當AI重塑中國制造，為什么飛書成了企業的首選？

要在不確定的環境里找到更多的確定性，一個捷徑是，去看那些世界上最先進的企業都在做什么。

2024年6月的COMPUTEX大會上，黃仁勛第一次給出了“AI的下一波浪潮是物理AI”的判斷。今年，他又多次重申，認為生成式AI的爆發只是開始，真正顛覆未來的，是AI如何與物理現實融合。

放眼全球，中國龐大而復雜的制造業體系，正是物理AI最多元、最復雜的試驗場。比如，上海交大智邦研發的智能體機床，能像“自動駕駛”一樣自主尋找最優加工路徑。生數科技的具身智能模型，僅需約千分之一的傳統數據量，就能讓機械臂學會并執行新任務。

Gartner預測，到2027年，中國制造業的AI使用滲透率將以10%的年復合增長率快速上升。

當AI開始重塑制造的底層邏輯，企業也呼喚著與之匹配的“新流水線”——一套能駕馭人、AI與機器復雜協同的操作系統。

正如互聯網時代，office套件取代了孤立的紙質文件。物聯網時代，在線智能工單系統又取代了離線、靜態的office文檔。每一次核心生產力的突破，都催生了新一代協作平臺，以解決舊工具無法處理的新復雜度。

AI時代的制造企業也形成了新共識。12月18日在廣州召開的2025飛書先進生產力峰會上，一組數據揭示了趨勢：

TOP20的新能源車企，80%用飛書；

消費電子主流榜單TOP30，超50%用飛書；

眾多頭部具身智能企業，也在用飛書。

當AI開始重塑中國制造業，為什么飛書成為了中國制造企業落地AI的首選？

F1賽車，困在早高峰

想象一下這樣的場景——

一家科技制造公司的工程師，剛剛在算法上取得突破，讓機器手臂的抓取精度提升了十倍。但將這個突破應用于下一代產品前，他需要花半天時間在十幾個系統里尋找最新的設計規范，跨三個部門確認仿真流程，并將結果手動整理成五份格式不同的報告，等待層層審批。

這就好比他駕駛著一輛能飆到時速300公里的F1賽車，卻不得不堵在早高峰車流中。如此真實而荒誕的場景，就是今天許多科技制造企業的日常。

為何這種“賽車困在早高峰”的沖突，會集中爆發在科技制造業？

因為物理AI要真正融入制造業，必然會先選擇技術高度最貼近的科技制造業。自動駕駛汽車、智能機器人、高端消費電子……這些領域的產品，本身就是物理AI要理解和操控的終極對象。

比如，中國智能駕駛企業地平線，其核心理念正是構建“物理世界AI底座”。它的車載芯片與算法，不僅驅動著汽車的智能駕駛，更通過“端到端”架構，讓AI能像人類一樣理解復雜路況、進行決策。

但與此同時，一個深刻的悖論出現了。當科技制造企業在物理AI的賽道上全力沖刺時，卻被自身沉重的“組織重力”拖慢了腳步。

像小鵬汽車這樣的企業會對這一“重力”的存在深有體會——業務多條戰線同時推進，組織規模與信息量快速增長，原先適用于線性發展階段的協作體系也面臨新的挑戰。

這樣的公司往往知識文檔數量達到千萬級別，服務臺與機器人消息遍布各處，找到關鍵資料或準確接口的效率有待進一步提升。工程師面對數百個系統構成的流程網絡，讓諸如請假、審批等日常流程也消耗了不少精力。

在更基礎的運營層面，傳統工具也已無法承載海量、實時的數據需求。文遠知行的工程師曾表示，當測試車隊從幾十臺激增至上千臺，曾經輕便的維修管理Excel表格逐漸力不從心，制約了數據洞察與安全響應。

地平線副總裁兼首席架構師蘇箐認為，當前科技制造業要在技術上產生質變，離不開“工業母機”的支撐，即工程能力和組織能力的持續強化。但這項復雜工程，非單一企業所能為。

比如有車企高層便坦言，車企想打造一個AI超級助理，需要同時承擔生態聚合者、高效賦能者和安全守護者，“作為單一主體要做這么多事情，車企是卷不動的”。

但“工業母機”的缺失，直接侵蝕科技企業創新的根基。頂尖工程師的精力被無休止的“尋路”與“對接”耗散?？绮块T、跨地域的協同延遲，讓快速的技術洞察無法形成閉環決策。最終，企業可能在瞬息萬變的市場中，因響應遲緩而錯失搶占生態位的關鍵窗口。

這揭示了物理AI時代留給所有科技制造企業的核心組織命題：駕馭外部技術的復雜性，必須以解決內部協同的復雜性為前提。

中國科技制造企業需要的，不僅是一個更強大的“機器手臂”，更是一個能夠打通數據孤島、連接人機協作、讓知識如血液般自由循環的協同網絡。

而這一命題的答案，就藏在他們高度統一的選擇里。

當組織學會“呼吸”

小鵬汽車CEO何小鵬曾經的一封全員信，引起了廣泛關注和思考。

信里核心就四個字：組織提效。讓他下定決心的是兩個數據：公司一個月開了1.2萬場會，總時長1.4萬小時，足夠一批人全職連開三年。他算了一筆賬，十場大型會議的成本，就能買一輛頂配版小鵬G6。“第一次看到數據統計時，”何小鵬說，“我都吐了口血?！?/p>

一場圍繞“會議”的效率革命就此開始。2024年，小鵬以線上會議替代了30%的非必要線下會議，通過飛書AI會議紀要自動抓取要點、生成結論與待辦事項，直接同步至項目系統，讓“開會”自然銜接“執行”。

這套方法不僅將會議效率提升了20%-25%，全年生成了16萬份紀要，更支撐了來自40多個國家的海外團隊，跨越語言實現無縫協作。今年上半年，小鵬又用AI生成了超過了63萬份會議紀要，日均近3500次。

如此高頻的使用，讓小鵬用飛書重新定義了開會，也重新定義了效率。

而比會議低效更隱秘的損耗，是知識的沉寂與流失。為了解決工程師在龐大知識體系面前的大海撈針，小鵬基于飛書統一協同底座，打造了全員配備的數字員工IRON。它如同一個超級大腦，將散落在44個服務臺、2000萬份文檔與84個消息渠道的信息徹底激活。

自此，知識檢索、文檔總結、流程發起，變為員工與IRON之間的一句對話。從3D導航直達會議室、工位，到一句話發起請假、智能填表，瑣碎流程被壓縮為瞬間動作。

效果立竿見影。 IRON上線后，智能問數功能每年可節省百萬元成本；服務臺工單處理時長縮短30%，表單流程效率躍升75%。整體而言，這相當于每月額外增加了128名專注于高效執行的“AI員工”。

這些實實在在的數字背后，是工作模式的根本轉變。正如這次峰會上小鵬汽車所分享的，通過飛書與IRON，他們正實現“把重復的冗余的交給AI，把思考的尊嚴還給人類”。

從會議革命到知識激活，小鵬的提效之路，已是一場人與工具協同的系統進化。

當溝通與知識獲取的底層效率被解放，AI便開始向業務腹地縱深，沉入千差萬別的業務毛細血管中。

比如在自動駕駛的研發戰場，效率就是速度。小馬智行的第七代無人車，從4月亮相到11月實現全無人商業化，便僅用了半年。

如此疾速的推進，背后有飛書多維表格的靈活支撐做助力，它能適應不同業務需求快速迭代：生產端的零部件庫存管理庫、路測端的實時問題清單，都能責任到人、同步響應。這種深度適配使得小馬智行的研發協作效率提升40%、需求響應提速60%、備件管理優化30%。

零配件倉庫精細化管理

在自動駕駛與時間賽跑的工程中，飛書以靈活的工具形態，把“想到”和“做到”的距離壓到了最短。

而在精密制造的生產線上，智能化也不是狂堆硬件。吉利汽車研究院的工程師們就做了一次輕巧而深刻的示范。他們繞過了昂貴的進口設備與漫長的IT排期，自己用飛書搭建出一個智能助手，將延續多年的“手填測量值+人工比對”模式，升級為“語音錄入、自動成表、智能分析”的流暢閉環，直接省下了近千萬元的硬件投入。

小鵬、小馬智行與吉利的實踐，共同勾勒出一條清晰的路徑。應對物理AI的復雜挑戰，必須率先完成組織本身的智能化升級。

當組織自身的“摩擦力”被降至最低，技術沖刺的能量才能毫無損耗地轉化為定義未來的產品力。這也解釋了為何在物理AI時代，先進的制造企業會在飛書上不期而遇。因為它們追求的，正是這個時代最稀缺的確定性：一個能隨技術進化而不斷生長、助其掌控創新節奏的協同基因。

飛書朋友圈，越擴越大

物理AI的浪潮，從來不會止步于科技制造業的實驗室與試產線。當它在最前沿的領域證明了與物理世界“對話”的能力后，下一步，必然是帶著這股勢能，涌向中國經濟的基石——那些看似“傳統”、卻構成國民經濟主動脈的制造行業。

這里的變革場景更加具體而磅礴。比如，在鋼鐵廠的高溫軋線旁，AI視覺正替代人眼，毫秒級檢測鋼板表面的微小缺陷；在巨大的石化罐區，傳感器與AI模型正協同預測設備故障，守衛生產安全；在數以萬計的消費品裝配線上，機器人正學習更柔性的抓取與包裝......

然而，與天生數字化的科技公司不同，傳統制造企業的數字化轉型，長期面臨著不同程度的困難：

核心數據沉睡于紙質報表、孤立系統甚至老師傅的經驗里，AI沒有糧食；動輒千萬上億的定制開發、經年累月的流程再造，讓人望而卻步；再好的系統，如果一線工人和老師傅用不起來、不愿意用，就是白花錢。

但如今，一個有趣的現象出現了。越來越多“不像字節跳動”的企業，無論是萬人規模的海信、雅迪、柳工，還是身處鋼鐵（永卓）、煤炭（鵬飛）、石化（東明）這些傳統行業的企業，開始成群結隊地選擇飛書。

它們發現，飛書提供的并非又一套需要大動干戈的IT系統，而是一個“無痛數字化”的起點。

首先，它以極輕的方式，幫企業快速沉淀出“AI能懂的”活數據。例如，永卓控股面對的是一個重資產、高能耗的典型場景——高爐煉鐵。這座高達數十米、內部超1500攝氏度的“黑盒”，加料控溫全憑老師傅的經驗操控。

但如今，他們用飛書搭建的AI高爐智析系統，讓交接班報告從30分鐘縮至5分鐘，風險自動生成任務派到責任人手機，每一次故障都被沉淀為“高爐病例”，AI甚至能逆向溯源、精準診斷。

于是，每周耗費8小時編寫的生產周報，變成了AI每天早上8點準時推送的智能日報。沉默的數據開始說話后，哪里有問題、原因是什么，一目了然。

緊接著，它讓降本增效變得肉眼可見，直抵一線。

在金鴻曲軸這家老牌制造企業里，老師傅的經驗鎖在腦中，年輕員工困于重復填表，昂貴刀具的流轉依賴人盯人，轉型的陣痛曾是具體的。

直到他們用飛書將整個車間重新“連接”起來，讓能聽懂方言的AI助手，成了24小時在線的“車間百事通”，讓咨詢量驟降80%；AI物料預警系統自動預警，每天為班長搶回1.5小時鉆研技術......

這些改變不是自上而下的指令，而是每個崗位都能感知的省事和有用。預估全面推廣后年增收超500萬元的背后，是效率在一寸一寸地生根。

而最動人的改變，或許發生在那些打字不太靈活的老師傅身上。如今，他們只需對著屏幕語音輸入，AI就能聽懂四川話并迅速回應。最好的數字化轉型正是這樣，它不讓任何人掉隊，而是讓大家都能用最自然的方式融入，讓一線的雙手最先觸摸到改變的溫度，也讓最資深的眼睛看見科技切實的價值。

隨著這些傳統制造業涌入飛書，一個更深層的趨勢也逐漸明朗——

飛書不僅僅是一個協同工具，它正成為AI能力進入實體經濟最順暢的導管。

正如飛書面向AI時代的“組織進化”宣言：當AI開始重新定義制造的“硬件”時，飛書正致力于用“軟件定義組織”。

其目的，正是通過重塑信息與協作的底層邏輯，來解決物理AI技術狂奔而組織管理滯后的核心錯位。

由此，我們可以回答最初的問題：當AI開始重塑中國制造業，為何是飛書成為了眾多企業的首選？

答案不在于某一項單點領先，而在于它擁有一種技術普惠性。飛書提供的，是一個能隨企業一同生長、從協同工具演進為AI時代“核心業務土壤”的生態。

無論是像字節還是不像字節的制造企業，他們不約而同地選擇飛書，本質上都看到了飛書始終聚焦于解決真實業務問題。它讓企業無需顛覆過去，就能將AI能力從會議、知識管理，逐步滲透至研發、生產、安全每一個核心環節。在空泛的概念炒作此起彼伏時，飛書所做的一切，都是要讓技術回歸價值本身。

因此，這不僅僅是工具的選擇，更是發展路徑的選擇。

當所有制造企業，無論是造車的還是煉鋼的，都能以最小的摩擦、最低的門檻，獲得與時代最先進生產力同頻共振的能力時，一種掌控創新節奏、穿越產業周期的全新確定性，便真正誕生了。