AI在企業里干活了，首鋼工人都用上了

注明：題圖由AI生成

首鋼的工人現在不用跑回辦公室查數據了。

熱軋產線邊上，工人掏出手機問一句“今天鐵含量超過0.25的電解槽有哪些”，答案秒出。計劃單審核從一小時變成秒級，每天的生產總結從四十分鐘壓縮到三分鐘。合同審核從半小時縮短到五分鐘，風險條款識別準確率超過百分之九十五。

這不是科幻片，是2026年6月發生在首鋼的真實場景。

你可能覺得AI離你很遠，是巨頭們發布會上的PPT。其實它已經在你看不見的地方干活了。從鋼鐵廠到養豬場，從銀行柜臺到政務窗口，從汽車生產線到家電倉庫，AI正在接管那些過去必須靠人跑斷腿、磨破嘴的活。

奇瑞的4000個數字員工

奇瑞汽車干了件挺嚇人的事。他們給六萬員工配了四千多個辦公智能體。不是概念，是已經跑在生產線上干活的那種。

內部有個叫CheryGPT的東西，整合了汽車行業資訊、全系產品知識、內部流程文檔，幾千份資料堆在一起，支持四千多個提問場景。員工遇到問題問它，解決時效提升了百分之三十，一年省了三千萬。

海外售后更直接。維修技師以前查一個故障要十分鐘，現在問AI助手，一分鐘搞定。翻譯成本直接歸零，一年又省五百萬。這套東西已經從安徽蕪湖跑到了南非和馬來西亞。

金山辦公的副總裁說了一句話挺狠：“很多辦公AI給企業上的是預制菜，標準、好看，卻不解決組織落地AI最難的題?！逼嫒鸬淖龇ú皇浅灶A制菜，是自己下廚，把AI長在了合同、報表、制度這些企業的核心資產里。

海爾智家的Agent操作系統

海爾智家做了件更底層的事。他們沒急著上幾個AI助手就完事，而是先搭了一個叫“智小能”的平臺。CTO崔秀元管它叫“AI時代的企業Agent OS”。

員工通過這一個入口就能查訂單、看庫存、訂閱經營報告，也能調用研發、采購、營銷、客服等不同場景的智能體。崔秀元舉了個例子，員工說“幫我查個訂單”，系統不光把訂單找出來，還能判斷它是不是超時、要不要加急；再問原材料庫存，系統還能比對庫存情況、提醒是不是緊缺。

最狠的是研發端。海爾做了這么多年產品，留下了大量老圖紙。以前這些圖紙躺在檔案室里沒人翻，人根本沒法把幾千張圖紙里的BOM零部件識別出來。AI進來以后，圖紙識別智能體先把內容讀出來，再傳給數字化系統。過去沉在檔案里的老圖紙，開始重新變成可調用、可復用的數據資產。

海爾給出的答卷是：研發型號效率提升百分之二十點七，采購降本百分之十，三萬終端人員的問題解決率達到百分之九十九點五。這些數字不是PPT上編的，是真實跑出來的。

北汽福田的“長超小?！?/strong>

北汽福田長沙的超級卡車工廠，有個叫“長超小福”的數字員工。春節前上的線，24小時不間斷巡檢。

過去一份運營日報要六個人跨系統忙兩小時甚至半天，現在它兩分鐘就生成一份萬字報告。生產啟動群里設備、物料、工藝問題刷屏，過去得開半小時會才理得清，現在員工@它一下，幾秒就給出原因、影響、步驟、責任人。

靠著這些活，工廠跨部門任務閉環率提升了約百分之四十，預計每年減少損失近兩百萬。

更關鍵的變化在后面。過去是人下指令、AI確認執行，現在是AI主動接收業務信息、自己去操作信息系統、再把結果匯報回來。北汽福田的人說，正在嘗試讓AI代替人工去做管理和調度的工作。下一步是讓AI直接去操作工業信息系統。IT管理員一聽就冒汗，但這是必經之路。不讓AI去操作信息系統，AI永遠只能指揮人。

鋼鐵廠來了AI

首鋼的大模型統一應用平臺，只用了十周就建成了。不是磨洋工磨出來的，是真逼出來的。

安全隱患識別智能體把排查效率提升了百分之六十。法規制度問答智能體讓查詢效率提升了百分之八十以上。熱軋產線寬度預測模型的R2值達到百分之九十以上?！癥OLO視覺模型加大模型語義解析”的方案，實現了工業圖紙精準識別，圖紙查找時間從天級壓縮到秒級，效率提升百分之八十。

采購管理實現了全流程可視化，數據更新時效縮短到二十分鐘。供應商風險識別覆蓋率達到百分之九十五以上。營銷服務響應壓縮到兩分鐘內，實現7×24小時不間斷客戶服務。

首鋼的搞法很有意思。他們不是買了一套大系統讓所有人用，而是搞了低代碼、零代碼的開發體系。不懂編程的人也能拖拖拽拽搭出自己的AI應用。一線工人知道痛點在哪，他們自己搭的東西，比外包公司做的更接地氣。

銀行柜臺也在變

網商銀行干了一件很多人沒注意到的事。他們用小微信貸的AI審批，把效率提升了七倍。

以前判斷一家小企業的真實經營情況，得派人去現場看廠房、設備、庫存、門店、證照，一套下來少說一天?，F在客戶按提示拍幾張照片，AI自動識別經營要素、核驗真實性，邊聊邊提取關鍵數據。這套東西已經覆蓋了五十多個線下經營場景，單戶盡調時間從一天壓縮到一小時，效率提升了三倍。

河南安陽一家生產摩托車鍛造輪轂的工廠，單看企業本身規模不大、可用數據有限，但AI順著產業鏈發現它的產品最終進了國內外頭部摩托車企業的供應鏈，訂單穩定、回款情況好。授信額度就這么上去了。

徽商銀行的做法更系統。他們搞了一個“徽之道”大模型平臺，用“1+1+N+M”的分層架構，目前已經覆蓋了個人、對公、風控、運營、客服、辦公六大板塊，落地了163個具體應用場景。他們正在打造八類專業智能助手，從客戶經理到柜員到審計到研發，每個人都有自己的“數字助手”。目標是實現“一崗一助手”。

政務窗口也跑起來了

安徽交通運輸政務服務窗口，來了四位“數字員工”。不是機器人，是跑在電腦里的AI程序。以前辦普通貨運車輛年審，窗口人員得來回切換三個業務系統、打開四個查詢窗口、逐字核對信息，沒有二十分鐘辦不完。現在不到十秒。

這套東西用了兩個月就開發完，建設成本降低了百分之六十。非侵入式部署，沒對原有業務系統大拆大建。窗口整體效率提升了百分之四十以上，群眾平均辦理時長從八分鐘壓縮到五分鐘。最忙的時候，每天能釋放十幾個小時的人力。

深圳福田更狠。他們搞了一個叫“AI小?！钡闹悄荏w開發平臺，今年三月本地化部署以來，累計注冊用戶超兩千人，覆蓋全區一百多家機關單位，孵化了超過一千個政務智能體。福田區定了兩條死規矩：所有政務AI應用百分之百用國產大模型、百分之百跑在國產算力上。數據安全是不可逾越的紅線。

廣東還搞了全國首個省級政務智能中樞“灣擎”，已經歸集了超過一百個政務場景。人工智能正在全面融入廣東的行政辦公、政務服務、社會治理。

AI落地的真相

你會發現一個規律。真正在跑的企業AI，跟發布會上那些酷炫的演示完全是兩碼事。沒有全息投影，沒有炫酷的UI，沒有令人驚嘆的對話能力。它就是一個對話框，一個表格，一個自動生成的報告。

但它替一線工人省了跑回辦公室的時間，替銀行審批員省了跑現場的時間，替窗口辦事員省了切換系統的時間。把時間省下來，就是錢。

2026年是大模型從能力驗證進入價值兌現的關鍵一年。 企業不再只問“有沒有AI”，而是開始追問更具體的問題：AI能不能進入真實工作流？能不能理解企業的權限、知識和業務上下文？能不能參與跨部門協作？能不能被追蹤、復用和持續迭代？

你會發現，企業采購邏輯正在發生變化，它們不再愿意為“看起來有AI”付費，而是開始為一套能讓AI進入組織運行的基礎設施買單。模型能力依然重要，但它已經不是唯一答案。企業真正需要的，是讓AI能夠理解組織、連接流程、調用知識、處理權限，并進入業務現場的能力。

就像科大訊飛說的，大模型應用正從“能用”邁向“好用、用得起、可規?；?。

這場變革才剛開始。你感覺不到它，不代表它沒在發生，它只是不聲張。