文｜朱耘

ID | BMR2004

苏州聚集着不少精密制造企业，许多制造工厂曾经都有这样的场景：一台关键设备突然停机，整个产线陷入瘫痪。工人们需要依赖经验丰富的老师傅判断问题，甚至需要联系设备厂商的售后人员，要么远程，要么等待售后人员上门来解决，这常常需要几小时甚至几天才能恢复，停工的损失不言而喻。

如今，许多制造企业开始借助达智汇提供的AI工具预判设备需要维护的时间，能够在设备出现异常之前发出预警，维修保养人员可以提前准备好零件与方案，停机时间从不可控变为可控。不仅如此，引入AI预测性维护之后，有企业的备件库存从1亿元压缩至4000万元，现金流压力减轻了不少。

达智汇（ADTTech，原名：友达数位）是一家工业AI科技服务商，它能够帮助企业打造好用并能用好的AI技术平台。可以说，它不是传统意义上的AI公司，而是一家“源于制造、真懂制造、服务智造”的智能制造赋能者。

达智汇总经理赵丽娜

达智汇总经理赵丽娜在接受《商学院》杂志专访时坦言：“过去制造业靠的是人口红利，今天制造业角逐的是真正的知识红利。”借助AI预判设备维护时间，其本质不是简单的自动化，而是知识的提炼与复制。AI通过对生产数据、工艺经验的学习，把隐性的人脑经验转化为显性的数字模型，再通过模型的复制与裂变，形成新的生产力。

“我们不是纯算法团队，而是从工厂里走出来的。”赵丽娜说。达智汇作为友达光电股份有限公司全球化布局的智慧工业服务核心事业，深耕工业场景，将20余年制造运营体系沉淀与精益方法论融入AI研发与落地流程。

赵丽娜本身也有过多年工厂经营管理的经验。她说，“源于制造”，指达智汇团队多数员工都出身制造一线，懂工艺、懂现场；AI极度依赖行业知识，很多客户采购第三方AI平台时担心数据和经验会被服务商“拿走”，而达智汇“真懂制造”，其做法是把知识牢牢封装在客户内部系统里，让知识真正成为企业的“护城河”；“服务智造”，指达智汇要做的是让AI变成“傻瓜化工具”，让生产线工人都能用起来。

专注于智能制造，达智汇团队和赵丽娜本人，都对当下工业发展有着深深的思考，人类社会的每一次重大进步，都伴随着生产力的跃迁。从蒸汽机的轰鸣开启工业革命，到电力驱动的流水线塑造大规模生产，再到信息技术引领的全球化浪潮，制造业始终是推动文明前行的核心引擎。

改革开放以来，凭借着庞大的人口基数和相对低廉的劳动力成本，中国迅速成长为“世界工厂”，成为全球产业链中不可或缺的一环。然而，随着全球经济格局的深刻调整、人口结构的变化以及环境压力的日益增大，传统的粗放式发展模式已难以为继。劳动力成本上升、招工难、用工荒等问题日益凸显，曾经引以为傲的人口红利正在逐渐消退。

赵丽娜认为，“智能制造”正是中国制造业破局的关键。它不再仅仅是简单的自动化或信息化，而是一种深度融合了人工智能、大数据、物联网、云计算等前沿技术的全新生产模式。其核心在于，通过构建一个高度互联、数据驱动、自主决策的智能系统，实现从产品设计、生产制造、供应链管理到市场服务的全生命周期优化。这标志着制造业从依赖汗水的体力劳动，向依赖智慧的知识创造转型，从“人口红利”向“知识红利”的根本性转变。

趋势如此，很多一线工人却有着“AI抢劳动力饭碗的担忧”，但赵丽娜认为“不必担心”。

“5—10年前，大规模制造业就面临着招工难的困境，产线工人工作相对枯燥，很多年轻人宁可送外卖、开网约车，也不愿进入工厂，我们发现招聘年轻群体的比例大幅减少。近几年，少子化情况日益严重，未来工厂招工难的问题可能会更加凸显。”赵丽娜说，此时国家大力发展人工智能，很多基础工作由机器人替代了人工，其实并不是人工智能技术“抢走”工人的饭碗，而是有力地补充人口红利下降带来的劳动力缺口。“低知识分子浓度员工一定会被人工智能所取代。”

与此同时，随着国家教育体系的改革，基础教育质量不断提升，这意味着未来的人才需要学会如何掌握AI技术，成为在工作领域更具战斗力和竞争力的人才。

而另一个当下不容忽视的问题是“老龄化”，尽管制造业的技术不断迭代，但是老专家、老技术工作者们怀揣“绝活”，达智汇正探索用AI让这些经验丰富的老专家，在退休之后依然能够发挥价值。

“我们在用人工智能技术，把老专家们的知识进行提炼，再赋能给更多的产业进行使用。”赵丽娜说，这正是达智汇所倡导的“知识共享的互联网时代”，有知识的人将更具价值输出能力，专家们的知识被“固化”下来，让宝贵的经验不再随着个体的离去而消逝，而是以数字人的形式得以永续利用，为产业发展提供源源不断的动力。

中国有句古话“教会徒弟，饿死师傅”，如何说服专家们把自身经验变成知识产品，本身就不是件容易的事。赵丽娜说，问题的核心不在于技术，而在于激励制度跟收益模式，如果专家贡献了他的经验，封装到智能体之后，但没有因为这样的工作而得到收益，所以没有人会乐意做这件事。达智汇的解决方案是借助区块链技术，以此构建“知识互联网”，引入DAO（去中心化自治组织）模式。

具体来讲，区块链技术可以为知识打上“防伪码”和“可终身追溯”的印记，明确知识来源和归属，而DAO模式则意味着，每当知识被使用，收益将直接回馈给原始知识提供者。“这条链路一旦形成，老专家们会觉得做这件事是值得的，知识被用得越多，收益就越高。”赵丽娜说，或许有一天，专家们真能实现在家躺着挣钱，而这种模式将彻底改变知识生产、传播和变现的方式。

这也为当下每一位职场人提出了新要求，要不断提升自己，善于总结自己在工作中积累的知识与经验，并学会用AI工具让自己更强大，发挥知识的可持续性。

事实上，提炼知识本身并非易事，赵丽娜指出，大模型需要经历知识蒸馏、知识迁移、知识进化到知识服务的过程。而许多企业面临的挑战是，不知道知识在哪里，更不知道怎么去提炼它。这需要懂业务的专家跟懂模型的专家进行多轨、多跨界融合。

达智汇的企业可持续发展研究院正是为此而生。研究院设有学术委员会、科创委员会和产业委员会，汇聚了来自院校、创业大咖以及产业退休专家等各类人才。通过这种平台型生态组织，研究院能够整合不同领域的专家智慧，帮助客户解决行业专精问题，提炼知识模型，并让专家们通过平台获得持续收益。

自2019年起，达智汇陆续为500多家客户完成AI改造，累计输出7000多个模型。

一些中小企业管理者曾反映，花大价钱购买了数字化服务，用不好，不久就束之高阁了，赵丽娜说，这也是她面对客户时经常遇到的问题，而经验告诉她：“AI不能只是一次次的外部服务，必须变成客户内部‘会用、会造’的能力。”达智汇推出的“伏羲工业AI平台”，核心目标就是从提供服务转变为为工业用户提供工具并进行能力赋能，协助客户把自己的员工培养成新质生产力时代的新型员工，能够自己运用AI工具解决工作问题，成为驾驭AI的智慧员工。而这一过程中，知识的积累始终发生在企业内部。

赵丽娜向记者介绍，伏羲工业AI平台提供了一套类似EXCEL、WORD一样的工具，达智汇通过“场景挖掘师”“数字教练”和“技术架构师”等角色，为客户提供授人以渔的可持续AI服务。场景挖掘师帮助客户识别适合伏羲解决的问题；数字教练手把手指导客户将想法落地为AI题目；技术架构师则协助客户将AI方案与原有业务流程融合。通过这种方式，达智汇旨在帮助客户建立自己的AI团队能力，创造其独特的核心竞争力，最终实现组织赋能、基础赋能和人才赋能。

制造业企业对核心知识产权保护极为敏感，一旦将生产数据和经验交给外部服务商，自身的知识体系可能被抄袭，但达智汇所有的AI服务全部部署在企业的私有云上，数据不会出企业，数据和知识产权具有封闭性。

而伏羲平台交付给客户的产品，表面看起来是一张张空白的表格、文档等，“我们不负责提供数据，而是教客户真正学会如何整理数据、训练数据。客户如果需要数据基础服务，则是模型服务，但我们更主张用户自己用数据训练模型。”赵丽娜说，这种模式彻底打消了客户对知识外泄的顾虑，鼓励企业将自身的知识封装在内部。

每位制造业领域的管理者，对丰田的精益生产方式都不陌生，但却不清楚丰田的精益生产方式是美国麻省理工学院的研究小组在对日本汽车工业生产管理方式进行调研后，所赋予的名称，并理论化地总结其相关生产经验。赵丽娜在研究了很多管理理论后总结发现，日本企业注重实践，但不善于总结成理论，而很多管理理论、方法论往往是美国人提出的。而她期待，在AI时代，中国企业能够总结经验，提出自己的管理理论。

提起丰田的精益生产方式，人们会脱口而出“全员参与，持续改进”。赵丽娜认为，借助AI实现智能制造，也必须是一场全员参与、持续改进的过程，达智汇要做的，不仅是要教会客户使用AI，还要让用户的全员用好AI，既授人以鱼，亦授人以渔。

因此，达智汇将伏羲平台设计得非常“傻瓜”，偏向用户端，旨在降低AI应用的门槛，让产线工人也能轻松上手。这背后，也是人机交互模式的不断变革。

赵丽娜说，人机交互的1.0时代，广泛采用对话框的方式输入数据，例如手动填写差旅系统等；而到了2.0时代，则由系统提供报表和预测，管理者通过看报表辅助决策；而达智汇的“洛神”系统，代表人机交互向3.0迈进，实现“液态智能”。洛神是中国古代的水神，如此命名，也意味着这一交互像水一样无形无状，用户无须知道系统位置或数据，只需要通过自然语言提问，比如直接说“我想入库”，系统就会打开入库界面，用户直接填写入库即可。更重要的是，“洛神”系统能帮助客户创建系统，它把各种流程全部拆成了零件，不需要写代码，只要拖拉拽就可以搭建一个自己想要的模式，极大地降低了用户使用系统的门槛，“未来员工的创造力也体现在数字化DIY工具上，让员工有无限的创造空间。”赵丽娜表示，通过技术革新和工具优化，达智汇正助力中基层员工消除对AI使用的担忧，让他们能够轻松参与到AI驱动的持续改进中，实现真正全员参与。

AI时代，人工智能不仅是技术工具的迭代，更是一场深刻的商业模式、组织架构与企业竞争力的重构，赵丽娜常跟客户讲，在这场重构过程中，首先要改变企业CEO、CIO和CHO三人的理念，并达成共识，形成合力来推动组织的变革，任何一位高管在认知上不一致，都可能阻碍变革的推进。其中CEO作为一把手亲自参与，CIO选择正确的技术与合作伙伴，CHO设计合理的人力资源激励配套措施，三者缺一不可。“AI变革绝非单一部门的任务，需要从顶层设计到基层执行全面协同。”赵丽娜说。

顶层设计完成后，具体到执行层面，在AI时代，要求员工具有丰富的想象力，因为在数字化进程中没有想不想，只有能不能。企业想做AI，但员工认知力跟不上往往难以推进，因此达智汇认为，这需要高层、中层和基层员工重新刷新对AI的认知。

具体来讲，达智汇建议组织在变革中运用“721方法论”进行变革，分阶段激发员工的参与热情，这大概需要3年左右的时间。首先，组织需要找到10%的种子选手，他们是AI的积极拥护者与实践者。组织通过他们成功改进的案例，影响第二梯队“20%的员工”。最终在第三年，带动另外70%的员工，全员相信AI并参与其中。

在整个AI变革中，组织的手段必须温和，将AI学习与个人利益挂钩。员工付出心血学习AI，其职能变化必须与薪酬增加、职能晋升等个人利益紧密结合。

赵丽娜认为，未来组织将出现三大变化：

第一是“去中心化自治组织模式”（DAO，也称“大岛主”模式）。比如东方甄选时代的董宇辉，就是个“大DAO主”，他具有强大的个人影响力。如今看来，很难说是东方甄选培育了董宇辉还是董宇辉成就了东方甄选。未来组织中将出现越来越多的“大DAO主”，组织需要为其设立一套独立的激励模式，这类员工很可能非常年轻、没有职级、跨学历、经验可能很奇葩，但会涌现出很多创造力。

第二是知识贡献者专家体系。未来组织中的专家体系将从个体智慧升级为集体智慧。组织将建立“知识委员会”，负责判断知识的正确性，监督审核AI知识的导入效果，确保AI学习到的是高质量的知识，避免错误引导。这是一种全新的组织形态，旨在管理和提升企业的知识资产。

第三则是与“721模式”配套的激励体系。它将结合原有的职能晋升、加薪、绩效考核体系，给予早期拥护者和带动者相应的权重和激励。

“中国企业普遍擅长实践，但往往忽视总结和提炼方法论的能力。未来，提炼知识模型的能力将直接决定工业AI的存量。”赵丽娜说。

此外，当企业未来的竞争力从“人才红利”转为“知识厚度”时，达智汇提出了“人才资产、数字资产与碳资产”三循环的理念。

赵丽娜指出，AI的本质是降本提效，假如借助AI，企业的良品率从95%提升到97%，不只是减少了2%的浪费，同时也降低了原材料消耗，在同等产出下实现了资源节约，而这是可以转换成“碳资产”的。节约下来的碳资产，可以在碳配额交易市场中，转化为企业的有形价值。比方说，当企业有1万吨碳配额，通过AI改进只用了8000吨碳配额，省下的2000吨即可出售获利。“如果卖掉的2000吨碳汇赚回的钱，再投入到AI做数字资产的改进，就形成了良性循环，即AI提升数字资产，数字资产带来碳节约，碳资产变现反哺AI投入，实现越做循环越大，价值资产越高的局面。”赵丽娜说。

因此，未来的优秀企业一定是数字资产与碳资产双循环的组织，它们将碳管理做得足够优秀，领先于同行，这本身就构成了企业的核心竞争力。这种竞争力，不再仅仅是传统的规模或财务指标，而是知识含量、知识资产和碳资产的良性循环。

在赵丽娜看来，在AI背景下，产业边界将越来越模糊。AI将打破传统行业的壁垒，带来无边界的创造力和前所未有的竞争格局。而企业唯有积极拥抱变革、重构认知、提升组织能力，才能在这股智能浪潮中乘风破浪。

来源 | 《商学院》杂志10月刊