中国企业办公室正在迅速引入实际处理工作的人工智能（AI）“数字员工”。 大型家电企业海尔于今年5月推出了名为“智小能”的自有AI代理。海尔将智小能应用于研发、制造、供应链、销售和服务等核心业务。截止到7月底，已有超过6万名员工拥有个人“数字伙伴”，这些AI不仅限于简单的问答，而是能够独立执行工作流程。 海尔还允许员工自行创建和使用AI。员工只需描述所需的工作，智小能便能生成相应的应用程序。至今已创建262个个人AI代理。采购部门的员工利用AI应用分析过去的销售量、实时订单和市场数据，以决定补货数量。过去这一过程需要约1小时，而引入AI后缩短至5分钟。仓库管理人员也开发了检查仓库使用情况和异常的AI应用，将检查时间从4小时缩短至10分钟。 乳制品公司蒙牛选拔了200名员工，寻找可以用AI解决的工作。在此过程中，创建了45个AI数字员工，分配到研发、生产、供应链和销售等岗位。蒙牛的一名牧场管理人员将两本关于奶牛疾病的专业书籍输入AI知识库，并结合自身经验创建了奶牛精准诊断AI。当牧场出现集体健康异常时，AI能够分析症状并提出应对方案。过去，外部专家到达现场需要1.5天，而利用AI后，诊断和应对方案在1小时内即可得出。 拥有多个化妆品品牌的上海家化在供应链、品牌营销等9个部门引入了AI代理。上海家化在多个互联网购物平台上运营商店，曾投入大量人力进行供应链管理。引入AI后，月度账单分析所需时间从2天缩短至15分钟，基础数据的编写时间从1天缩短至2分钟。结果，AI实际上承担了物流结算的角色。AI分析了仓储费、人工费、快递费等7种账单，月度分析从5天缩短至20分钟。上海家化首席技术官（CTO）表示：“AI不仅是简单的效率工具，更接近于拥有明确数据权限和工作范围的数字员工。” 太阳能企业晶科能源在财务、信息技术（IT）、知识产权和生产等工作中持续使用AI。晶科能源的财务负责人表示：“利用AI可以将每月财务数据整理的时间从原来的3小时缩短至15分钟。”他进一步指出：“AI知识丰富，但在工作上像个笨拙的新员工，只要告诉它规则和方法，就能迅速掌握。” 根据市场调研机构易观分析的数据，中国主要AI办公代理的月访问量从今年3月的2000万次增长到6月的6000万次。中国通信工业协会数据中心委员会预测，中国企业用AI代理市场规模将从2025年的212亿元增长到2026年的449亿元，并在2029年超过3320亿元（约合68万亿元）。预计2024年至2029年间，年均增长率将达到107%。

最近关于中国AI的讨论主要集中在中国的新模型与美国最新模型之间的性能差距。然而，仅仅通过性能比较并不足以全面理解中国AI政策的变化。要真正看清中国的AI发展，必须关注模型性能之外，工厂实际发生了哪些变化。8月10日，河北省公布的《人工智能+制造》专项行动实施方案就是一个典型的例子。该计划具体说明了如何将AI应用于钢铁、化工、生物医药、汽车等地区主导产业和生产工艺中。 这种变化在中央政府的政策中也得到了体现。今年年初，中国工业和信息化部等八个部门发布的《人工智能+制造》专项行动实施意见也指明了同样的方向。AI的应用范围从研发和试验验证扩展到生产、营销和运营管理，计划到2027年推广1000个工业AI代理和500个典型应用场景。同时发布的《制造业企业AI应用指南》要求企业在引入AI之前，诊断数字化水平和生产现场的瓶颈，并评估经济性和风险，以确定应用领域的优先级。中央政府将政策的重点从大型模型的开发扩展到企业在各个工艺中应用AI所能产生的效果。 河北省根据这一方针制定了符合地方产业的实施方案。计划到2027年培育4至5个工业大型模型和30个工业AI代理，并建设300个先进智能工厂。值得注意的是，应用目标的选择。钢铁行业主要关注炼钢工艺和能源管理，化工行业则聚焦安全管理和设备预测性维护，生物医药行业则专注于新药开发。汽车行业则将AI应用于智能生产调度管理、智能驾驶舱和驾驶辅助技术。尽管是同一国家战略，但AI的应用领域和工艺因地区主导产业的不同而有所差异。 这种差异不仅体现在应用领域。地方政府在推动AI在工业现场应用时所采用的政策手段也各不相同。深圳将研发、生产和供应链管理等领域的工业AI代理培养为“数字员工”，并推动创新中心和产业知识联盟的建设，重点在于扩大工业代理的开发和应用基础。相对而言，北京在“AI+新材料”项目中，不仅限于开发新材料或相关设备和部件，还要求需求企业进行应用验证，并涵盖智能设计、仿真、实验数据和制造工艺的技术包。这一项目要求将研究成果转化为大规模生产的验证基础，确保实际的产业应用。 制造AI与地区产业结构密不可分。每个工厂的设备规格、工艺顺序和质量标准各不相同，熟练工人积累的经验也各有差异。企业所拥有的数据量、形式和管理水平也存在差异。要判断在哪个工艺中存在时间延误，重复出现的不良原因是什么，以及在自动化投资后是否能够收回成本，都需要对现场有深入了解。在识别企业需求、连接所需技术以及将验证过的方法推广到其他企业的过程中，地方政府和地区支持机构的角色变得尤为重要。 地方的作用虽然重要，但并不意味着成果就一定有保障。如果多个地区竞争性地建立类似的模型、数据中心和工业园区，可能会导致重复投资和资源浪费。中国中央政府也要求各地区制定符合自身条件的政策，鼓励企业差异化发展，同时防止产业的“内卷式竞争”，即无谓的消耗性竞争。无论模型和代理的数量如何增加，如果缺乏可用的数据或与现有设备的有效连接，生产现场都不会发生变化。试点应用结束后，企业能否继续以自有成本使用这些技术也是一个重要的判断标准。 韩国也开始将制造AI与地方产业相结合。工业通商部在推进制造业AI大转型（M.AX）时，成立了包括昌原和光州等现有10个AX验证工业园区的“MINI Alliance”，并计划将这一体系扩展到今年新选定的3个验证工业园区。该计划旨在让园区内的企业共同利用AI相关基础设施和技术、人才。问题在于，这种制度是否能带来现场的变化。工业通商部至今通过AI工厂领先项目支持了170多个企业的AI转型。在这些企业中，较早启动项目并开始显现具体成果的42个企业的检查结果显示，生产力平均提高了30.1%，不良率平均降低了15.5%。虽然这是值得关注的成果，但不能作为所有受支持企业的平均水平。其他行业和企业是否也出现类似的改善，以及在政府支持结束后效果是否持续，仍需继续观察。 要判断政策效果，必须观察生产时间、不良率、设备利用率和能源使用量的实际变化，并评估技术引入的成本及其带来的收益。未能获得预期结果的试点也可能成为重要的数据。如果在某个工艺中暴露出技术限制，或未能确保经济性，记录下来可以减少下一个项目的试错成本。关键在于，不仅要关注个别试点的成功与否，还要将其结果延续到下一个政策中。在这一点上，中国地方政府的制造AI政策对韩国提出了明确的问题。因此，韩国地方政府在推进制造AI政策时，必须设计好试点项目之后的工作。确保确认的成果能够在其他企业和行业中再现，并在政府支持结束后，企业能够持续自主利用AI的结构是关键。最终，制造AI政策的成效不在于项目的数量，而在于这些变化在现场扎根的程度。 作者主要经历 ▲ 京畿研究院AI研究室研究员 ▲ 汉阳大学战略信息学系兼职教授 ▲ 总统直属基本社会委员会地方政府特委委员 ▲ 经济人文社会研究会海外机构评估委员