科技智东西··AI 生成
50万份文档、6万名员工：WPS如何把AI真正送进制造业一线？
金山办公高端制造业总经理于叶舟博士指出，企业AI落地制造业的核心卡点不是模型能力，而是能否读懂企业数十年积累的文档、数据和隐性经验。文章通过中船动力、黄埔文冲、奇瑞等案例，详细阐述了WPS如何通过文档解析、数据治理（DataHub）和技能沉淀（Skill）三大支点，将企业上下文工程化，使AI真正融入研发、生产与决策流程。对于关注AI在实体产业落地的决策者与从业者，这是一篇有具体案例和商业逻辑的深度参考。原文 ↗原文 ↗
核心观点
- ▍企业AI成功落地的核心挑战并非模型能力，而是将企业数十年积累的文档、业务数据和隐性经验整理成AI可理解、可持续调用的'上下文'，这是一项需要长期投入的工程，而非一次性技术选型。
- 01中船动力拥有近50万份研发制造核心文档，且存在多网区隔离，WPS通过解析其非结构化数据并建成'知识产线'，实现了文档版本追溯与协同效率提升。
- 02黄埔文冲将200余本船舶设计规范建成AI知识库，设计师查询英文规范的时间缩短60%以上，专业软件操作指引复用率达到80%。
- 03奇瑞基于WPS 365建设的企业知识体系CheryGPT，已支撑4000多个数字员工应用，AI系统管家使IT问题解决时效提升30%，全年节约成本超3000万元。
- 04金山办公副总裁王冬提出，企业做AI首先要寻找'足够有价值、足够有难度'的业务，而制造业的复杂性在数据、系统、安全三方面集中暴露。
- 05WPS DataHub被比喻为'中央厨房'，通过预先定义数据对象、指标和计算规则，让AI能理解诸如'某事业部H2的靠谱业绩'这类包含内部语义的查询。
- 06黄埔文冲一位资深焊接老师傅退休前，其凭'感觉'判断焊接参数的隐性经验，通过WPS Comate的反向提问被沉淀为一个可复用的Skill，新人可据此减少踩坑。
- 07制造业企业决策层对AI的态度已从'要不要做'变为'在哪里做、能产生多少价值'，民营制造企业尤其明显，从今年开始出现'一号位工程'、全员Token消耗统计等现象。
反方 / 局限
- — 于叶舟承认，企业AI的ROI在落地前往往难以完全算清，'让老板相信这笔钱打水漂的概率更小'是甲乙双方需要共同回答的问题，暗示了当前阶段对企业AI投资预期管理的挑战。
- — 文章强调WPS不做大模型、不卖云，专做'上下文工程'。虽然这塑造了其差异化定位，但也隐含了其AI功能的上限高度依赖第三方模型能力，且企业数据治理工程本身成本高昂、周期长，并非所有企业都具备立即投入的条件。
11 分钟 · 5 卡片 · 11 资料
读原文 →前置背景
应用场景
平行视角
未来推演
延伸追问