AI进厂上岗 智用开物闯关规模化

“管老师，您讲得很好，但这些对我有什么用？”

在工厂一线驻场的三年里，广州智用开物人工智能科技有限公司（以下简称“智用开物”）创始人、CEO管震曾被一位工厂负责人这样追问。

彼时，管震还带着技术专家的视角，向制造企业讲解智能工厂和工业互联网平台。对方更关心的是经济账：一批物料没有到位，产线究竟应该换线还是等待？预测性维护能减少多少停机损失，投入是否划算？

这些问题，管震当时答不上来。

19年的微软工作经历，让他积累了物联网和工业互联网领域的技术经验，但这场对话也让他意识到，制造企业真正需要的，并不只是更多的数字化系统，而是能够在复杂的生产约束下作出判断、推动执行，并对结果负责的能力。

2023年，管震离开微软。2024年1月，他与几位同事在广州创立智用开物，开始尝试用大模型解决制造业的实际问题。

与面向个人的AI助手不同，智用开物瞄准的是企业内部的具体岗位：AI排产员、报价员、报关员、对账员，乃至设备巡检工程师。企业不必从头开发一套AI系统，而是可以根据岗位需求，将AI接入现有业务流程。管震将这一模式称为“AI数字员工”。

成立以来，智用开物先后获得多轮融资，并将立讯集团等制造业客户作为重要的应用验证场景。2025年，智用开物亮相粤港澳大湾区文化产业投资大会；2026年，公司完成近亿元天使+轮融资。

从技术研发走向商业化，智用开物正试图回答一个更具体的问题：当大模型进入工厂，如何从一个能够回答问题的工具，变成真正能够承担工作的生产力？

从记录流程到参与决策

在不少制造企业，MES（制造执行系统）、ERP（企业资源计划系统）等数字化系统早已承担起生产管理、资源配置和业务记录等职能。但流程数字化，并不意味着流程中的判断也能自动完成。

排产是一个典型场景。

一笔订单能否按时交付，取决于设备状态、物料到位情况、人员班次和订单优先级等多重因素。任何一项条件发生变化，都可能影响原有计划。传统系统可以提供生产状态和资源信息，但如何在动态约束下重新安排生产，仍可能需要依靠排产员的经验、电子表格，或者成本较高的定制开发。

智用开物试图补上的，正是从信息记录到业务判断之间的环节。

公司的产品体系包括数字员工平台“GoodCrew好雇”、工业语义引擎，以及企业级多智能体团队平台“领航Navi”。其中，工业语义引擎负责处理不同系统之间的数据含义与业务规则差异，多智能体平台则让不同岗位的AI围绕同一项业务协作。

例如，一笔订单进入系统后，报价智能体解析客户需求，库存智能体核实物料，采购智能体生成补料方案，设备智能体核对产能，最终由排产智能体综合各项条件，生成可执行的生产计划。

这就需要让它们能够使用同一套业务语言。

同一种物料，在供应商系统和工厂ERP中可能对应不同编码；即便字段名称相同，具体含义和属性粒度也可能存在差异。如果这些信息无法对齐，智能体就可能在错误的数据基础上作出判断。

工业语义引擎需要做的，就是把这些数据、术语和规则连接起来，让不同智能体能够理解业务发生的前提与边界。

这也决定了智用开物与传统工业软件的关系。管震并不认为MES、ERP需要被替代。在他的理解中，传统系统负责把流程装进系统，工业智能体则尝试在流程中完成判断与执行，两者是互补关系。

让AI参与工业决策，还需要解决另一个问题：如何避免模型给出看似合理，实际却无法落地的结果？

智用开物给出的技术路径是，将大模型的理解、推理能力与确定性执行机制分开。大模型不直接生成最终生产计划，而是负责理解需求、生成规则，再由确定性内核依据既定约束产出计划。

回到真实场景来检验

工业智能体的技术路径能否成立，最终仍要回到真实业务中验证。

立讯集团是智用开物目前合作最深的客户。2025年8月，智用开物与立讯集团体系内的立景创新共建AI创新实验室，相关成果正在向集团内部其他业务单元复制。

立讯所处的ICT精密制造领域，对生产节拍、产品良率和质量追溯有着严格要求。在这样的场景中，AI应用不仅要证明能够完成任务，还要经受真实产线的检验。对智用开物而言，客户内部不同业务单元之间的复制，也是对技术适用性与交付能力的一次检验。

另一条路径来自制造业数字化服务商赛意信息。2025年9月，赛意信息战略投资智用开物。双方计划通过产品整合、协同研发和渠道合作，将AI能力嵌入制造业软件及相关解决方案，借助现有的行业客户与实施网络拓展应用。

两类合作对应着不同的商业逻辑：前者帮助公司在制造业核心场景中验证能力，后者则有助于将经过验证的能力嵌入既有产品体系，扩大触达客户的范围。

华润燃气、珠江实业、广新集团等也是智用开物的重要客户，业务覆盖能源、装备制造等领域。

客户拓展的同时，公司融资节奏也在加快。2025年，智用开物先后获得瑞枫资本、豫资涨泉及赛意信息等方面投资；2026年3月，公司完成近亿元天使+轮融资，由老股东瑞枫资本领投、创享投资跟投，立讯精密家族办公室及高管团队参与投资。

对于工业AI企业而言，产业投资者的价值不仅在于资金，还在于真实的业务场景、验证条件与行业资源。智用开物的融资用途，也主要集中在工业语义引擎、制造业岗位智能体研发以及与大企业客户的共创上。

据管震介绍，2025年，公司服务客户十余家，客单价位居百万级；2026年的重点则转向规模化，目前合同额已呈现十倍级增长趋势。

从订单增长看，公司的业务正在进入新的阶段。但合同额增长并不等同于收入、利润同步增长。对于需要接入企业系统、理解岗位规则并在真实业务中完成校准的工业AI公司而言，新增客户越多，交付能否标准化，就越成为影响商业模式的关键因素。

破解工业AI的难题

工业智能体面临的难题，很大一部分隐藏在工厂现场。

不同企业使用的系统并不相同，业务规则也存在差异。一些工厂拥有较完整的IT部门，可以与技术团队共同完成系统对接；另一些企业则可能缺乏标准接口，甚至需要通过定期导出数据文件的方式开展业务协作。

这决定了工业智能体很难完全按照通用软件的方式交付。即使两个企业需要同一种岗位的AI员工，也未必能够直接使用完全相同的配置。

智用开物将产品研发的重投入放在工业语义引擎与岗位交付底座上，希望在底层沉淀可复用的行业知识，再尽可能简化上层应用的配置过程。

按照公司的设计，一个数字员工需要经过系统对接、岗位标准作业程序注入、硬约束与现场规则配置，以及基于历史数据的校准，才能正式上岗。GoodCrew新一代平台则试图让业务人员更直接地参与岗位能力的提炼。管震表示，部分过去需要一天完成的复杂工作，现在可以在7分钟内完成，前提是准确率满足交付要求。

另一个容易被技术讨论忽略的问题，是人的角色如何变化。

智用开物曾为一家企业部署AI辅助设计工具，效率提升明显，但设计部门起初并不愿意使用。员工担心岗位被替代，也担心积累多年的经验被系统提取后，自己失去竞争优势。

这类顾虑并非仅靠产品培训就能消除。AI进入企业，不只是改变某个工作环节，还可能改变岗位职责、组织分工和经验传承方式。智用开物的做法，是与客户共同重新定义岗位边界，让AI承担重复性的执行工作，人则更多负责异常处理与最终决策。

随着大模型能力不断提升，企业对AI的讨论也在变化：从询问AI能够做什么，转向思考如何把AI嵌入岗位与业务流程，并让它对结果负责。

政策层面也在为这一转变提供支持。2026年9月，工业和信息化部印发《人工智能中小企业创业支持计划（2026—2028年）》，提出支持人工智能领域科技和创新型中小企业发展。

不过，算力和资金门槛降低，并不意味着工业AI的落地难题随之消失。业务规则如何沉淀、不同系统如何连接、岗位能力如何验收，仍然需要逐一解决。

这条路径能否成立，最终要看数字员工能否从一个客户的一条产线，走向更多企业和更多岗位，并在复制过程中降低交付成本。而这对智用开物而言，还有很长的路要走。