头图 | 虎嗅智库现场拍摄
今年7月在苏州的一场闭门会，行业仍在讨论一个基础问题：AI能不能进入企业核心业务和工厂？
当时被反复提到的障碍有三类：关键数据不可观测、模型结果难验证、出了问题无人负责。
几个月后，问题已经向前推进了一步。
近期，虎嗅智库在深圳盐田区周大福大厦，组织了新一场Agent下车间线下闭门会。来自周大福、安克创新、新明珠、八马茶业、广隆食品等企业的一线负责人，以及广域铭岛、思谋科技、中用科技、金蝶等技术团队，围绕AI进入真实业务后的案例和问题展开讨论。
三个多小时里，桌上摊开的案例大致分为三类。
第一类已经进入业务系统，包括销量预测、自动下单与跟单、订单异常预警，以及质量异常根因分析、工艺文件生成等。
第二类采用人机协作。比如，AI质检先标出产线上的可疑区域，再由老师傅判断真假；药厂把送样、记录和报告生成交给“数字员工”，但技术路线和平台标准仍由人决定。
第三类则绕开了“替代人”。柔性产线上的部分装配工位暂时无法由机器人接管，于是模型转而“看人”，检查员工动作是否执行到位。
讨论环节，争得最凶的反而不是技术。有人把话挑明：非核心场景如果算不清效率提升或成本节约，管理层就不会批预算，所以必须先挑能算出账的场景做——质检、排产、库存优化这类。
也有人追问更现实的选择题：同一个能力，是自建模型还是调外部 API？前者投入重，后者担心数据安全，中间那条混合的路怎么走，没人给出标准答案。被反复提起的还有一件事：Agent 干完的活，出错算谁的？现场没有一个人主张把决策权完全交出去，分歧只在于人要在哪一环接手。
与苏州场相比，问题已经从“哪些场景能做”，转向“系统跑起来后如何管住”：质量怎么控制，责任怎么划分，组织又如何承接被AI放大的个人效率？
当AI从“会答”走向“会干”，企业真正要补的课，已经不只是模型能力。
以下是基于现场研讨整理的部分内容，经编辑重构。
AI要触碰企业核心系统，最大的风险不是“不够聪明”，而是“不够稳定”。直接让AI操作浏览器界面，或者进入数据库自由查询，带来的可能不是效率提升，而是难以预测的业务事故。现场企业给出的答案，也不是简单换用更强的模型，而是先给AI划定边界。安克创新没有让端到端的黑盒Agent接管整条供应链，而是将系统拆成策略层和执行层。安克创新的供应链数智化化能力建设负责人钟伟平现场分享道。策略层负责预测和趋势分析，只输出建议，不直接触发业务动作；执行层不采用Agent模仿人工点击浏览器，而是将确定性逻辑封装成标准的业务API，让Agent在企业业务上下文中调用，同时配合独立上下文的Check agent作为质量门禁，使得Agent在执行层场景稳定可信。这套机制曾用于一次新品销量预测。人工依据历史经验给出的月销量预估为1000台，策略Agent结合生态流量和竞品数据给出的预测是1万台，最终实际销量约为1.12万台。如果仍按人工基线备货，几乎必然断货。另外，在工业制造端，欧阳仁权（吉利广域铭岛华南区副总）表示，广域铭岛并不假设模型不会犯错，而是先通过数据湖清洗原始数据，将其转化为标准化指标。Agent只能从这套“指标工厂”中调取经过处理的数据，不能在原始数据中自由发挥。在某电池车间，过去需要跨部门开会8小时完成的良率分析，现在可由多因子分析智能体在10分钟内生成一份带证据链的报告。这也意味着，所谓企业数据“不可观测”，往往不只是看不见数据，而是缺少一套统一口径，使数据无法被机器可靠调用。
周大福ICC助理副总裁胡志军举了一个很实在的例子：他们原本用 APS 做排产，也试着做一个 Agent 去帮排产员，结果发现——调 Agent 还不如原本的 APS 快。当确定性系统已经跑得足够好，硬塞一层 AI 进去，增加的只是成本和不确定性。某国内头部医药企业的嘉宾表示，身处强监管的制药行业，生成式大模型被严格限制进入核心生产环节。真正落地的是工艺分析、设备预测维修、能耗优化等场景。中用科技则把制造业的 AI 拆成两件不同的事：供应链和运营端大多是数据整理，制造端的调优才是真正的反向控制，两者不能混在一套逻辑里谈。同时，当话题从架构下沉到具体的产线与供应链，嘉宾们摆出来的是最真实的痛点，也是最直接的甜头。这些案例的共同点是：没有一个是全流程重构，都是在某一小段高频动作上做到了极致。新明珠集团CIO李继湛：新明珠在瓷砖质检引入 AI 视觉检测后，AI检测系统设计能力达 60 米/分，刚好覆盖陶瓷产线 40-50 米/分的全部运行速度——这解决了人工目检 20-30 米/分卡产能的瓶颈。单线质检人力从 4 人减到 2.5 人（节省 37.5%），两条线每年节约人工成本 42 万元。难点在于对于有凹凸纹理类的产品，它是工艺美感还是瑕疵，AI难稳定区分。广隆食品信息化负责人江世文：过去烘焙新品报价靠人工计算食材、物流与损耗，一轮流程要半个月。广隆食品把产品成本测算的逻辑封装给 Agent 之后，新品报价直接压缩到 2 分钟。同样的思路也用在了经营侧：过去是店长手动拉经营数据，现在改成 AI 每 3 小时主动向终端推送业绩预警——从“人拉数”变成了“数推人”。八马茶业供应链采购和数字化项目负责人邹林：不是每家企业都有厚重的数据底座。八马茶业没有追求重型大模型部署，而是基于办公协同工具把 SCM 等几个分散系统打通，由智能体自动监控数百家茶农供应商的资质、来料质量风险与订单风险。这种“找小切口、做轻度 AI 应用”的路子，在供应链场景里跑出了性价比极高的业务闭环。
与会专家在现场指出，算 ROI 不能只盯 Token 和模型调用费，至少要把四笔账合起来看：收益账——良率、产能提升与错单减少带来的直接收益；调用账——模型、Token、并发与边缘算力的持续成本；改造账——数据治理、API 接口封装与设备连接的改造投入；风险账——人工复核、异常接管与审计追踪的隐性工时成本。中用科技CEO赵杰特别提到一个容易被忽略的事实：很多制造企业前期部署算力，很大一部分成本其实消耗在了数据清洗与整理上，而这笔钱通常不在 AI 项目的预算表里。思谋科技产品总监刘凯提出了一个更尖锐的问题：如果员工借助AI节省了1小时，但后端审批链条和权责机制没有变化，那么前端提升的效率，反而可能在后端形成新的拥堵。效率不会凭空增加，它只会暴露流程中下一个尚未改造的瓶颈。因此，AI带来的并不只是单点提效，而是对整条工作流的压力测试。一旦局部处理能力提升，原有组织流程中的冗余审批、权责模糊和部门壁垒会更快暴露出来。对于当Agent开始执行真实业务动作，金蝶工业互联网首席专家计晓军等嘉宾的观点趋于一致——AI可以计算选项，却无法代替企业承担后果。现场逐渐形成的方案是按场景分级授权：● 涉及大额资金或关键系统写入的动作，必须二次校验；● 涉及生产安全、质量与合规的环节，原则上保留人工审批。
三个多小时的讨论都是在相互启发相互借鉴，没有人给出标准答案。现场出现最多的词是“卡点”“弯路”和“还没解决”。但有一个变化已经发生：几乎没有人再问“要不要做AI”，问题已经变成“哪个场景最先算得清账”。苏州场上，AI还被挡在核心业务之外：数据不可观测，结果不可验证，责任无人承担。到了深圳，门已经被推开，但企业撞上的仍是这些问题的落地版本：数据怎样变得可信，执行怎样变得可控，收益怎样被核算，责任怎样被划分。技术并不是最难的一环。真正困难的是，把“一个人带着AI跑得更快”，变成“一家公司真正变快”。这也是闭门会的价值：与其再生产一份只讲能力和趋势的技术白皮书，不如把那些无法写进PPT的成本、风险和组织卡点摊开来看。虎嗅智库判断型闭门会系列将持续围绕制造与供应链等核心议题，开展线下闭门会与线上圆桌。本场专题内容也将陆续发布，敬请关注。如您有AI应用案例希望自荐分享，或是对AI在产业端的落地实践有交流意向，可添加小虎哥咨询，获取后续深度内容及活动的一手信息。
虎嗅智库AI洞察：
基于独家头部企业AI落地案例调研，输出关于场景边界、实施路径与风险陷阱的深度洞察，为决策者提供可验证的一手参考。每期报名审核参与，已发布200+期，成为众多企业AI战略规划的案头标配。
虎嗅智库：
围绕 AI 产业落地的「行业判断与共识形成平台」，通过长期运行的案例研究、场景拆解与闭门研讨，帮助产业及企业决策者在 AI 关键选择上看清边界、规避误判、降低试错成本。已沉淀超200份深度研究，覆盖制造、零售、金融、医疗等核心赛道。
📣 虎嗅一年一度的F&M创新节启动啦！
👋今年我们带你「上下文中，见未发生」，在未来出生之前，去现场蹲它！
💪🏻科技下一跳、商业新变量、年轻人新活法——11月一起看见～
关于科技区角：国内科技展会垂直内容策划服务商，提供从论坛内容全案策划、会展市场化IP打造到精准专业观众一站式邀约服务，以产业内容吸引高质量B端人群，打通展会从议题设计、演讲嘉宾邀约、宣传预热、精准邀观到供需对接全链路。
