【环球网科技报道 记者 李文瑶】4月21日，“2026飞书AI先锋大赛·先进制造专场”决赛现场，一线工程师、产品经理和供应链负责人，带着已经在产线上跑了数月的真实案例，讲述AI Agent如何从PPT走进车间。
这场由飞书主办、73家企业参与的大赛，最终评选出TCL华星、海信集团、东风奕派、北汽福田、亿咖通科技、东风康明斯等十家“制造AI先锋”。在众多案例中，亿咖通科技与东风康明斯的实践，也代表了AI Agent在制造业两个截然不同的核心战场——供应链协同与产线质检——所带来的深层变革。
供应链的“断点”与“盲区”：亿咖通如何让问题自己浮出来
“你有没有遇过这种情况：系统明明有料，计划都排好了，实际没料？”站在决赛讲台上，亿咖通全球信息技术中心数字化产品经理孙迪用一个看似简单的问题，引发了在场许多制造业同行的共鸣。
亿咖通是一家成立于2017年、于2022年在纳斯达克上市的全球出行科技企业，其产品已搭载于超过1100万辆汽车，业务中心遍布杭州、中国香港、马来西亚、新加坡、越南等十余个城市。然而，快速扩张的全球化布局，也让它早早面临制造业供应链的经典难题。
去年2月，一张紧急工单成为转折点。客户催得急，物料计划查了系统显示齐套，仓库却打来电话：一款关键料，账上有数，库位上没货。接下来30分钟，全组陷入紧急响应——打电话、翻群聊、查系统，最后拼出来的不是物料清单，而是整条供应链的“盲区地图”。
“仓库说我是按实物发货的，采购说我是按计划买的，计划说我是按预测排的。每个人都没有错，但问题是，他们之间没有一条‘实时对齐’的链路。”孙迪回忆道。
更深层的问题在于系统之间的割裂。亿咖通已经部署了SAP等传统ERP系统，但这些系统功能固定、定制开发周期长、成本高。日常的预测、排产、缺料计算，大量依赖线下Excel表或在线文档，数据规格不统一，信息变更靠人工拉群传递。一旦某个环节的变更没有触达所有人，版本不一致就会引发事故。
更隐蔽的风险是管理上的“信息黑洞”：一线执行层往往等到问题“包不住”了才向上汇报，等领导层知晓时，损失已经造成。
面对这些痛点，亿咖通没有选择再买一套商业系统。孙迪和亿咖通计划物流部运营管理负责人胡建带领团队，基于飞书aPaaS、多维表格和Aily智能体平台，在现有ERP系统之间搭建了一座“桥”——一套端到端的供应链协同平台。
这套方案的核心逻辑只有两条：让信息“往前走”，让结果“往回走”。前者意味着客户的预测、需求、计划能够快速准确地传到后端，不再靠人反复确认；后者意味着生产结果、库存变化、交付情况能够反向验证和修正前端的预测模型。
以需求预测为例。过去客户给一个数字，销售拍一个脑袋，信息来源多、口径不一致，预测与实际交付之间经常出现巨大偏差。现在，亿咖通让AI先跑一遍——采集市场真实销售数据，叠加信号解读、预测建模、场景推演、评审校验，最终输出决策建议。人只做最后那一下判断。
更关键的是，这是一个持续精进的学习系统。每个月的实际交付数据都会反向修正AI模型，下个月的预测就更准一点。经过7个月的数据回测，整体预测准确率从原来的75%左右提升至91.5%，超额备货的积压风险降低了22.61%，数据分析和计算成本降低了约90%。
预测准了，库存能否接得住？亿咖通用AI助手“拿铁”解决了这个问题。“拿铁”将前端预测结果与库存实时对齐，每一个物料的库存水位、周转状态、呆滞风险、缺料情况一目了然。更重要的是，它会主动说话——每天早上告诉团队哪些料有缺口、哪些工单有风险、下一步应该做什么。
“不是人去找问题，是问题自己浮出来。”孙迪说。这套闭环跑通后，亿咖通的库存周转天数从65天降至27天，上亿资金从仓库中释放出来；端到端协同效率提升90%；信息化建设成本降低70%以上。目前，这套系统已覆盖亚太五个业务中心、320个日活用户，覆盖90%的目标用户。
产线上的“老师傅”与“安心觉”：东风康明斯的质检革命
如果说亿咖通的案例展示了AI如何重构看不见的供应链链路，那么东风康明斯的应用，则让人们看到了AI在看得见的产线上，如何改变一线工人的工作与生活。
东风康明斯是全球领先的发动机制造商，从重卡到工程车再到城市公交车，到处都有其产品的身影。支撑这家企业走过百年的，是对品质的追求。但即便这样一家企业，也曾在一个关键环节上陷入困境——发动机连杆的质检。
连杆是发动机的核心零件，制造时拆分为两部分，装配时必须原配。一旦错配，发动机在运行中可能“炸缸”。试想一下：客户花2000万买了一台全新起重机，在剪彩仪式上发动机炸缸，后果不堪设想。
为此，东风康明斯在新产线上安装了视觉检测系统。然而，这套系统的准确率只有70%——每4次检测就有1次误报，一天几十次。工人们实在受不了，直接把系统电源拔了。
“技术本来是来解放人的，结果反而成了折腾人的。”东风康明斯制造工程部智能制造工程师巢正坤说。
当时摆在面前的有两条路：一是改零件工艺，一年投入上百万，涉及10个平台、几十种零件，工程变更遥遥无期；二是上深度学习，需要收集样本、打标、训练、部署算力，投资20万起，落地至少半年。两条路，一条太贵，一条太慢。
转机出现在去年3月。巢正坤偶然看到一条新闻：有养殖场用大模型数猪。“我当时脑子里‘叮’一下：它能数猪，为什么不能看懂发动机零件？”恰好飞书接入了大模型，团队抱着试一试的心态，用提示词让AI读连杆上的配对码。第一轮测试，准确率就冲到95%。
但95%在工业现场远远不够——每20个零件错一次，照样扛不住。真正的突破来自一个“顿悟时刻”：团队把所有错装的照片摆在一起，突然发现一个惊人规律——只要配错的连杆，结合处都有一道明显的裂痕。
原来，连杆是一整块料胀开的，断面如同人的指纹，独一无二。装错了就合不拢，一定会留下裂痕。以前团队总想着教AI认出“什么是对的”，其实根本不用——AI只要认出“什么是错的”，就够了。
顺着这个思路，巢正坤团队设计了三道检测保险：先看裂痕，有裂痕直接判错；再读数字，判错的提取配对码二次校对；第三道模糊匹配，四个数字对上三个就过。三层嵌套，每一层都不是理论设计的，而是从产线上干了二十年的老师傅口中总结出来的。
“工业AI真正的核心，从来不是算力和模型，而是你能不能把老师傅的经验，翻译成机器能听懂的规则。”巢正坤说。
依托飞书和火山引擎的底座，团队用多维表格做数据中枢，用字段捷径调用大模型，用工作流做自动报警，8周就把整套系统跑通了。从1个平台复制到6个，从连杆延伸到活塞环、卡环，每个新场景两周就能搞定。
这套系统上线9个月，跑了20万张图，准确率稳定在99.5%以上，零漏检。单张检测成本仅5厘钱，全年总算力费用不到1000块。传统方案的投资，够这套系统用200年。
但最让巢正坤骄傲的，不是这些数字，而是产线班长说的一句话：“我们终于能睡个安心觉了。以前全靠人盯，下班了心还悬在产线上。”
一年前，这套质检系统被工人亲手关掉，因为它添麻烦；一年后，工人们上班第一件事就是打开它，因为信任它。“从被放弃到被信赖，这中间的距离，就是我们工程师存在的意义。”巢正坤说。
工作流之变：从“人追问题”到“问题浮出水面”
从亿咖通与东风康明斯的案例来看，可以观察到AI Agent对制造业工作流程带来的两个根本性改变。
第一，从被动响应到主动预警。在传统模式下，无论是供应链风险还是产线质量问题，都需要“人”去发现、上报、协调、解决。信息在层层传递中损耗、延迟，等到决策者知晓时，往往已经错过了最佳干预时机。而在AI Agent介入后，系统能够7×24小时实时监控数据，一旦发现异常或风险信号，立即主动推送提醒，甚至给出处理建议。问题从“被人找到”变成了“自己浮出来”。
第二，从经验驱动到数据智能。在东风康明斯的案例中，最关键的突破不是算法本身，而是将老师傅二十年积累的“裂痕判断”经验翻译成了机器可执行的规则。在亿咖通的案例中，预测准确率的持续提升，依赖于每个月实际交付数据对模型的不断修正。AI Agent不是替代老师傅，而是将老师傅的经验固化、放大、复制，让一个“超级老师傅”同时服务多条产线、多个业务中心。
从技术门槛到业务平权，AI应用的门槛正在从“算法+算力”转向“业务洞察力”。巢正坤不是算法工程师出身，孙迪和胡建也不是程序员。但他们懂业务痛点，会写提示词，能拆解流程，就能借助飞书这样的低门槛平台“手搓”出企业级智能体。这意味着，一线员工正在成为AI开发者——他们比任何人都懂问题在哪，当工具足够简单时，解决问题的效率将指数级提升。
未来前景：从单点突破到端到端智能
展望未来，两家企业都给出了清晰的路线图。
亿咖通的目标是打通整个供应链的上下游。目前，其AI协同平台主要覆盖公司内部的端到端闭环。下一步，团队希望将AI工具和信息向上游供应商、下游客户延伸。如果供应商能够实时看到亿咖通的缺料情况，如果客户能够更精准地传递需求信号，整个产业链的效率将再上一个台阶。
东风康明斯则制定了三步走计划：短期追求极致精准，把失误率压到万分之一；中期覆盖更多场景，让AI不只“看”，更能像老师傅一样“懂”工艺、懂标准；远期走向超级智能，打造真正的多模态智能质检，让AI成为产线上永不退休的品质大师。
飞书首席商业官林婵表示：“企业要用好AI，先看AI先锋。其实对飞书来讲，很大的收获不只在于收获了很多精彩的案例，而是真的能从中国制造业务一线读懂中国制造业到底需要什么样的AI。来自这成千上万的一线真实实践，也让我们真实地看到了不同的岗位、不同的流程上的环节的痛点。”
去年，飞书成功举办AI效率先锋全国大赛吸引130家企业参与，验证了AI普惠的巨大潜力。据悉，2023年起，飞书正式启动“人才加速计划”之“飞书AI先锋”，已联合640余家企业举办超700场飞书AI先锋大赛，通过培训赋能、实践打磨，培养了超75000位AI先锋，助力企业落地12000个可用实践。