屿鸢科技走进星桥街道：企业AI落地，到底难在哪？

9月10日下午，星桥街道办事处四楼会议室，"OPC赋能·AI驱动"特色产业发展座谈会。

近40位企业家到场，服装、宠物、汽车、具身智能都有。作为专业支撑单位，浙江省科技创新企业协会带来了 OPC 专委会的专家团队，我是其中一个分享人。

开场我没直接开讲，先让大家扫码填了一份匿名问卷。后台词云实时出来：17 位填写者里，7 位高频用 AI，10 位还在尝鲜。

跟我之前预期的差不多。多数企业用 AI，还是你问一句它答一句，查个资料。

这场分享的主线，就是回答一个问题：企业 AI 落地，到底难在哪？

01 多数企业还停在"聊天"

AI 落地分三个阶段。

第一阶段叫"聊天"——你问它答，查资料、写文案、改邮件。现在大多数企业在这。

第二阶段是"调用工具"——AI 能接上下文、能查你们自己的数据、能动手做一步。

第三阶段是"生产级"——它对一段工作结果负责，不只是生成一段文字。

我的判断很直接：AI 已经能替企业干活了，但多数企业还不知道怎么用它干活。

02 AI 这三年：从 ChatGPT 到 Agent 元年

为什么是现在？三个变化叠在一起。

2022 年 ChatGPT 发布，大模型第一次进大众视野。2023 年国内大模型跟上——文心一言、通义千问、豆包，AI 在国内普及。

2024 年两个关键技术改变走向：RAG 让 AI 能调外部语料，企业落地成为可能；MCP 和函数调用让 AI 这个"大脑"有了跟外界协作的接口。

2025 年初 DeepSeek 让 AI 第一次大规模出圈，那一年叫 Agent 元年——从"回答问题"走向"做事情"。到今年，Agent 真正进了企业生产环境。

为什么是现在？三个原因：

1. 模型变强了。 字节视频生成模型已到生产级，DeepSeek 复杂推理强、成本更低。
2. 工具变通了。 MCP 相当于给 AI 配了手和脚，能跨系统调工具。
3. 成本降下来了。 豆包企业版一个月一百来块，差不多是一个实习生一个月的工资。

模型、工具、成本三个约束同时松开，企业 AI 落地才真的有了可能性。

03 能力边界：AI 擅长什么、不擅长什么

讲落地之前，先把边界讲清楚。

AI 擅长五件事：阅读理解、写作创作、分析总结、对话问答、识别判别。文字、图片、视频这三类信息，处理能力已经很强。

AI 不擅长五件事：物理操作、复杂创意与情感、承担法律责任、100% 准确保证、行动力。

它不能帮你打包发货，不能替你背责任，给的建议只能参考，最后决策还在人。

它智商很高，但没有行动力。行动力要靠外部工具补齐。

知道边界在哪，才知道劲往哪使。

04 四个绕不开的概念

企业要用好 AI，绕不开四个词。

大模型——一个刚毕业的 985 大学生：聪明、学习快、潜力大，但需要有人教它怎么干活。

Agent——和传统 AI 的区别，是能不能"做事情"。传统 AI 是 1V1 对话，答的是公网上的通用知识；问到你们公司的私人数据，它答不出来。Agent 有四个能力：感知、拆解、行动、记忆——能听懂意图，能把复杂问题拆成几步，能调工具查数据发消息，还能记住企业信息，越用越聪明。

Skill——说白了，就是把老员工的经验显性化。老员工和新员工差在哪？差在经验。经验怎么来的？两个词：标准、多次重复。符合标准、多次重复，就成了技能。把老员工的技能写出来，新员工照着调，就能做出一样的东西。Skill 的价值，是让企业的隐性经验变成人人可调用的显性资产。

MCP——它解决"数据散落"的问题。多数企业数据散在不同系统里：钉钉一套、企微一套、飞书一套，生产有 MES，服装有补货系统，电商有各平台后台。系统越多，数据越碎。MCP 就是把这些系统接口打通，让你通过一个 AI 入口，调用所有系统的数据。

这四件事凑齐，AI 才能从"聊天"走向"生产级"。

05 落地就三种类型

结合服务客户的经验，企业 AI 落地就三种类型。

第一种，知识问答型。 建一个企业专属知识库，AI 做客服、员工问答、产品咨询、政策回答。背后是 RAG——给 AI 配一个你们公司的资料库，它回答的全是你们自己的信息。

第二种，数据分析型。 评价分析、销售报表、质量检测、信息提取。比如电商差评分析，AI 自动把用户抱怨归类找出痛点；比如工厂质检，拍一张照 AI 识别工艺缺陷，异常直接预警。

第三种，流程自动化。 跨系统协同、自动审批、项目管理。早上起来挨个打开抖音、淘宝、拼多多后台查数据——这些重复动作，AI 可以一次完成。审批规则设好，常规审批自动通过。

06 案例：AI 在不同行业怎么落地

我重点讲了两个。

岚图——东风旗下新能源品牌，全国 2000 多家经销商门店。新品上市传统做法是四层培训：总部训大区、大区训经销商、经销商训门店，信息到一线已经变形。我们用 RAG 把新品资料放进 AI 知识库，一线销售直接问 AI，回答快还统一，培训周期大幅缩短。

海豚宠——宠物行业，最大痛点是包材管理。前端市场文案一改，后端库存、生产、供应商全要跟着动，前后端不同步，库存压力直接变损失。用多维表格 + AI 字段 + 自动化流程，把入库、出库、盘点全链路打通，前端一改，后端实时同步。

其他几个一笔带过：柳工用知识库把经销商换零部件周期从三个月缩到两个月；东风康明斯把老师傅质检经验萃成语料，工人拍照 AI 判断，2 分钟变 10 秒；安克创新用飞书做舆情监控，产品迭代明显加快；影视飓风用飞书多维表格搭内容生产体系，一条线走完热点洞察、选题、脚本、生成、干预。

这些案例有一个共同点：先把企业自己的数据整理清楚，再让 AI 去调。数据是 AI 落地的地基，地基没打，模型再强也白搭。

为了让企业看得懂、学得会，我现场演示了一遍：从创建知识库、导入文档，到创建智能体、关联知识库，再到提问测试，三分钟搭出一个企业问答助手。台下有位做直播电商的企业负责人说，自己已经在用 Agent 和 Skill 开发工具，"这个确实简单"。

从哪开始？按规模来

至于第一步从哪迈，我的建议是按企业规模：

• 20 人以下微型企业——先用免费工具解决内容创作和客户回复。
• 小型企业——搭一个知识问答型 Agent，接住客服、员工问答、产品咨询这些重复工作。
• 100 到 500 人中型企业——内部协同成本几何式上升，优先做数据治理和标准化，再上流程自动化。

顺序反了，容易白花钱。

写在最后

这场座谈会最可贵的地方，是它没有停在"听"上。台上讲的是 AI 的发展阶段、能力边界和落地路径；台下对接的是真实需求、靠谱团队和下一步的调研时间。10 余家企业当场和专家团队交换了联系方式，约定了上门调研。

有位做具身机器人的老板散场后拉着我们聊了很久，说："终于有人把 AI 讲明白了。"

其实我们想说的就一句话：AI 不是 PPT 里的概念，是明天就能开工的工具。

模型会迭代，工具会更新，但"企业出题、专家解题、平台搭台"这件事，会一直做下去。

如果你也在琢磨企业 AI 怎么落地、从哪里起步，欢迎来找我们聊聊——哪怕只是先问一句，也随时欢迎。