开云体育,开云体育官方网站,开云体育APP下载2025年，最新研发下线的库卡icco协作机器人被派到荆州工厂，最初希望它完成的任务就是——连续给不同型号的洗衣机打螺丝。这个看似简单的人工操作对于机器人来说，是一个高级别的挑战——用专业的话来讲就是“多模态解决方案”——“首先寻孔靠视觉，甚至遇到特别小的孔洞，就是靠触觉或者力反馈；打孔的松紧力度，靠的也是力反馈……”美的集团AI研究院院长徐翼对《中国企业家》说，“这几项能力需要一起提升，技术要求很高。”

　　AI赋能的效果似乎不言自明，但对于一家企业来说，从AI技术到AI应用，中间隔着一道无形但坚固的厚墙。一位企业家就对《中国企业家》提到，虽然AI、大模型的研发已经有了很大突破，但应用落地的速度很慢，这不仅是因为技术能力的问题，还涉及组织结构的矛盾。比如，绝大部分的公司CEO都希望推动AI应用，但到中层就不一定会真正落实，“他们会琢磨AI到底会不会最终把自己的位置替代了”。吕宏志也有过这样的担心，“原来数字化系统是辅助我们工作的，但引入AI智能体、推动工厂自主决策之后，我们可能就要退居幕后。”他们在内部讨论的时候曾半开玩笑地提到，打造这样一个工厂，实际上是要革自己的命，把原有的岗位定义全部推翻。但他们也明白，“未来趋势就是这样，既然如此，还不如变被动为主动，如果干好了，或许还能在中国制造的变革画布上留下一笔。”

　　“很多企业把数字化做成了IT项目——这样一定做不成；数字化其实是一个业务变革项目。”周晓玲说，不同的定位决定了不同的组织形式，前者是IT部门牵头，后者就应该业务部门领衔，比如做供应链集成项目，组长是供应链部门负责人，IT负责人只能是副组长，“组织形式非常重要，‘632’就是这么做的，才有可能成功。”也正是在那之后，周晓玲发现了一个重要的变革规律，“一定要考虑到组织里的人性，否则用再大的力气都撬不动。”

　　AI工厂运行离不开海量数据传输与存储。此前，荆州工厂每日数据存储已经超过10TB的规模——通俗来讲，这相当于6666部高清电影的总量（假设1080P高清电影大小约1.5GB），借用DeepSeek的回答，“每天看一部，这些电影够你连续看18年不重样”；引入人形机器人之后，随着实时数据交互陡增，每日数据存储量已经迅速飙升到了30TB；另外，要打造AI工厂，首先要完成最基本的精益化生产和现场管理的改造，举个最简单的例子，如果物流搬运区还是人来人往，机器人就很难派上用场。

　　效率改善是最直接的，按照测算，荆州工厂核心场景效率提升达到了80%；另外一个重要的应用场景是对异常情况的处理：经过十几年自动化、智能化的改造，美的工厂的生产效率不断刷新，现在一台洗衣机的生产流程已经压缩到了10s，甚至更短——这是正常状态，一旦出现问题就会带来生产停顿，要等专家检查后才能重启，而整合了专家系统的AI却可以在几秒之内完成异常诊断，保证生产的稳定性；更进一步，当这样的数据整合量越来越大、整合度越来越高的时候，就能形成更快、更优的决策。

　　某些方面来看，当初他所“担心”的事情正在慢慢成为现实，原本属于专业人员的一些重要工作，比如生产计划，现在已经部分被计划智能体取代，比如计划专员要花上几个钟头来做的事情，机器几秒钟就给出了答案；不过目前，这些机器所依赖的数据更多还是基于人工经验，最后的结果也要再经过人工审核。但或许只是时间问题，《失控》里早就提过，人工智能的涌现是一种跃进，“在这里，2+2并不等于4，甚至不可能意外地等于5。在涌现的逻辑里，2+2=苹果”。

　　最终他们选择了工厂的制造场景，原因之一是制造属于美的独有优势，市场上早已出现了通用大模型，但还没有生产制造大模型，这是一个好机会；第二，工厂场景多样，而且相对家庭场景来说，数据更为结构化，这样既满足了技术迭代的需求，也更具迭代条件；第三，很重要的一点，工厂技术具有一定的通用性，相对成熟之后可以溢出到其他领域，比如现在，美的就把工厂改造过程中迭代而成的AI技术应用到了楼宇科技上，给楼宇创建一个智慧“大脑”。换言之，在所有场景中，美的选择了一个资源禀赋更强、进化环境更优、撬动效力更大的。

　　波士顿咨询公司（BCG）董事总经理、全球资深合伙人David Martin曾分享过一个研究，他们对上千家企业展开调研，发现只有5%的企业从生成式AI的投资中获益，70%则没有看到收益。失败案例呈现出几个共性特点：首先，未能集中力量办大事；其次，很多企业在投资时仅仅是在投资“AI技术”本身，并没有制定明确的盈利目标和计划；第三，企业在选择AI应用场景时，没有与现有的基础设施配套，两者没有整合；最后，企业必须储备人才来帮助他们大规模地应用生成式AI。