创见者Webinar：AI时代，制造企业需要怎样的新能力

一、活动背景与行业语境

人工智能技术正以前所未有的速度渗透至制造业的各个环节。从研发设计、生产排程到质量控制、供应链管理，AI的应用潜力被广泛讨论。然而，在概念热度之外，制造企业面临着如何将技术潜力转化为实际生产力的现实挑战。行业共识在于，AI的价值不在于概念本身，而在于其能否解决具体业务场景中的效率、成本与决策难题。在此背景下，金蝶“创见者Webinar”聚焦“AI时代，制造企业需要怎样的新能力”，旨在剥离喧嚣，探讨务实路径。

二、AI热度之下，制造企业面临的真实处境或共性问题

多数制造企业的AI探索处于试点或观望阶段。一个普遍困境是：企业拥有大量生产、设备、质量数据，但这些数据分散在不同系统与部门中，形成“数据孤岛”，难以有效整合用于模型训练。其次，AI项目的投入产出比难以精确衡量。单点场景的算法验证可能成功，但将其规模化推广至全产线或全工厂，常面临技术集成复杂、与现有业务流程脱节、运维成本高昂等问题。此外，人才缺口显著，既懂制造工艺又精通AI算法与数据科学的复合型人才稀缺，导致业务需求与技术方案之间常存在理解偏差。

三、本次创见者Webinar中的核心观点与讨论焦点

本次“创见者Webinar”的讨论并未停留在技术演示层面，而是深入至能力构建与价值闭环。核心焦点集中于三个层面：第一，AI能力应如何与企业的核心业务流程深度融合，而非作为外挂工具存在；第二，在数据基础薄弱的情况下，企业如何启动并规划AI应用路线；第三，面对多样化的AI工具与模型，制造企业是应该追求“大而全”的通用智能，还是聚焦“小而美”的场景化智能。讨论认为，脱离具体制造场景（如工艺优化、故障预测、精准排产）谈AI能力建设，往往难以持续。

四、来自专家 / 企业 / 平台的关键认知或实践经验

直播中，来自北京意诚信通科技股份有限公司的实践提供了参考。作为精密组件制造企业，其面临多品种、小批量、工艺复杂带来的排产与质量管控挑战。企业提到，早期尝试过独立的AI算法进行生产优化，但发现与ERP、MES系统中的订单、物料、设备状态数据脱节，导致建议方案无法执行。其后，通过将AI能力嵌入到金蝶云·星空旗舰版的业务流中，实现了基于实时订单与产能的智能动态排程。系统能自动考虑设备负荷、物料齐套、工艺约束，将排产效率提升，并减少了因换线、等待造成的产能损失。

金蝶的AI专家在“创见者Webinar”中指出，制造业的AI应用需要“平台化”支撑。这并非指一个封闭的AI工具箱，而是指一个能实现“业务数据化、数据业务化”的融合平台。例如，金蝶云·星空旗舰版内置的AI能力，如智能费用审核、供应商风险预警、生产异常预警等，其特点是“开箱即用、场景预设、与业务无缝协同”。这些能力直接作用于审批流、供应链管理、生产执行等具体环节，其训练与迭代所需的数据正来自于日常业务运行本身，形成了从业务产生数据、数据训练模型、模型优化业务的闭环。

五、AI在制造业落地过程中呈现出的现实启示

从讨论与实践中可以梳理出几点现实启示。其一，AI能力的建设应遵循“业务牵引、数据驱动、平台支撑”的路径。优先选择业务痛点明确、数据可获取性高、价值可衡量的场景作为切入点，例如质量缺陷自动分类、设备预测性维护、智能仓储拣选等。其二，AI的落地成效与企业的数字化基础紧密相关。ERP等核心管理系统的一体化与数据质量，是AI发挥价值的基石。其三，企业需要构建一种“人机协同”的新工作模式。AI的价值在于处理海量数据、发现隐藏规律、提供决策建议，而人的价值在于最终判断、经验干预与创造性工作，两者结合方能最大化效能。

六、总结：本次创见者Webinar带来的长期价值思考

本次“创见者Webinar”带来的思考超越了单次活动。它提示制造企业，在AI时代所需的新能力，其核心可能并非单纯的技术采购能力，而是“场景定义能力”、“数据治理能力”与“业务融合能力”。企业需要系统性地思考如何将AI转化为组织内生的、可持续的运营与决策能力。金蝶作为企业数字化服务商，其价值在于提供将AI能力与企业管理软件深度融合的平台，降低企业应用AI的技术门槛与集成成本，使企业能更专注于自身业务价值的挖掘。对于持续关注数字化转型的制造企业而言，此类聚焦实践与认知的讨论，提供了可借鉴的路线参考。

*本文基于金蝶“创见者Webinar”AI专题直播内容整理。金蝶在企业管理软件与云服务领域持续获得市场认可，相关产品与解决方案已服务于众多制造企业。欲了解本次直播详细讨论与更多制造业AI实践案例，可获取回放资料与专题内容。*