本文刊载于《中国中小企业》杂志，作者系广东省中小企业发展促进会会长谢泓。
过去9个月，广东省中小企业发展促进会（下简称促进会）和百度团队走访了超过50家中小制造企业，发现一组割裂的曲线：AI模型能力曲线持续上扬，推理、多模态、代码生成进化明显，API调用成本下降超90%；但企业AI采纳曲线近乎平缓，多数企业仍停留在“用豆包写周报”层面，少数做了几个智能体Demo，真正嵌入业务流程、产生可量化价值的案例凤毛麟角。
技术越强大，落地越困难；投入越多，失望越深，企业转型焦虑持续加剧。核心问题出在哪里？模型不够强？算力不够便宜？资金不够充裕？
都不是。过去一年的走访发现，企业一把手们几乎100%认同AI的重要性，可即便老板号召全员使用AI，落地的成效几乎为零。
01 AI落不了地，根源不在技术 我们以促进会与百度联合发起的AI创新实验室项目为观察窗口，近距离跟踪了几十家制造业企业的AI落地过程，发现企业落地AI的真实困境主要来自三方面： 一是业务岗位的员工。绝大多数业务人员根本不清楚AI能解决自己岗位什么实际问题，找不到适配的场景，分不清哪些业务痛点可以用AI来解决。 二是IT部门的员工。多数IT人员反馈企业数字化基础薄弱，现有信息系统老旧，缺少标准化的知识库和数据中台，认为企业“不具备上线AI的基础条件”。 三是一线基层员工。这是最现实也最容易被忽略的问题，员工日常工作已经饱和，没有额外的时间学习和使用AI。 三类困境叠加，导致大量企业出现共同的结局：投入高额的AI培训费用、组织员工考证、聘请外部咨询公司搭建漂亮的AI演示Demo，但业务层面没有任何实质性改变。我们把这个问题总结为“三重鸿沟”。 第一重是场景鸿沟，业务人员找不到AI与自身工作的结合点。第二重是能力鸿沟，懂业务的不懂AI指令转化，懂技术的又不熟悉行业专有知识，一家东莞企业过去三年花了400万，才开发出3个智能体。第三重是验证鸿沟，简易AI工具随手可得，大量Demo消耗模型调用费用和团队精力被弃置，企业缺乏配套机制评估哪些值得接入真实业务流程。 三重鸿沟同时存在，企业AI采纳曲线自然难以抬头。
省促进会打造的“AI创新实验室”项目，旨在通过场景落地、人才培养等方式，推动“AI+制造”在企业端的深度融合与实践
02 AI大模型带来底层变革 通过走访和AI创新实验室实践，我们发现AI大模型带来根本性变化：以前所未有的速度降低了IT开发的技能门槛。 过去，要开发一个软件工具，需要系统学习专业编程语言，至少需要四年专业训练。这意味着只有程序员才能做开发，而业务人员只能提需求、等排期。 但现在，自然语言编程模式的出现彻底打破了这堵墙。不需要看懂代码、不需要编写代码，只用中文清晰描述需求，AI就能自动生成全套脚本、页面和流程。这意味着大量懂业务场景的人，可以自己动手开发属于自己的AI工具，而不需要等待IT部门的支持。 在多个AI创新实验室中，一线业务员工自己动手开发AI工具：质检员用自然语言编程搭建了显微镜配置助手，设备维修工开发了设备运维智能知识库，销售人员做出了智能报价工具，财务人员搭建了标书撰写助手……这些工具共同特点是真正解决了自己的问题，因为它们来自对业务痛点的第一手理解。 我们由此得出了一个核心结论：AI时代制造业最稀缺的从来不是专职AI工程师，而是“业务+AI”的复合型人才。他们的核心价值在于完成“翻译”——将业务语言转化为AI可执行的规则，再将AI输出转化为业务可用的交付物。大模型的最大贡献，正是将这一翻译成本降至近乎为零。 省促进会打造的“AI创新实验室”项目，旨在通过场景落地、人才培养等方式，推动“AI+制造”在企业端的深度融合与实践 03 中小企业AI发展三步走 AI创新实验室的实践，验证了一套中小企业落地AI的步骤路径。 第一步是定义边界——找准高价值场景。企业投入AI的最大浪费，是陷在“无效场景”里。我们在实践中总结了场景筛选的“三道门”框架： 第一道是业务价值门，必须要有可量化的业务收益，如降本、提效、增加营收或缩短研发周期。第二道是技术可行门，现有数据、大模型能力、技术团队应能支撑场景开发和落地。第三道是风险可控门，财务数据、核心业务等敏感信息的权责划分清晰、规避安全隐患。 高价值AI场景=价值达标+技术可行+风险可控，三者缺一不可。 AI场景普遍藏在企业内部的五类“业务摩擦”中：重复性摩擦（高频重复工作）、知识性摩擦（资料分散、经验无法沉淀）、协同性摩擦（部门墙导致信息不对称）、判断性摩擦（依赖个人经验做主观判定）、响应性摩擦（客户和内部反馈速度慢）。一线员工对照这五类摩擦，就能快速对号入座。 第二步是培养复合型人才——让最懂业务的人动手。这是AI创新实验室中投入最大、产出最显著的环节。企业最优的AI落地负责人，来自内部业务骨干选拔和培养。 在AI创新实验室中，我们建立了一套“AI接口人”的培养机制：从各部门选拔业务骨干，为他们补齐三块能力板——场景识别能力（精准挖掘高价值场景）、需求转化能力（将业务痛点转化为AI可执行的规则和目标）、落地推动能力（协调数据、流程和人员，完成从原型到上线的全流程）。 第三步是闭环验证——让AI产生真实业务价值。只有接入真实业务流程，才能转化为企业资产。在AI创新实验室中，我们要求每个AI工具必须配套四要素：明确的工具负责人、数据效果反馈机制、固定的持续迭代节奏、可衡量的日活指标。一个工具在真实生产环境下有没有被高频调用，是衡量它是否切实解决业务痛点的唯一标准。 在完成闭环验证的企业中，我们看到了真实的业务成果：设备运维智能知识库将老师傅的维修经验沉淀为可检索的企业知识资产，大幅缩短了新人培训周期；装备研发智能体将数天的零部件参数测算压缩到几分钟完成；仓储自动化程序一次性释放了两个人半天的工时。 这些不是PPT上的未来愿景，而是正发生在产线上的生产力变革。 省促进会“AI创新实验室”项目的落地路径 04 建议成立“中小企业AI服务联盟” AI创新实验室验证了“场景驱动”的有效方向。中国拥有全世界最丰富的制造业场景、最完整的生态、最密集的专精特新企业群体。若能将已验证路径规模化复制，将是中国制造业在国际竞争中的重要差异化优势。 我们建议在工业和信息化部指导下，成立“中国中小企业AI服务联盟”，打造公益性协作平台，聚焦三方面协同： 一是汇聚大厂力量，做公益赋能。百度、阿里、华为、字节、DeepSeek等厂商各有技术优势。通过联盟机制，推动各大厂以公益或低偿的方式向中小企业输出AI能力，不仅是企业的社会责任，也是在为整个AI产业培育未来的应用土壤。 二是沉淀和推广已验证的方法论。将“三道门”场景框架、复合型人才培养路径、闭环验证质量标准、一线员工自研工具的真实案例等系统化、标准化，形成面向中小企业管理者的“AI落地操作手册”。 三是搭建需求与供给的匹配平台。将中小企业碎片化需求批量化聚合，对接标准化解决方案，大幅降低单家企业的采购和落地成本。 我们期待，通过政府引导、大厂参与、促进会推动的“中小企业AI服务联盟”模式，将AI创新实验室的探索成果规模化地复制到更多中小企业，为提升中国制造业整体效率和竞争力走出一条切实可行的路。
