點擊上圖▲了解更多

5月27日—5月29日，激蕩書院年中特別場——暨“AI+制造”實戰研修營·第二模塊X激蕩講堂·專題課，共同探索AI與商業結合的真實現場。

文 / 巴九靈（微信公眾號：吳曉波頻道）

你現在最想用AI解決的，到底是哪件事？

在“AI+制造”實戰研修營第一模塊的現場，私董導師吳畏把這個問題拋給了所有企業家。

問題不復雜，但現場很快安靜下來。因為對企業家來說，AI已經不是一個陌生詞。大家都知道AI重要，也聽過不少案例，真正難的地方在于：

把AI結合到自己業務時，究竟應該先做哪里？投多少錢合適？用在研發、生產、銷售、客服，還是內部管理？什么是值得做的機會，什么只是看起來熱鬧的消耗？

這也正是這門課程要回答的問題。在硅基流動聯合創始人楊攀、“AI增長戰略”開創者周龍、非凡產研創始人吳畏3位導師的帶領下，來自不同行業的企業家齊聚上海，參訪了上汽通用、羚數智能2家先進AI應用企業，完成了一次從認知、場景到落地的AI系統學習。

本次課程學習全程，被反復追問的，只有一件事：當AI真的走進工廠，第一步到底應該先做什么？

“AI+制造”實戰研修營學員參訪上汽通用

認知：AI真正的起點，不在工具，在業務

第一模塊開場，來自楊攀老師的主題分享，他并沒有講AI有多強，而是告訴企業家該如何重新理解AI。

在很多老板的認知里，AI仍然容易被看成一個效率工具，寫文案、做PPT、生成方案、整理會議紀要。

但楊攀老師認為，如果AI正在成為一種新的生產力基礎設施，企業要思考的就不只是能不能提效，還有資源、組織、流程、數據資產和業務節奏都會發生變化。

AI在數字世界里的工作速度，可能是人的幾十倍甚至上百倍。過去一周完成的工作，現在可能幾個小時完成，但是，速度并不天然帶來結果。

一家制造企業如果沒有把合同、圖紙、工單、客戶溝通、生產記錄、售后問題這些數據沉淀下來，那么AI能做的，只是“回答問題”，而不是“參與業務”。

所以，他反復提醒在場學員：AI進入企業之前，企業家先要盤點自己的數字資產。

楊攀老師在課程現場分享

這些數字資產可能散落在員工電腦里、微信群里、CRM里、工單系統里，也可能還停留在老員工的經驗里。

一個老工程師知道某個工藝參數為什么這樣調，一個銷售知道某類客戶為什么遲遲不下單，一個售后知道某個產品最容易在哪個環節出問題。

如果這些經驗沒有被記錄、結構化、調用，AI能發揮的空間將會非常有限。

因此課程開場，我們真正解決的不是該用哪個AI工具，而是幫企業家建立一套判斷標準：我的企業現在處在哪個階段？我的數據是否能夠被調用？我的業務里，哪里有真實瓶頸？我有沒有能力把一個AI場景推進下去？

場景：AI在真實工業場景如何工作

認知建立之后，更重要的是走進真實場景，看AI到底在工業現場解決了什么問題。

在上汽通用、羚數智能等AI應用現場，很多抽象概念很快變得具體。智能化、數字化、大模型、工業智能體等詞語，放在PPT里都成立，但到了工業現場，企業家更關心的是：

它到底解決了哪個問題？節省了誰的時間？減少了哪類錯誤？有沒有人兜底？成本能不能算得過來？

其中的一個典型場景是圖紙。

在制造企業里，圖紙往往是業務流轉的核心。設計、采購、生產、質檢、交付，都繞不開它。過去，工程師需要人工識別圖紙里的標注、表格、符號，再把信息錄入系統。這個過程慢，也容易出錯。

AI介入后，圖紙可以被切片、識別、結構化，轉化成系統可以調用的數據。在圖紙變更捕捉場景中，AI可以識別不同版本圖紙的變更點，并通過人機協作提高準確率；在圖紙校驗場景中，AI可以對尺寸、形位公差、表面粗糙度等進行校驗，最終自動生成Excel文件。

這類細節的價值，不在于它聽起來多么先進，而在于它切中了制造業長期存在的痛點：大量關鍵工作依賴人工經驗，流程里有許多斷點，信息在不同部門之間傳遞時容易損耗。AI真正有價值的地方，是把這些斷點重新接起來。

另一個典型案例來自一家大型造船企業。

造船是典型的傳統制造業，業務復雜、鏈條長、周期長，內部環境相對封閉，原本與AI的距離并不近，但恰恰是這樣的企業，更能說明AI落地的現實難度。

該企業的AI建設，并沒有從一個“萬能系統”開始，而是從設計研究院切入。它先處理了大量歷史語料，比如設計手冊、船舶規范、技術文檔、歷史船型資料等。因為通用大模型理解不了很多造船行業的專有名詞和專業語境，企業就要先做自己的語料庫，再訓練更貼近業務的垂類模型。

這其實給了制造企業一個很現實的啟發：很多AI項目的起點，并不一定在生產線上。

結束參訪后，我們第一時間組織了場AI私董會。在討論中，一個明顯的變化是，企業家學員們不再只是問AI能做什么，而是開始追問我的企業里，哪一個問題最值得先被AI解決。

吳畏老師帶同學們做復盤

一位企業家提到團隊溝通和多任務管理，另一位制造企業負責人提到企業知識庫，還有位做燈具的老板提到產品設計……這正是私董會的價值。白天看標桿，是看到別人怎么做，之后的私董會是逼自己想清楚：我的企業能做什么，先做什么，為什么是這件事。

標桿企業不是答案本身。它更像一面鏡子，讓企業家看見自己的差距，也看見自己可以行動的第一步。

落地：AI不會替你決策，只會放大你的決策

看過場景之后，問題最終還是要回到企業自身：AI到底該服務于什么目標？

周龍老師的分享，把AI從“效率工具”拉回到企業增長和戰略判斷上。他反復強調一個觀點：AI不會替你做決策，只會放大你的決策。

方向錯了，AI會加速錯誤。方向對了，AI才是杠桿。

課程現場，周老師現場用AI生成了一套“xxx品牌辣椒炒肉照明標準化方案”。這個方案不是簡單寫幾頁PPT，而是圍繞餐廳擴張中的菜品視覺呈現不一致、照明標準缺失、翻臺率與氛圍之間的矛盾，輸出了一套完整解決方案。

一個有意思的細節是，方案里針對辣椒炒肉的紅色呈現，提出使用2700K紅琥珀暖光色溫，讓紅油看起來更透亮。

這不是普通工具使用。它背后考驗的是對客戶業務的理解。

他真正想讓學員看到的是：AI可以幫助企業更快做調研、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決什么問題。

課堂上，周龍老師讓學員回答兩個問題：客戶為什么選我？客戶為什么不選我？

這兩個問題看似和AI無關，卻是企業做AI戰略時繞不開的前提。

很多制造企業老板談AI時，會直接跳到工具、系統、流程、降本。但一家企業最值得用AI解決的問題，往往藏在它的增長瓶頸里。

◎如果客戶不選你，是因為你和同行差異不清，AI再怎么提高內容生產效率，也可能只是更快地生產同質化信息。

◎如果企業增長卡在老客戶無法轉介紹，銷售講不清價值，團隊無法復制老板的判斷，AI就應該優先介入成交話術、客戶洞察、銷售訓練、知識沉淀這些場景。

◎如果企業的問題是研發周期長、產品定義不準、市場信息滯后，AI就應該進入調研、趨勢分析、產品方案和客戶需求洞察。

課程結尾，我們完成了一個重要總結：AI落地最終不是技術部門的獨角戲。老板往哪想，公司就往哪走。

同學們在課程現場聽課

AI像100年前的電。通電本身不是最難的，難的是各個行業要基于電，發明出自己的燈泡、洗衣機、空調。

對制造企業來說，道理也一樣。今天的大模型已經完成了“通電”。接下來，每個細分行業都要重新回答：我們自己的“燈泡”是什么？

答案不會從工具列表里自動長出來。它來自老板對業務的理解，來自對真實場景的拆解，也來自組織能不能把判斷變成行動。

三天課程結束，我們再回到最初那個問題：你現在最想用AI解決的到底是哪件事？

第一天，楊攀老師幫助企業家建立判斷標準；第二天，企業家們走進上汽通用、羚數智能2個真實案例現場；第三天，周龍老師把AI放進企業戰略和增長里，讓大家看到，AI真正發揮價值之前，老板必須先想清楚方向。

到這里，第一個問題有了初步答案，但新的問題是：想清楚之后，怎么動起來？

下一次課程，我們將繼續推進：從決策到執行，構建AI賦能企業的行動框架。

5月27日—5月29日，我們邀請到海銀資本創始合伙人王煜全、華為智能制造軍團首席顧問顏少林、非凡產研創始人吳畏，帶你深度參訪中國調味品行業龍頭企業海天味業、國內首家以人形機器人為主業的上市公司優必選、專注于通用智能機器人及行業場景解決方案的高科技企業眾擎機器人、專注數字生產力的大模型智能體平臺的探跡科技，以及專注于用AI賦能“無人工廠”的國家高新技術企業磅旗科技，獲取頂級專家的獨家趨勢判斷、周期分析與機會地圖，走進AI實戰現場，幫你校準認知，減少誤判。

AI真正的分水嶺，不是會不會用工具，而是當別人還在討論AI時，有些企業已經開始把AI接進業務、組織和增長里。

“AI+制造”實戰研修營，2大模塊，60天時間。從認知升級，到場景落地；從方向判斷，到組織執行，幫助企業真正跑出自己的AI應用路徑。

5月27日—5月29日，我們深圳見。