一吨钢再降200元，AI能做到吗？

一家钢铁企业找到一家企业软件公司，提出了一个苛刻的目标：一吨钢，成本再降200块！

过程中，没人问要上什么大模型、做多少个智能体，就一个指标——降成本。

这场实验的主角，是佰工钢铁和用友。在2026用友全球商业创新大会上，王文京董事长第一次公开了阶段性成绩。“现在已降了82块，我们正在往200块的目标推进。”

距离双方最初定下的目标还有相当一段路，但AI已从这个被成本反复“拧过毛巾”的行业里，挤出了真金白银。佰工钢铁副总经理郭俊成算过一笔账：一吨钢成本降5元，一年就是1000万。”

可这一次，有些工序能降下来十几、二十块。那么，这些钱到底是从哪里抠出来的？答案，要从一卷钢说起。

先啃最硬的一块骨头

“单卷成本不可能。”这是佰工钢铁最初提出问题时听到的一种声音。

佰工钢铁具备400万吨/年优特钢成品材综合生产能力，拥有高炉、转炉与电炉生产线，是典型的长短流程结合重工业。一炉钢水经过炼钢、连铸、加热、轧制等一系列工序，能源、物料、设备、人力彼此交织。传统成本核算往往以工序、批次甚至月度进行归集。

算一个月花了多少钱不难，难的是刚刚从生产线上下来这一卷钢，究竟花了多少钱？在郭俊成看来，这不仅一个成本核算问题。因为佰工做AI，从一开始就定下几个字——让AI管理企业。

对一家传统钢铁企业来说，这话足够大胆。但他的逻辑并不复杂：如果AI只是把原来的BI变得更聪明，回答得更快一些，本质上并没有改变企业经营。“如果你做不好这个，我们就不要谈AI了。”

为此，佰工钢铁与用友决定先把这笔账算清。他们首先把一卷钢生产过程中所有的成本项全部拆开，这就涉及几百甚至上千项指标。每个点位的数据怎么采、通讯方式是什么、采集频次是多少、如何治理、对应什么数据模型、最后又使用什么算法，全部重新梳理。

这件事，单独做一个大模型根本完成不了。看得出来，要算清一卷钢，前提是先把这一卷钢背后的业务和数据摸清。从佰工现场展示的架构看，底层原本就有二级系统、MES、能源管理系统、用友BIP平台；再往上，通过AIoT、数据平台、智能平台，把生产、能源、成本等不同数据串到一起。

究竟会细到什么程度呢？郭俊成举了一个例子：“轧钢过程中有几百根辊子参与生产，每一根辊子究竟用了多少电，他们都要算出来，甚至需要使用微积分算法。在他们看来，这属于最简单的数学模型。”

价值很快就显现了。

比如，佰工生产一款极限规格产品时发现，不同钢卷的制造成本居然从140元一直到240元。同样一类产品，为什么能差100块钱？团队继续追问后发现，有时原本烧70块钱煤气就够了，但因为现场控制不精细，多烧到了八九十甚至100块；还有时候，坯料进入下一道工序时温度不够，本来需要加热，但由于控制不到位，最后轧制过程中电耗大幅上升。

过去，这些浪费很容易被平均成本淹没，现在它们第一次被揪了出来。做单卷成本的意义就在这里：告诉你哪一卷钢、在哪一个环节、因为哪个参数，多花了多少钱。

算清之后，就是反哺生产。比如强化标准作业，给现场工人做一套类似导航播报的辅助系统。走到哪一步、哪里不够标准、接下来怎么调整，及时改正。但很快，他们发现这还不够。郭俊成用了一个比喻：一个孩子能不能考上985，过去可能到了高年级才知道。如果从出生开始，把每一个成长环节都记录下来，即时查漏补缺，最终结果会变得可控得多。

于是，从原料进入工厂开始，每一个环节、每一次细微变化都被记录、分析和评价，发现问题马上解决。成本管理也从月后算账，变成了生产过程中的实时纠偏，佰工管这叫“细胞级AI”。

再回看那82块钱，它真的不是AI突然算出来的，是一点点从生产过程中抠出来的。

把老师傅脑子里的东西“倒”出来

钢铁行业有个通病，就是很多最具价值的工业知识，根本不在系统里。它们在现场，就在某个老师傅的脑子里。

炉温出现变化意味着什么？哪个参数波动需要调整？某个规格的钢为什么这样轧？出现异常时应该先看哪里？经验丰富的老师傅看一眼就知道。

郭俊成讲到这个问题时说得很实在。有些老师傅觉得，这是我吃饭的本事，不一定愿意拿出来。还有一种情况更麻烦：干了几十年的动作已经形成了肌肉记忆，让他把经验转换成字段、规则、参数和代码，老师傅自己也未必知道该怎么表达。

“要做到让AI管理企业，需要的数据量和数据处理工作非常大。当颗粒度从企业、车间下沉到单件产品和单一岗位时，原有的信息系统已经满足不了需求。”于是，他们重新拆业务、整理数据、梳理标准作业，把这些数据、规则、知识一点点转化为能力，最后变成智能体。这就是佰工与用友共同推进的“佰慧AI”。

从大会现场展示来看，佰慧AI已不是一个简单的问答入口。它往生产经营的不同环节延伸，单卷成本分析、生产运行分析、生产运行日报、岗位对比、岗位运行评价、工艺参数优化，都成了AI可以介入的具体场景。

郭俊成在演讲中提到，佰工进一步把这些场景和智能体聚合起来，形成了制造、管理、营销、财务、采购、人力等不同业务的智能助理，它们深入参与企业经营和决策。换句话说，模型可以买，算力可以买，一家钢厂几十年积累下来的生产经验买不到。

从算清一卷钢，到算清一个人

当AI把生产线上每一卷钢的物理账算清了，那么生产这一卷钢的人，他的价值该怎么算？佰工钢铁做了一个颠覆性的创新：把常见于离散制造的单件核算思路，引入到流程型钢铁企业的岗位管理中。

依托用友BIP平台，佰工引入了阿米巴经营与精细化管理体系，打造了岗位精算标准作业产品。AI将企业的战略目标层层拆解，为每一个岗位如巡检、换辊、轧钢进行标准化核价与赋分。而员工创造的额外价值、减少的浪费，也被纳入评价。

郭俊成坦言，系统推行初期遇到过巨大阻力。一些员工重新核算岗位价值后，发现自己的收入与实际产出不匹配，甚至主动提出调岗。这个故事听起来有点残酷，但它却说明一件事：AI改变的不只是效率，还有管理规则。AI在企业组织与人才管理中应用的目的是调动员工的工作积极性，要让员工通过岗位精算标准作业的AI智能体能像外卖员一样实时看到每个关键动作的劳动回报；要让员工像玩游戏一样对使用AI上瘾，不断自发的完善本职岗位的标准作业。

现在，佰工正在把智能体推向不同岗位，从管理层到一线业务。而佰慧AI也将成为一个围绕经营问题不断长出来的超级智能体：向下算一卷钢，向内算一个岗位，向外帮助销售找订单、做方案。

“可以用管人的思路来管产品，也可以用管产品的思路去管人。”郭俊成说。

一起交付结果

这么深的AI，到底怎么做？佰工自己最懂钢铁，AI项目往下越，越需要复合型人才。既要懂AI，又要懂钢铁业务，有时还要懂数学、数据、代码、架构。

郭俊成谈到用友时，很少说空泛的技术先进，他讲了一个具体的选择理由：“我们其实一开始选用友，是真的就认准了他。”

他看重的，是用友在制造业长期积累的人才队伍、全行业客户和管理经验，以及BIP平台本身的能力。郭俊成甚至直接给用友做人才画像：“我需要这样的人，你们用友应该有，把这个人拉到现场，我们一起做。”

项目需要懂算法的，就找算法的人；需要懂行业、数据、代码、架构的，就把相应的人才拉进来。用友在这个过程中的角色也不只是提供BIP平台，还包括AI能力、产品和服务、工程化人才，以及跨行业积累，再结合佰工Know-how、管理理念、业务诉求，双方一起拆问题、做方案，再到真实生产环境里验证。

做着做着，他们发现这种合作方式与用友正在体系化推进的FDE模式不谋而合——不把软件交付给客户就结束，而是深入业务现场，围绕具体经营目标持续共创、验证和迭代。

郭俊成对此的评价很直接：“迸发出来的价值非常大，能量也非常大。”

而且，双方不满足于只解决佰工一家企业的问题，更试图把验证有效的能力继续沉淀成产品，再向更多制造企业复制。如果这条路跑通，佰工和用友所创造的将是一套来自真实钢厂现场的AI制造范式！

让AI管理企业

今年，用友全球商业创新大会的主题，是「驾驭AI，驱动增长」。而佰工则给增长提供了一个很制造业的解释。

对一个已经高度成熟、成本被反复压缩的行业，增长未必是多卖多少吨钢。少烧一点煤气、少耗一点电、让一卷钢拥有更高的边际贡献、让一个岗位创造更多价值，同样是增长。

驾驭AI，也不是拥有多少模型、多少智能体，而是能不能让AI进入这些最具体的经营问题，最终产生结果。

所以，“让AI管理企业”听起来很大，真正落下去却是一件件很小的事。至少在秦皇岛的一座钢厂里，这件事已经不是PPT上的想象，它已经走进生产线，走进企业最细小的经营单元。

既然82元已经发生，那200元还遥远吗？