图1 中国制造业的主要特征
这个落差落在工厂里，就是那些不稀奇却难解的日常：工程师对着几个版本的BOM逐行找差，采购员反复打电话确认哪批料真的缺，老师傅退休，一身手艺跟着人走……
这些活儿大多不在产线上，也很少写进报表，却真切地拖慢着中国制造。
如今，AI智能体让这些顽疾有了别的解法。近日，腾讯研究院、腾讯云与WorkBuddy联合发布《迈向自适应制造：制造业智能体实践白皮书》，系统回答了制造业怎样把智能体从一件具体任务，做成一个岗位、一个组织能稳定使用的能力。
中国制造业正处在由大到强的关键关口，硬件产能与规模全球领先，但向高端升级仍面临三个核心卡点。
● 一是硬强软弱。2025年我国工业软件产品收入约3330亿元，占制造业增加值（34.7万亿元）不到1%；全球云计算市场中SaaS占比为42%，中国只有16%。大量企业的日常经营仍依赖传统本地系统、Excel甚至手工表单。
● 二是系统割裂。全国规模以上工业企业开展数字化改造的比例已达89.6%，但近59%仍处在数字化基础级及以下——大企业的系统越上越多却越难连通，数据孤岛林立；中小企业则普遍底子薄，核心生产管控仍以人工为主。
● 三是经验断层。一线员工老龄化加深，大量不写在手册里的关键判断依赖老师傅，经验难以转化为组织资产，还常随着老师傅退休一并流失。
图2 中国制造发展的机遇、挑战和AI的价值
由此可见，中国制造业不缺设备，缺的是把数据与经验变成可运行决策的能力。
能力怎么补？白皮书的答案是，不能只让AI停留在知识问答的阶段，要让智能体完成一次三级跃迁，成为懂规矩、能干活的数字员工。
第一级，知识问答，帮人获取信息；第二级，办公助手，帮人完成工作；第三级，数字员工——接任务、进系统、交付结果，真正承担岗位职责。制造业需要的，正是站上第三级的智能体。
从“能对话”到“能上岗”，中间隔着一套工程方法。腾讯在自身实践和服务企业中，形成了一套三层工程范式：场景+实证+复利。场景工程先选对战场——选有价值、可行的任务，规则明确、数据拿得到、结果能验证的环节，才值得先上；实证工程负责建立信任——拿真实任务和真实数据反复跑，而不是用挑好的样例自证；复利工程负责放大价值——把跑通的技能、规则、模板打包成资产，一次投入，反复调用。
图3 智能体的三阶段跃迁
至于落地节奏，则遵循三级进阶：任务级、岗位级、组织级。任务级是砖，岗位级是墙，组织是楼。一砖一墙垒上去，智能体的价值就从一个个具体任务，累积成整个组织的能力。
方法行不行，账本说了算。白皮书走进产品工程师、工艺工程师、采购、销售、服务、管理、职能等七个岗位，记下了一笔笔明白账。
先看抢时间。BOM换版核对，人工逐行比对要3-5小时，智能体约0.5小时完成，原本1-2天的周期当天就能出清单，异常行逐条拦截；管理层经营复盘，人工投入从3-4小时降到0.5小时，急单端到端响应缩到15分钟。
再看防风险。采购齐套核查，智能体能分辨真缺口与伪缺口，一次核查从0.5-1天压到约1小时，缺料风险提前约2天暴露。等停线才发现缺料的日子，可以提前结束了。
还有控质量。工艺工程师的SOP升版校验，智能体按依据版本、关键参数、作业要求、检验频次、异常处理五个维度自动校验，一次升版的人工投入从2-3天降到约1小时，当天完成升版送审，偏差还能自动关联历史异常记录。
单点提效之外，更有说服力的是把智能体“串成楼”的企业。
珠海天威飞马探索“一个人就是一个部门”（OPD）的新范式，沉淀了50多个应用场景，全部流程由业务骨干亲手搭建，IT团队只做技术陪跑。效果直接写在账上：包装标签校核的人工投入从每月244小时压缩到约5小时，提效48倍；单份标书编制从36小时降到4小时。
广州视声智能把文章做在了经验上。面对上万种PCB材料，将多维度采购评价从人工2天缩到半小时，提效约96倍。更关键的是，管理者的供应链经验被蒸馏成每月自动运行的组织级AI规则，经验第一次不再随人走。
烟台富美特则把专业知识沉淀为可复用AI能力，验证了智能体赋能行业服务平台的全新可能性。AI负责标签审核信息提取与风险提示，交由专业人员终审；研发链路借助AI实现全流程提速；法规与风险数据处理从1周缩至1天，报告周期缩减50%，数万条每日新增数据可自动完成结构化整理。
当智能体能干活、能协同、能沉淀之后，一个更长远的问题浮现出来：制造系统能不能像一个有机体，从自动化迈向自适应？
过去几十年，自动化解决的是“造得快”：把人的动作、技能固化为程序，产线按预设流程高速运转。但遇到程序之外的突发变化，往往需要停机人工调整，换产往往以天为单位。
而自适应制造，追求的是系统的自我感知、判断、执行、反馈闭环。在划定的边界之内，面对临时插单、物料波动、规格变更，系统自主完成调整，实现换产不换线、改规格不停机，主动应对不确定性。
但自适应的终点不是无人，而是受控的自主。不是把工人全部赶出车间，而是权责重新分配。常规、重复的执行交给系统，人负责设定目标、划定安全边界、处理异常兜底，实现“人在环上”的人机协同新模式。
自适应制造不会一夜到来，它会沿着办公→生产、岗位→组织、数字→物理三条路径循序渐进推进。今天大量落地实践集中在数字办公、岗位信息处理场景，未来才会逐步向产线物理世界延伸。
过去几十年，中国制造解决了“造得出”，自动化解决了“造得快”，而智能体要解决的，是“会判断”。
判断从哪里来？从被记录的数据里，从老师傅的手艺里，从一次次真实任务的打磨里。
这份白皮书没有许诺一夜之间的智能工厂，它只回答了一个更朴素的问题：明天上班，哪件事可以先交给智能体？
这个问题的答案越多，自适应制造就离我们越近。
