一、一个在微软待了 19 年的人，被工厂打回现实

智用开物创始人管震在微软待了 19 年，做过物联网、工业互联网，也参与过 OpenAI 在微软的工程化，几乎经历了中国数字化转型的完整周期。让他印象最深的，反而是十年前一次泡工厂的经历——带着"技术老兵前来布道"的姿态去，被现场的复杂程度教了一课。

这个反差正好解释了行业困境：技术在进步，工厂的真实约束却没变。

二、判断：AI Agent 该做的事在产线之外

当大多数 AI Agent 还在处理办公、代码和客服时，这家公司把 Agent 做成"虚拟工厂员工"——排产员、报价员、设备维护工程师。这些岗位的共同点是：不上产线，但决定产线怎么跑。

它的落地方式是"四步上岗、半小时用起来"——也就是不要求工厂先做数据治理、先上中台，而是从单个岗位的具体动作切入。

三、为什么这个切口比"智慧工厂"聪明

十年前的做法是先建平台，再想场景，结果平台建好了没人用。反过来从一个人的一个动作开始，反而能跑通。

• 成功标准清楚。报价快了多少、排产冲突少了多少，当天就能看出来。
• 不依赖全厂数据打通。先用手边能拿到的历史单据和台账。
• 人可以在环。Agent 出建议，老师傅确认，错了也不会直接伤到产线。

四、资本为什么愿意押

今年 3 月，智用开物完成近亿元天使+轮融资，除老股东瑞枫资本，创享投资以及战略级客户立讯集团家族办公室及高管团队也在股东名单里。这是它过去一年里的第三笔融资，创始人称很快会完成新一轮。

值得注意的是"战略级客户"入股这件事：制造业客户愿意投，通常意味着它已经在自己的厂里跑出了可衡量的结果——这比任何 PPT 都有说服力。

五、给制造业数字化从业者的三条提醒

• 别从"平台"开始，从一个岗位开始。选一个每天都在重复判断、且有历史数据可查的岗位。
• 把老师傅的判断写下来。Agent 要学的不是设备参数，是"这种情况下我们一般怎么办"。
• 先量结果，再谈推广。一个岗位跑三个月，把工时和差错率摊开看，再决定要不要复制。