書上？

第一層原因是飛書的AI工具本身足夠低門檻、足夠貼近業務。

在對AI先鋒大賽選手的采訪中，幾乎每個人都會提到一個詞：“低門檻”。東風康明斯的參賽選手提到，在企業想要獲取大模型能力的時候，飛書提供了最完整且最低門檻的技術棧——“在需要的時候，只有飛書提供了這些，那自然會基于飛書進行更多智能化探索。”

這種低門檻不只是技術上的，更是組織上的。億咖通發現，飛書的低代碼能力讓業務部門也能快速掌握AI，不再需要等IT排期——業務與IT之間長期存在的理解壁壘，因此被大幅縮短。

第二層原因是數據底座。

OpenClaw在中國所有IM工具中的接入率，飛書占65.2%。硅基流動聯合創始人楊攀復盤說，飛書與OpenClaw的適配性在于，它不僅僅是IM工具，更是一個完整的工作空間，有大量上下文信息，能讓Agent做事的能力得到充分發揮。

飛書在制造業的滲透經歷了從協同工具到數字化底座再到AI落地平臺的演進。從2021年“蔚小理”選擇飛書解決組織的“熵增”問題，到多維表格、飛書項目、aPaaS等能力讓飛書逐步深入業務流程，再到aily智能體等飛書AI能力、OpenClaw集成——每一步都為下一步鋪了路。

所以當OpenClaw這樣的新能力出現時，這些企業不需要從零開始——文檔、流程、知識庫、業務數據早已沉淀好了，Agent進來直接就有活干。

兩層合在一起，才是完整的答案：底座讓AI有上下文可以理解，工具讓AI能嵌入每個人本來就在的工作流里。如果說大量定制化的AI方案對制造業來說是一條條窄道，那飛書更像一片曠野——數據在這里沉淀，業務在這里流轉，智能體在這里生長，而且門檻低到一線工人都能自己動手。

阿維塔的案例最能說明這一點。他們先花了近一年把IPD研發管理體系搬到飛書項目上——五大階段、42個關鍵節點、近1500份交付物，全部在一個平臺流轉。這一步不是為了上AI，但恰恰為AI創造了土壤。

后來用飛書aily搭建智能體，直接嵌入審簽流程，工程師正常提單、正常審簽，AI結果自動出現——這件事之所以能做到，是因為飛書項目原生支持IPD流程，智能體可以直接嵌入審簽節點。這不是在任何IM上掛一個聊天機器人能實現的。

底座就緒之后，AI能力的落地就變成了自然生長，而不是強行嫁接。

一場比賽的生態價值

看完這場比賽，我一直在想一個更大的問題：為什么飛書要辦這樣一場比賽？它的價值是什么？

表面上看是評選。但往深處看，它做了一件對制造業AI化非常重要的事——把散落在各家工廠里的AI探索，集中搬上了同一個舞臺，變成了整個行業可以借鑒的公共經驗。

制造業的每家企業都要從零摸索自己的AI路徑，每一家都要踩自己的坑。當146個案例匯聚在一起，參賽者互相學習，評審者把經驗帶回自己的企業——這本身就是一種行業級的效率提升。北汽福田的文偉直接把整套龍蝦方案開源，供任何企業免費使用。他在臺上說了一句讓我很受觸動的話：“這一輪AI浪潮，不能只有互聯網行業遠遠跑在前面。”

這句話的背后，是制造業的一種集體焦慮，也是一種集體覺醒。

飛書能舉辦這樣的比賽，本身就說明了一種生態能力——它不只是提供工具，而是在構建一個讓AI能夠在制造業生根的環境，成為企業間在AI日新月異的當下，互相學習、交流的平臺。

這場比賽給我的最大觸動，不是某個具體案例有多炫，而是一種正在成型的路徑變得清晰可見了：

一線員工驅動創新，低門檻工具降低落地成本，數據底座保證AI能夠持續進化，開放平臺讓經驗流動成為公共資產。

這條路徑能不能走通，取決于三件事：企業的數據底座夠不夠深，AI工具的門檻夠不夠低到讓一線員工自己動手，行業有沒有一個共享經驗的機制。飛書提供了前兩者，飛書的AI先鋒比賽正在構建第三個。

AI的能力還在加速迭代——從ChatGPT到OpenClaw，從Sora到Seedance，每一輪都比上一輪來得更快。下一輪新技術出現時，那些已經在飛書上完成數據沉淀、跑通業務流程的企業，依然會是最先接住它的人。而飛書AI先鋒大賽的價值，正是讓更多企業看到這條路徑，并有機會踏上去。

制造業才是生產力真正發生的地方。當AI終于走進車間，改變的不只是效率——而是誰來定義“先進”這兩個字。

No.6858 原創首發文章｜作者 星芒

開白名單 duanyu_H｜投稿 tougao99999

歡迎點看【秦朔朋友圈】