当AI走出大模型演示稿,真正进入车间作业、工单流转和ERP流程,谁先理清落地的先后次序,谁就能在这轮技术变革中掌握主动权。
福田康明斯IT经理刘元福在接受e-works记者采访时,给出了这家企业的答案:
先用单点智能体跑通一个个具体业务场景,再用部门级智能体串联起完整的业务群,最终汇聚成一个深刻理解企业整体运营的企业级智能体;与此同时,把支撑智能体运行的IT运维底座,交给零Token成本的成熟第三方平台。
这条路径背后,是制造企业对AI进程的核心判断:技术验证期已经过去,规模化落地正当其时。对仍在摸索中的中国制造业来说,这份实践样本颇具参考价值。
从验证到落地,AI智能体跨过分水岭
据Gartner针对IT负责人的调研显示,75%的IT管理者正在试点、部署或已经落地各类AI智能体。这一数字背后,是企业对AI态度的明确转向——从观望走向实质投入,从零散的单点尝试走向规模化铺开。
显然,
制造企业是观察这场转变的最佳样本。制造企业既拥有车间生产、供应链协同、ERP运营等复杂度极高的业务场景,又对业务连续性有着近乎苛刻的要求。AI如果能在这样的环境里稳定运行,向其他行业复制推广的难度就会大幅降低。
以福田康明斯为例。这家由北汽福田与康明斯各持股50%的合资企业,是全球知名的商用车动力解决方案供应商,年产能达52万台;福田康明斯于2020年入选世界经济论坛全球灯塔工厂,2024年正式投运黑灯工厂,并入选工信部首批卓越级智能工厂。这样一家把数字化融入发展基因的制造企业,其AI落地路径本身就具有极强的行业参考意义。
三步走,先筑牢运维根基再拓展业务场景
据刘元福介绍,福田康明斯的AI落地遵循一套清晰的三步走规划:先以
单点智能体切入,针对独立的细分业务场景开发专属工具;再搭建
部门级智能体,把采购、供应链、客户支持等完整业务群串联起来,实现端到端的协同;最终整合当前分散部署的各类智能体与技能模块,构建福田康明斯专属知识库,形成认知深度超过任何一名员工的
企业级智能体。
不过,这条路径要跑得通,还取决于一个容易被忽略的前提:
IT运维的稳定运行。刘元福多次强调,运维是制造企业的核心基础,如果日常生产频繁停线、各系统反复中断,业务连续性都得不到保障,数字化升级、AI落地等增值工作都无从谈起。因此在运维层面,福田康明斯选择成熟通用的标准化产品,将1200台办公设备的统一纳管、补丁更新、安全防护、硬盘加密交由第三方工具完成,让工程师从逐台操作的重复劳动中解放出来。运维底座稳固,业务层的智能体才有生长的土壤。
在这一底座之上,福田康明斯的业务层智能体已经跑出多个代表性场景。
最先见效的是
市场数据分析智能体。以往这项工作需要专门团队依托Excel或BI工具收集数据、加工数据并形成结论,管理层提出定制化查询时往往要专人处理,非工作时段或团队陪客户外出走访时,临时问题很难得到及时响应。现在只需在移动端用自然语言提问,智能体即可返回任意市场、任意区域的历史与实时数据。
更进一步的是
ERP解耦智能体。ERP是生产制造企业的核心系统,福田康明斯正在推进物料计划合料解耦,覆盖从订单接入后的自动合料,到与供应商自动交互、自动反馈交期、自动排产的全流程。刘元福解释,“解耦的初衷并非规避对单一厂商的依赖,而是提升ERP运转效率,深化与供应商及上游的协同,打造更具韧性的供应链”。比如某类零件即将停用的信息若不能及时同步给供应商,对方很可能继续备货,最终造成库存浪费与成本增加。
第三是
AI原生CRM。刘元福介绍,以往销售拜访客户后,需手动录入拜访内容、跟踪事项、商机信息,填写耗时且容易出现偏差。当面沟通5分钟很轻松,把沟通内容完整录入系统却往往超过5分钟。“现在销售在拜访时直接口述记录,无需在意语序与表述逻辑,系统自动完成内容分类,提醒维护关键角色,生成待办事项,更新商机节点,沉淀客户360度画像”。
除此之外,福田康明斯已有数十个智能体投入运行,整体布局正按照三步走的规划稳步推进。
智能体成为企业智能运维新趋势
在IT运维领域,智能体带来的变革同样在加速推进。
作为企业IT管理解决方案领军企业,ManageEngine卓豪将IT管理领域的AI演进划分为四个阶段:
按照预设规则执行动作、通过机器学习实现预测性运维、依托大模型生成解决方案、最终实现智能体自主感知、推理与执行。
其中,第四阶段的核心跃迁在于,AI从提供决策参考的辅助角色,转变为直接执行操作的主体,自主完成任务、发现问题、调整优化方案,迭代速度远快于人工介入的传统模式。
刘元福对这一方向有着明确期待。在他看来,过去和当前的运维管理,大多依赖企业自行制定标准与规范,比如新补丁发布后先测试再批量安装;但整体运维复杂度在持续提升,AI技术的普及又让黑客制作攻击程序、扫描漏洞的门槛不断降低,两头挤压之下,企业需要更灵活的应对方式。他希望平台能在故障出现时自动响应,而不是等待人工介入;也希望平台能基于安全标准自动完成基线管理,未来甚至为每台设备生成独立的安全基线,适配不同设备上软件、系统与工具的差异。
这段期待背后,其实是智能运维下一阶段的核心矛盾:技术从来是一把双刃剑,智能体既能为企业业务赋能,也可能被恶意主体用于网络攻击。能力越强,攻防的难度就越大,数据安全与网络安全的压力正在同步上升。
刘元福坦言,“
企业在拥抱智能体技术的同时,安全底座的升级必须同步推进”。
工具层的新变量:零Token成本的智能体生态
作为福田康明斯IT运维工具的提供方,ManageEngine卓豪向中国市场发布了嵌入全栈IT管理产品体系的Zia智雅智能体,首批上线30余款,计划到2026年底扩展至100余款。这些智能体直接集成在客户已使用的产品中,无需额外采购AI平台或智能体工作流工具,也没有复杂的配置流程,底层由自研的Zia智雅大模型驱动,不产生额外的Token使用成本。
零Token成本是这次发布最受关注的卖点,但这并非短期促销,而是其
一体化AI生态水到渠成的结果。当前企业落地智能体AI普遍面临两道坎:一是
成本,不少解决方案按Token数量、单次操作或使用量计费,据测算,大型企业每年在AI推理环节的支出可达20万至40万元人民币,且随着应用规模化铺开持续攀升;二是
安全,依赖外部第三方模型存在敏感数据泄露的风险,自建私有大模型则要投入GPU基础设施、运维资源和专业人才。
ManageEngine卓豪全球副总裁Mathivanan告诉e-works记者,“零Token成本的实现依托三大核心优势:三十年的工程技术积淀、经过大规模验证的自研AI模型、自主运营的基础设施”。 他表示,Zia智雅大模型支撑着ManageEngine卓豪全系列120余款产品,服务全球超1.5亿用户,智能体能力运行在北京、上海的双活数据中心,客户的业务数据不会被用于AI模型训练。
具体到能力层面,这批智能体覆盖全栈可观测性、统一服务管理、统一端点管理与安全、身份与访问管理、安全信息与事件管理五大领域,据官方公布的数据,能够将平均故障解决时间缩短40%至60%,原本需要数小时的故障排查可压缩至分钟级。首批上线的包括根因分析智能体、应用性能监控助手、一线服务台专家、知识库文章生成助手、设备故障排查智能体等;企业若有更个性化的需求,还可以通过智雅智能体构建器,用自然语言生成适配自身环境的专属智能体。
回到福田康明斯,这类工具的核心价值在于
把运维底层的成本与复杂度降下来,让IT团队把更多精力投向业务侧的智能体创新。刘元福在采访最后提到,“待Zia完成相关AI工具集成后,十分期待它能灵活应对各类运维难题,实现自动响应与安全基线的动态调整”。
两家企业的合作,恰好构成制造企业AI落地的一体两面:业务侧自主搭建适配场景的智能体,运维侧依托成熟平台筑牢底层支撑。