中國工廠正進行一場“靜悄悄的AI效率革命”

當前，中國汽車產業競爭日趨白熱化，“價格戰”持續擠壓利潤空間，降本增效已經從各大車企的“可選項”變成了“生存題”。

面對重資產、高成本的制造體系，如何找到輕量化、可持續的增效路徑，是各大車企，乃至眾多供應鏈工廠的挑戰。

正解局也發現，現在參加“飛書效率先鋒大賽”的企業也是越來越多。

為了幫助企業在AI時代下更好地實現數字化建設和數智化加速，切實降本增效，飛書至今已經聯合400多家企業落地600場效率先鋒大賽，培養近5萬效率先鋒。

他們的模式是通過比賽的方式，激發出真實的AI賦能制造的場景，讓更多的企業看到新的可能，包括美宜佳、海大、極兔、蔚來在內的眾多企業都通過這場比賽實現了業務的重塑和效能的提升。

今年10月，飛書再次啟動了面向全國范圍的企業先鋒們進行參賽案例征集，通過激烈PK，將于12月角逐出全國12強和效率先鋒年度總冠軍。

在這個過程中，吉利汽車研究院提交的“尺寸檢測智能化”項目尤為引人注目——幾個車輛工程師，用飛書AI工具，一下子就省下了近千萬元的設備投入。

不依賴天價的國外硬件，不等待漫長的IT排期，這場比賽讓我們看到了當AI深入產線，也可以和制造業發生“化學反應”：

通過AI的柔性賦能，企業將一線員工的現場經驗直接轉化為創新的驅動力，從而繞過沉重的硬件與IT依賴，讓AI直接解決產線“最后一公里”的痛點。

制造業的競爭力，也由此被重新定義。

在整車制造中，尺寸檢測是汽車質量與安全的核心環節，幾毫米的誤差都有可能產生重大影響。

傳統流程中，技工老師傅們需要將數據先寫在零件上，再抄到紙上，最后輸入電腦，每一次檢測要耗時45分鐘，不僅效率低，還非常容易抄錯。

吉利汽車生產線

轉折發生在身處一線的吉利汽車研究院試制中心研發團隊中。

他們避開了“硬設備”路徑，選擇用輕量化的飛書AI重構檢測流程，通過飛書開發了一個智能助手，把傳統的“手寫錄入測量值+人工數據分析”的模式，轉化為“語音生成測量值+智能決策分析”的新形態。

具體而言，在采集端不再用手抄，而是利用飛書的AI語音識別與實時字幕能力，構建新的采集方式，不容易出錯，每個數據的標注來源也更清楚。

同時基于飛書的工作配方AI調用功能和多維表格來清洗數據，解決了數據干不干凈、準不準確的問題。

最后把之前吉利汽車研究院的5M1E方法拆解歸納成18種典型問題模型，預置到系統中，再利用AI對DTS尺寸的測量數據進行分析，實現了簡單、高效、精準的新檢測模式。

在使用飛書AI后，吉利汽車研究院試制中心研發團隊明顯感到效率提升，很快就在同事之間形成了“越用越想用”的正反饋，極大節約了工時，以及對高昂設備器材的依賴。

但比技術更值得借鑒的，是推廣策略。他們用“老師傅”的名字來命名這些大模型，讓很多不愿意用AI的老師傅，開始主動接觸大模型。

甚至老師傅之間會調侃：“聽說老張你現在開始搞AI了？”

這種巧妙的方式，既是對老師傅經驗的尊重，也是將工匠精神數字化的傳承。

“我們也是在想辦法和一線的老師傅形成一種共贏的局面，”

項目負責人表示，“當用老師傅的名字去命名問題分析模型時，好像月球上某一個環形山的名字，會有那么一點點自豪感。”

“制造業確實大而重，飛書給了我們一個四兩撥千斤的抓手。”

這種“以人為本”的落地方式，讓AI在傳統的制造業中得以快速地“潤物無聲”。

吉利汽車研究院重構車間工作流程的案例不是孤例，在飛書效率先鋒大賽中，我們還看到了很多奇思妙想。

內江市的金鴻曲軸的前身為內江齒輪廠，始建于1958年，是一家具有40多年從事汽車發動機曲軸制造的專業廠家，現已形成年產各型曲軸300萬件的能力，在全國汽車發動機曲軸行業名列前茅。

公司具有成熟的汽車曲軸制造工藝，近年來通過近十億元的投入，現擁有二十多條先進的曲軸生產線。

金鴻曲軸的生產車間

產線需要統計管理，統計員呂望是會計出身、無IT背景，卻是公司AI項目的先行者。

通過飛書aily的拖拉拽式搭建和強大的知識庫直連能力，他在極短時間內搭建機器人、連通知識庫、本地化流程，過去需要IT部門排期的事，現在一線員工就能自主完成，并隨業務迭代持續優化。

光飛書的自動提醒歸還功能，就讓金鴻曲軸六分廠的呆賬率下降了80%，每月節約0.64萬元，全年節省約10萬。

“飛書aily一個好處就是我們對接那個知識庫的能力很強大，它可以直連，而且安全性也高，”呂望通過拖拽式的零代碼搭建，將過去人工錄入的流程徹底數字化，也因此被上級看到，得到了肯定與嘉獎。

金鴻曲軸員工王鵬程正在使用飛書

在主要研究汽車智能化的四維圖新，產品質量的審核也發生了革命性變化。

“AI先預審，人工再復核，這不是AI替代人，而是像師傅帶徒弟一樣。”

一輛智能汽車，背后是數億行代碼和高度復雜的系統，同時還有數十道質量體系的審核。

過去，每一次完整的審核要牽涉到眾多部門、協調鏈條非常長，動輒折騰幾十天，企業消耗很大。

而傳統的審核工作也非常枯燥，需要翻看海量設計文檔、人工核對流程、簽審，效率極低。業務團隊還要隨時需要停下來“配合檢查”，雙向內耗。

而這些不會寫代碼的審核員就開動了腦筋，基于飛書的aPaaS平臺和飛書aily，打造了新一代的AI全閉環智能審核平臺——SmartQMS。

SmartQMS可以按照既定規則先行預審，人工隨后復核，并將專業判斷反饋給AI，不斷豐富規則庫和樣例庫。這種持續的“反饋→學習→優化”循環，使AI的判斷能力隨著審核場景的積累而逐步趨近專家水平。

而審核員也從繁瑣的重復勞動中解放出來，專注于復雜問題的決策。

以一次典型的內部審核為例：單次審核由過去8個工時到現在的3個工時，效率暴漲超過60%！僅一個部門，一年就節省了24萬工時成本。

一位來自新能源車企的行業大佬看到這個案例表示非常羨慕：“你們這個，是一個可以抄作業的方案。”

在鵬飛集團，由飛書開發的智能化AI監測系統也解決了化工行業的安全管理難題。

“在以前我們記錄是需要紙質版人工錄入，信息滯后，現在通過AI可以去自動分析，定期推送，提升我們的工作效率。”

工程師尚煬艦表示，在化工行業，自動化設備的維護，往往靠技術人員接到提報后親自去維修。后來尚煬艦就通過飛書的多維表格搭建了一個集數據采集、故障診斷、報警處理于一體的智能化平臺，可以將重大危險區氣體濃度監測跟AI實時結合，AI可以整理故障點，并提供解決方案。

提升效率的同時，也減少了維修人員涉險的頻率。

尚煬艦使用飛書檢閱數據

通過AI的應用，工廠實現了24小時不間斷AI點檢，檢測效率提升了240倍，人身安全率達到了100%。

不僅減少了檢修停機的損失，還節省了系統建設成本和人工成本，年增收約240萬元。

基于這個創新，鵬飛集團獲得了兩項實用新型專利，省市級及全國行業大賽獎項，獲省市媒體采訪報道，成為了行業標桿案例。

尚煬艦正在檢修機械

從這些案例中不難看出，企業降本增效的任務不一定只有專家、高管才能完成，一線員工使用低門檻的AI工具也可以勝任。

這也呼應了當下的產業趨勢：制造業的AI應用，正從“重硬件投入”轉向“重智能賦能”。

而飛書效率大賽大賽之所以能集結130+家企業，也正是因為它提供了一條“短平快”的落地路徑：

不依賴IT部門排期、不等待巨額預算批復，一線員工用低門檻工具快速驗證價值，從小處撬動大變革。

站在更高的角度看，飛書效率先鋒大賽的意義，不僅在于評選出優秀案例，更在于它驗證了一條AI落地的可行路徑：

其一，是工具下沉，全員提效：讓AI從“技術部門專用”變為“一線員工好用”。

在吉利，非IT背景的工程師經過短期培訓就能快速上手，短時間內搭建出全公司推廣的系統。

陳冬杰甚至享受與AI博弈的過程：“當發現某些提示詞bug的規律后，我反向運用這個bug，用bug去打敗bug的時候，會有一定的爽感和成就感。”

其二，是場景先行，小步快跑：飛書AI能從高價值、易落地的痛點切入，迅速建立信心。

很多企業團隊從搭建平臺到推廣全廠應用僅用了一兩個月的時間，這種速度在傳統制造體系中堪稱奇跡。像金鴻曲軸的AI物料預警系統、鵬飛集團的智能監測系統，都是從最迫切的業務痛點入手，實現快速突破。

其三，是人機共融，新舊協同：AI并不是要替代人，而是在尊重傳統經驗的基礎上，讓人與AI實現共贏。

像吉利用老師傅名字命名AI模型的創新做法，不僅沒有引起抵觸，反而讓老師傅成為新系統的推廣者，這就形成了一個共贏局面。

最重要的，還是成本結構和投資邏輯的改變：拿吉利來說，從千萬級測量機到百萬級掃描儀，再到數十萬手持設備，飛書AI帶來的，是從“硬件投入”轉向“智能化能力”的成本結構重寫。

正如他們的團隊所言：

“大家都覺得傳統制造行業非常大而重，同時要把那些最先進的一些互聯網技術引入到制造行業里面進行協同落地，難度是非常高的……但用了飛書后發現，原來在制造行業除了一些普通的文檔工作能夠提升效率，在那些一線的生產線上面，也有不少場景是可以通過AI和數智化工具去改變，慢慢地去撬動原有的一些固化的模式。”

吉利汽車生產線

長期以來，我們對“數字化轉型”有一個誤區：以為它必須是自上而下的，都是CTOCIO的事，是花大錢買系統的事。但這幾家企業的實踐告訴我們：

真正的紅利，往往藏在那些看似不起眼的一線工位上。

今天，這場由一線員工主導、飛書提供武器的“效率革命”，不再盲目追求系統更替、技術領先、國產替代，而是以“小切口、快迭代、重實效”的方式，逐步撬動中國傳統制造體系的深層變革。

當老師傅們開始用AI傳承經驗，當一線工程師成為系統搭建者，他們證明了，當工具足夠趁手時，中國工人的創造力是驚人的。

而企業的創新核心，也不僅僅在于高研發投入、技術的堆砌，更在于激活人的創造性——讓一線員工成為變革的主體，用輕量化的工具解決實實在在的業務痛點。

在這場席卷制造業的寒冬里，這些能夠熟練駕馭AI的普通工人，或許才是中國制造最堅硬的底牌。