灵核数智肖铭洋：制造业智能化，要把高手经验沉淀成组织能力｜对话新经济人物

封面新闻记者 吴雨佳

9月18日，灵核数智解决方案业务总经理肖铭洋在2026非凡大赏·成都·AI文娱大会上带来了《当优秀员工的能力可以被复制——AI时代，企业如何重新构建组织能力》的主题演讲。

会后，肖铭洋接受封面新闻专访，围绕制造业智能化落地、数智员工的定位价值、行业竞争格局、人机协同、数据安全管控以及产业未来发展趋势，分享了自己的观点。

当前产业端智能化热度走高，IDC调研数据显示，2025年已经使用大模型相关产品的工业企业占比达到47.5%，对比2024年的9.6%大幅提升，但行业依旧存在试点多、规模化落地少的现实难题。不少工厂上线多套数字化系统，却解决不了老师傅经验随人员流失带走的痛点。肖铭洋接受采访时表示，产业智能化的核心不是工具替换人，而是把个体身上宝贵的实战判断，变成整个企业可以复用的能力。

市面上多数产品优先面向办公、普通消费者场景，为什么选择制造业这块难啃的市场？肖铭洋认为，“我们选择制造业，是因为这里有大量真实、具体，而且能够衡量结果的工作。”肖铭洋说，制造企业每天都要处理订单、技术资料、研发设计、质量文件、生产数据、采购寻源和经营分析等任务。这些工作既有明确的业务规则，也需要员工结合实际情况作出判断，不能只靠一个通用模型直接解决。

“说实话，制造业落地AI确实更难一些，因为流程长、系统多、专业门槛高，但它的价值也更容易被验证。一个AI应用有没有用，最终要看它能不能缩短交付周期、提高准确率、提前发现风险，或者是否可以对库存、生产效率和经营结果产生实际影响。”

MES、ERP、RPA是工厂已经普遍在用的数字化工具，肖铭洋解释，几类产品解决的问题并不一样。MES、ERP等系统主要负责记录数据、管理流程和承载业务，是制造业非常重要的数字化基础设施。RPA更擅长按照预设规则执行重复、确定的操作。通用大模型工具具备理解任务和调用工具的能力，但进入企业以后，还需要适应具体岗位的职责、业务规则和结果要求。

灵核所提出的数智员工，是围绕一个具体岗位或者一类业务任务建设的。“它需要理解岗位目标，在企业授权范围内使用数据和工具，参与业务流程，完成具体工作，并根据实际结果持续优化。所以，数智员工不会替代MES、ERP等原有系统，而是连接并使用这些系统。原有系统负责保存数据、承载流程，数智员工在此基础上理解任务、作出判断并推动工作完成。”肖铭洋表示。

当前赛道参与者越来越多，海尔卡奥斯、黑湖科技、实在智能等企业都在布局工业智能体方向，各家起点各不相同。

“不同企业进入制造业AI的路径不太一样。有的从工业互联网和生产系统出发，有的聚焦自动化工具，也有的从大模型和智能体技术进入，所以很难放在一个维度上做简单比较。我们更关注的是，AI能不能真正进入企业业务，而不只是完成一次技术演示。制造业有大量复杂流程和专业场景，最终比拼的还是谁能把技术能力转化为业务结果。”

在他看来，企业要把新技术真正融入业务，本质上需要具备三块能力。第一是业务拆解能力。企业要知道自己的流程怎么运转，问题出现在哪里，哪些任务适合交给AI，以及最后要对什么结果负责。第二是模型和Agent技术能力。要理解不同模型和工具的能力边界，知道如何让Agent理解任务、调用工具并完成工作。第三是数据清洗和选型能力。企业的数据来源、格式和质量往往并不统一，需要知道不同数据应该如何处理，以及使用什么工具完成清洗、连接和调用。

“制造企业通常最了解自己的业务，真正的难点更多集中在后两部分。灵核做的，就是把模型、Agent和数据处理等技术能力进一步产品化、Agent化，降低企业掌握和应用这些能力的门槛。因此，懂业务的企业，加上灵核，就能够在企业内部形成原生的FDE能力。这里所说的FDE，就是企业将AI融入业务的能力。灵核的价值，不是向企业长期派驻一批外部人员，而是帮助企业把这套能力真正建立在自己的组织里。”肖铭洋说。

新技术落地，一线员工的心态绕不开。很多工人会担心自己被替代，也担心学不会新东西。“员工最直接的顾虑，通常是AI会不会替代自己，以及自己能不能学会和使用AI。有这些担心很正常，作为企业来说也是需要正面回应的。”肖铭洋表示，AI落地不能只由管理层或技术部门推动，而要让真正熟悉业务的一线员工参与。因为只有他们清楚，一项工作哪里最耗时、哪些情况最容易出错，以及哪些判断不能简单交给机器。

实践之中，项目一般会从员工每天反复处理、耗时较长的具体场景和业务开始，让AI先承担资料查询、数据整理和重复核对等工作。员工来负责验证结果、处理异常，并把真实业务中的规则和反馈带回数智员工的优化过程。

“我们把这些参与创造和训练数智员工的业务人员称为‘AI炼化师’。他们不是被动接受一个工具，而是数智员工的建设者、使用者和业务老师。当员工发现AI能够减少重复劳动，同时放大自己的专业能力，人与AI的关系就会从担心替代逐步走向协同。人的价值也会更多体现在专业判断、沟通协作、创新以及解决复杂问题上。”

工厂手里攥着报价、成本、客户等高度敏感的经营数据，安全可控是绕不开的底线。“制造企业对安全的要求很高，所以AI不能获得不受限制的数据和系统权限，也不能一开始就追求所有环节完全自动化。我们遵循五项核心安全原则：数据不乱用、权限不越界、企业不互通、操作可追溯、部署可选择。数据安全、权限管理、知识资产保护和审计能力，都被纳入平台的底层设计。”肖铭洋介绍。

权限要有边界，数智员工只访问完成当前任务所需的数据和接口，并继承用户原有权限。人看不到的数据，AI也不能越权获取；人不能执行的操作，AI也不能绕过权限完成。所有关键操作都会留痕，方便企业审计复核。企业业务数据归企业自身，不用于训练通用模型，也不会跨企业共享。同时关键节点由人确认，涉及报价、财务、生产决策、数据删改和权限调整等关键操作时，保留人工确认，关键决策权始终掌握在人手上。

面向未来两到三年，肖铭洋判断制造业数智员工会出现三个比较明显的变化。“第一，AI会从通用助手走向岗位级应用。企业需要的不会只是一个什么都能问的AI，而是能够承担研发、品质、供应链和经营管理等具体任务的数智员工。第二，AI应用会从单项任务走向业务协同。一个数智员工完成的结果，会成为另一个岗位继续工作的输入，AI会逐步进入更完整的业务链条，而不是只解决一个孤立的问题。第三，企业关注的重点会从‘买了多少AI工具’，转向‘AI产生了什么业务结果’。未来企业会更加关注交付周期、准确率、经营风险、库存、生产效率和利润等实际指标。”

再往后看，企业的组织形态也会发生变化。未来的企业不会只由人和软件组成，而会逐步形成由人类员工、数智员工、具身智能和企业数据共同构成的新型组织。我们把这个方向称为“智能企业时代”。“我们希望做的，就是帮助制造企业从使用AI工具，逐步走向让AI进入岗位、参与流程，并最终形成能够持续进化的智能组织。”肖铭洋称，虽然其他行业也存在市场机会，但现阶段团队的重心依旧扎在制造业，优先把制造业的价值真正做透。