AI时代制造企业的核心命题:不硬造模型,而做极致价值

多客科技

作者：微信文章
在人工智能时代的浪潮下，制造型企业面临的核心问题从来不是“如何造出超越人类的模型”，而是“该把力气花在哪”。答案其实很明确：AI时代不是“人人造模型”，而是“人人把职责做到极致”，模型只是赋能的新工具。

一、大模型是“拖拉机”，不是“人人必备的铁匠铺”

农业社会向工业社会的转型，为我们理解大模型时代的分工提供了绝佳类比。

农业社会生产力低下，工具简单且分工碎片化，每个村落都需要铁匠来就地打造、维修工具；进入工业社会，工具复杂度提升且走向规模化生产，只有少数工厂专注制造拖拉机、收割机这类核心设备，绝大多数人则聚焦于自己的核心任务——种地。

大模型带来的，正是这样一场分工升级。

- 一方面，“做大模型”的门槛极高，算力、高质量数据、顶尖人才、评测体系、对齐技术、安全保障以及快速迭代能力，每一项都需要巨大的投入，绝非普通企业所能企及；
- 另一方面，“用大模型把业务做更好”的门槛则低得多，企业只需深耕自身领域，懂业务、懂流程、懂数据、懂质量即可。

由此，合理的产业分工清晰浮现：少数顶尖团队负责将“拖拉机”（基础大模型）造到极致，大部分企业的核心任务则是“种好自己的地”——深耕具体场景，学会用好大模型这个工具。

很多企业对AI的焦虑，本质上是陷入了认知误区：把“用工具”误认为“必须造工具”，最终导致资源错配。

二、企业的核心责任：锚定本业价值，AI只是“责任增强器”

以制造业为例，企业的核心责任从未因技术变革而改变：用更少的能源、实现更高的效率、保障更好的稳定性、降低缺陷率、提升交付能力。

进入AI时代，这些核心责任没有变，变化的只是完成责任的手段。

- 过去，企业依靠ERP、MES、六西格玛、自动化技术实现目标；
- 现在，大模型、智能体、多模态技术、知识检索、流程编排等AI工具，成为了新的赋能手段。

AI的正确定位，是“责任增强器”，而非“责任替代品”，它的使命是帮助企业更好地兑现本业价值，而非让企业偏离核心业务去追逐技术噱头。

三、大企业为何会“职责漂移”？IT思维与组织焦虑的双重驱动

尽管道理清晰，仍有不少大企业偏离核心业务，盲目投入资源去搞大模型研发，这背后是IT思维与组织焦虑的共同作用，具体可归结为三个原因。

（一）KPI导向：工程指标比业务指标更易“变现”

训练一个大模型，有着明确的里程碑、可量化的参数指标、公开的榜单排名，还能做出直观的演示效果，很容易成为一个“可交付的项目”；而改造一条制造流程，不仅周期长、需要跨部门协同，其价值还难以快速量化、归因，推进难度远大于前者。

在KPI考核的导向下，组织天然倾向于选择更易出成果的AI项目，而非真正推动业务变革的流程重构。

（二）路径依赖：把大模型当成“下一代数据库/中台”

在ERP、数据库、数据中台时代，很多大厂习惯了自主建设核心系统，这种成功经验形成了路径依赖。当大模型出现时，他们下意识地将其等同于“下一代数据库/中台”，认为只有自建才能掌握主动权，才能获得安全感。

但二者有着本质区别：自建ERP、数据库具备可行性，而自建GPT级别基础模型，对绝大多数企业而言，几乎是不可能完成的任务，除非本身就是顶尖的科技企业。

（三）竞争叙事：陷入“别人有，我也要有”的误区

这是典型的“地位竞争”而非“价值竞争”。当行业内出现某个企业自研大模型的案例时，不少企业为了显得自己技术先进、紧跟潮流，盲目跟风投入。

最终的结果往往是“两头不到岸”：自研的模型追不上开源或闭源的领先模型，原本的核心业务场景也因精力分散而未能吃透，ROI更无从谈起。

四、企业自研/微调的判断框架：五条标准，避免盲目跟风

强调“不造模型”，并非否定所有自研、微调行为，而是反对因焦虑驱动的盲目投入。企业是否需要自研或微调模型，有一套清晰的判断标准，满足以下条件，才值得考虑：

1. 拥有大量高质量、结构一致的专有数据。例如化工领域的工艺参数与生产结果的映射数据、制造业的缺陷分类标注数据等。

2. 任务模式稳定，输出可评测。比如生成固定格式的行业报告、完成标准化的质量分类、执行流程化的决策辅助任务。

3. RAG+提示工程已达上限。企业需经过系统评测，明确证明现有技术方案的瓶颈确实在模型本身，而非数据或流程问题。

4. 追求极致的成本与延迟。例如需要支撑每小时上百万次的调用，必须通过自研或微调降低推理成本、提升响应速度。

5. 监管与安全要求模型本地化。在军工、关键基础设施等领域，数据安全与合规要求严格，模型必须脱网部署。

对99%的企业而言，基础大模型+RAG/知识库+流程编排+工具调用+评测体系的路径，足以解决80%以上的真实业务问题，且投入产出比最高。

五、未来竞争力的核心：从“模型能力”转向“组织能力”

大模型时代的产业分工，最终会推导出一个深刻结论：

未来的强企业，不是“拥有最强模型”的企业，而是能把模型能力变成“流程能力”的企业。

这种组织能力具体体现在五个方面：业务流程重构能力、数据治理能力、质量与评测体系能力、人机协同能力（聚焦岗位改造而非裁员）、变更管理能力（这也是最难的一环）。

这也印证了“场景的人要更懂工具如何用”的核心逻辑：企业无需投身于工具制造，关键是深入理解工具的使用边界，将工具与业务流程深度融合，建立起适配自身的工作流。

六、AI时代组织原则：三句话锚定核心方向

若要将这套观点凝练为指导企业实践的纲领，可总结为三句话：

1. 每个行业都有自己的职责，AI不是新行业，而是新生产力。

2. 工具高度专业化后，分工会重新洗牌：造工具的人更少，用工具的人更多。

3. 企业最大的风险不是不用AI，而是把职责漂移去造工具，最后场景也没做好、工具也没做好。