2025年春节前，笔者将从事机器绣花业务的萧总和从事AI研究的广州易玖信息科技有限公司的方总拉了一个微信群，探讨AI设计与绣花的结合。但因节前匆忙，双方没能见面深聊。大年初九，笔者与萧总一起去到方总办公室，交流探讨AI如何赋能绣花业务。

  方总详细向萧总了解绣花行业的情况和需求，调用大模型的图像解决能力，不断生成服装、服饰的绣花设计，制作出令人惊叹的绣花作品，欧洲风、印度风、阿拉伯风、日本风、中国风等各种风格层出不穷。最后，他还生成了一组基于绣花作品的时装，精美绝伦。

  萧总十分感慨，认为AI与制造业深层次地融合已不是设想，而是现实。30年前，萧总创办了广东海帝隽绣东方实业股份有限公司，从事机绣绣花业务，产品常用于时装、床上用品、家居服的装饰等。如今，企业已成为行业的隐形冠军。

  萧总认为，传统中国工艺美术偏重工艺，缺乏对于艺术审美的提炼，缺少艺术作品的想象力与时代表现力。同时，传统工艺也面临受工业化挤压和传承的问题。他一直希望将传统绣花工艺与现代数字化生产技术相结合，创作出更显立体、均匀、生动、具有艺术表现力的当代绣画作品。

  这几年，他一直思考企业的转型，本来计划将机绣与艺术创作结合，实现从制造到艺术创造的跃升。接触AI设计后，他的整个思路都被打开了。他觉得，对企业而言，AI可以助力数字化转型与全面升级，促成企业商业模式转变，促成企业形成新的战略并解决企业传承等问题。

  AI与制造业场景的线年，围绕ChatGPT及其对人类未来影响的探讨层出不穷，产业界也在思考AI与产业融合的未来。广东省中小企业发展促进会（下称“促进会”）组织过多场研讨会与培训班，希望联合专业队伍打造AI与制造业的融合场景。但总体上，效果还是差强人意，大家感觉还是雾里看花、图个新鲜。

  西门子成都工厂的单位人工成本是德国安贝格工厂的1/4，但产品缺陷率反而更低。这个反差的根源在于供应链的响应速度与技术的扩散效率。西门子成都工厂供应商的平均交货周期为48小时，德国为120小时。中国中小企业3个月内可完成AI工艺的适配，德国需12个月以上。中国制造业的竞争力，已从“低成本制造”转向“高弹性生态”。

  与此同时，技术协同的共生效应也在陆续显现。在广东企业数字化链式改造的模式中，有突出贡献的公司（如美的）向中小企业开放AI质检算法、能耗优化模型等技术模块，中小企业则反馈产线数据反哺算法迭代。这种双向赋能使美的供应链整体缺陷率下降40%，中小企业的平均获客成本能降低28%。广东省工信厅多个方面数据显示，参与链式改造的中小企业，其AI技术应用效率比孤立改造的企业高3—5倍。

  在长三角与珠三角的竞争中，江苏的化工、浙江的轻工与广东的电子制造形成差异化生态。一旦哪个地区的中小企业建立了对AI技术的快速消化能力，就能形成快速响应的速度优势，进而形成区域竞争力。例如，东莞手机产业链通过500家中型EMS企业（电子制造服务商）的AI化改造，将新品试产周期从45天压缩至7天，这是深圳华为、OPPO等品牌商敢与苹果比拼发布节奏的底气。

  中小企业的生态优化将是AI时代的终极战场。中国产业的竞争力，本质上取决于中国制造业的生态，中小企业不是巨头身后的追随者，而是生态活力的源泉。未来，区域竞争还将是“AI技术深度×生态协同密度”的复合函数，技术深度决定单点高度（如算法精度、算力规模），而生态密度决定应用广度（如数据流动性、技术扩散速度）。

  在与方总交流后，萧总首先考虑到的是成本问题。尽管方总讲，DeepSeek出现后，企业本地化部署的成本将大幅度的降低。但萧总仍有很多担心，如AI发展迭代快速，DeepSeek能否一直领先，企业如何跟进？导入AI后，企业内部管理出现变化，如何基于AI调整组织，如何建立基于AI的新战略？

  促进会推动企业研发降本项目就遇到了类似情况。很多企业高管的第一反应是觉得不可能，一方面这是惯性认知使然，另一方面还有一亩三分地容不得别人进来的考量。推动企业数字化，企业效率高了；用数据做决策，中间传递信息做决策人的作用就没了；将管理知识封装在系统，管理人员的重要性就会降低。这一些都会挫伤管理团队参与企业数字化及智能化改造的积极性。而一线员工对AI系统操作存在畏难情绪，普遍缺乏基础的数字技能，如数据录入、参数调整等，导致设备利用率低下甚至弃用。

  二是观念认知问题。很多人认为企业AI是“成本中心”而非“战略投资”，倾向于维持传统生产模式，认为“机器换人”或“数据驱动”是虚概念，不如购置设备或扩大产能实在。有的企业拒绝引入AI工艺优化系统，认为老师傅的经验比算法靠谱。结果，竞争对手通过AI动态调参将良品率提升了12%，该厂订单份额在2年内流失35%。

  在传统科层制的组织架构下，各部门的绩效指标割裂，如生产部考核产能、采购部考核成本，缺乏数据共享激励机制。此外，绩效考核仍以产量、成本等传统指标为主，员工使用AI优化流程将没有办法获得实质奖励，缺乏参与动力。传统的管理模式容易扼杀新技术的灵活性，线性的管理流程也无法适应AI驱动的实时决策需求。

  AI模型训练需要深度的工艺知识，但中小企业缺乏数据标注与模型调优能力。而目前市场上的服务产品以AI与人力资源、市场营销、广告设计结合的模块为主。很难有数字化团队能够通晓企业管理的所有模块，并将其全部贯通。召开经营分析会议时，企业还要人工对数字进行再分析，数字化的效率大打折扣。若企业内部的数据不齐全或者数字不连贯，又影响企业的AI化。

  纵然障碍重重，但作者觉得还是能从多个角度入手，打好产业AI化的核心战。

  二是企业内部建设。企业要将数字化与AI建设视作发展的战略方向：要建立适合AI发展的组织与文化，推动企业从“管控型组织”转向“敏捷型生态”；可以在企业设立“数字化决策委员会”，赋予一线员工基于AI建议的微决策权；推行“AI技能认证+绩效奖金”绑定政策，将AI操作熟练度与工资等级挂钩；设立“知识工程师”岗位，负责AI模型与工艺经验的对接；重建商业协作文化，通过“数据共享积分制”，奖励跨部门数据调用行为；推行“知识贡献积分制”，将员工经验上传量纳入绩效考核；鼓励员工共同建设企业智能体。