引子：老板们问得最多的一个问题
这一季跑下来，被制造业老板问得最多的一句话是："你说的AI落地，第一步到底该干什么？"背后的现实很普遍：不是不想动，是不知道第一脚踩在哪。上一套大系统，几十万上百万，怕打水漂；雇一个AI团队，找不到人，也养不起；看了一堆文章视频，感觉都对，回到自己工厂还是不知从哪下手。
答案其实只有一个词：智能体。本篇把它展开成一套"落地第一步"的范式，并配一张成熟度阶梯，帮读者判断自己卡在哪一级。
一个反差很有意思：一边是各类厂商把智能中台、大模型平台包装得眼花缭乱，卖给企业；另一边，大量中小企业连一个具体岗位上的智能体都没真正跑通。问题的症结，往往不在技术，而在顺序。很多人把上系统当成了第一步，砸钱买平台、建团队，结果系统面前是一堆想不清楚的岗位，自然推不动，最后又多了一个吃灰的摆设。本文想把这层顺序颠倒过来：制造业AI落地的第一步，不是上系统，而是做一个能用的智能体。后面会配一张成熟度阶梯，帮你判断自己卡在哪一级。
一、智能体是AI落地的最小单元
很多人把智能体想复杂了。它没那么玄——就是你给AI设定一个角色、给它一些知识、让它帮你干一件具体的事。一个能回答设备故障代码的质检助手，一个自动统计产线日报的数据员，一个帮你查库存状态的小助理，都是智能体。它不是一套系统，是一个"数字员工"：你给它一个岗位，它干一份活。
对中小企业尤其实用，因为智能体的三个特点是制造业最熟悉的做事方式——投入小、见效快、风险低。做一个最基础的智能体，用现有工具就能搭，不用写代码，不用买服务器；觉得好用再加功能，不好用扔了也不心疼。这正对应了本栏第03篇FDE的轻量化逻辑：先有拐点，再谈体系。
二、落地成熟度：四级阶梯
把制造业AI的落地切成四级，能清楚看到"第一步"落在哪：
- L1 单点工具
Excel、看板，人操作软件。这是绝大多数工厂的起点，谈不上AI，只是数字化。 - L2 能用的智能体
给AI一个岗位，干一件具体活。投入小、见效快，是真正的拐点。 - L3 系统编排
多智能体协同，嵌入业务流程。此时才谈得上"上系统"。 - L4 能力中台
经验资产化，跨场景复用。对应本栏第02篇能力单元论的经营能力中台。
现实中多数工厂卡在L1，少数摸到L2，能走到L3/L4的往往是已有数字化底子的头部企业。拐点L2之所以关键，是因为它第一次让"AI"从一个预算项目变成一个岗位——而岗位，正是能力单元论（第02篇）分析的最小颗粒度。换句话说，L2不只是一个技术台阶，它是后面所有方法论（能力单元、FDE、物理AI）能落地的支点。
关键拐点就在 L2。先有"能用的智能体"再谈系统——而不是反过来。大量失败案例的共性，是先砸钱上L3/L4的系统，结果连L2的一个具体岗位都没想清楚，系统成了摆设。
三、为什么"先系统"是误区
反例很典型：先上几十万的大系统，怕打水漂；雇AI团队，找不到人、养不起。问题不在系统本身，而在顺序——系统是用来"编排已经跑通的智能体"的，不是用来"从零孵化AI能力"的。当L2的一个个岗位被验证，系统才有被编排的对象；否则系统面前是一堆空白岗位，自然推不动。
这也解释了为什么自上而下"推行"AI往往失败：太多老板把AI当成"要上的系统"，买软件、搞培训、设KPI。但真正发生的行为改变，常常是自下而上、不知不觉的——一个质检员发现视觉AI比自己盯着强，一个仓管发现AI算库存比Excel快，他们没写"AI战略"，却已经"被AI原生"了（见本栏第06篇）。你越自上而下推，越容易推成摆设；越给它自然生长的空间，越容易长进产线里。
四、怎么迈出第一步：从一个真实问题切入
"做能用的智能体"不是口号，有可操作的入口。六场大会配套的企业智能体开发工作坊给出了范式：资深导师带着学员，从最基础的角色设定、知识库搭建、指令调试开始，半天做出一个能跑通的原型。有学员接入自己工厂的设备手册，做出设备故障诊断助手，能回答"E002故障代码是什么意思""这个报警怎么处理"——这就是一个L2智能体的最小样本。
方法论上，起步只需三步：① 选一个高频、痛点明确、可回查的真实业务（如月度经营分析、专项报告编制、项目验收资料核查）；② 给AI一个清晰岗位和一份知识（手册、规则、历史数据）；③ 要求产物能被第三方回查（带证据、带版本、带审批）。做完这三步，你不需要关切几十万的项目，只需要面对一个真实问题。
制造业能立刻开做的四类智能体模板
六场大会的工作坊沉淀出四类制造业可直接套用的智能体模板，正好都落在L2拐点：① 质量类——接入质检标准与缺陷图，初判不良并出报告，半夜不用再发微信给老板说不良率又高了；② 设备类——接入设备手册与报警代码，做故障初判与维修建议（如回答"E002故障代码是什么意思"）；③ 库存类——接入ERP/仓储数据，回答"压了多少死库存""下周到料是否齐"；④ 排产类——接入工单与产能，做粗略排程与瓶颈提示。四类共同特点：岗位单一、知识明确、可回查——这正是L2智能体该有的样子，也是它"投入小、见效快、风险低"的底气。
自下而上 vs 自上而下：为什么推行常常推不动
为什么"先系统"的误区总在发生？根子在推行方式。自上而下——买软件、搞培训、设KPI——把AI当成"要上的系统"，结果常常推成摆设；自下而上——一线自发发现视觉AI比人准、AI算库存比Excel快——没有写"AI战略"，却已经"被AI原生"了（见本栏第06篇）。前者是反复被提醒的陷阱：你越自上而下推，越容易推成形式；越给自然生长的空间，越容易长进产线。智能体作为L2拐点，恰恰最适合自下而上——它小到一个人就能动手，不需要组织级动员。
智能体不是银弹：L2拐点的两个前提
智能体不是银弹，L2拐点有两个常被忽略的前提。其一，"人能把活说清楚"——若业务本身都说不清（如高度非标定制、每次都不同），先做L1的数字化与数据治理更现实，强行上智能体只会产出"听得懂指令但干不对活"的空壳。其二，智能体需要知识库喂养——没有干净、可追溯的数据，智能体只是个没有记忆的对话框。换句话说，L2不是从零开始，而是站在L1（数据）的肩膀上。这也解释了为什么六场大会反复强调"先有数据、再有智能体"。
五、与其它范式的关系
"做能用的智能体"是落地第一步，它前面需要场景思维审题（第01篇），旁边需要能力单元论定颗粒度（第02篇），后面需要FDE把方案送到现场（第03篇），底层需要物理AI守住规律（第04篇）。它不替代任何一块，却是读者最该先动手的那一块——因为拐点在L2，不在L4。
信源注：核心论点引自王甲佳《企业做AI，第一步不是上系统，是做一个能用的智能体》（无锡篇03、东莞篇03）；工作坊案例（设备诊断助手、E002故障代码）出自同文及六场大会实践记录。
浙ICP备19053024号-1
