王彩娜 中国经济时报记者
编者按：日前，中共中央、国务院印发的《关于发展新质生产力的意见》对外发布，提出以专条系统部署全面实施“人工智能+”行动。相比此前，“全面实施”的分量在于把重心转向存量传统产业，同步补齐基础理论、核心技术和要素供给短板，兼顾产业落地与风险防控。科技创新始于实验室，成于产业主战场。打通AI for Science到AI for Industry转化通道，将科研势能转化为实体经济生产力，是发展新质生产力必须答好的现实考题。本期智荟月刊独家专访中国科学院院士鄂维南，同时约访行业专家、经营主体，聚焦从原始创新到产业转化的通道、大模型协同、安全治理等各类堵点，探访制造、政务场景落地实效，解码广东、湖北、四川因地制宜、分业施策的地方探索，为扎实推进“人工智能+”全面实施提供务实参考。制造业中大量“泛办公”场景，如研发、产品、售后、采购、财务、管理，需求普遍、规则清晰、见效快，才是智能体真正的突破口。智能体进制造，进的不只是系统与流程，更是把老师傅的经验、一线员工的判断，沉淀为一个组织可以反复调用的资产。一份标书，过去要编上一天多。七八百项资质文件，得逐条对应招标文件里的资质、业绩、技术参数和商务条款，废标风险条款还要逐句排查，稍有一处错漏，前功尽弃。如今，在珠海天威飞马打印耗材有限公司，这套流程被一个叫“投标宝”的业务智能体重写了：招标公告自动抓取、匹配筛选，标书初稿自动生成，废标风险逐条比对提示。单份标书编制时间从36小时压缩到14小时，节省约六成，内容自动化生成比例达到90%至100%。“这两件事，现在AI帮我们做到了近乎全自动。”这家打印耗材企业的相关负责人说。变化不止发生在一家企业。日前，中共中央、国务院印发的《关于发展新质生产力的意见》对外发布，提出全面实施“人工智能+”行动，并要求“推进人工智能对传统产业的改造”。顶层设计的指向清晰而紧迫：我国制造业增加值已达34.7万亿元，占全球比重约30%，连续16年位居全球第一，但是“大而全”的另一面是工业软件产品收入占制造业增加值不到1%，近六成规上工业企业仍处数字化基础级及以下的现实短板。规模登顶，质量还需跃升，智能体被寄予跨过这道关口的厚望。出乎许多人意料，智能体进制造的第一站，不是机器轰鸣的产线。“过去，行业视角更多聚焦产线车间的狭义工业智能体。那个方向落地难度大，企业很难快速上手。”腾讯研究院资深专家吴朋阳在接受中国经济时报记者采访时表示，制造业中大量“泛办公”场景，如研发、产品、售后、采购、财务、管理，需求普遍、规则清晰、见效快，才是智能体真正的突破口。珠海天威飞马走通了这条路。2026年3月，企业开设OPD·云衢AI架构师训练营，28位业务一线学员分为五组，历时约6个月，覆盖集团几乎所有部门。打法很特别：业务主导、技术陪跑。所有提效流程由业务骨干亲手搭建，IT团队只做支持而不代劳，这套机制类似FDE(前置部署工程师)，确保每个场景真实、可用、能沉淀。半年下来，五大业务智能体从一线“长”了出来：采购智选把寻源比价决策周期从数天缩到分钟级，参考同类落地口径，供应商引进效率提升83%，缺货率由4.9%降至2.4%;智印校核引擎把包装标签校核的人工投入从每月244小时降到约5小时，效率提升48倍以上，把风险拦在了开印之前;财智通让月末成本核算从5天压缩到4小时，提速约97%。企业已用WorkBuddy沉淀了50多个应用场景，横向覆盖六大职能。“五大智能体覆盖核心业务链路，证明一线员工完全有能力成为转型主角。”珠海天威飞马相关负责人说。类似的跃迁在更多企业发生。广州视声智能股份有限公司把供应链场景作为切入口：PCB物料动辄数百上千个品号，价格、版厚、层数等多维参数交叉计算，过去人工评价一轮要2天，如今WorkBuddy辅助只需半小时，单轮提效约96倍;动态库存与采购决策覆盖上万种材料，从3天压缩到2个小时。“面对任何一项工作，先让AI跑第一棒。要相信AI的能力远不止我们预设的边界;先行动、边做边迭代，价值自然会在实践过程中生长出来。”该公司相关负责人说。食品行业信息服务平台烟台富美特信息科技股份有限公司，如今每日数万条新增法规与风险数据由AI自动整理，时效由约1周缩至1天。吴朋阳将这条路径概括为“三阶段跃迁”：从能对话的知识问答，到能干活的办公助手，再到能上岗的数字员工。当前，制造业正处在从办公助手走向数字员工的关键跃迁期——人工智能+制造，正从辅助环节走向核心环节。第一道坎，卡在数据安全与部署模式的矛盾上。吴朋阳观察发现，大型制造企业核心业务顾虑数据出域，倾向私有化部署，但私有化意味着用不上业界最优工具，功能迭代比公有云方案至少滞后6个月，还要配套紧张昂贵的算力，可选的开源模型又普遍弱于通用大模型。折中之下，部分企业开始接受专有云模式，代价是版本迭代仍慢约3个月。“这是过渡性质的中间方案，长期来看混合云会是主流方向。”他判断。第二道坎，横在中小企业面前：改不起、不敢改、不会改。生产设备早已工业化，工程管理却还停留在人与人对接的表单时代。吴朋阳算过一笔账：面向生产运营场景的企业版智能体，单人每月费用可达数百元，几十到数百人规模的中小企业，每月支出数千至上万元，对利润微薄的小厂，这是一笔要反复掂量的投入。第三道坎更深，藏在老师傅的脑子里。图纸怎么估价、呆滞料能不能替代、工艺偏差要不要升版，大量关键判断并不写在手册里。国家统计局的数据显示，农民工平均年龄已达43.3岁，50岁以上群体占比32%;以福建为例，有技能要求的熟练工求人倍率达2.09.而无技能要求的一般劳动力仅为0.90.一边是经验随退休流失、一边是年轻人不愿进厂。吴朋阳坦言，隐性经验数字化有两大难点：一是激励机制，要让老师傅愿意分享;二是知识格式化，要把经验变成AI可读、可训练的数据。而数字空间AI与物理世界AI体系仍然割裂，“物理AI的发展水平大致相当于GPT-2阶段”，产线端因安全优先级最高，尚未实现端到端闭环的数字员工。在企业层面，智能体沿着“任务级—岗位级—组织级”的台阶向上走：先针对单一任务搭建智能体、跑通业务，大量任务级智能体相互衔接后，岗位工作便有望实现AI原生化。腾讯研究院、腾讯云等联合发布的《迈向自适应制造——制造业智能体实践白皮书》总结的方法论是“场景工程+实证工程+复利工程”——专挑规则清晰的任务切入，用连接器真正接进ERP、MES系统，用真实任务和数据验证成效，再把规则、模板、经验沉淀为可复用的组织资产。以排产场景为例，PMC人工投入能从3个小时至4个小时降到0.5个小时，急单端到端响应从数小时压缩到15分钟。招商局重工海门基地部署AI驱动排产等方案后，吞吐量提升至原先的2.6倍、船坞周期缩短52%;上海组织首批十余家企业共建“工业老师傅”经验数据集，一家铸锻企业把老炉长的判断经验转化给AI，生产异常追溯效率提升至少60%。人机关系也被重新定义。现阶段智能体承接的是数据收集、信息填报、方案编制等烦琐重复事务，把人解放出来投向高价值工作。产品工程师从信息对齐中抽身投入创意判断，安全岗位上AI负责风险监测预警、最终责任仍归属人类。“未来会出现AI原生的新型制造企业，传统简单重复岗位将逐步缩减，从业人员需要完成技能升级。”吴朋阳说。东莞市达瑞电子股份有限公司与腾讯深入合作，通过引入WorkBuddy结合FDE(前置部署工程师)支持全员AI培训的方式，重点让一线员工“长出”造工具的能力。该公司董事长李清平提出，要“全面拥抱AI，让员工从重复工作中解放，去做更有价值的事。”该公司组建了AI专项组，通过自上而下定目标考核、自下而上建激励，促进员工积极学习掌握自建智能体应用能力，重塑一线工作流程。在半年时间里，该公司实现了500余项需求、覆盖12个业务部门，单据审核、送货单录入、出货报告编制等环节摆脱人工依赖。更有价值的变化是，一线员工从重复性事务中得到解放，转向数据分析与流程改善等高价值工作，数字化建设从IT部门的独角戏变为全员参与的大合唱。在政策层面，吴朋阳提出三点建议。一是重点支持制造业“AI工作台”建设覆盖，打通模型、数据、工具与业务流程，对产业链上关键中小企业提供成本补助。二是把工单核查、物料核对、进度对齐、数据看板等泛办公协同场景，明确纳入政策鼓励范围。三是推动ERP、MES等工业软件面向智能体适配改造，依托MCP等统一接口协议打通系统孤岛。回到珠海天威飞马，训练营历时约6个月，28位学员不是程序员，却亲手把一个个提效流程搭了出来，结营后带着智能体回到一线岗位，成为企业口中的“火种”。这或许正是这场跃迁最值得记取的地方：智能体进制造，进的不只是系统与流程，更是把老师傅的经验、一线员工的判断，沉淀为一个组织可以反复调用的资产。当越来越多的“投标宝”从办公室和车间里“长”出来时，中国制造由大到强的那道关口，便在一单单标书、一批批物料、一次次排产中被悄然跨过。
腾讯研究院：《当 AI 数字员工上岗，会带来什么？｜AI+千行百业洞察》
👇 点个“在看”分享洞见