在長沙超級卡車工廠的生產啟動群里，一條消息彈出：某零部件適配出現異常。群里有人@了“長超小福”。

幾秒后，回復彈出：問題原因、影響范圍、解決步驟、負責人，完整清晰。過去這類問題需要拉會、對數據、逐個確認，至少需要半小時。現在，答案是即時的。

“長超小福”不是新員工，而是北汽福田流程與數字化部協同長沙超級卡車工廠，依托飛書多維表格和OpenClaw技術框架，為工廠量身打造的AI智能體。2026年4月，它在飛書AI先鋒大賽先進制造專場決賽中，從73家企業的146個方案中脫穎而出，拿下全國冠軍。

比獎項更有意義的，是它已經在產線上跑了半年。

1000張表的前傳

制造業AI落地的第一道門檻，從來不是模型有多強，而是數據能不能被讀懂。

商用車制造是一個重資產、高協同、強安全的賽道。北汽福田長沙超級卡車工廠要同時生產輕卡、重卡、客車、專用底盤等200多種車型，且按照訂單進行柔性化生產。前一輛是城市輕卡，后一輛可能是重卡，裝配工藝、零部件、工序完全不一樣。北汽福田流程與數字化部IT負責人文偉曾算過一筆賬：一臺卡車的零部件有3-5萬種，如果一天生產300臺車，那零部件的數量會非常恐怖。

這意味著生產數據的規模遠超AI能直接處理的范疇，數據必須經過加工和壓縮，才能交給AI使用。然而工廠里的數據是分散的：訂單在ERP、生產在MES、質量在QMS、考勤在Excel，20多個信息系統并存。一線員工每天大量時間消耗在“找數據、問進度、催任務、等信息”上，這不是某一家工廠的問題，而是制造業的普遍困境。

長沙工廠被選為北汽福田數智化轉型的排頭兵，原因很直接：2021年投產，不過四五年時間，設備新、系統版本新、互聯能力強，已全部打通20余套信息化系統，搭配5G網絡與200余臺智能終端，讓生產數據實時回傳。基礎設施條件好，這是被選中的理由。

但基礎好，不等于能直接上AI。北汽福田此前下發全員通知：禁用Excel，所有員工必須使用飛書多維表格。決策的目的也很直接，即“讓業務在線化，讓數據流動起來”。

全員在線化之后，文偉帶領團隊才有了搭建數據底座的條件。1000多張飛書多維表格陸續在全廠建了起來，覆蓋了訂單、生產、倉儲、質量、物料等全生產過程。

這些表不是亂建的。北汽福田提出了一套叫“1+N+X”的數據理論：X是員工級業務單元，每個員工把自己的業務數據錄入飛書多維表格；N是部門級運營中心，當部門內所有員工的業務都上線了，部門級數據就匯聚了；1是工廠級運營中樞，當N個部門都有線上數據，全廠就實現了數據在線化。自下而上的方式，讓數據從散落各處到匯聚成底座。

2026年4月，北汽福田參加了飛書AI先鋒大賽先進制造專場決賽，“長超小福”從73家企業的146個方案中脫穎而出，拿下全國冠軍。賽后到現在這段時間，文偉團隊又做了一次系統性的數據治理，通過統一數據口徑、建立新建表評審機制，最終將表的數量從1000多張收縮精簡到800多張。

“野蠻生長”之后是“資產沉淀”，數據底座到這一步才算真正站穩了。

底座之上：AI怎么“讀”懂工廠？

底座建起來了，但維護成本呢？是不是需要一支龐大的團隊？

事實相反。文偉在分享會上“掏了一點壓箱底的東西”。整個數據底座最初1000多張表的ETL配置和維護，靠的是一個飛書開發群里的三個人：除了文偉和負責配合提需求的同事，還有一只叫“賽博文師傅”的龍蝦智能體——這是文偉蒸餾出來的自己的AI分身。

具體怎么建？只需把業務邏輯發給賽博文師傅，后者給出配置方案并請文偉確認，確認后即能落地執行。“一千多張表基本都是這么來的，只要厘清數據源和業務邏輯，跟賽博文師傅說完，十分鐘就能拿到結果。”文偉介紹道。

話說回來，數據進了底座之后，怎么讓AI讀呢？

“長超小福”通過標準化的Skill能力來讀取飛書多維表中的工廠數據。針對不同規模的數據，要采用不同的讀取方式：幾千行以內的小表，讓AI直接連表讀取，只需在多維表中添加機器人、將“長超小福”設為閱讀權限即可；幾十萬行甚至上百萬行的大表，則先把飛書表的數據緩存到本地，再通過讀取技能調用，既保證實時性，又提升查詢性能。

目前，北汽福田已開發了飛書表讀取Skill、SQL查詢Skill、指標計算Skill等，分別支撐數據查詢、復雜聚合分析和業務指標計算，讓AI專注理解業務問題，而非處理復雜的數據結構。

地基打完后，AI才有東西可以“讀”。

四層能力：從看數據到推閉環

數據底座建成之后，“長超小福”的能力經歷了四層遞進。

第一層是智能問數。 每天傍晚6點，“長超小福”會自動生成一份覆蓋訂單、生產、物料、設備、質量等全維度的工廠運營日報。過去這份日報要6個人跨系統忙上兩小時甚至半天，現在它2-3分鐘就生成一份萬字報告，不僅能匯總數據，還能識別異常、提示風險、給出改進建議。而考慮到萬字日報信息密度太高，"長超小福"又做了“減法”，新增了自動生成運營績效圖和PPT的能力，提升洞察決策效率。

主動出日報是智能問數的一面，還有另一面，是雙向問數。簡單來講，員工可以隨時向“長超小福”提問，它會去數據底座找答案再分析，從生產細節到車輛進度都能答。比如，供應鏈缺料風險會被自動識別并按風險類別精準分類，營銷副總裁直接在群里@長超小福就能查詢車輛排產進度，不再需要打電話層層追問。此外，問數能力的邊界還在拓展，“長超小福”還會結合天氣數據進行經營預測，算出最經濟的排產量，給出的建議直接就是最優解。

第二層是人機協同。 “長超小福”不只是被動回答問題的聊天機器人，而是主動住進了業務群。在生產啟動群、總裝協作群、班組管理群里，員工除了@人類同事，也會@龍蝦同事。文偉說，這件事的關鍵是讓AI聽見生產現場的聲音，真正讀懂業務。工廠的數據底座供給的是結構化數據，AI只能看到結果，看不到原因；而當AI駐留在業務群里，供應商說物料晚到了、生產群說產線堵了、質量群說發現了問題，這些非結構化信息匯聚起來，才構成了完整的業務過程。兩方面都有，AI才能不僅告訴你結果，還告訴你原因，并給出建議。

實現這一點并不復雜，在群里添加機器人即可。但要讓AI真正推動事情發生，還需要給AI做一些定制。文偉團隊給“長超小福”進行了三處改造：改造系統提示詞（agents.md），要求AI收到新事件后必須先寫記憶再處理；規范記憶文件（MEMORY.md）的格式和狀態；最重要的是加入心跳機制，規定AI每小時自動“醒來”一次，主動檢查有哪些事情需要推進，再去群里催辦閉環。

過去依賴人工催辦的信息流，逐漸變成了系統驅動的執行流。最終的效果也很直接：“長超小福”會在每天工作結束后，在群里做當日復盤；它還能把任務直接分派給具體的人，如果有人收到任務一直不響應，它會在向領導匯報時記上一筆，“干一些得罪人的活”。

第三層是視覺巡檢。 讓AI從“看數據”升級為“看現場”。過去AI主要依賴結構化數據，工廠現場的信息隱藏在視頻畫面里，往往需要人工巡視才能發現。文偉團隊將攝像頭能力封裝為標準化視覺skill，“長超小福”可以按照預設規則主動獲取現場畫面，調用視覺模型識別分析，再結合工廠的安全制度和管理標準判斷風險。

文偉分享了一個案例：“二月十四號情人節，春節期間車間無人值守，‘長超小福’主動發現總裝下線區的設備待機燈還亮著，應該斷電，它把風險報了出來。車間負責人收到后聯絡值班人現場查看，回復‘收到辛苦了’，完成了風險閉環。”“為什么車間負責人會回復它？”文偉說，“因為它會一直催辦，直到事情解決。”同樣的，日常巡查也用上了這一能力，它每天在安環群查安環、在5S群查5S，還能看食堂、機房等情況，遠程監管也能做到無死角，視覺skill兼容大華、紫光、海康三個品牌，調用很簡單。

第四層是協同辦公輔助。 北汽福田給每位員工開放了申請自己“龍蝦一號”的權限，幫個人處理待辦、會議、公文和PPT。文偉自己的版本叫“賽博文師傅”，就是它幫著完成了1000多張表的ETL配置。更特殊的，它還能加入會議，監測誰離席、誰玩手機，把結果推送給相關負責人。

這四層能力加起來，跨越了一條關鍵分界線：AI從“能回答問題”進化到了“能推動事情發生”。

不過，這還不是終點。

CLI：AI操作系統的深水區

四層能力讓AI能推動事情發生，文偉團隊還在往前走：讓AI不僅推動人去執行，而是自己直接操作系統。

CLI（命令行接口）意味著，員工只需要跟“長超小福”說一句話，后者在完成校驗和二次確認后，可以直接在SAP、MES、WMS等核心工業系統中執行操作。比如物流退庫，過去需要人登錄系統、查找單據、執行操作，現在可以由AI完成。員工只需要跟“長超小福”說一句話，比如“調用物流系統，報文不準需要開退庫小票”，“長超小福”就能自主校驗原因、明細、供應商，二次確認后直接把事辦好，大概一分鐘完成。

文偉對這個方向的態度很明確：“不讓AI操作系統，何談AI的未來？難道AI永遠只指揮人，人再去吭哧吭哧操作？那不是倒反天罡嗎？”

然而，這也是最難的部分。IT管理員一聽見CLI這個概念，腦袋就要冒汗。原因其實很直接，就是風險：“正常開單，人點點點也就點不了幾次，龍蝦一搞可能給你開一萬張單出來。”文偉直率地提到了兩大挑戰，而且差不多并列：

成本。 一家制造企業有200多套信息系統，逐個適配非常困難。文偉希望在行業層面推動這件事，讓ERP、MES等系統廠商未來把AI操作能力做成標配，而不是靠單家企業單打獨斗。這項探索在企業內部也調動了營銷、供應鏈、服務、研發域等各業務域的資源，不是某個部門獨自能搞定的。

安全。 AI操作系統的安全風險是真實存在的。文偉提出了“CIO網關”的概念：統一接入、安全增強、限制操作頻次、危險操作硬隔離，統一管控人操作與機器操作的差異。目前，“長超小福”在執行關鍵操作前，仍有人工二次確認的環節。而最新的進展是，AI正在從“人工下指令→二次確認→執行”向“AI主動接收業務信息→主動操作→給人做結果匯報”演進，人工指令環節正在逐步移除。

長沙工廠目前的CLI探索主要在供應鏈域，這是整個工廠最復雜的環節之一，也是AI操作系統能力最好的“練兵場”。

截至今日，“長超小福”仍在長沙超級卡車工廠的群里、系統里、車間中持續運行。

從禁用Excel全員上線，到建成數據底座，再到AI多層場景能力落地，最后嘗試讓AI操作系統——北汽福田趟出了一條路。路徑已經踩通，剩下的，是更多制造企業愿不愿意跟上來。（本文首發鈦媒體APP，文 | 散落拾獲，作者 | 賈雨微）