方跃：智能制造竞赛下一场胜负，不取决于模型

总有一些反常识的答案出现。

在今年《财富》世界500强论坛一场关于智能制造的圆桌讨论上，四位来自产学研用各环节的嘉宾给出了近乎一致的判据：企业智能化竞赛的输赢，不取决于算法、数据或算力，而取决于组织、认知，以及那层长期笼罩企业经营的数据迷雾。

中控技术创始人褚健讲了一个故事，在中控这家五千多人的公司里，一名20多岁的年轻员工悄悄做了一个AI Agent，把某煤化工气化炉项目的实施周期，从六个月压缩到一个月。

令人意外的不是效率提升本身，而是管理层的反应。管理层是在一次偶然的场合才得知这件事，个体的创造力已经跑到了组织感知的前面，而企业浑然不觉。在褚健看来，这既是好消息，也是坏消息。

这场讨论中，参与对话的四位嘉宾恰好来自产学研用四个环节：华中科技大学教授、机械制造及自动化专家李培根，工业自动化企业创始人褚健，广州建筑集团总工程师胡贺松，以及中欧国际工商学院AI与管理创新研究中心主任方跃。他们的行业相距甚远，立场却惊人地一致：技术本身不是护城河，真正的分水岭在组织。

褚健首先浇了一盆冷水。他认为工业领域不能照搬大语言模型——化工、炼油、钢铁的问题本质上是物理和化学问题，不是语言问题。“要认知一座高炉、一个反应器，需要的是专用算法、标准化高质量的数据，以及足够的泛化能力。”更重要的是，在易燃易爆、高温高压的化工场景里，机器的每一个决策都必须百分之百正确，不允许存在幻觉。

李培根则提醒企业，别把“精益制造”丢在身后。这位机械制造专家把精益视为制造之道：技术手段不断更替，道不变。

上世纪七十年代，中国就有人开始关注精益制造，此后许多企业推行过信息化、网络化，直至今天的智能制造，但精益似乎在AI时代反而被淡忘了。

他指出，精益意味着杜绝浪费、持续改进；恰恰是AI，让一些过去难以推进的改善有了办法。李培根举了一个例子：一家企业的车间生产受上千个参数影响，常规手段用尽之后，依靠工业大脑分析找出了新的关联因素，良率因此提升了一个百分点——对大型制造企业而言，这一个百分点价值上亿元。这是AI最朴素、也最不容易被故事化的价值：把边际收益一点一点抠出来。

胡贺松所在的行业，向来被视为智能化的洼地。建筑业每个项目都是全新的，差异化极大、难以复制；人员思维也尚未完成从传统到AI的转变。但即便在这样的行业里，AI也在最基础的环节落地：过去造价由造价公司来算，从基础到结构、装饰装修、机电安装，算到最后往往还有漏项；AI的活是复盘、找茬，让账越算越准。

建筑方案由AI生成若干版本再迭代；老师傅的工艺经验被喂给模型，新人可以很快上手。广州建筑为此在2025年成立了专门的数字化管理部门，还办了AI大赛来营造氛围，用智能体去巡查一千多个在建工地。这家年营收近两千五六百亿元的企业，已经无法靠人力看清自己的全貌。

方跃提出了整场讨论中最锋利的一个悖论：个人能力在明显加强，组织能力却没有跟上。试点做得不错，规模化就出问题。他给出的判断是，这不只是一场技术升级，而是一次比数字化更深刻的生产力结构变革。

数字化时代企业就经历过一次转折，当时许多企业没有转过弯来；这一次更甚——AI打破了原有的结构，劳动力不再只是人，技术不再只是工具，生产资料也从实物延伸到数据。他劝企业不要把AI当作技术来部署，而要当作“人才”来培养：让它上岗，让它与人和流程协同。他的警告近乎冷峻：如果只是旧组织加上新技术，得到的只是更昂贵的旧组织。

组织变革的难度，褚健深有体会。中控的研发团队有两千人，转型却在最不该慢的地方慢了下来：销售一线的老员工讲不清自家工业大模型的价值；中层、一线与研发的转型速度严重不均；KPI考核难以兼顾近期目标与中长期投入。他的药方是“揭开企业经营的迷雾”——先数字化、透明化，让每个部门、每个岗位的成本与效率暴露在数据之下，AI才有用武之地。而这一切的前提，是一把手先转型。
这与当年的ERP浪潮并无二致，只是这一次的深度远超从前。

方跃在走访大量《财富》世界500强企业后发现，一把手们最常问的问题已经变了：不再是“哪些场景能用AI”，而是“如何识别和培养AI时代的人才”。人才的定义变了，培养方式也随之改变，不再靠老师傅带徒弟，而是靠业务数据来打造。他希望企业的智慧能够沉淀下来，而不是只存在于老师傅的手艺、技术工人的经验或者图纸之上。技术可以购买，认知可以通过迭代学习提升，唯独组织重塑难以拷贝。最后的竞争，是组织与组织之间的竞争。

未来的组织是什么形态？李培根给出的图景是人与智能体组成的混合机构。他特别提醒，不要简单用一个智能体去取代一个岗位。过去企业按岗位、按部门设置，岗位之间往往存在任务重叠；更优的做法是先拆解任务，再配置人与智能体，追求整体最优。智能体带来的直接后果是信息差的消弭：层级之间的汇报失真将被压缩，组织会变得更扁平。

最终的决策者仍然是人。胡贺松的补充更具现实色彩：制度如果不做流程化、数字化设计，很容易落空——上面制定，下面一竿子插不到底；智能体可以成为制度执行的监工，把规则真正压到一线。

李培根最后把目光投向了AI的供给方。他援引华为的“工业场景12问”：场景是否清晰，价值是否明确，三年之后投资回报率能否为正——如果答案是否定的，这单宁可不做。他还提到美国大数据与AI公司Palantir的前沿部署工程师模式：派专门的人深入工业现场，先弄清问题，再提供方案。技术再好，脱离场景与效益，都只是昂贵的摆设。

回到圆桌的题目：谁将赢，谁将输？四位嘉宾没有给出名单，但给出了判据。

赢家是那些先让组织透明、先让一把手转型、先重新定义人才的企业；输家则往往拥有最先进的技术，却仍在旧组织的迷雾里打转。

来源｜财富FORTUNE

作者系中欧国际工商学院AI与管理创新研究中心主任方跃