制造业的AI新解法：从“重硬件”到“轻智能”，一线员工正在重写效率规则

来源：荣格发布时间：2025-12-05 57

智能制造传感器机器视觉运动控制工业机器人软件及平台工业互联智能加工设备智能检测设备智能制造解决方案产业动态人工智能

面对制造业AI应用“高投入、低回报”的普遍困境，以吉利汽车、金鸿曲轴等为代表的中国企业正通过自下而上的“轻量化AI革命”寻找出路。

全球制造业正站在AI浪潮的十字路口。数据显示，77%的制造企业已部署AI，但仅39%能稳定获得投资回报；德勤2025年调查更指出，仅有14%的企业具备规模化AI能力。这一“高投入、低回报”的悖论，揭示了一个残酷现实：没有治理的AI，不过是昂贵的实验。

但在中国，一场由一线员工主导的“轻量化AI革命”正在悄然改写规则。

图片来自网络，侵删

困局：降本增效不再是选择题，而是生存题
当前，中国汽车产业“价格战”愈演愈烈，利润空间被持续压缩。在重资产、高成本的制造体系下，如何找到可持续、可复制、低成本的增效路径，已成为整车厂与供应链工厂的共同挑战。

传统路径依赖天价进口设备、漫长IT排期和专家主导的顶层设计，但现实是：产线“最后一公里”的痛点，往往藏在老师傅的手写笔记里、统计员的Excel表格中、审核员的纸质流程上。这些场景，既等不起，也买不起。

转机出现在一场看似“非主流”的赛事中——飞书效率先锋大赛。至今已联合400余家企业举办600场，培养近5万名“效率先锋”。参赛者不是CTO，而是车间工程师、会计出身的统计员、不会写代码的审核员。他们用低代码工具，在几周内重构工作流，实现百万级成本节约。

这不仅是工具的胜利，更是治理范式的跃迁：AI治理不再只是合规与监控，而是激发一线创造力、尊重工匠经验、实现人机共融的组织机制。

案例1：吉利汽车——用老师傅的名字命名AI模型
在整车制造中，尺寸检测是关乎安全的核心环节。传统流程依赖老师傅手写数据、再誊录电脑，单次耗时45分钟，错误率高，效率低下。

吉利汽车研究院试制中心的研发团队没有采购千万级测量设备，而是用飞书AI语音识别+多维表格+工作配方，重构全流程：

语音录入替代手抄，数据来源可追溯；
AI清洗数据，确保准确性；
将5M1E经验拆解为18种问题模型，预置系统，实现智能诊断。
结果：效率大幅提升，设备依赖锐减。更关键的是，他们以老师傅的名字命名AI模型——“老张分析法”“李师傅决策引擎”。这一充满人情味的设计，让原本抵触AI的老师傅主动拥抱新技术，甚至互相调侃：“听说老张你开始搞AI了？”

“这就像月球上用科学家名字命名环形山，”项目负责人笑言，“有一点点自豪感。”

AI不是替代人，而是让人的经验被看见、被传承、被放大。

案例2：金鸿曲轴——会计出身的统计员，成了AI先锋
始建于1958年的金鸿曲轴，年产300万件，拥有20余条先进产线。但管理仍靠人工记录，呆账频发。

统计员吕望，会计背景、无IT经验，却用飞书AI的拖拉拽功能，在几天内搭建起物料归还提醒系统。系统自动推送、精准追踪，六分厂呆账率下降80%，年省近10万元。

“飞书AI能直连知识库，安全又高效，”他说，“过去要等IT排期的事，现在我自己就能做。”

他的成功，让他从幕后走向台前，获得公司嘉奖——一线员工的价值，因工具而被释放。

案例3：四维图新——AI不是替代审核员，而是“师傅带徒弟”
智能汽车背后是数亿行代码与复杂质量体系。传统审核需跨部门协调数十天，枯燥低效。

审核员团队基于飞书aPaaS平台，打造SmartQMS智能审核系统：

AI预审规则化内容；
人工复核复杂问题；
专家判断反哺AI，形成“反馈→学习→优化”闭环。
单次审核从8工时降至3工时，效率提升超60%，一年节省24万工时。一位新能源车企高管感叹：“你们这个，是可以抄作业的方案。”

治理新定义：从“技术管控”到“组织赋能”
这些案例共同指向一个结论：制造业AI的真正瓶颈，不是算法，而是治理机制。

传统治理聚焦模型监控、数据合规、安全围栏——这固然重要，但若缺乏一线参与、场景驱动、人本设计，再先进的AI也会在产线“水土不服”。

而飞书效率先锋大赛所验证的，是一条自下而上、小步快跑、重实效的新路径：