字数：约3600字 | 阅读时长约9分钟

9月16日，三亚，一场企业数字化的年会上，美的集团副总裁兼CDO张小懿讲了一组数字。

美的官方口径的智能体数量是272个，由集团组织变革沉淀而来。

但还有另一个数字：员工在自己岗位上"手搓"了1.9万个智能体，也在系统里跑着。

272和1.9万。前者是"官方编制"，后者是"民间自发"。

真正值得琢磨的，是这两个数字之间的差距。

▪一、为什么美的敢"激进"

先说说美的是怎么被评价的。

在那场年会的闭幕对话里，钛媒体联合创始人万宁说，美的这两年的AI策略，在大型企业里算是走得比较"激进"的。

张小懿的回应很有意思。他没有否认"激进"，而是解释了底气从哪来。

他说：美的十几年数字化积累下来的判断、数据逻辑和规则都在那里，AI的不确定性被框在边界里，出不了乱子，这是整个Agent工程的底座。因为有了这个基础，才敢"激进"。

这个"底座"不是虚的。

美的连续11年入选《财富》世界500强，2026年排在第231位。过去八年，研发资金投入超过1000亿元。在全球，美的有超过400家子公司、41个研发中心、43个主要制造基地，业务覆盖200多个国家和地区。

在制造端，美的已有8家灯塔工厂。它旗下的美云智数，做了10年数字化，服务2600多家客户，参与打造了14家灯塔工厂。

这些数字拼起来，才是"敢激进"的真实含义。

AI不是从零开始建的，是长在原有数字化底座上的。

很多企业上AI，是先买模型、再想场景，最后发现数据不通、流程不通、权限不通。美的是反过来的——先有十几年的数据逻辑和规则，AI进来的时候，是"有边界的"。

"边界"这个词很重要。AI的不确定性，如果落在没有规则的真空里，就是风险；如果落在清晰的规则里，就是效率。

这就是"敢激进"的前提。

▪二、智能体在工厂里长什么样

讲了这么多"底座"，可能还是有点抽象。看看具体的工厂，会更清楚。

先看国内。

美的洗衣机荆州工厂，是一个多场景覆盖的智能体工厂。那里已有十余个智能体，覆盖38个核心生产业务场景。原来人工要花小时级才能完成的任务，现在智能体可以做到秒级响应。

再看海外。

美的空调泰国工厂，是家电行业首座海外灯塔工厂。工厂的"大脑"集成了13个智能体，覆盖25个核心业务场景，部署了72项AI与数字化解决方案。

效果如何？工厂年产能超过500万台空调，订单全流程周期比行业平均缩短43%，26天就能把产品送抵全球客户。

在压缩机上线工序，生产节拍从15秒压缩到9秒，效率提升超过40%。单条产线每年可节约海外用工成本3万美元。

仓储环节用上自控系统后，库存准确率达到100%，同等占地面积下，仓库空间利用率提升40%。

还有一个细节：面对台风预警，工厂大脑能立刻生成应对方案，协调600多家本地供应商响应物料补位，并重新安排拖车提柜计划。35个供应链关键节点的实时信息，都在中央控制中心的大屏上跳动。

这些场景里，智能体做的不是"聊天"，是"干活"。它们嵌在排产、质检、物流、供应链的具体环节里，替代的是原来必须靠人盯、靠经验判断的动作。

从荆州到泰国，这些工厂里的智能体有一个共同点：解决的都是"确定性"问题——排产、质检、物流、节拍。这类场景规则清晰、数据充分、结果可验证，是AI最容易出效果的地方。

反过来说，这也提醒管理者：别一上来就挑最难的场景。先在最确定的地方把AI跑通，攒下信任和数据，再往复杂场景走。

▪三、1.9万个"手搓智能体"意味着什么

再回到那1.9万个。

这个数字的意义，不在数量，在来源。

272个是集团层面组织变革沉淀出来的，是"自上而下"的。1.9万个是员工在自己岗位上做出来的，是"自下而上"的。

后者才是真正稀缺的东西。

因为它说明一件事：AI能力已经下沉到了业务一线。不是IT部门在做AI，是业务部门自己在做。

一个懂业务的人，知道自己的痛点在哪、流程卡在哪、哪一步最费时间。当他把这些痛点变成一个个小智能体，AI就真正进入了业务的毛细血管。

这也解释了为什么"手搓"能出1.9万个——因为一线最知道哪里疼。

传统的信息化项目，是IT部门调研需求、开发系统、业务部门被动使用。而"手搓"的逻辑是反过来的：谁最懂业务，谁就自己动手。

组织能力的形态，在这里发生了变化。

▪四、美的做对了什么

但"放开"不等于"放任"。1.9万个员工自建的智能体在系统里跑，如果没有管理，很容易变成一团乱麻。

美的的做法是三件事。

第一，建统一平台。张小懿为此建了一个统一的智能体开放平台，统一的知识管理、统一的数据管理，信息安全兜底。用他的话说，让大家"敞开来试，怎么试都不出乱子"。

第二，设安全底线。信息安全兜底，意味着放开的是"创新空间"，守住的是"风险底线"。员工可以自由探索，但数据不能乱流、权限不能越界。

第三，给激励通道。美的把"手搓智能体做出成绩的人"晋升为"智能体专家"。

第三点最值得说。

一个新能力出现的时候，组织最容易犯的错，是"让马儿跑、不给马儿吃草"。员工花自己的时间做了个智能体，帮团队省了事，但考核里没有这一项，晋升里看不到这一条——那这件事就撑不了太久。

美的把它变成了一条职业通道。这意味着，做智能体不再只是"额外的活"，而是一种被组织认可的能力。

有平台、有底线、有出口，这三件事凑齐，自下而上的创新才可能持续。

这里其实有一个更深的组织命题：当一种新能力在组织里自然生长出来的时候，组织的制度能不能接住它。

很多企业的新能力，都死在这个环节上。业务一线冒出了好做法，但没有平台承接、没有权限开放、没有评价通道，最后变成一阵风——热闹一阵，然后消失。

美的做的三件事，本质上是给新能力修了三段路：平台是路，安全是护栏，晋升通道是出口。三段路修好了，活力才留得住。

▪五、算得清的账，和算不清的账

讲到这里，好像是个很成功的案例。但张小懿讲了一句很实在的话。

他说，他还有烦恼：有些领域跑得不够快，有些账也没有算得那么清楚。买Token买卡的钱回来了，但人和业务投进去的时间，还没有回来。

这句话，比前面所有的成绩都更有价值。

因为它点出了AI转型里最容易被忽略的一笔成本：人的时间。

买卡、买Token是显性成本，财务报表上看得到，投了多少、省了多少，能算。但员工花在"手搓智能体"上的时间、业务部门反复试错的时间、组织磨合的时间——这些是隐性成本，报表上看不到，但真实发生。

美的算得清硬件的账，算不清人的账。这不是美的问题，这是整个行业的普遍状态。

对管理者来说，这句话是个提醒：评估AI投入产出的时候，别只看采购成本，要算上组织投入的隐性成本。

反过来，如果一笔AI投入，账面收益回来了，但占用了大量一线时间，那这笔账到底划不划算，还得再想想。

▪六、不只是美的

美的遇到的问题，也是行业的共同课题。

IDC的数据显示，中国工业企业应用大模型及智能体的比例，已从2024年的9.6%提升到2025年的47.5%。一年时间，翻了近四倍。

政策端也在加码。2026年1月，工信部等八部门发布《"人工智能+制造"专项行动实施意见》，提出到2027年推出1000个高水平工业智能体、打造100个工业领域高质量数据集、推广500个典型应用场景。7月，工信部又发布《"小快轻准"数字化产品和服务培育指引》，鼓励数字化产品深度融合人工智能技术。

2026年，被业内称为"工业智能体落地元年"。

但行业整体还处在早期。新华社旗下机构的一篇报道指出，工业智能体"规模进厂"仍存现实挑战：中小企业信息化水平参差不齐，生产数据还依赖纸质单据或零散的Excel表格，智能体缺少学习"原料"；通用型智能体很难适配千行百业千差万别的工艺规则；"既懂工业流程、又熟悉AI算法"的复合型人才匮乏。

这些挑战，恰恰反过来说明美的那"1.9万个"有多难得——它建立在十几年数字化的底子上，不是每个企业都能直接复制的。

对国企来说，这里还有一个额外的变量：国企的数字化基础差异很大。有的集团已经建了统一数据中台，有的还在填纸质单据。同一条AI路径，落在不同的底子上，效果可能天差地别。

所以，与其比较"谁上了多少智能体"，不如先看清自己的底座在哪一层。

▪七、给国企管理者的三个提醒

第一，先有底座，再谈激进。

美的敢激进，是因为有十几年数字化的底座。国企如果数据还没打通、流程还没理顺，直接上AI，很容易"激进"变"踩空"。底座的厚度，决定了AI的容错空间。

第二，给自下而上的创新留通道。

1.9万个"手搓智能体"的价值，不在于省了多少事，而在于证明了组织里有一批懂业务、愿意动手的人。这类人需要的不只是鼓励，而是平台、权限和晋升通道。制度不接住，热情就会散掉。

第三，把"人的时间"算进成本。

AI的显性成本好算，隐性成本难算。评估一个AI项目时，除了采购和运维，还要算上业务部门投入的时间。这笔账算清楚了，才知道哪些投入是真划算的。

▪结语

272和1.9万，这两个数字放在一起，讲的其实是同一件事的两面。

272是组织能力，1.9万是员工活力。前者靠顶层设计，后者靠一线自驱。

美的的做法，是把这两者接了起来——用平台兜住底线，用通道接住活力。

至于那笔"算不清的账"，它提醒我们：AI转型从来不只是技术投入，更是一次组织投入。技术账好算，组织账难算。

难算的，往往才是决定成败的。