2025年，AI熱得發(fā)燙，從年初DeepSeek一聲驚雷，到Manus、豆包、元寶輪番登場(chǎng)，熱鬧非凡。

但你有沒有發(fā)現(xiàn)，一年過(guò)去了，頭部玩家的AI應(yīng)用，清一色還是聊天機(jī)器人：字節(jié)的豆包、阿里的夸克、騰訊的元寶、訊飛星火……訪問(wèn)量斷層領(lǐng)先，更像是“秀肌肉”而非“真干活”。

AI在App里的滲透，也卡在怪圈里：滲透率高的，月活上不去；月活高的，滲透率反倒低。

這些現(xiàn)象，其實(shí)沒有看上去那么健康。

因?yàn)槟前褢以?/strong>AI行業(yè)頭頂?shù)摹斑_(dá)摩克里斯之劍”——落地，似乎還未真正得到解決。

AI Agent曾被寄予厚望。Manus年初掀起AI代理風(fēng)潮，可問(wèn)題來(lái)得比解決方案更快；年底豆包手機(jī)聯(lián)名努比亞，測(cè)評(píng)圈炸了，量產(chǎn)卻還在“畫餅”。

第三方調(diào)研數(shù)據(jù)顯示，93%的Agent項(xiàng)目在從POC邁向生產(chǎn)時(shí)遇到障礙[1]。也就意味著，每100個(gè)讓人熱血沸騰的概念驗(yàn)證，最終能活下來(lái)的，不到7個(gè)。

而這，才是AI智能體戰(zhàn)場(chǎng)最真實(shí)、最殘酷的戰(zhàn)場(chǎng)。

AI進(jìn)廠，體驗(yàn)怎么樣？

去年年底，我參加了一場(chǎng)釘釘在江蘇舉辦的峰會(huì)。會(huì)上，釘釘發(fā)布了8.0版本，AI輔助辦公的細(xì)膩程度，已經(jīng)細(xì)到能幫你寫會(huì)議紀(jì)要、自動(dòng)排期、甚至猜你下一句想說(shuō)什么。

最讓我印象深刻的，是釘釘華東區(qū)域總經(jīng)理施江峰分享的一個(gè)數(shù)據(jù)：蘇錫常地區(qū)76%的上市公司正在使用釘釘，乍一聽，這數(shù)字好像也沒什么，畢竟釘釘用戶遍布全國(guó)。但關(guān)鍵在于，蘇錫常的上市公司里，制造業(yè)占了七成以上。

就是說(shuō)，一向只看重實(shí)操的制造企業(yè)，也開始悄悄擁抱AI了。

這個(gè)趨勢(shì)得到了數(shù)據(jù)的印證。去年7月，IDC發(fā)布調(diào)研顯示：國(guó)內(nèi)工業(yè)企業(yè)中，大模型智能體的應(yīng)用比例從2024年的9.6%，一路飆升至2025年的47.5%[2]，不到一年時(shí)間，翻了近五倍。

當(dāng)然，這背后也少不了政策推一把的功勞，畢竟誰(shuí)都想在“新質(zhì)生產(chǎn)力”的賽道上搶個(gè)好位置。

峰會(huì)上，幾位企業(yè)代表也聊了接入AI的真實(shí)體驗(yàn)。提效最明顯的，還是業(yè)務(wù)流程和會(huì)議流程，比如自動(dòng)匯總待辦、智能生成紀(jì)要、跨部門協(xié)作不再“踢皮球”。

總的來(lái)說(shuō)，釘釘作為辦公協(xié)作平臺(tái)，目前在制造型企業(yè)中，主要切入的還是行政、人事這類“輕量級(jí)”場(chǎng)景。

但也有人坦言：“當(dāng)前，我們只在外網(wǎng)業(yè)務(wù)用釘釘�！�這句話挺耐人尋味，不是不用，也不是全用，而是部分的用，循序漸進(jìn)的用。

這恰恰說(shuō)明，企業(yè)對(duì)AI Agent的接受程度，還處在“看療效”的階段，有人已經(jīng)上頭，有人還在觀望。

尤其對(duì)于中小企業(yè)來(lái)說(shuō)，不敢全信的原因主要來(lái)自兩方面：

第一，太貴，回本太慢。定制一個(gè)企業(yè)級(jí)智能體，動(dòng)輒幾十上百萬(wàn)，還得搭上幾個(gè)月的調(diào)試和訓(xùn)練。老板們心里會(huì)想：“這玩意兒到底能不能幫我多賺錢、少花錢？”

第二，太“黑”，心里沒底。AI做決策像在“黑箱”里抽盲盒，你不知道它為啥這么判，也難預(yù)測(cè)它會(huì)不會(huì)突然“抽風(fēng)”。一旦涉及客戶數(shù)據(jù)、生產(chǎn)流程，企業(yè)就更不敢輕易把方向盤交給AI。

說(shuō)到底，雖然越來(lái)越多企業(yè)喊出“AI+”或“+AI”的口號(hào)，但現(xiàn)實(shí)仍是：“表面熱鬧的多，動(dòng)真格的少”。大多數(shù)還停留在行政、溝通等外圍場(chǎng)景，真正把AI嵌入生產(chǎn)、供應(yīng)鏈、質(zhì)量控制等核心業(yè)務(wù)的，仍是少數(shù)。

原因也不復(fù)雜——投資回報(bào)算不清，安全風(fēng)險(xiǎn)擔(dān)不起。

但趨勢(shì)已經(jīng)不可逆了。當(dāng)制造業(yè)的“硬骨頭”都開始啃AI了，說(shuō)明這場(chǎng)變革，正從“錦上添花”走向“不可或缺”，只是，從“用起來(lái)”到“用得好”，還有很長(zhǎng)一段路要走。

AI落地，為啥一用就翻車？

傳統(tǒng)AI助手主打基礎(chǔ)問(wèn)答和簡(jiǎn)單任務(wù)，雖然現(xiàn)在還是“主力軍”，但增長(zhǎng)已經(jīng)放慢了。

真正的增量機(jī)會(huì)，藏在通用、垂直和開發(fā)平臺(tái)這三個(gè)方向里[3]。

AI Agent類別

2025年市場(chǎng)規(guī)模（單位：億美元）

通用AI Agent

78.4

垂直行業(yè)AI Agent

890

AI Agent開發(fā)平臺(tái)

900

前面說(shuō)了，93%的AI Agent項(xiàng)目卡在從概念到落地的“最后一公里”，對(duì)大多數(shù)企業(yè)來(lái)說(shuō)，這道坎，真不好邁。

亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建認(rèn)為：癥結(jié)在“數(shù)據(jù)”和“工程化”。[1]

在干凈數(shù)據(jù)上跑模型，體驗(yàn)直接拉滿，但現(xiàn)實(shí)是，企業(yè)數(shù)據(jù)往往是亂的、分散的、格式五花八門的“沼澤”。

這不光讓智能體“看不懂”，也讓企業(yè)犯難：智能體需要學(xué)習(xí)高質(zhì)量數(shù)據(jù)，如果甲方在啟用AI助手之前，還要做清洗數(shù)據(jù)前置工作的話，成本太高了。

微軟的解法，是把 RAG（檢索增強(qiáng)生成） 深度塞進(jìn) Copilot 系列，現(xiàn)在不少?gòu)S商都跟著抄作業(yè)。簡(jiǎn)單說(shuō)，就是給大模型配個(gè)獨(dú)立的模塊，專門負(fù)責(zé)從企業(yè)雜亂的文檔堆里找到原始信息，大模型自己只管“動(dòng)腦”和“動(dòng)嘴”。

這樣一來(lái)，哪怕底子數(shù)據(jù)是“爛”的，只要檢索準(zhǔn)，答案也能靠譜，大大減輕了數(shù)據(jù)清洗的負(fù)擔(dān)。

在查資料時(shí)，我發(fā)現(xiàn)國(guó)內(nèi)有家叫中之杰智能的公司，走的是“小垂直+全覆蓋”的路線，將智能體安插在各種可行的制造場(chǎng)景中。

他們推出的德沃克X-Agent工業(yè)智能體，覆蓋了感知—指揮—執(zhí)行三層，針對(duì)國(guó)內(nèi)制造業(yè)的離散生產(chǎn)模式，算是目前最接近“標(biāo)準(zhǔn)答案”的方案之一。

關(guān)鍵是，真有客戶在用，不是PPT吹牛：

在中大力德數(shù)字車間，上了“AI老廠長(zhǎng) + AI水蜘蛛”，優(yōu)排產(chǎn)、降庫(kù)存；

新坐標(biāo)科技的混線生產(chǎn)，用上“OBF島式智能體 + AI品控衛(wèi)士”，降損耗、提插單能力；

鴻基偉業(yè)的車間里，部署“全工位視覺質(zhì)檢 + AI設(shè)備管家”，降故障、提合格率。