已经别离两年，还舍不得官宣？！
撰文 ? | ? 王 ? 菁编辑 ? | 张 ? 南设计 ? | ? 甄尤美开发周期从五六年压到两年，宣布频率从两三年一次酿成一年两三次——车企要用消耗电子的速率造车，同时还得守住汽车行业对清静和质量的严苛标准 。时间更短，事情量没少，标准不可降——这是今天汽车行业最大的组织效率难题 。而 AI 恰恰在这两年里一连跨过了三道门槛 。从 ChatGPT 爆火、DeepSeek 横空出生，到今年年头 OpenClaw 带来的 " 龙虾热 "，AI Agent 拥有了影象、判断和协作能力，最先像一个真正的员工一样一连事情 。一边是行业在加速，一边是 AI 在进化 。两条线在 2026 年交汇：车企拥抱 AI，已经从 " 要不要做 " 酿成了 " 怎么做得快 " 。4 月 21 日，" 飞书 AI 先锋大赛先进制造专场 " 决赛在北京举行——决赛现场也是汽车行业交流 AI" 抄作业 " 的现场，春风奕派、春风康明斯、阿维塔、北汽福田、亿咖通、四维图新等案例从 146 个参赛项目中脱颖而出成为年度 " 制造 AI 先锋 "，北汽、上汽、理想、奇瑞等主机厂专家汇聚评审 。值得注重的是，这些案例不是停留在 PPT 上的 demo，而是已经跑在真实产线上的计划——不少选手现场展示了自己 " 手搓 " 的企业级智能体与 skill 。从装备运维、整车研发到工厂管理，AI 进入汽车行业的速率远超外界想象，并且已经最先真正改变这个行业的运转方法 。" 龙虾 " 打 6 分，向导拍板照此执行OpenClaw 爆火仅仅过了两个月，在北汽福田长沙工厂，一只 " 龙虾 " 已在事情群里有了实着实在的管理话语权 。有一回，它给一项营业打了 6 分（满分 10 分），还逐条列出问题和刷新建议 。营业向导看过之后连忙体现，各人就凭证它制订的目的和战略执行 。这份话语权不是高层硬推出来的，而是它依附解决一个个现实问题逐步赢得的 。北汽福田的场景，在汽车行业里格外特殊 。作为商用车制造企业，它和乘用车有着实质区别：乘用车厂通常只有五六个车型、少量设置，而福田长沙工厂要同时生产轻卡、重卡、客车、专用底盘等 200 多种车型，并且要按订单柔性化生产 。高度柔性化带来了极致的重漂后：前一辆是都会轻卡，后一辆就是重卡，装配工艺、零部件、工序完全差别；零部件版本极多、专用件比例高，既不可缺件导致停线，也不可多产造成凝滞积压，供应链、物流、库存、质量、订单都需要极端细腻的管控 。36 岁的文伟在北汽福田流程与数字化部，工龄 15 年 。他很清晰，在汽车工厂，管理最难的地方不是形成决议，而是把决议真正落地 。向导在会上讲完要求，各人都说 " 收到 "，但 " 收到 " 不即是 " 做到 "，精益闭环经常悬在半空 。问题的根子，是数据散 。工厂几千人，订单在 ERP、生产在 MES、质量在 QMS、考勤在 Excel，没有全局视图 。以前出一份运营日报，要 6 小我私家跨系统找数、汇总、剖析，快则 2 小时、慢则半天，拿到的照旧昨天的数据 。管理者看不清现状，更谈不上闭环 。文伟和团队首先着手的并非接入 AI，而是使用飞书多维表格搭建数据底座 。每个员工把事情内容迁到多维表格里，这张表既是事情清单，也是绩效效果 。一千多张多维表跑起来，数据随事情实时流动，AI 才有了可以剖析和判断的基础 。2026 年头，OpenClaw 全球走红，飞书因其易用性迅速成为海内开发者承接 " 养虾 " 热潮的焦点平台之一，北汽福田也起劲拥抱这股趋势 。文伟把 OpenClaw 明确为一个 " 对营业不太熟悉，但学习能力超强的新员工 "，并依托飞书为长沙工厂打造了专属的 " 龙虾 " 智能体，取名为 " 长超小福 " 。它不再是被动问答，而是自动感知、自主决议、一连追踪的 " 数字管理员 " 。日报从 6 人 2 小时酿成 3 分钟，更要害的是，龙虾会把订单、生产、库存串起来，直接给出问题与调解建议，管理者拿到的是带决议的报告 。使命追踪、精益闭环也交给龙虾，它不讲人情、一连盯办，" 收到不即是做到 " 的老问题被死死盯住 。减负随之而来：审批、日程、聚会、清静巡查所有交给 AI 。向导一天上百个审批，语音交接即可；AI 24 小时盯控现场清静，春节时代还自动发明装备未断电并实时处置惩罚 。产线缺料，工人对 AI 说一句话就能完成领料，系统重漂后全由 AI 消化 。" 我们最近还完成了龙虾的最厉害的一次进化，我们把工业系统喂给了龙虾，我们这些工业系统 ERP、 MPS 没有一个是省油的灯，各人应该都深有体会 。怎么办？我们让龙虾去盘它，我们把重大的系统图形界面酿成龙虾可以用的 CLI 。" 大赛现场，文伟说 。这套计划已在北汽福田周全复制，资助北汽福田乐成申报了汽车行业首个两化融合 5A 级认证 。文伟把计划完全开源，他说：" 让人从系统里解放出来，让 AI 把整个制造业的系统重做一遍 。这一轮 AI 浪潮，不可只有互联网行业远远跑在前面 。"? " 让 AI 来找人 "阿维塔质量系统副总监龚成入行 14 年，履历过 6 年造一款车的时间 。而现在，一款车的开发周期已压缩到 2 年甚至 18 个月 。这背后，尚有软件界说汽车的大配景，与 IPD 模式的盛行 。作为深度践行 IPD 的品牌，阿维塔的整车研发就是这样一场挑战 。由于强调全周期买通与评估评审，IPD 的重漂后远高于古板研发模式：古板车企是 " 交钥匙工程 "，研发做完再逐级交接；而 IPD 强调跨领域全程协同，市场、研发、供应链必需深度加入，角色多、评审节点多、对齐本钱极高 。在阿维塔，1300 多份要害交付物、几千家供应商加入、2000 多人协同，任何一个问题若是不可实时解决，都可能影响量产节点 。在这种极限压力下，信息同步的本钱被放大了 。2024 年 7 月起，阿维塔花近一年，将整套 IPD 系统完整搬上飞书项目，把设计、供应商、客户、清静等全维度拉通，构建端到端整车开发流程 。2500 名研发职员统一在一个界面协作，交付物、问题单、变换纪录所有留痕，彻底离别 " 各看各的 Excel 和种种恼人的对齐会 " 。也正是这一步，让后面的一切成为可能 。当系统跑顺、数据在飞书项目上一连沉淀之后，AI 落地的土壤就有了——智能体不再面临一堆散落在差别系统里的碎片信息，而是一套结构清晰、数据完整、流程在线的研发全景 。怎么在这个基础上落地 AI，阿维塔走过弯路 。团队最初在飞书之外单独开发了几个 AI 智能体，功效并不差，但会见量最高不过几百次 。缘故原由很简朴：工程师不会由于多了一个 AI 功效，就愿意再翻开一个系统、多走一步流程 。转折爆发在 2025 年 4 月之后 。团队换了思绪，用飞书 aily 搭建智能体，直接嵌入飞书项目里已经跑通的 IPD 流程——工程师正常提单、正常审签，AI 的剖析效果自动泛起在界面上，零特殊操作 。这件事之以是能做到，是由于飞书项目原生支持 IPD 研发流程，智能体可以直接嵌入审签节点——这不是在任何 IM 上挂一个谈天机械人能实现的，它需要 AI 和营业流程之间有原生的咬合 �；痪浠八�，没有前面那一年把 IPD 搬上飞书项目的苦功夫，后面的 AI 嵌入基础无从谈起 。" 要害转变在于，不是让人去找 AI，而是让 AI 来找人 。" 阿维塔质量工程师董头脑总结 。而搭建速率也远超预期 。2025 年 8 月的一个下昼，龚成和董头脑给几十名工程师做了次培训，内容是怎么用飞书 aily 搭建智能体 。两个半小时后，一个变换评审的智能体 demo 已经跑了出来——一项变换会影响哪些�？椤⒁霾鼓男┎馐�，现在一分钟内就能完成起源评估 。在这个基础上，几类高频场景很快跑了出来 。交付物上传后，AI 会先做预审，提醒问题和修改偏向，审签效率提升 30%；质量问题提单后，AI 自动盘问历史案例，并给出参考计划，问题工单关闭时间缩减至 48 小时，累计已挪用超 6 万次；面临数千份用户开放性问卷，现在提交后即可天生效果，效率提升凌驾 99% 。在通过飞书搭建智能体的历程中，阿维塔营业职员逐渐意识到，AI 并不是那么高峻上，自己也可以容易使用 。阻止现在，阿维塔内部已有 30 多人自己下手搭建了智能体，同时 AI 智能体搭建要领对外赋能 20 余次 。? " 履历，站起来上班了 "" 没个两三年你上不了手 。" 汤俊在装备保全岗深耕十一年，比谁都明确，这句话不但是履历之谈，更是产线模式、人力困局、信息孤岛牢牢困住的无奈 。春风奕派工厂笼罩冲压、焊装、总装、涂装四大工艺，仅焊装一车间就有 2 条产线、200 多台机械人、超 1000 台在册装备，激光焊、大型压机、PLC 控制柜等装备原理天差地别 。2 万平米的车间里，产线环环相扣，哪怕 " 流水线该走不走 " 的小故障，都要跨程序、硬件、图纸层层排查，一步卡顿即全线停摆 。而科班身世的新人到现场依然无从下手，机械人重大故障修复动辄四五小时，先生傅终年疲于救火；同时，产线一直人不离岗、停产即磨练的情形，让团队险些无暇做预防性维护 。长达三年的上手期，导致岗位留人难，人少活多的压力，更是所有压在岗职员身上 。汤俊知道问题出在那里：" 履历这个工具，说不出来就传不下去 。"工厂有十几年积攒的 140 份长歇工报告、2000 多条故障一元化表、275 份原理原则课件，但全躺在文件夹里，新人找不到，找到了也看不懂，先生傅下班了更是什么都没有了 。团队早年实验外地安排大模子，折腾数月无果；厥后又在其他 AI 平台上做了智能体，宣布成微信机械人，但机械人没有影象，每次对话都要重新确认信息 。不是偏向差池，是没有找到真正贴合制造现场的工具 。2025 年 11 月，工厂周全接入飞书，保全团队当周提出 "all in 飞书 " 。选飞书，不但由于它能接入 AI，更看重的是以 " 事 " 为中心的协作逻辑——故障处置惩罚原来就是一件完整的事，从发明问题、诊断缘故原由，到派工、维修、纪录、复盘，最好都围着统一条流程走，飞书提供的正是这样一个把知识和流程接在一起的情形 。在此基础上，汤俊团队用飞书 aily 搭建了 " 装备巨匠 " 智能体，将历史纪录所有导入飞书知识库 。和之前在其他 AI 工具上的体验完全差别——飞书知识库能被智能体直接挪用，维修工用语音形貌故障，系统就能精准匹配历史案例，给出缘故原由剖析、处置惩罚办法和装备点位 。由于飞书知识库和飞书 aily 智能体共享统一套数据底座，不需要跨系统调接口 。" 行为模式的转变是顺滑的、没有阻力的 。" 汤俊说 。原本约莫需要 10 分钟的处置惩罚流程，缩短到了 6 分钟 。" 躺着的履历，站起来上班了 。"他们并未止步于此，进一步，汤俊通过 Webhook 买通装备报警与飞书，让 Agent 从 " 被动应答 " 变为 " 自动找人 " 。装备一报警，智能体自动剖析、派单、天生纪录，无需人工操作，6 分钟再压至 4 分钟，工人最烦的纪录闭环被 AI 默默完成 。真正的质变，是把 " 救火 " 酿成 " 预防 " 。汤俊团队给要害装备加装振动与温度传感器，用神经网络模子剖析趋势，实现异常提前预警，冲压机预警提前 4.2 天、准确率 92%，从 " 坏了再修 " 变为 " 有备无患 "，维修时间从 4 分钟走向 0 分钟 。这还不敷 。" 龙虾 " 火了以后，汤俊和他的团队更进一步，引入 OpenClaw 来完成多 Agent 协作 。这套自进化系统，让故障爆发坦率接下降 25%，每年镌汰�；鹗г� 179 万元，并已在奕派武汉一厂和二厂两个工厂周全落地 。? ? 两条线，终于交汇了当车企拥抱 AI 从 " 要不要做 " 酿成了 " 怎么做得快 "，真正跑在前面的企业很快发明，AI 能不可落地，不在于买了多贵的模子，而在于一个更底层的条件：组织有没有一个让 AI 能运行、能介入的数字底座 �；乜凑饧改�，车企对飞书的使用自己也履历了几个阶段 。2021 年，" 蔚小理 " 最早选择飞书，看重的是用飞书解决组织 " 熵增 " 的能力 。2021 年春季飞书未来无限大会上，李想就曾提到，" 飞书最大功效是超等感知工具，流转的