要在不確定的環(huán)境里找到更多的確定性，一個(gè)捷徑是，去看那些世界上最先進(jìn)的企業(yè)都在做什么。

2024年6月的COMPUTEX大會(huì)上，黃仁勛第一次給出了“AI的下一波浪潮是物理AI”的判斷。今年，他又多次重申，認(rèn)為生成式AI的爆發(fā)只是開始，真正顛覆未來(lái)的，是AI如何與物理現(xiàn)實(shí)融合。

放眼全球，中國(guó)龐大而復(fù)雜的制造業(yè)體系，正是物理AI最多元、最復(fù)雜的試驗(yàn)場(chǎng)。比如，上海交大智邦研發(fā)的智能體機(jī)床，能像“自動(dòng)駕駛”一樣自主尋找最優(yōu)加工路徑。生數(shù)科技的具身智能模型，僅需約千分之一的傳統(tǒng)數(shù)據(jù)量，就能讓機(jī)械臂學(xué)會(huì)并執(zhí)行新任務(wù)。

Gartner預(yù)測(cè)，到2027年，中國(guó)制造業(yè)的AI使用滲透率將以10%的年復(fù)合增長(zhǎng)率快速上升。

當(dāng)AI開始重塑制造的底層邏輯，企業(yè)也呼喚著與之匹配的“新流水線”——一套能駕馭人、AI與機(jī)器復(fù)雜協(xié)同的操作系統(tǒng)。

正如互聯(lián)網(wǎng)時(shí)代，office套件取代了孤立的紙質(zhì)文件。物聯(lián)網(wǎng)時(shí)代，在線智能工單系統(tǒng)又取代了離線、靜態(tài)的office文檔。每一次核心生產(chǎn)力的突破，都催生了新一代協(xié)作平臺(tái)，以解決舊工具無(wú)法處理的新復(fù)雜度。

AI時(shí)代的制造企業(yè)也形成了新共識(shí)。12月18日在廣州召開的2025飛書先進(jìn)生產(chǎn)力峰會(huì)上，一組數(shù)據(jù)揭示了趨勢(shì)：

TOP20的新能源車企，80%用飛書；

消費(fèi)電子主流榜單TOP30，超50%用飛書；

眾多頭部具身智能企業(yè)，也在用飛書。

當(dāng)AI開始重塑中國(guó)制造業(yè)，為什么飛書成為了中國(guó)制造企業(yè)落地AI的首選？

F1賽車，困在早高峰

想象一下這樣的場(chǎng)景——

一家科技制造公司的工程師，剛剛在算法上取得突破，讓機(jī)器手臂的抓取精度提升了十倍。但將這個(gè)突破應(yīng)用于下一代產(chǎn)品前，他需要花半天時(shí)間在十幾個(gè)系統(tǒng)里尋找最新的設(shè)計(jì)規(guī)范，跨三個(gè)部門確認(rèn)仿真流程，并將結(jié)果手動(dòng)整理成五份格式不同的報(bào)告，等待層層審批。

這就好比他駕駛著一輛能飆到時(shí)速300公里的F1賽車，卻不得不堵在早高峰車流中。如此真實(shí)而荒誕的場(chǎng)景，就是今天許多科技制造企業(yè)的日常。

為何這種“賽車?yán)г谠绺叻濉钡臎_突，會(huì)集中爆發(fā)在科技制造業(yè)？

因?yàn)槲锢鞟I要真正融入制造業(yè)，必然會(huì)先選擇技術(shù)高度最貼近的科技制造業(yè)。自動(dòng)駕駛汽車、智能機(jī)器人、高端消費(fèi)電子……這些領(lǐng)域的產(chǎn)品，本身就是物理AI要理解和操控的終極對(duì)象。

比如，中國(guó)智能駕駛企業(yè)地平線，其核心理念正是構(gòu)建“物理世界AI底座”。它的車載芯片與算法，不僅驅(qū)動(dòng)著汽車的智能駕駛，更通過(guò)“端到端”架構(gòu)，讓AI能像人類一樣理解復(fù)雜路況、進(jìn)行決策。

但與此同時(shí)，一個(gè)深刻的悖論出現(xiàn)了。當(dāng)科技制造企業(yè)在物理AI的賽道上全力沖刺時(shí)，卻被自身沉重的“組織重力”拖慢了腳步。

像小鵬汽車這樣的企業(yè)會(huì)對(duì)這一“重力”的存在深有體會(huì)——業(yè)務(wù)多條戰(zhàn)線同時(shí)推進(jìn)，組織規(guī)模與信息量快速增長(zhǎng)，原先適用于線性發(fā)展階段的協(xié)作體系也面臨新的挑戰(zhàn)。

這樣的公司往往知識(shí)文檔數(shù)量達(dá)到千萬(wàn)級(jí)別，服務(wù)臺(tái)與機(jī)器人消息遍布各處，找到關(guān)鍵資料或準(zhǔn)確接口的效率有待進(jìn)一步提升。工程師面對(duì)數(shù)百個(gè)系統(tǒng)構(gòu)成的流程網(wǎng)絡(luò)，讓諸如請(qǐng)假、審批等日常流程也消耗了不少精力。

在更基礎(chǔ)的運(yùn)營(yíng)層面，傳統(tǒng)工具也已無(wú)法承載海量、實(shí)時(shí)的數(shù)據(jù)需求。文遠(yuǎn)知行的工程師曾表示，當(dāng)測(cè)試車隊(duì)從幾十臺(tái)激增至上千臺(tái)，曾經(jīng)輕便的維修管理Excel表格逐漸力不從心，制約了數(shù)據(jù)洞察與安全響應(yīng)。

地平線副總裁兼首席架構(gòu)師蘇箐認(rèn)為，當(dāng)前科技制造業(yè)要在技術(shù)上產(chǎn)生質(zhì)變，離不開“工業(yè)母機(jī)”的支撐，即工程能力和組織能力的持續(xù)強(qiáng)化。但這項(xiàng)復(fù)雜工程，非單一企業(yè)所能為。

比如有車企高層便坦言，車企想打造一個(gè)AI超級(jí)助理，需要同時(shí)承擔(dān)生態(tài)聚合者、高效賦能者和安全守護(hù)者，“作為單一主體要做這么多事情，車企是卷不動(dòng)的”。

但“工業(yè)母機(jī)”的缺失，直接侵蝕科技企業(yè)創(chuàng)新的根基。頂尖工程師的精力被無(wú)休止的“尋路”與“對(duì)接”耗散?？绮块T、跨地域的協(xié)同延遲，讓快速的技術(shù)洞察無(wú)法形成閉環(huán)決策。最終，企業(yè)可能在瞬息萬(wàn)變的市場(chǎng)中，因響應(yīng)遲緩而錯(cuò)失搶占生態(tài)位的關(guān)鍵窗口。

這揭示了物理AI時(shí)代留給所有科技制造企業(yè)的核心組織命題：駕馭外部技術(shù)的復(fù)雜性，必須以解決內(nèi)部協(xié)同的復(fù)雜性為前提。

中國(guó)科技制造企業(yè)需要的，不僅是一個(gè)更強(qiáng)大的“機(jī)器手臂”，更是一個(gè)能夠打通數(shù)據(jù)孤島、連接人機(jī)協(xié)作、讓知識(shí)如血液般自由循環(huán)的協(xié)同網(wǎng)絡(luò)。

而這一命題的答案，就藏在他們高度統(tǒng)一的選擇里。

當(dāng)組織學(xué)會(huì)“呼吸”

小鵬汽車CEO何小鵬曾經(jīng)的一封全員信，引起了廣泛關(guān)注和思考。

信里核心就四個(gè)字：組織提效。讓他下定決心的是兩個(gè)數(shù)據(jù)：公司一個(gè)月開了1.2萬(wàn)場(chǎng)會(huì)，總時(shí)長(zhǎng)1.4萬(wàn)小時(shí)，足夠一批人全職連開三年。他算了一筆賬，十場(chǎng)大型會(huì)議的成本，就能買一輛頂配版小鵬G6。“第一次看到數(shù)據(jù)統(tǒng)計(jì)時(shí)，”何小鵬說(shuō)，“我都吐了口血?！?/p>

一場(chǎng)圍繞“會(huì)議”的效率革命就此開始。2024年，小鵬以線上會(huì)議替代了30%的非必要線下會(huì)議，通過(guò)飛書AI會(huì)議紀(jì)要自動(dòng)抓取要點(diǎn)、生成結(jié)論與待辦事項(xiàng)，直接同步至項(xiàng)目系統(tǒng)，讓“開會(huì)”自然銜接“執(zhí)行”。

這套方法不僅將會(huì)議效率提升了20%-25%，全年生成了16萬(wàn)份紀(jì)要，更支撐了來(lái)自40多個(gè)國(guó)家的海外團(tuán)隊(duì)，跨越語(yǔ)言實(shí)現(xiàn)無(wú)縫協(xié)作。今年上半年，小鵬又用AI生成了超過(guò)了63萬(wàn)份會(huì)議紀(jì)要，日均近3500次。

如此高頻的使用，讓小鵬用飛書重新定義了開會(huì)，也重新定義了效率。

而比會(huì)議低效更隱秘的損耗，是知識(shí)的沉寂與流失。為了解決工程師在龐大知識(shí)體系面前的大海撈針，小鵬基于飛書統(tǒng)一協(xié)同底座，打造了全員配備的數(shù)字員工IRON。它如同一個(gè)超級(jí)大腦，將散落在44個(gè)服務(wù)臺(tái)、2000萬(wàn)份文檔與84個(gè)消息渠道的信息徹底激活。

自此，知識(shí)檢索、文檔總結(jié)、流程發(fā)起，變?yōu)閱T工與IRON之間的一句對(duì)話。從3D導(dǎo)航直達(dá)會(huì)議室、工位，到一句話發(fā)起請(qǐng)假、智能填表，瑣碎流程被壓縮為瞬間動(dòng)作。

效果立竿見影。 IRON上線后，智能問數(shù)功能每年可節(jié)省百萬(wàn)元成本；服務(wù)臺(tái)工單處理時(shí)長(zhǎng)縮短30%，表單流程效率躍升75%。整體而言，這相當(dāng)于每月額外增加了128名專注于高效執(zhí)行的“AI員工”。

這些實(shí)實(shí)在在的數(shù)字背后，是工作模式的根本轉(zhuǎn)變。正如這次峰會(huì)上小鵬汽車所分享的，通過(guò)飛書與IRON，他們正實(shí)現(xiàn)“把重復(fù)的冗余的交給AI，把思考的尊嚴(yán)還給人類”。

從會(huì)議革命到知識(shí)激活，小鵬的提效之路，已是一場(chǎng)人與工具協(xié)同的系統(tǒng)進(jìn)化。

當(dāng)溝通與知識(shí)獲取的底層效率被解放，AI便開始向業(yè)務(wù)腹地縱深，沉入千差萬(wàn)別的業(yè)務(wù)毛細(xì)血管中。

比如在自動(dòng)駕駛的研發(fā)戰(zhàn)場(chǎng)，效率就是速度。小馬智行的第七代無(wú)人車，從4月亮相到11月實(shí)現(xiàn)全無(wú)人商業(yè)化，便僅用了半年。

如此疾速的推進(jìn)，背后有飛書多維表格的靈活支撐做助力，它能適應(yīng)不同業(yè)務(wù)需求快速迭代：生產(chǎn)端的零部件庫(kù)存管理庫(kù)、路測(cè)端的實(shí)時(shí)問題清單，都能責(zé)任到人、同步響應(yīng)。這種深度適配使得小馬智行的研發(fā)協(xié)作效率提升40%、需求響應(yīng)提速60%、備件管理優(yōu)化30%。

零配件倉(cāng)庫(kù)精細(xì)化管理

在自動(dòng)駕駛與時(shí)間賽跑的工程中，飛書以靈活的工具形態(tài)，把“想到”和“做到”的距離壓到了最短。

而在精密制造的生產(chǎn)線上，智能化也不是狂堆硬件。吉利汽車研究院的工程師們就做了一次輕巧而深刻的示范。他們繞過(guò)了昂貴的進(jìn)口設(shè)備與漫長(zhǎng)的IT排期，自己用飛書搭建出一個(gè)智能助手，將延續(xù)多年的“手填測(cè)量值+人工比對(duì)”模式，升級(jí)為“語(yǔ)音錄入、自動(dòng)成表、智能分析”的流暢閉環(huán)，直接省下了近千萬(wàn)元的硬件投入。

小鵬、小馬智行與吉利的實(shí)踐，共同勾勒出一條清晰的路徑。應(yīng)對(duì)物理AI的復(fù)雜挑戰(zhàn)，必須率先完成組織本身的智能化升級(jí)。

當(dāng)組織自身的“摩擦力”被降至最低，技術(shù)沖刺的能量才能毫無(wú)損耗地轉(zhuǎn)化為定義未來(lái)的產(chǎn)品力。這也解釋了為何在物理AI時(shí)代，先進(jìn)的制造企業(yè)會(huì)在飛書上不期而遇。因?yàn)樗鼈冏非蟮?，正是這個(gè)時(shí)代最稀缺的確定性：一個(gè)能隨技術(shù)進(jìn)化而不斷生長(zhǎng)、助其掌控創(chuàng)新節(jié)奏的協(xié)同基因。

飛書朋友圈，越擴(kuò)越大

物理AI的浪潮，從來(lái)不會(huì)止步于科技制造業(yè)的實(shí)驗(yàn)室與試產(chǎn)線。當(dāng)它在最前沿的領(lǐng)域證明了與物理世界“對(duì)話”的能力后，下一步，必然是帶著這股勢(shì)能，涌向中國(guó)經(jīng)濟(jì)的基石——那些看似“傳統(tǒng)”、卻構(gòu)成國(guó)民經(jīng)濟(jì)主動(dòng)脈的制造行業(yè)。

這里的變革場(chǎng)景更加具體而磅礴。比如，在鋼鐵廠的高溫軋線旁，AI視覺正替代人眼，毫秒級(jí)檢測(cè)鋼板表面的微小缺陷；在巨大的石化罐區(qū)，傳感器與AI模型正協(xié)同預(yù)測(cè)設(shè)備故障，守衛(wèi)生產(chǎn)安全；在數(shù)以萬(wàn)計(jì)的消費(fèi)品裝配線上，機(jī)器人正學(xué)習(xí)更柔性的抓取與包裝......

然而，與天生數(shù)字化的科技公司不同，傳統(tǒng)制造企業(yè)的數(shù)字化轉(zhuǎn)型，長(zhǎng)期面臨著不同程度的困難：

核心數(shù)據(jù)沉睡于紙質(zhì)報(bào)表、孤立系統(tǒng)甚至老師傅的經(jīng)驗(yàn)里，AI沒有糧食；動(dòng)輒千萬(wàn)上億的定制開發(fā)、經(jīng)年累月的流程再造，讓人望而卻步；再好的系統(tǒng)，如果一線工人和老師傅用不起來(lái)、不愿意用，就是白花錢。

但如今，一個(gè)有趣的現(xiàn)象出現(xiàn)了。越來(lái)越多“不像字節(jié)跳動(dòng)”的企業(yè)，無(wú)論是萬(wàn)人規(guī)模的海信、雅迪、柳工，還是身處鋼鐵（永卓）、煤炭（鵬飛）、石化（東明）這些傳統(tǒng)行業(yè)的企業(yè)，開始成群結(jié)隊(duì)地選擇飛書。

它們發(fā)現(xiàn)，飛書提供的并非又一套需要大動(dòng)干戈的IT系統(tǒng)，而是一個(gè)“無(wú)痛數(shù)字化”的起點(diǎn)。

首先，它以極輕的方式，幫企業(yè)快速沉淀出“AI能懂的”活數(shù)據(jù)。例如，永卓控股面對(duì)的是一個(gè)重資產(chǎn)、高能耗的典型場(chǎng)景——高爐煉鐵。這座高達(dá)數(shù)十米、內(nèi)部超1500攝氏度的“黑盒”，加料控溫全憑老師傅的經(jīng)驗(yàn)操控。

但如今，他們用飛書搭建的AI高爐智析系統(tǒng)，讓交接班報(bào)告從30分鐘縮至5分鐘，風(fēng)險(xiǎn)自動(dòng)生成任務(wù)派到責(zé)任人手機(jī)，每一次故障都被沉淀為“高爐病例”，AI甚至能逆向溯源、精準(zhǔn)診斷。

于是，每周耗費(fèi)8小時(shí)編寫的生產(chǎn)周報(bào)，變成了AI每天早上8點(diǎn)準(zhǔn)時(shí)推送的智能日?qǐng)?bào)。沉默的數(shù)據(jù)開始說(shuō)話后，哪里有問題、原因是什么，一目了然。

緊接著，它讓降本增效變得肉眼可見，直抵一線。

在金鴻曲軸這家老牌制造企業(yè)里，老師傅的經(jīng)驗(yàn)鎖在腦中，年輕員工困于重復(fù)填表，昂貴刀具的流轉(zhuǎn)依賴人盯人，轉(zhuǎn)型的陣痛曾是具體的。

直到他們用飛書將整個(gè)車間重新“連接”起來(lái)，讓能聽懂方言的AI助手，成了24小時(shí)在線的“車間百事通”，讓咨詢量驟降80%；AI物料預(yù)警系統(tǒng)自動(dòng)預(yù)警，每天為班長(zhǎng)搶回1.5小時(shí)鉆研技術(shù)......

這些改變不是自上而下的指令，而是每個(gè)崗位都能感知的省事和有用。預(yù)估全面推廣后年增收超500萬(wàn)元的背后，是效率在一寸一寸地生根。

而最動(dòng)人的改變，或許發(fā)生在那些打字不太靈活的老師傅身上。如今，他們只需對(duì)著屏幕語(yǔ)音輸入，AI就能聽懂四川話并迅速回應(yīng)。最好的數(shù)字化轉(zhuǎn)型正是這樣，它不讓任何人掉隊(duì)，而是讓大家都能用最自然的方式融入，讓一線的雙手最先觸摸到改變的溫度，也讓最資深的眼睛看見科技切實(shí)的價(jià)值。

隨著這些傳統(tǒng)制造業(yè)涌入飛書，一個(gè)更深層的趨勢(shì)也逐漸明朗——

飛書不僅僅是一個(gè)協(xié)同工具，它正成為AI能力進(jìn)入實(shí)體經(jīng)濟(jì)最順暢的導(dǎo)管。

正如飛書面向AI時(shí)代的“組織進(jìn)化”宣言：當(dāng)AI開始重新定義制造的“硬件”時(shí)，飛書正致力于用“軟件定義組織”。

其目的，正是通過(guò)重塑信息與協(xié)作的底層邏輯，來(lái)解決物理AI技術(shù)狂奔而組織管理滯后的核心錯(cuò)位。

由此，我們可以回答最初的問題：當(dāng)AI開始重塑中國(guó)制造業(yè)，為何是飛書成為了眾多企業(yè)的首選？

答案不在于某一項(xiàng)單點(diǎn)領(lǐng)先，而在于它擁有一種技術(shù)普惠性。飛書提供的，是一個(gè)能隨企業(yè)一同生長(zhǎng)、從協(xié)同工具演進(jìn)為AI時(shí)代“核心業(yè)務(wù)土壤”的生態(tài)。

無(wú)論是像字節(jié)還是不像字節(jié)的制造企業(yè)，他們不約而同地選擇飛書，本質(zhì)上都看到了飛書始終聚焦于解決真實(shí)業(yè)務(wù)問題。它讓企業(yè)無(wú)需顛覆過(guò)去，就能將AI能力從會(huì)議、知識(shí)管理，逐步滲透至研發(fā)、生產(chǎn)、安全每一個(gè)核心環(huán)節(jié)。在空泛的概念炒作此起彼伏時(shí)，飛書所做的一切，都是要讓技術(shù)回歸價(jià)值本身。

因此，這不僅僅是工具的選擇，更是發(fā)展路徑的選擇。

當(dāng)所有制造企業(yè)，無(wú)論是造車的還是煉鋼的，都能以最小的摩擦、最低的門檻，獲得與時(shí)代最先進(jìn)生產(chǎn)力同頻共振的能力時(shí)，一種掌控創(chuàng)新節(jié)奏、穿越產(chǎn)業(yè)周期的全新確定性，便真正誕生了。