大多数AI应用公司看不上的制造业，恰恰是中国AI落地最肥沃的土壤
大多数AI应用公司看不上的制造业，恰恰是中国AI落地最肥沃的土壤。
不是因为制造业“落后”所以有机会，而是因为制造业有真实的痛点、明确的ROI、海量的非结构化数据，以及一群愿意改变的老板。
这周我在吴晓波频道直播间跟灵核数智的创始人陈弘旋聊了两个小时。
说实话，开场前我还有点担心。一个96年的创始人，话题又是“制造业AI”，会不会太干了？
结果聊完我发现，干的是我。
这哥们家里有一家干了40年的制造型企业，年产超30亿，做的是清洁家电。他爸和他哥把江山打得好好的，他完全可以选择当一个舒服的“二代”。
但他没有。去年从上市公司出来，All in搞了一家叫灵核数智的公司，专啃制造业AI。
我问了他一个问题：你图啥？
他的回答让我感到震撼。
被AI“打破认知”的那一刻，他拿下了一个专家都搞不定的客户
陈弘旋告诉我，他第一次被AI震撼，是2023年用ChatGPT写公司规章制度。
但这只是开胃菜。
真正让他起鸡皮疙瘩的，是一次和外国客户的谈判。对方是一个前沿科技品牌，要做一款创新产品，涉及很多非本行业的结构零件。公司找了一堆专家开会，临近客户会面了，一堆关键问题还没解决。
弘旋说：“你们去吃饭，中午交给我。”
他心里也没底。但就是拿着AI，一个中午，把原理、可行性、验证逻辑全捋清楚了。
下午开会，他侃侃而谈，直接把客户征服。
那一刻他意识到：AI不是要取代你，而是让你敢去想那些以前不敢想的事。
这跟我的判断一致。太多人对AI还停留在“看新闻”的阶段，看自媒体说某某又超越某某了，自己从来没动手用过。
弘旋说得好：第一不要恐惧，要自信；第二必须自己亲自去做。
制造业AI，不是数字化升级，是另起炉灶
聊到这里，我抛出了当晚的核心问题：
现在很多做制造业AI的公司，第一步都是去企业梳理旧数据、做沉淀、搭系统。你怎么看？
弘旋给了我一个让我眼前一亮的理论，叫“721理论”。
他说，制造业AI绝不是架在传统数字化之上的。他们帮企业梳理完旧数据后发现，真正可用的只占10%。
为什么？因为那是“过去式”，但企业是“进行时”。
所以他提出了这个比例：
70%的知识，来自现在的外界互联网和大模型；
10%的知识，来自企业过去的核心流程与数据；
20%的知识，来自前两者与人共同沉淀出的“未来经验”，持续滚动。
这三者加起来，才是企业100%的能力。
这番话很狠，但直击要害。
过去企业上ERP、MES，要上成功得配10个人天天维护物料编码、对齐流程，管理成本远超软件本身。很多厂子毛利率低，根本玩不起这种“重型系统”。
但Agent时代不一样。Agent不是帮你“管理”软件的，Agent是代替人，直接利用现有文档、表格、邮件去干活的。
数字化程度不高的企业，反而可以直接用。
岗位级数智员工：不是工具，是去你公司“上班”
弘旋说他们做的不是“AI工具”，而是“岗位级数智员工”。
听着像概念？我给你说两个真事儿。
第一个是下单Agent。
传统制造企业里，下单员要从客户SRM系统、邮箱、微信里抓订单，然后把外部物料编码转成内部编码，再拆单、分批，变成生产计划的前置输入。一个订单搞3到4个小时是常态，而且高度依赖人对产品和客户的熟悉度。
灵核的下单Agent进去之后，自己抓邮件、抓系统，自动做编码映射，像人一样把单下到内部系统里。同时自动“打标”——客户是谁、产品是什么、批次、数量、价格，全部标签化。
原来3到4小时的活，现在AI端到端闭环处理，人只需要5到10分钟做最终校验。
更可怕的是，当一个岗位Agent不稀奇，多个Agent串在一起，就完全不一样了。
订单下来，哪些要外部采购，哪些内部跟进，哪些涉及回款，品质问题怎么闭环——多个入口级Agent构建各自的数据对象，把这些Link串起来之后，企业看到的数据就不是扁平的一张表格了，而是一个立体网络。
模型再去读取和理解的时候，飞快。
第二个是客诉闭环Agent。
注意，这不是你平时见到的“智能客服”。智能客服只在前端回答问题，制造业的品质问题很多不适合对外扩散。
客诉闭环Agent做的是内部管理：抓取投诉→在内部知识库匹配→给出问题分解和建议→全程跟踪解决节点→闭环后自动归因分析→打上Tag：是第一次发生，还是重复发生？
这些数据直接给到前端研发部门做改进支撑。
我问弘旋，这跟传统ERP是什么关系？
他说：兼容、升级。很多厂子上APS（排产系统）失败，是因为机台维护、物料配套等前置条件太复杂。排产人员1小时排产，6、7个小时处理异常。Agent进去之后，30分钟给出可靠性极高的排产建议。人依然是做主观预判和最终选择的决策者，但可靠性和可追溯性大大增强。
西游花名、组织离心力、AI原生的超级组织
聊到这里，我发现一件很有意思的事。
灵核数智全员用《西游记》花名。弘旋叫“悟空”，还有“悟净”，连妖怪名字都有。
我问他们是为了取经还是打妖怪？
他说：一路斩妖除魔，取得“制造真经”。
为什么用花名？不是因为好玩。他们要做一个AI Native的组织，必须是扁平的、水滴式的网状结构，不能有传统职级感。
但这引出了一个更深层的问题：AI时代，组织会出现“离心力”。
弘旋分享了一段非常真实的经历。2023年他刚用上AI的时候，自称“知识的爆发户”——获得知识太容易了，一时间变得很自大，觉得自己无所不能。
直到一次研发会议上，他自信满满地把AI给的结论讲出来，结果被一线团队用极其专业的数据当场纠正。
那一刻，他从“被征服”变成了“有敬畏之心”。
所以他说，AI原生组织里，老板的目标必须定得足够清晰、细化。否则大家用AI用得参差不齐，组织会像离心机一样甩散开。
未来的理想图景是什么？
企业可能只有50人，但每个人背后带着10个甚至500个各司其职的Agent。人和Agent是业务协作的紧密伙伴，层级交融。你的Agent和我的Agent先在底层迅速对齐Context，再由人来做高效率的终审判断。
企业从“效率容器”，彻底变成“判断容器”。
给制造业老板和个体的建议
直播最后，我问弘旋：如果制造业老板想开始尝试AI，你建议怎么做？
他说了三句话：
第一，亲自去感受和尝试。 不要听别人说，不要看文章，自己开个账号、部署个OpenClaw、用一用豆包，在具体小场景里建立画面感。
第二，保持敬畏，从一件小事做起。 不要指望翻天覆地，盲目信任容易带来负面效果。
第三，把Agent当“孩子”养。 它能力很强但缺乏社会经验，你要有包容之心，多带它见世面，做完事给它客观反馈。日积月累，它的爆发力会超乎你想象。
而对于普通个体，他的建议是：
死磕自己的核心场景，不要空想，也不要别人做什么你就学什么。围绕你手头正在干的这一趴，去找能帮你百倍加速的AI工具，定义属于自己的高效工作方式。
AI会大大加速你的技能获取，但背后的逻辑、创意、对人性的洞察和闭环拿结果的能力，依然只能由你自己决定。
写在最后
这场对谈让我确认了一个判断：
大多数AI应用公司看不上的制造业，恰恰是中国AI落地最肥沃的土壤。
不是因为制造业“落后”所以有机会，而是因为制造业有真实的痛点、明确的ROI、海量的非结构化数据，以及一群愿意改变的老板。
陈弘旋说，他们的使命是“助力中国制造持续伟大”。
我觉得这不是一句口号。当一个96年的“二代”愿意放弃接班，All in到这条最难的赛道里时，这件事本身就说明：
风，真的在往这边吹了。
无论你所创立的公司处于何种发展阶段，无论你在AI应用方向的哪个赛道，只要你是AI Believer，欢迎跟我取得联系。
我来帮你产品加速、融资加速、业务加速、影响力加速，最终赢得市场。
访谈对话细节
核心背景与我的创业动机
Q1：作为年产值超30亿、拥有40年历史的“清洁家电离散制造”企业二代，为什么要选择跳出来做AI创业？
陈弘旋：我一直喜欢辩证地看问题，经验主义在制造业其实是一把双刃剑。我不避讳自己的二代身份，正是家族企业40年来的长青和年产值超30亿的体量，给了我一个很高的平台和快速历练的机会。但很多人面试时也会奇怪地反问我：“你明明可以躺平，为什么要出来跟风或玩票？”实际上，我是真正被AI打破了固有认知。我认为AI时代是极其平权的，对年轻人也特别友好。我选择出来All in，是为了把我过去在家族企业数字化管理中的很多遗憾和疑惑通过现代AI手段去补足，通过创造新事物来证明自我价值。客户和团队的兴奋点，就是我的燃料。
Q2：在创业创立灵核数智之前，有什么核心的“震撼时刻”让你下定决心All in AI？
陈弘旋：让我产生降维打击般震撼的时刻有两个。第一次是在2023年中，我用ChatGPT出了一套公司的规章制度和改革方案，在家族企业内部得到了大批高层的认同，推行效果非常好。但最震撼、甚至让我觉得被“征服”的一次，是我用AI直接拿下了海外业务。当时我们要和一家外国科技品牌开会，攻坚一个跨行业的创新产品结构件，临开会前专家讨论依然没法验证学术原理上的可行性。中午吃饭时我让团队去吃饭，我自己用大模型去尝试拆解、推演，竟然把学术原理理通了。下午开会时我信心满满地侃侃而谈，最终用AI给的思路彻底征服了客户。那一刻我意识到，必须出来全力拥抱AI。
Q3：如果灵核数智最后没有成功，会选择回去继承家里的事业吗？
陈弘旋：我的回答是：绝对不会。我们商业化合伙人璐坷曾在我们内部节目里不预设地问过我这个问题，因为在大家眼里二代是有退路的，而大厂出来的伙伴没有退路。但我当时就很坚定地告诉他我不会回去。因为做一家公司从0到1，和在现成的平台上做是完全不同的，我非常享受和一群正确的人一起专注、热烈地死磕产品、死磕赛道的快感。就算是灵核数智1.0没有拿到结果，我相信只要我们这帮人是对的，我们也能做出2.0、3.0甚至4.0。我一直以终为始地来看待创业，我认准了专注、热爱和活下去的本质，就不会回头。
制造业AI落地的底层逻辑思考（721理论）
Q4：灵核数智如何看待“制造业AI升级”与“传统信息化/数字化转型”之间的关系？
陈弘旋：在我看来，制造业的AI升级，绝对不是简单地架在传统的数字化之上的。现在很多做制造业AI的公司，第一步往往是去帮企业梳理、沉淀过去的所有数据，但我认为这缺乏升级的内在逻辑，我们也走过这样的弯路。我们发现，企业过去的系统数据真正能拿来给AI用的往往只有10%，因为那是“过去式”，而企业是“进行时”。如果只依靠过去的软件表格，对智能体（Agent）的读取是非常不友好的。企业真正要做的，是通过Agent直接进入企业真实干活，在干活中重新积累最佳的上下文（Context）。
Q5：制造业AI能力“721理论”具体指什么？
陈弘旋：这是我用来定义未来企业百分之百能力、经验和知识构成的核心理论：
70%的能力与知识：来自于现今外界，来自于大模型本身的通用能力以及整个互联网（Everywhere）。
10%的能力与知识：来自于企业过去的积累，也就是企业历史经验、内部知识与数据。
20%的能力与知识：来自于未来。它是前两者与人在企业真实干活、协作的过程中，持续不断滚动、沉淀出来的全新隐性经验。
岗位级数智员工真实应用细节
Q6：常说的“让数智员工去企业上班”到底怎么理解？在我的平台上是如何实现的？
陈弘旋：大家可以通俗地理解为：我们做的是岗位级、甚至入口级的数智员工，我们直接派他们去你的公司里上岗。为了承载这些数智员工，我们打造了一个让企业开箱即用的数智平台，里面有三个核心模块：
问问中心：这就是AI的使用界面，看起来像微信一样的IM软件，上面有你招募进来的各种业务伙伴，人机交互都在这里完成。
派派市场：就像一个硅基人才市场，我们在上面封装了非常多围绕制造业岗位定义的Skill（技能），你可以把技能像拼积木一样组合，直接招募数智员工上岗。
记记空间：这是一个专门适配Agent的人机协同知识库，在做事情的过程中，它能把人和AI的隐性经验直接可视化地沉淀下来。
Q7：我们最拿手的入口级【下单Agent】具体是如何在制造企业里完成端到端闭环的？
陈弘旋：在传统制造企业里，下单岗是一个非常累且离钱最近的卡点。下单员每天要从客户的SRM系统、邮箱里抓取外贸邮件，或者在企微微信上接收一堆PDF、Excel订单。他们需要手动把外部的物料编码转化成企业内部编码，还要根据交期拆单、排前置生产计划。我们的【下单Agent】进去后，我们会打通它的系统和邮箱权限。它学完这个岗位的SOP（标准作业程序）和Skill后，会自己去系统和邮件里抓取订单，自动完成国内外编码的映射映射，然后直接下到ERP系统里。原本需要占用人工3到4个小时的繁琐录入，现在AI端到端全自动闭环，业务同学只需要花5到10分钟进行最终的结果比对校验和责任兜底。
Q8：除了省时间，【下单Agent】还能为企业带来什么更深层的管理价值？
陈弘旋：它可以打破数据的扁平化，把企业的数据对象（Objects）在底层做成立体网络的映射。这就像行业里OpenClaw（小龙虾）框架之所以表现优秀，核心就在于它把知识和工具做了最高效的映射和调度。当企业里有多个入口级的Agent同时打标、把Link（链接）串起来时，企业看到的数据就是立体的。AI能前置帮你完成“订单波动分析与流失预警”。以前大家用Excel跨季度看流失，客户已经走了；现在AI能即时捕捉波动、前置进行原因归因，提示销售第一时间去客户现场挽回，让企业从“效率容器”真正转变为“判断容器”。
Q9：在品质管理中，我们的【客诉闭环Agent】和大家常见的“智能客服”有什么本质区别？
陈弘旋：传统的智能客服只是在前端机械地回答一些客群问题。但制造业很多内部品质问题是敏感、甚至不能对外说的。我们的【客诉闭环Agent】做的是企业内部的管理闭环。当有客户投诉发进来时，Agent会第一时间抓取，自动匹配企业内部历史解决过的问题知识库，给出一个初步的问题分解和针对性的建议方法论，让人能够最快速度去处理，并全程跟踪节点直到客诉完全闭环。最后，它会清晰地分析这件事情是初犯还是重犯，自动打上Tag（标签），这些宝贵的输入可以直接推给前端的研发部门做产品改良支撑。
对组织变革与“组织离心力”的警惕
Q10：企业引入AI后，为什么我强调目标管理和企业文化反而比过去更重要了？会带来什么副作用吗？
陈弘旋：因为AI在打破传统边界的同时，会给企业带来“组织离心力”。现在固有的组织大多是自上而下的金字塔结构。引入AI后，员工获取和生成知识的速度会呈几何级数爆发。如果老板的目标定得不够清晰、细化，没有用强有力的使命愿景让所有人“看同一棵树”，整个组织就会因为每个人都有太多想法、能力参差不齐而产生离心力，导致管理失控。
Q11：我在企业内部用AI时，自己遭遇的“知识爆发户”与“去魅”经历是怎样的？
陈弘旋：在2023年我刚在企业里推AI时，因为动动手指就能让AI帮我生成各种改革方案和规章制度，而且效果极好，那一刻我主观上觉得自己无所不能，成了所谓的“知识爆发户”。但这让我陷入了一个怪圈：我开始极度依赖AI，不再带着强烈的主观性去深化思考它的对错。直到有一次在研发会议上，我非常自信地抛出AI给我的结论，结果被我们的一线核心团队用极其扎实的现场专业数据摆在桌面上当场纠正、证明我是错的时候。那一刻，我瞬间被AI“去魅”了，从被它征服变成了对它充满了“敬畏之心”。
Q12：在我构想的AI原生组织里，未来的超级组织和员工形态应该是什么样的？
陈弘旋：在未来的超级组织里，人和人、人和上级的关系将不再是传统的行政上下级。谁是这件事情的Owner（负责人），所有人就向谁靠齐，对结果负责。岗位的边界会彻底消失。未来一个50人的企业，每个人背后可能都带领着10个甚至500个的Agent，员工就像一个独立的业务单元，背后有一群Agent帮他搞定从获客、调研、销售、监控到产线管理的大闭环。员工将成为企业内的“超级个体”，他们不再是机械的螺丝钉，而是站在核心的价值中心进行高效的判断与选择。
给各位制造业老板的实操建议
Q13：数字化程度不高、信息化制度不好的传统工厂，到底能不能用上灵核数智的AI数字员工？
陈弘旋：我的回答非常坚定：完全可以，Yes！很多老板担心自己工厂底子薄。过去传统管理软件（如重型ERP）上马失败，往往是因为企业利润低，养不起大批专职进核心流程去维护数据、对齐表格、打通链路的人。而AI时代是技术平权，只要你的工厂在开工、在报价、在发邮件，你就在产生数据。我们的Agent进驻是直接干活的逻辑，它能独立去闭环一件事。它可以在干活的同时帮你把那些最原始的文档、Excel和邮件进行分解、归类和数据化打标，成本极低，不需要你为了上系统而额外增加10个岗位。
Q14：岗位级Agent进到企业里，具体能帮老板算清多少账、省下多少成本？
陈弘旋：这在AI时代是一个完全能够满足的“既要又要还要”的过程。根据我们灵核数智实际的商用落地案例，当我们的下单岗、财务岗、供应链岗的几个核心Agent进驻企业工作一年，其节约的时间折算成平均工资，能为企业有效节约超过150万以上的成本（平均每个核心Agent省50万）。但我经常跟老板们强调，这绝不是一个单纯为了“裁人”的缩编逻辑。它是为了让企业在同等的人数下，可以把事情干得成倍增多、干得更好，让你的整个组织更加有法可依。
Q15：对于想要尝试的老板，有哪些具体的AI经验分享？
陈弘旋：首先老板必须建立起和AI的信任，而信任要从一件小事做起。我经常分享我的经验：我把AI比喻成“能力很强的孩子”。孩子成长需要包容心，它一开始不会那么完美，所以你得带它去“见世面”。每项任务前你都跟它聊聊背景，结束后把会议纪要、活动反馈、客户名片等Context（上下文）丢给它，并给出及时的反馈。日积月累，它懂你之后，它的聚合能力就会完全爆表。作为灵核数智的创始人，我深知中国制造非常大，我们整个团队也是下过车间、敲过代码训练模型的综合团队。如果你对这些数智员工的部署还有任何疑问，欢迎随时和我（悟空）进一步交流！
