重工业制造的数智化与AI未来如何迭代?三一集团一直是值得研究研究的案例。
2022年10月,我曾写过一篇关于三一重工数字化转型的深度报道《3年投入超150亿,三一重工的灯塔征途》。文章发出后,也在三一集团官方公众号的得到转发。
三年过去,AI时代来了。三一走到了哪一步?制造业的数字化遇到了什么新问题?这些问题在2025年10月11日晚有了新的答案。
我关注到深圳IT部落主持人大智与三一集团CIO许国强进行了一场2小时的直播。许国强分享了关于AI与制造业的真实思考和IT实战经验。我把这次访谈的核心内容梳理出来,分享给关心制造业AI数字化的朋友们,仅供交流。
许国强的职业轨迹很清晰:曾在IBM做开发,阿里做数据分析,华为实验室研究算法与产品,2022年进入三一集团。职场18年时间,他完成了从代码编写者到数字化战略制定者的转变。
直播中,许国强认同一个判断:IT组织未来会变成第二个HR组织。逻辑很直接——当AI可以处理大部分重复性工作时,IT人员的核心任务就是训练数字员工,让每个岗位都配上AI助手。这不是比喻,是三一集团正在做的事。
他分享了两个场景。第一个是售后服务:以前服务人员需要根据设备型号、故障现象查阅大量技术文档;现在拍张照片,AI就能从设计数据、制造记录、历史案例中找到问题和解决方案。第二个是外观检测:一台设备下线后的质检,以前需要40分钟人工检查,现在通过摄像头和大模型,几分钟完成。
他直言制造业数字化AI的困难。数据基础薄弱是第一道坎。互联网公司天生就是数据驱动,制造企业很多流程还停留在纸质或Excel阶段,数据质量参差不齐。物理世界的复杂性是第二道坎。从一块钢板到一台挖掘机,涉及九大工艺环节,每个环节都与物理设备深度绑定,传感器采集、实时反馈、设备联网,这些都需要大量投入。
访谈中有个细节值得注意。许国强谈到,三一集团在2022年十一期间组织全员学习DAMA(数据管理知识体系),目的是统一话术——什么是主数据、什么是参考数据、数据模型怎么定义。这看起来是技术培训,本质上是组织变革。因为数据治理不仅是IT部门的事,也是业务部门的事。研发管物料的一部分属性,采购管另一部分,如果概念不统一,系统再先进也没用。
安全合规是另一个容易被忽视的问题。三一的设备遍布全球,不同国家对数据采集、存储、使用的法规完全不同。沙特要求设备数据必须本地存储,美国港口禁止使用中国设备,原因就是担心数据泄露。所以三一启动了"一国一策"项目,每个海外项目立项时都要通过数据隐私合规评审。这不是技术问题,是法律问题、政治问题。
对于IT人的焦虑,许国强的回答很现实。他承认开发人员会大幅减少,因为辅助编程工具越来越强。他自己在今年2月有个触动:需要做项目评估,以前要写代码处理数据,现在用大模型生成Python代码,几分钟搞定,而且质量很好。但他认为这不是坏事,是倒逼IT人升级。升级的方向只有一个:与业务融合。
他反复强调一个观点:IT人员不能只是技术提供者,要成为价值创造者。什么是价值?能量化的业务成果。不是上线了多少系统、写了多少代码、解决了多少bug,而是合同审核效率提升了多少、生产良品率提升了多少、成本下降了多少。做不到这一点,IT部门就只能是成本中心。
访谈持续了两个小时,涉及的话题很多:数据治理怎么做、AI项目怎么落地、短期收益和长期价值怎么平衡、新员工怎么招、现有员工怎么培养。但核心就一句话:AI时代,IT人要么与业务深度绑定创造价值,要么被AI替代。
这不是危言耸听,是正在发生的事。
三一集团今年校招已经取消了"软件开发工程师"岗位,改成"AI工程师"。职称评定增加了AI知识考试,不通过就没有申报资格。组织在变,岗位在变,评价标准在变。
许国强的分享没有太多宏大叙事,更多是具体问题的具体解法。但这些解法背后,是一个千亿级制造企业在AI时代的真实探索,也是一个从业18年的IT人对行业变化的冷静判断。
许国强,图片源于网络,经Sora风格化处理
以下是部分访谈实录,经润色处理:
主持人: 传统企业搞数字化转型,基础设施可能做得不够好,数据也没梳理清楚,又要投入很多钱买硬件、网络设备,但投入很多钱又不能马上见到价值。所以很多时候IT部门被认为是成本中心。怎样让IT的价值能够被企业高层或业务部门看得见?
许国强: 这是个非常现实的问题。不仅是制造企业,任何企业的数字化价值都过于隐性。首先要把隐性价值做到显性,显性的方式就是量化。
以前说数字化带来效率提升、成本下降,很多时候很难量化。特别是把业务搬到线上,业务人员可能觉得工作量增加了,效率更慢了。但我们要考虑短期价值与长期价值的衡量关系。
我在阿里的时候,阿里作为互联网原生企业,把IT团队定义为业务中心,不是成本中心。每个团队都能创造业务价值。我一直给团队灌输这种理念:数字化团队一定能创造业务价值。如果不能与业务一起把价值量化出来,那就是IT部门没有做到位。
你的衡量标准不能是上线了多少系统、开发了多少代码、解决了多少问题,那样肯定会变成成本中心。与业务共建的时候,做的任何项目、任何产品,都要面向价值导向。
现在AI时代更好了。以前是信息化,把业务搬到线上,容易搞成两张皮。现在全员都在思考AI能带来什么帮助,IT与业务一起从技术上赋能。业务想出来的价值肯定不是实现什么功能,而是对业务带来什么价值——比如合同审核效率提升了、生产过程中良品率提升了、问题被发现了。
比如我们有个场景,以前需要40分钟检查整机外观,现在通过摄像头和大模型,几分钟就能检查出来。这时业务就能切身感受到IT与业务的结合,不会把你当成成本中心。因为我们做的效率提升、成本下降、模式创新,都有量化的经济价值来衡量。
简单说就是:千万不要以上线产品数、功能数作为衡量价值的产出,一定要与业务共同看业务价值来衡量。
制造业的数字化AI转型也面临很多挑战。
主持人: 在工作中有没有使用AI的经历,可以分享一些具体案例吗?
许国强: 分两个层面分享。第一是在企业里,我们在各个领域全员提出了1000多个想法,在一些场景上落地了。
比如售后服务场景。三一是集团型企业,有多个事业部——挖机、起重机等,每个事业部的产品不同,服务人员需要的技能也不一样。现在通过拍照,能够快速从设计、制造、以前的服务案例中检索到问题在哪里,快速诊断,甚至从产品说明中找到维修方法。这样对服务人员的专业能力要求越来越低,把更多专业知识沉淀到知识库里,通过大模型快速挖掘出来。
制造型企业一直以来最大的问题就是老师傅的知识经验没法传承。隐性知识要显性化。老师傅几十年的制造经验、诊断经验很难传承,现在刚好能运用起来。
还有外观检测。车生产完后需要检测外观,以前要人拿着清单一个个看,现在通过摄像头,车开过去就拍下来了,快速就能诊断出来。
我个人来说,在华为的时候就开始研究AI能力,包括GPT2.0时代。但那时只是研究没什么用。今年DeepSeek出来后,我发现已经离不开它了。我的任何方案,包括今天这种交流,都会用DeepSeek帮我看一看,任何方案都让它帮我诊断一下。所以今年过年回来后,差不多一周时间就把DeepSeek私有化部署起来,快速用起来。
主持人: 在引进AI技术到研发、供应链管理或其他核心业务环节时,遇到的最大阻碍是什么?怎么克服的?
许国强: 不仅是AI项目,数字化项目在制造企业面临的基础比较薄弱。我们要解决数据治理、业务在线的问题。
三一现在有两项重要工作:AI是一个,还有一个是业务数据实时反馈。任何项目推进,首先要保证业务在线,同时保证业务执行过程实时反馈。这是基础。
第二个问题是,做项目时很容易把价值目标识别不出来。感觉这个东西要做,做了后对体验可能有提升,但很难量化。
传统企业经常遇到的困惑是:大家很难把价值讲清楚,或者量化出来。以前强调建设,不强调运营,现在要把价值体现在运营期。项目在运营期价值体现出来了,这个项目才能结项。
所以结项时在立项时就要想清楚,项目的价值是什么。以前立项时大家都想功能——这个功能也要、那个功能也要,变成大而全。实际用起来时,有些功能可能一年也没用过几次。
立项时就要想清楚:这个功能对业务带来什么帮助?不是说有这个功能可以用,而是用了后,对某个业务价值一定带来改善。
还有一点,要快速取得成绩。不能传统瀑布式开发搞一年,到年底项目风险已经很大了。一年累积下来的风险,项目组很难主动暴露,到一年后已经积重难返,无法快速调整。
所以过程中要做好管控。比如一年的项目,第一个月、第二个月一定要取得阶段性成绩。这个成绩既能鼓舞团队士气,让成员有成就感,也能为项目建立良好基础…