未来AI研究的方向，一个是工厂技术的继续迭代，另一个会发力家庭端。

文｜《中国企业家》记者 梁宵

编辑｜米娜

图片来源｜受访者

打一个螺丝，需要几步？

对于一名熟练的技术工人来说，这是一个无需多想的惯性操作；但如果是机器人，就需要将此拆解为多维度的能力：精准识别孔位、判断螺丝型号、掌握松紧力度……尤其是在柔性生产或者混流生产的时候，前一秒是某个产品机型，紧接着又是一个全然不同的——这意味着所有操作参数都要发生变化。所以，即便是自动化、无人化程度很高的工厂，总装的流水线上还是有数以万计的工人在打螺丝。

就像吕宏志说的，打螺丝已经成为美的工厂改造的一个“执念”。他从2024年开始接手管理美的洗衣机荆州工厂——这是美的最新一代的5G全连接工厂，引入了最先进的智慧物流系统和自动化生产线，很多工种都交给了工业机器人代劳，理论上来说，库卡的机械臂可以打螺丝，但是遇到混流生产，实际效果并不理想。

库卡icco正在给洗衣机打螺丝。

2025年，最新研发下线的库卡icco协作机器人被派到荆州工厂，最初希望它完成的任务就是——连续给不同型号的洗衣机打螺丝。这个看似简单的人工操作对于机器人来说，是一个高级别的挑战——用专业的话来讲就是“多模态解决方案”——“首先寻孔靠视觉，甚至遇到特别小的孔洞，就是靠触觉或者力反馈；打孔的松紧力度，靠的也是力反馈……”美的集团AI研究院院长徐翼对《中国企业家》说，“这几项能力需要一起提升，技术要求很高。”

徐翼在2025年2月加入美的，之前负责亚马逊的人工智能项目，在他看来，互联网巨头的优势在于通用大模型的研发，而像美的一样的企业在制造端和商品端拥有丰富的场景，这正是AI应用、自我进化最好的训练场。

几乎和icco同期进入工厂上班的人形机器人“美罗1号”，更“空降”成为“车间主任”：可以在工厂做安全巡检、设备巡检——给需要的机器加润滑油；品质的首检工作也可以交给它——把刚生产出来的产品搬到智能首检台，数据合格，机器就继续运转，反之则报警提示；在一些简单的状况下，它甚至可以自行“思考”，对机器直接进行微调。

“之前的智能工厂是被动的，需要人去调取数据，做出决策；现在AI赋能之后，相当于有了‘大脑’，把不同的智能体连接在了一起，从局部智能化到了全局智能化。”吕宏志说。他们对未来工厂的想象，有个很简单的画面：以前工厂管理是应到N人，实到N人；未来的工厂就是应到N人，实到一个机器人。“这还只是一个工厂内的连接，未来美的几十家工厂，50多年的制造经验都连接起来，会是怎样的一个竞争力？”

革自己的命

套用一句已经被现实验证的口号：所有的传统行业，都可以通过数字化重做一遍——AI时代也将如此。

拿工厂里的质检环节来说，以前需要质检员对照原始设计图进行人工判断，每次需要半个小时到一个小时，不仅枯燥乏味、耗时费力，遇到不熟练的“新手”，出错的概率也会很高；现在，荆州工厂把这部分工作交给了AI眼镜，经过一个流程：拍照—读取—调出生产订单—对照设计图纸和生产标准，以及历史数据库中的易错点——判断是否合格，看起来过程并没有简化，甚至数据对比有所增加，但时间缩短到了几秒钟，正确率达到100%。

AI赋能的效果似乎不言自明，但对于一家企业来说，从AI技术到AI应用，中间隔着一道无形但坚固的厚墙。一位企业家就对《中国企业家》提到，虽然AI、大模型的研发已经有了很大突破，但应用落地的速度很慢，这不仅是因为技术能力的问题，还涉及组织结构的矛盾。比如，绝大部分的公司CEO都希望推动AI应用，但到中层就不一定会真正落实，“他们会琢磨AI到底会不会最终把自己的位置替代了”。

吕宏志也有过这样的担心，“原来数字化系统是辅助我们工作的，但引入AI智能体、推动工厂自主决策之后，我们可能就要退居幕后。”他们在内部讨论的时候曾半开玩笑地提到，打造这样一个工厂，实际上是要革自己的命，把原有的岗位定义全部推翻。但他们也明白，“未来趋势就是这样，既然如此，还不如变被动为主动，如果干好了，或许还能在中国制造的变革画布上留下一笔。”

趋势是无法阻挡的，那些试图以领先者的地位对抗趋势的企业，无一例外地成为时代的弃卒，曾经显赫的柯达如此，诺基亚也是同样。

历史专业出身的方洪波对这些“前车之鉴”并不陌生，他常提醒内部“以自我革命的决心迎接挑战”，也不忘在各种会议上强调，“数字化、智能化是未来方向”。人形机器人加入之后，荆州工厂开始有了“大脑”。

人形机器人加入之后，荆州工厂开始有了“大脑”。

过去，美的启动了多轮数字化转型，最艰难的一次发生在2012年，内部把这次变革命名为“632项目”，简单来说，就是将当时拥有10个事业部、十套系统的美的融合为“一个美的、一个体系、一个标准”，这个前所未有的大工程，也成为美的后续增长的加速器。

“首先一把手要重视，而且是真的重视，真的投入。”美的集团IT总监周晓玲对《中国企业家》说，这一点是数字化转型能够成功的先决条件。根据美的集团提供的数字，过去十余年，美的在数字化转型方面的投入超过200亿元。

AI技术引发的新变化，也将把美的变革带入一个新阶段。

最初还只是试水。早在2023年，ChatGPT刚刚面世不久，美的就在内部推出AI助手，辅助员工进行文案、制图、培训等方面的工作，这在一定程度上也拉通了各个部门对AI应用的共识；差不多一年之后，AIGC（生成式人工智能）上升为美的集团战略，成立了长期改革项目组——集团数字化部门、几大事业部的制造部门、中央研究院、AI研究院、库卡公司等几大板块的负责人都被拉了进来。

一把手发话了，项目组也成立了，但项目却可能迟迟落不下去——很多来美的“取经”的公司CEO都提出这样的困惑。周晓玲知道其中的痛点所在，因为这也是美的曾走过的弯路。她2006年加入美的，历经公司大大小小的各种数字化变革，但在“632”之前，数字化部门牵头推进的很多项目，尽管事前与业务部门沟通过需求，但做出来的结果却得不到后者认可，项目推不下去，业务部门的理由就是——“这不是我想要的”。

“很多企业把数字化做成了IT项目——这样一定做不成；数字化其实是一个业务变革项目。”周晓玲说，不同的定位决定了不同的组织形式，前者是IT部门牵头，后者就应该业务部门领衔，比如做供应链集成项目，组长是供应链部门负责人，IT负责人只能是副组长，“组织形式非常重要，‘632’就是这么做的，才有可能成功。”也正是在那之后，周晓玲发现了一个重要的变革规律，“一定要考虑到组织里的人性，否则用再大的力气都撬不动。”

AIGC项目组也依此设立，从2024年9月开始进行工厂改造以来，已经研发出了14个业务智能体，但也只是量上的积累，到了2025年5月份，人形机器人加入之后，工厂开始有了“大脑”，按照吕宏志的说法，工厂改造才真正迎来了破局的时刻。

从0到1

过去一段时间，荆州工厂成为美的内部，甚至外部制造企业的“打卡点”，也成为美的新一代工厂的参考蓝本，据吕宏志透露，11月份投产的无锡高端工厂，就是在荆州智能体工厂1.0的基础迭代而出的2.0版本；但他也直言，“并不是所有的工厂都满足改造条件。”

AI工厂运行离不开海量数据传输与存储。此前，荆州工厂每日数据存储已经超过10TB的规模——通俗来讲，这相当于6666部高清电影的总量（假设1080P高清电影大小约1.5GB），借用DeepSeek的回答，“每天看一部，这些电影够你连续看18年不重样”；引入人形机器人之后，随着实时数据交互陡增，每日数据存储量已经迅速飙升到了30TB；另外，要打造AI工厂，首先要完成最基本的精益化生产和现场管理的改造，举个最简单的例子，如果物流搬运区还是人来人往，机器人就很难派上用场。

如果说，这是一些自动化基础薄弱的工厂AI化，所要迈过的门槛，那么智能化进展更快的工厂则有可能遇到另一个“先发”障碍。

美的洗衣机荆州工厂是美的最新一代的5G全连接工厂。

比如荆州工厂，当时建造的时候力求“最先进”的装备，引入的都是最新的云物流、悬挂链、无人叉车，找的也是各个领域内最前沿的供应商。过去，各个场景自成一派，倒也没什么问题；但如今工厂“大脑”启用之后，弊端也随之显现，由于各个供应商的协议规则不一样，不同机器之间连而不通；这就好比一整队的精兵强将，但是来自五湖四海，语言不通，无法协同作战。

“之前没想到还会有一个‘大脑’，现在我们慢慢打通这些智能体间的壁垒，过程还是挺痛苦的。”吕宏志说，但同样在这个过程中，库卡机器人也摸索出了一套新的智慧化物流解决方案，形成了新的协议规则。如今，荆州工厂的物流车不仅限于在固定的路线按程序搬运，还可以识别周围环境情况，并随时上报给系统，成为工厂管理的一个信息触角。

同样的，荆州工厂的改造效果也随着各个智能体间连接的加强而逐步显现。

效率改善是最直接的，按照测算，荆州工厂核心场景效率提升达到了80%；另外一个重要的应用场景是对异常情况的处理：经过十几年自动化、智能化的改造，美的工厂的生产效率不断刷新，现在一台洗衣机的生产流程已经压缩到了10s，甚至更短——这是正常状态，一旦出现问题就会带来生产停顿，要等专家检查后才能重启，而整合了专家系统的AI却可以在几秒之内完成异常诊断，保证生产的稳定性；更进一步，当这样的数据整合量越来越大、整合度越来越高的时候，就能形成更快、更优的决策。

事实上，一些超出项目组预期的迹象正在出现，比如，之前处理线下问题，工厂会按照传统的标准流程——“七步法”来进行，最初他们把这七步导入AI，但逐渐地，AI将七步并作了一步，一下子就生成了最终处理方案。用吕宏志的话来说，“已经实现了从0到1的突破，现在的机器不仅是执行者，更是进化者。”

某些方面来看，当初他所“担心”的事情正在慢慢成为现实，原本属于专业人员的一些重要工作，比如生产计划，现在已经部分被计划智能体取代，比如计划专员要花上几个钟头来做的事情，机器几秒钟就给出了答案；不过目前，这些机器所依赖的数据更多还是基于人工经验，最后的结果也要再经过人工审核。但或许只是时间问题，《失控》里早就提过，人工智能的涌现是一种跃进，“在这里，2+2并不等于4，甚至不可能意外地等于5。在涌现的逻辑里，2+2=苹果”。

不过，在人工智能专家徐翼看来，目前工厂的AI进化才刚刚开了个头，未来至少有三方面的难关要跨越：

第一是单点专业度，比如移动能力虽然解决了，但性能表现还不够，“技术突破也有二八规则：前80%相对容易，后20%才是更难的。”第二是泛化性，也就是技术的可复制性和普遍性；第三是速度。在徐翼看来，未来要实现机器的自主进化，最重要的就是各个专业维度足够的数据喂养，比如工人打螺丝，之前没有摄像头把这个行为轨迹记录沉淀下来，类似的数据缺失也是工厂AI化的一个重要挑战。

“从AI应用方面，美的已经进入深水区，也可以说是无人区了，下一步的探索工作会更难。”徐翼说，在他看来，荆州项目的重要性也正在于此，“这样才可以在场景中建立技术反馈链路，反复学习、不断迭代，才能形成技术突破。”

商业化野心

面向未来的AI竞争已经拉开序幕。在这场集聚了大量资本、人才的军备竞赛中，互联网巨头已经一马当先，像美的这样的传统企业，又该如何参与其中？

“互联网头部公司主要是做通用能力方面的建设，美的优势在于场景足够丰富，所以我们更适合做垂直模型，投入可控，价值产出也会更明显。”周晓玲说，这也是美的AIGC战略之初就明确的一点，不仅要工具化，也要真正实现商业化、规模化、市场化。

但另一个问题紧接着来了，美的是一家多场景、价值链很长的企业，那么优先在哪个环节进行AI化？徐翼坦言这也是一个充满压力的决策，“行业变化这么快，如何在正确的地方投入正确的资源？否则不仅效果有限，更错过了其他机会。”

现在，这些物流车可以识别周围环境情况，并随时上报系统。

最终他们选择了工厂的制造场景，原因之一是制造属于美的独有优势，市场上早已出现了通用大模型，但还没有生产制造大模型，这是一个好机会；第二，工厂场景多样，而且相对家庭场景来说，数据更为结构化，这样既满足了技术迭代的需求，也更具迭代条件；第三，很重要的一点，工厂技术具有一定的通用性，相对成熟之后可以溢出到其他领域，比如现在，美的就把工厂改造过程中迭代而成的AI技术应用到了楼宇科技上，给楼宇创建一个智慧“大脑”。换言之，在所有场景中，美的选择了一个资源禀赋更强、进化环境更优、撬动效力更大的。

波士顿咨询公司（BCG）董事总经理、全球资深合伙人David Martin曾分享过一个研究，他们对上千家企业展开调研，发现只有5%的企业从生成式AI的投资中获益，70%则没有看到收益。失败案例呈现出几个共性特点：首先，未能集中力量办大事；其次，很多企业在投资时仅仅是在投资“AI技术”本身，并没有制定明确的盈利目标和计划；第三，企业在选择AI应用场景时，没有与现有的基础设施配套，两者没有整合；最后，企业必须储备人才来帮助他们大规模地应用生成式AI。

从目前来看，美的似乎避开了这些“陷阱”。周晓玲透露，美的旗下的数字化业务平台美云智数已经接到了一些智能体的需求订单。“AIGC这部分真正商业化，还是会有很长的路要走，很多技术要攻克，但现在至少能看到，商业化已经迈出了一小步。”

这或许也能成为美的B端业务的一个新增量。在家电消费市场更多趋于存量竞争的情况下，美的一直在加强第二曲线to B业务的投入。2024年，美的B端业务收入首次突破千亿元，2025年前三季度，这部分业务同比增长18%，已经有三个板块收入达到300亿元上下，与此同时，美的对B端业务的分拆上市也在逐步推进中，而早在2022年，“数字美的2025战略”中就提到，未来数字创新业务中将孵化1~2家上市公司。

如今，这个目标尚未达成，AI的加持或许会打开一个新的局面。徐翼介绍，未来AI研究的方向，一个是工厂技术的继续迭代，另一个会发力家庭端，新产品不仅面向场景创新，更会进行技术创新。他甚至不无自信地说，“美的拥有大量的数据，如果能利用好，在AI时代，一定能跟互联网公司有得一拼。”