中国工厂正进行一场“静悄悄的AI效率革命”

当前，中国汽车产业竞争日趋白热化，“价格战”持续挤压利润空间，降本增效已经从各大车企的“可选项”变成了“生存题”。

面对重资产、高成本的制造体系，如何找到轻量化、可持续的增效路径，是各大车企，乃至众多供应链工厂的挑战。

正解局也发现，现在参加“飞书效率先锋大赛”的企业也是越来越多。

为了帮助企业在AI时代下更好地实现数字化建设和数智化加速，切实降本增效，飞书至今已经联合400多家企业落地600场效率先锋大赛，培养近5万效率先锋。

他们的模式是通过比赛的方式，激发出真实的AI赋能制造的场景，让更多的企业看到新的可能，包括美宜佳、海大、极兔、蔚来在内的众多企业都通过这场比赛实现了业务的重塑和效能的提升。

今年10月，飞书再次启动了面向全国范围的企业先锋们进行参赛案例征集，通过激烈PK，将于12月角逐出全国12强和效率先锋年度总冠军。

在这个过程中，吉利汽车研究院提交的“尺寸检测智能化”项目尤为引人注目——几个车辆工程师，用飞书AI工具，一下子就省下了近千万元的设备投入。

不依赖天价的国外硬件，不等待漫长的IT排期，这场比赛让我们看到了当AI深入产线，也可以和制造业发生“化学反应”：

通过AI的柔性赋能，企业将一线员工的现场经验直接转化为创新的驱动力，从而绕过沉重的硬件与IT依赖，让AI直接解决产线“最后一公里”的痛点。

制造业的竞争力，也由此被重新定义。

在整车制造中，尺寸检测是汽车质量与安全的核心环节，几毫米的误差都有可能产生重大影响。

传统流程中，技工老师傅们需要将数据先写在零件上，再抄到纸上，最后输入电脑，每一次检测要耗时45分钟，不仅效率低，还非常容易抄错。

吉利汽车生产线

转折发生在身处一线的吉利汽车研究院试制中心研发团队中。

他们避开了“硬设备”路径，选择用轻量化的飞书AI重构检测流程，通过飞书开发了一个智能助手，把传统的“手写录入测量值+人工数据分析”的模式，转化为“语音生成测量值+智能决策分析”的新形态。

具体而言，在采集端不再用手抄，而是利用飞书的AI语音识别与实时字幕能力，构建新的采集方式，不容易出错，每个数据的标注来源也更清楚。

同时基于飞书的工作配方AI调用功能和多维表格来清洗数据，解决了数据干不干净、准不准确的问题。

最后把之前吉利汽车研究院的5M1E方法拆解归纳成18种典型问题模型，预置到系统中，再利用AI对DTS尺寸的测量数据进行分析，实现了简单、高效、精准的新检测模式。

在使用飞书AI后，吉利汽车研究院试制中心研发团队明显感到效率提升，很快就在同事之间形成了“越用越想用”的正反馈，极大节约了工时，以及对高昂设备器材的依赖。

但比技术更值得借鉴的，是推广策略。他们用“老师傅”的名字来命名这些大模型，让很多不愿意用AI的老师傅，开始主动接触大模型。

甚至老师傅之间会调侃：“听说老张你现在开始搞AI了？”

这种巧妙的方式，既是对老师傅经验的尊重，也是将工匠精神数字化的传承。

“我们也是在想办法和一线的老师傅形成一种共赢的局面，”

项目负责人表示，“当用老师傅的名字去命名问题分析模型时，好像月球上某一个环形山的名字，会有那么一点点自豪感。”

“制造业确实大而重，飞书给了我们一个四两拨千斤的抓手。”

这种“以人为本”的落地方式，让AI在传统的制造业中得以快速地“润物无声”。

吉利汽车研究院重构车间工作流程的案例不是孤例，在飞书效率先锋大赛中，我们还看到了很多奇思妙想。

内江市的金鸿曲轴的前身为内江齿轮厂，始建于1958年，是一家具有40多年从事汽车发动机曲轴制造的专业厂家，现已形成年产各型曲轴300万件的能力，在全国汽车发动机曲轴行业名列前茅。

公司具有成熟的汽车曲轴制造工艺，近年来通过近十亿元的投入，现拥有二十多条先进的曲轴生产线。

金鸿曲轴的生产车间

产线需要统计管理，统计员吕望是会计出身、无IT背景，却是公司AI项目的先行者。

通过飞书aily的拖拉拽式搭建和强大的知识库直连能力，他在极短时间内搭建机器人、连通知识库、本地化流程，过去需要IT部门排期的事，现在一线员工就能自主完成，并随业务迭代持续优化。

光飞书的自动提醒归还功能，就让金鸿曲轴六分厂的呆账率下降了80%，每月节约0.64万元，全年节省约10万。

“飞书aily一个好处就是我们对接那个知识库的能力很强大，它可以直连，而且安全性也高，”吕望通过拖拽式的零代码搭建，将过去人工录入的流程彻底数字化，也因此被上级看到，得到了肯定与嘉奖。

金鸿曲轴员工王鹏程正在使用飞书

在主要研究汽车智能化的四维图新，产品质量的审核也发生了革命性变化。

“AI先预审，人工再复核，这不是AI替代人，而是像师傅带徒弟一样。”

一辆智能汽车，背后是数亿行代码和高度复杂的系统，同时还有数十道质量体系的审核。

过去，每一次完整的审核要牵涉到众多部门、协调链条非常长，动辄折腾几十天，企业消耗很大。

而传统的审核工作也非常枯燥，需要翻看海量设计文档、人工核对流程、签审，效率极低。业务团队还要随时需要停下来“配合检查”，双向内耗。

而这些不会写代码的审核员就开动了脑筋，基于飞书的aPaaS平台和飞书aily，打造了新一代的AI全闭环智能审核平台——SmartQMS。

SmartQMS可以按照既定规则先行预审，人工随后复核，并将专业判断反馈给AI，不断丰富规则库和样例库。这种持续的“反馈→学习→优化”循环，使AI的判断能力随着审核场景的积累而逐步趋近专家水平。

而审核员也从繁琐的重复劳动中解放出来，专注于复杂问题的决策。

以一次典型的内部审核为例：单次审核由过去8个工时到现在的3个工时，效率暴涨超过60%！仅一个部门，一年就节省了24万工时成本。

一位来自新能源车企的行业大佬看到这个案例表示非常羡慕：“你们这个，是一个可以抄作业的方案。”

在鹏飞集团，由飞书开发的智能化AI监测系统也解决了化工行业的安全管理难题。

“在以前我们记录是需要纸质版人工录入，信息滞后，现在通过AI可以去自动分析，定期推送，提升我们的工作效率。”

工程师尚炀舰表示，在化工行业，自动化设备的维护，往往靠技术人员接到提报后亲自去维修。后来尚炀舰就通过飞书的多维表格搭建了一个集数据采集、故障诊断、报警处理于一体的智能化平台，可以将重大危险区气体浓度监测跟AI实时结合，AI可以整理故障点，并提供解决方案。

提升效率的同时，也减少了维修人员涉险的频率。

尚炀舰使用飞书检阅数据

通过AI的应用，工厂实现了24小时不间断AI点检，检测效率提升了240倍，人身安全率达到了100%。

不仅减少了检修停机的损失，还节省了系统建设成本和人工成本，年增收约240万元。

基于这个创新，鹏飞集团获得了两项实用新型专利，省市级及全国行业大赛奖项，获省市媒体采访报道，成为了行业标杆案例。

尚炀舰正在检修机械

从这些案例中不难看出，企业降本增效的任务不一定只有专家、高管才能完成，一线员工使用低门槛的AI工具也可以胜任。

这也呼应了当下的产业趋势：制造业的AI应用，正从“重硬件投入”转向“重智能赋能”。

而飞书效率大赛大赛之所以能集结130+家企业，也正是因为它提供了一条“短平快”的落地路径：

不依赖IT部门排期、不等待巨额预算批复，一线员工用低门槛工具快速验证价值，从小处撬动大变革。

站在更高的角度看，飞书效率先锋大赛的意义，不仅在于评选出优秀案例，更在于它验证了一条AI落地的可行路径：

其一，是工具下沉，全员提效：让AI从“技术部门专用”变为“一线员工好用”。

在吉利，非IT背景的工程师经过短期培训就能快速上手，短时间内搭建出全公司推广的系统。

陈冬杰甚至享受与AI博弈的过程：“当发现某些提示词bug的规律后，我反向运用这个bug，用bug去打败bug的时候，会有一定的爽感和成就感。”

其二，是场景先行，小步快跑：飞书AI能从高价值、易落地的痛点切入，迅速建立信心。

很多企业团队从搭建平台到推广全厂应用仅用了一两个月的时间，这种速度在传统制造体系中堪称奇迹。像金鸿曲轴的AI物料预警系统、鹏飞集团的智能监测系统，都是从最迫切的业务痛点入手，实现快速突破。

其三，是人机共融，新旧协同：AI并不是要替代人，而是在尊重传统经验的基础上，让人与AI实现共赢。

像吉利用老师傅名字命名AI模型的创新做法，不仅没有引起抵触，反而让老师傅成为新系统的推广者，这就形成了一个共赢局面。

最重要的，还是成本结构和投资逻辑的改变：拿吉利来说，从千万级测量机到百万级扫描仪，再到数十万手持设备，飞书AI带来的，是从“硬件投入”转向“智能化能力”的成本结构重写。

正如他们的团队所言：

“大家都觉得传统制造行业非常大而重，同时要把那些最先进的一些互联网技术引入到制造行业里面进行协同落地，难度是非常高的……但用了飞书后发现，原来在制造行业除了一些普通的文档工作能够提升效率，在那些一线的生产线上面，也有不少场景是可以通过AI和数智化工具去改变，慢慢地去撬动原有的一些固化的模式。”

吉利汽车生产线

长期以来，我们对“数字化转型”有一个误区：以为它必须是自上而下的，都是CTOCIO的事，是花大钱买系统的事。但这几家企业的实践告诉我们：

真正的红利，往往藏在那些看似不起眼的一线工位上。

今天，这场由一线员工主导、飞书提供武器的“效率革命”，不再盲目追求系统更替、技术领先、国产替代，而是以“小切口、快迭代、重实效”的方式，逐步撬动中国传统制造体系的深层变革。

当老师傅们开始用AI传承经验，当一线工程师成为系统搭建者，他们证明了，当工具足够趁手时，中国工人的创造力是惊人的。

而企业的创新核心，也不仅仅在于高研发投入、技术的堆砌，更在于激活人的创造性——让一线员工成为变革的主体，用轻量化的工具解决实实在在的业务痛点。

在这场席卷制造业的寒冬里，这些能够熟练驾驭AI的普通工人，或许才是中国制造最坚硬的底牌。