腾讯AI走进制造业深处

文 | 周天财经

周天财经 原创出品

大量制造业企业都在经历AI焦虑：

「老板发话，就是要搞AI，但怎么搞、从哪里入手，却是两眼一抹黑，批了一些预算，另起炉灶，但是还没有找到新方向。」一家大型企业的中层人员如此跟我说。

这也是近期和很多企业交流下来，存在的一种普遍现象。

「谁能更好使用AI作出更快决策、更早行动，就可能在市场更早发现商机，或者在存量市场获得更多的份额。在AI时代，速度本身就是竞争力。」腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在2026腾讯全球数字生态大会演讲中，就如此给出一个预言。

01 老板急着上AI，工厂却不敢试错

预言在加速兑现，一部分企业，已经试图在产线上，用AI从效率里面抠出利润。

我知道有一家钢铁厂，各车间独立制定排产计划，炼钢炉次计划与轧机产能不匹配，为避免断料，各环节安全库存超标30%以上，常年占用流动资金接近10亿元。

遇到订单变化或设备扰动，人工调整需要跨越多个部门，全局方案制定耗时超过半天，往往方案还没来得及执行，现场又已经出现新变化。

制造业的效率损失经常藏在工序之间。单个车间看起来都在努力提效，整个系统却可能因此增加等待、库存和资金占用。这家钢铁厂有强烈的冲动，希望引入AI进入全流程运筹，来实现实时AI自动决策，动态调整产线，释放出10亿资金。

企业希望用AI抠出来的利润，来自整个系统的改善。生产、物流、库存、设备和订单信息能够联动起来，企业才能在排期、成本、能耗和产能之间寻找出新平衡。

腾讯集团副总裁、政企业务总裁李强在2026腾讯全球数字生态大会上就谈到：

「Agent的价值，只有走进企业的日常经营和工作流，才能释放真正的产业价值。全球每年上万亿美元的AI投入，如果仅仅停留在对话问答的浅层体验，无法渗透到企业核心经营流程，那终究只是一场昂贵的实验。」

的确，这句话点出了当前AI的核心命题，同时，我也关注到，有一种矛盾心态正在制造业滋长，一方面是开头提到的AI焦虑，大量的制造业企业害怕自己在AI时代掉队，另一方面，不知道如何使用AI，也怕用错了，用出安全问题来，也是一种始终萦绕在管理层内心的恐惧。

这也不怪制造业，误差在这个体系里格外敏感，锂电企业的部分极耳只有几微米，需要借助显微镜检查。AI一旦漏掉缺陷，后果可能是一批材料报废，甚至影响最终产品安全。生产线上所需的实时控制和高风险工艺，企业很难接受一个无法解释、无法复核、无法恢复的——黑箱系统。

这就是制造业面对AI时最矛盾的地方：它迫切希望AI降低成本、减少停机、提高交付能力，又担心一次误报导致产线停顿，一次漏报造成严重损失。

不过，变化正在发生，这种对AI的信任在一点点积累。

02 从秘书手搓小系统，到攻入「屎山代码」

事情先从一个个的基层身上自发地起变化。一家国企原本没有使用WorkBuddy这类工具。公司里一位负责统计和会议记录的秘书，不懂软件，也算不上AI专家，只是觉得工具确实能解决问题，于是自己买来使用，在家用workbuddy搭了一个小系统，后来又拿到公司里运行。

老板发现后，开始追问这套东西怎么做出来的，进而开始起心动念要请腾讯来帮忙部署。

一旦用AI形成效率高地，效率洼地就变得格外刺眼，就让管理层们再也坐不住了。

「过去，是我们追着企业跑，力劝他们用云，用AI，现在成了企业追着我们跑」，腾讯云副总裁、智能制造和智慧能源解决方案负责人蔡毅，这样描述2026年的一个突出变化。

AI在企业里的传播，未必从自上而下的强制通知开始，它可能从一份会议记录、一次数据统计开始，这是一种更有生命力的扩散方式。

也就是这样，从容错率高的环节入手，一步步地，从数据统计等汇报环节，agent开始进入代码的深水区。

TCL，多年积累了大约上百个代码分支。对研发团队来说，这些代码既是企业资产，也成了新的效率瓶颈。新人加入后，可能要花三个月才能逐渐理解完整的代码体系；一名资深工程师每天工作8个小时，真正用于开发新功能的时间只有2个小时，其余时间都耗在阅读老代码、和不同同事确认逻辑、定位Bug，以及编写单元测试上。

CodeBuddy进入后，并不是让AI直接接管代码。以电视卡顿问题为例，AI会先从代码库中圈出一到多个可能相关的位置，帮助工程师缩小排查范围；工程师再结合实际运行情况逐一确认，判断究竟是哪一段代码出了问题。

确认之后，AI可以给出修改建议，补充测试代码，并提示修改可能影响到的其他模块。原本一个电视卡顿问题可能需要约8.5个小时处理，后来缩短到约1.5个小时。安卓系统向iOS系统迁移的工作，也从原来的两周缩短到两天。

在这个过程里，我看到了AI进入制造业的可行思路。

AI不应该直接上手改代码，而应该是辅助人工，提前做好筛查工序。就像节约了买菜过程，直接备好料，供厨师选择使用，此举大大提升了效率，也兼顾了安全性，能够有效化解企业对于AI这一黑箱的担忧。

在很多传统行业，一团乱麻的屎山代码，是难以承受之重。

难就难在，企业不能简单地把它推倒重来。很多代码已经跟产品、设备和客户服务绑定在一起，运行了十几年，原来的开发人员早已离开，文档也不完整，却还必须继续维护。动一个参数，可能让某一批设备无法运行。

就像是堆得乱七八糟的积木，抽掉一根，可能会整个垮掉。企业明知代码低效冗余，却不敢轻易动刀。

这也是制造业使用Agent和互联网企业的区别所在。互联网公司的代码可以快速迭代、灰度发布，出问题还能回滚；制造业的软件往往连接着真实设备和真实客户，错误的代价更重。

所以，腾讯一直向制造业普及一个关键思路：AI在这里不应该直接接手改代码，而应该充当一个助手，一个能快速读懂复杂系统的助手，这个助手帮工程师完成代码考古，解释一段老代码究竟在做什么，找出代码之间的勾稽关系，判断一个改动可能影响哪些位置。

如今，很多企业在使用workbuddy过程中，思路被进一步打开，IT部门可以把修改代码的工作拆开：一个Agent负责改，一个负责查，一个负责测，另一个提示工程师如何审查、哪里最关键、出了问题如何恢复。

人仍然要负责判断，AI则负责把大量查找、比对、排错和测试工作提前做完。

据我所知，在数字化最难触及的化工行业，agent也在逐渐铺开。能源企业现在也能把agent用出了不错的效果：

过去，遇到一次安全告警，需要逐个通知多个部门，再按照各自流程往下走。现在，AI可以在告警发生后自动组织相关人员，把他们拉进同一个协同群组，并由不同的智能体分别负责监控、溯源和信息广播。原本「用流程找人」，变成了「让人围绕事件协同」。

我还听说在电解铝行业，也有类似探索。过去，炉体出现明显问题后才停产维修，往往就成了长耗时大修，带来产值和材料成本的损失。过去发现隐患后，需要层层汇报，到处找人，但这么一耽搁，小问题就继续恶化。后来，企业通过传感器持续采集电压、槽温、针振、摆动等数据，系统分析指标变化，agent按照风险等级把预警推送给相应负责人。

以前是人找隐患，现在是隐患主动去找人了。以前，需要人来记住规章制度，记住对口的办事员，还要记住他们的在岗、值班情况。现在，AI能压缩这个路径，让事务，直达经办人。

从中，我们可以窥见，Agent从个人提效走向组织提效的变化。

这类实践说明，AI并不天然与安全生产冲突。它可以持续监测设备，捕捉人工难以保持注意力时的异常趋势，也可以减少高危环境中的人员暴露，让信息更快抵达真正负责的人。

制造业的Agent落地并不靠「全盘接管」。它先从查找、理解、提醒和辅助执行开始，把人从大量繁重的中间工作中释放出来。人仍然负责判断、验证和最后把关。

03 企业级Agent的生命力在于开放连接

汤道生在演讲中提到，企业落地Agent最大的障碍，不是模型能力不够，而是断点太多。企业需要把人、工具、系统和数据连接起来，让大模型理解业务上下文，真正进入工作流程。

Context（上下文） is everything，腾讯的开放战略，正是围绕这种「上下文」展开。

腾讯集团副总裁、腾讯云CTO王慧星说，WorkBuddy面向企业级服务的定位是一个开放平台，向内融合企业微信和腾讯办公生态、向外兼容第三方IM和企业自有业务系统；客户不用推倒重来，可以在现有的办公体系上平滑升级，让Agent拿到干活需要的上下文。

企业原有的ERP、MES、CRM、OA、财务软件和工业系统，不需要整体推倒重来，可以通过MCP、API和Skill逐步接入WorkBuddy。员工提出任务后，Agent在授权范围内完成跨系统取数、报表生成、会议纪要整理、任务分发和经营分析。

这种连接和开放还体现在模型层面，企业可以使用混元，也可以通过TokenHub调用DeepSeek、GLM、MiniMax、Kimi等主流模型，根据不同任务选择合适的模型。难能可贵的是，腾讯不强制捆绑自家模型，坚持开放模型选择，企业不必因为使用WorkBuddy，就被绑定在单一模型上。

办公工具也被整合进同一套体系里。汤道生演讲中发布的Buddy One，以WorkBuddy为工作台，整合腾讯文档、腾讯会议、腾讯网盘和ima等工具。过去，员工需要分别打开文档、表格和演示软件，通过修改、发送文件完成协作；现在，用户可以直接提出任务，让Agent调用不同工具完成工作。

于是，会议里的共识可以进入任务，AI生成的内容可以由团队共同修改和验收，最终可被沉淀到知识库中。

WorkBuddy还与企业微信连接。员工可以像和同事对话一样交办任务，授权Agent读取沟通、文档和会议记录，并把结果发回企业微信。企业不必更换全部办公系统，也不用把多年积累的数据重新搬到另一处，原有数字资产可以在权限范围内成为Agent理解任务的依据。

这种开放兼容和把复杂功能整合封装为一体，都是为了尽可能把一家企业的全部数字资产进行最大化「盘活」。

盘活呆资产，是第一要务，安全也是。汤道生说：「安全不让位于效率，创新才能走得更远。」

对于制造企业来说，开放并不意味着没有边界。Agent代表谁、可以访问什么、能够执行什么操作，都需要纳入企业统一的身份和权限体系。腾讯提出的「行为可控、过程可溯、数据可管」，对应的是企业最现实的安全需求：高危操作直接拦截，运行过程全程留痕，敏感数据受到保护，出现误删或错误操作时能够恢复。

面对制造业这块最难啃的骨头，现在我看到了一个成熟完备的生态，以及一套行之有效的AI策略，已然在市场上获得越来越多的信任，相信不用太久，企业级AI的价值，最终就在这些细小却真实的变化里，逐步普及开来。

*本文如有提及上市公司，仅作为研究交流用途，不构成推荐股票或相关金融产品的建议。

​