AI落地，先模型还是先场景？

在 2026 全球创见者大会·成长型企业 AI+制造论坛的圆桌对话上，《科创人》联合创始人、CEO、主编于振坤作为主持人，与摩尔线程高级副总裁高林丽、安芯易全球销售 VP Sharon Ho、e-works 总经理胥军、金蝶中国副总裁、经营中心联席总裁王剑、金蝶中国产品研发中心副总经理宋凯，围绕《制造企业高质量 AI 转型》话题，展开了一场直面制造业真问题的精彩探讨。

先有路，再选引擎

AI 落地，先找场景还是先找模型？

“如果先找模型，觉得这个模型很好就买，就会找到一个假场景——就像逛超市，觉得这个产品好，但你不一定需要。”e-works 胥军博士说。在他看来，先买模型容易造成能力过剩、与实际需求不匹配；正确路径是需求牵引：先分析真痛点、区分优先级，再结合企业实际选方案。

金蝶宋凯的比喻更形象：“模型是引擎，场景是路。肯定是先找路，再去找用什么引擎，还要把引擎组装成车，最终到达目的地。”在他看来，这几步是一体的，其中找场景非常关键，要先找决策者来定“走什么路”，才知道该选什么模型。

三个月以后，一线员工还愿意用吗？

什么是“用得起来”的 AI 产品？

安芯易 Sharon Ho 的观点是：不是 demo 有多漂亮，而是三个月以后，企业一线员工是否继续愿意用，并且发现 AI 的价值。“大家都在讲 AI 共创，共创之前，不是那么浪漫。”AI 转型不是买几个账号、换个大模型，数据治理、系统打通、人才与组织变革，都是绕不开的投入。用她的话说：“AI 不是一次采购，而是对经营的投资。”

金蝶王剑谈到，三个月仍在用，只是基本要求；更好的状态是，AI 已经不知不觉融入业务流程，员工不需要专门去“使用”它——它像一位数字员工一样，把该做的事自动完成，这才是更有价值的“用起来”。他也提醒，企业谈 AI 往往只谈应用，很少先梳理业务架构与数据架构，底子没打牢，就容易急于求成。

把成本账，从“事后”挪到“事前”

谈到 AI 如何重构成本逻辑，e-works 胥军先列出中小企业的四个老问题：统计滞后、汇报被动、颗粒度粗、缺乏监控——很多问题的根源，恰恰藏在看不到的细节里。上了软件之后呢？主要是记录：记下结果，不分析、不预警、不预测。

加入 AI 以后，把整个流程反过来了。从事前跟踪、按规则预警，到面向市场的销售预测——即便是订单式的定制化生产，零部件大部分可以标准化，AI 可据此分析行业与市场变化。成本核算由此被重写：细化、提前、预警。

金蝶宋凯则从组织角度解题：老板真正要解决的是“什么时候买芯片”这类经营决策。让 AI Agent 去做以前靠人执行的事，把执行的人转为做经营，经营速度才能真正变快。

人与 AI，如何协同

话题最后落到人才与组织。

“AI 时代最大的意义，是让人不再充当简单的劳动工具。”安芯易 Sharon Ho 说，工业时代企业用人的时间换效率，优秀的人把大量时间花在录数据、录系统上，而这些机器完全可以替代。未来稀缺的，是人的判断力、想象力和创造力。在她看来，“过去用人的时间换效率，未来用 AI 的效率换回人的创造力”。

金蝶宋凯看到的是另一层现实：工具普及不等于真正用起来。他建议把 AI 当数字员工看——给它定业务目标、看它的业务成果，甚至让它上岗与下岗。他还观察到一个趋势：Agent 与 Agent 之间天生容易信任，放进组织层面协同，天生就是一种新的组织模式。

场景对了，就成功了一半。于振坤在总结中说，AI 现阶段没有万能解法，每家企业情况不同，没有标准答案——这正是转型之难。

整场对话勾勒出一条务实的路径：先借助行业视角做诊断与规划，理清真正的场景与优先级；再补齐算力、供应链与经营管理系统等基础环节；最终把 AI 装进经营管理，真正用起来、用出效益。