速读：当一个行业先行者愿意放下已有成果，去拥抱新的可能，一个制造业智能化转型极具代表性的产业故事，跃然眼前。
三件事，重解“从订单到交付”真正打动三花智控的，是知微行易技术路线的稀缺性。
在他看来，当下企业做AI的最大误区，是还在用“机械论”的老脑子，去解决大模型时代的新问题——要么迷信“数据必须先做到99.999%准确才敢开始”，迟迟不敢动手；
知微行易重写了企业软件的底层表达方式，将全部业务规则转化为人和机器都能读懂的语言。
知微行易是用AI时代的方法论。
这一幕，正发生在中国最 优秀的一批制造企业身上。它们并不缺系统——ERP、MES、PLM、CRM、SRM、APS、MDM，国际和国内的头牌产品该上的都上了；核心业务全面在线，流程标准化、审计留痕，全球化经营与合规都有了支撑。以信息化的任何一把尺子来量，这都是一张漂亮的答卷。但正因为答到了高分，新的课题也随之显现：数据被完整地记录了下来，却还没有被充分地用起来——它们更多是业务运行的留痕，而不是能被随时调用、直接参与经营决策的资产。上一程把数据装进了系统，下一程要让数据自己动起来。这不是“哪家企业没把信息化做好”的问题。恰恰相反，它是那些已经把信息化做到极 致的成熟龙头，共同撞上的下一道天花板。而更让管理层坐不住的是另一重可能——这一轮AI，对手若先跑通，就是一次弯道超车；自己先跑通，则能和同行拉开一个身位。三花智控正是其中的典型。作为市值超千亿的精密制造龙头，它的信息化在业内长期被当作学习对象：十余套业务系统大多出自国际一流厂商，ERP、PLM、CRM、SRM一应俱全；IT1.0 阶段的重头戏，是把OTD（订单到交付）这条主干流程系统性地贯通了一遍。也正因为走在最前面，三花智控更早看清：单纯把流程线上化的传统架构，已无法支撑全球化多厂区、多品类柔性生产的长期需求。要让数据从“被记录的系统输出”变成“能被直接调用的经营资产”，必须搭建一套深度理解业务、可持续自主迭代的AI底层基础设施。于是，风向标一幕出现。投资界获悉，三花智控已与知微行易正式签署战略合作协议，共同推进其面向AI时代的智能化升级。而大多数人的第 一反应是好奇：一家成立仅六年的上海初创公司，凭什么拿下一家千亿龙头的信任票？一笔标杆订单落地“缘起其实很偶然。”知微行易首席技术官黄晓辉向投资界聊起。这份渊源始于2025年中。当时，知微行易创始人谢少毅在一次行业技术分享会上做演讲，三花智控董事长张亚波就坐在台下，对这套AI原生架构产生了浓厚兴趣。随后，双方启动了第 一个试点——在工厂落地面向蓝领工人的iHR。值得一提的是，iHR并不是又一个独立系统，而是MES向“人”这一侧的延展：把工厂里“机器·工序·物料”的实时调度逻辑，复用到“人员·技能·班次·调动”上，将生产环节里的工人、班次、技能、工时一并打通。知微行易很快完成交付，AI原生能力得到有效验证，试点效果远超原有的传统系统。信任渐渐生长起来。与此同时，三花智控的产能、营收、利润持续稳步增长——2025 年实现营收约310亿元，同比增长10.97%；这家龙头的主业版图，也从家电、汽车零部件逐步向新能源、AI机器人等新兴产业延伸。业务在长，系统也早已齐备，企业上下对“智能化”的要求随之抬高。三花智控对IT2.0的定义相当清晰：要建的不是更多系统，而是一支24小时工作的数字员工团队——人负责创造，Agent负责执行。围绕这个定位，三花智控提出了三个战略目标：让数据资产真正成为核心竞争力，通过2.0革命性地提升组织与人，以及最朴素也最重要的一条——这场转型只能成功，不能失败。路径同样务实：不追求一步到位，而是分两个阶段有序铺底。第 一阶段是试点，跑通之后，再进入第二阶段，向集团其他业务板块复制推广，并把更多Agent场景逐步扩展开来。而市场上多数服务商给出的方案，是多套异构系统的简单拼接，依靠人工做大量集成适配，完全匹配不了千亿集团的复杂运营诉求。经过多轮技术与落地能力的综合评估，三花智控最终选定知微行易作为集团底层服务商，组建专项驻场小组，攻坚OTD全链路重构。这样的合作在业界并不多见。毕竟对制造企业而言，“从订单到交付”是最核心、也最复杂的一条主流程，牵一发而动全身。更值得强调的是，这一次要解的题，和IT1.0完全不同。知微行易首席科学家彭俊松反复提醒，不要把它理解成“再把流程梳理一遍”，也不要纠结于单点的排产、排班。真正的分野在于：三花的信息化本就足够成熟，知微行易要做的，不是把它当成一个“交易系统”再优化一遍，而是用一种全新的智能化方式，去重新求解OTD这个庞大的管理问题。当一个行业先行者愿意放下已有成果，去拥抱新的可能，一个制造业智能化转型极 具代表性的产业故事，跃然眼前。三件事，重解“从订单到交付”真正打动三花智控的，是知微行易技术路线的稀缺性。彭俊松博士深耕企业数字化近三十年，完整经历了四代AI技术迭代。在他看来，当下企业做AI的最 大误区，是还在用“机械论”的老脑子，去解决大模型时代的新问题——要么迷信“数据必须先做到99.999%准确才敢开始”，迟迟不敢动手；要么走向另一个极端，以为“给老系统套一层大模型外壳”就完成了智能化。他打了个形象的比方：这类改造如同给黑盒系统刷一层外墙，AI仅能调取表层数字，却看不懂底层工艺与管控逻辑，一遇到混线排产、跨厂区调度这类复杂场景，极易失效。这也是市面上绝大多数工业AI方案的通病，烂尾案例比比皆是——有企业开发了数万个智能体，最后能用的只剩几百个；有的做了上百个，最终全部推倒重来。深谙制造业智能化转型的核心症结，知微行易选择从底层重写工业软件的构建方式，把制造业的知识、流程与经验，转化为AI可理解、可推理、可执行的“工业AI基础设施”。这也正是公司名字的由来：“知微”，是看清车间里那些细碎却致命的管控痛点；“行易”，是用底层技术把复杂的数字化改造真正简化落地。整套技术体系层层递进，由三大核心底座构成。首先，把黑盒变白。传统工业软件的代码、流程与业务规则深度耦合，如同密闭黑箱。知微行易重写了企业软件的底层表达方式，将全部业务规则转化为人和机器都能读懂的语言。比如系统可以直接告诉一线员工：检测到供货时序断档，已自动匹配线边安全缓存，建议触发排序器——和屏幕前的人，同频共振。其次，把大系统拆小。传统ERP、MES体量庞大，全盘替换成本与风险双高，这也是多数制造企业不敢大刀阔斧改造的核心顾虑。知微行易把厚重封闭的传统系统，拆解为2000余个可独立复用的iPBC，每个模块承载单一标准化业务能力，支持自由组合、单独迭代。比如面对海内外工厂的生产节奏差异——国内车间三班运转、海外厂区单班生产——模块化智能体可快速适配差异化约束，无需重构整套系统，大幅降低智能化的试错成本，让数字化从一次性的大型工程，转变为可持续迭代的长期工程。这也正是“先试点、再推广”能够成立的技术前提。最后，让它们说同一种语言。大型集团多厂区、多供应商并行，各系统对物料、工序、设备的定义标准割裂，各类智能体“各说各话”，数据孤岛长期难以根除。知微行易以低侵入的方式，依托本体论搭建全域统一语义底座，覆盖财务、供应链、仓储、人力全职能，统一行业基础标准，实现跨主体智能体的秒级协同交互，同时规避通用大模型的数据幻觉，保障生产、财务等核心场景的决策稳定可追溯。依托这套底座，OTD链条上的每一步，都可以由智能体协同完成：订单自动派工、缺料自动提醒、进度自动跟踪、异常自动处理——真正实现的，是订单自己从头跑到尾。一个工业AI突围样本如果说白盒化、模块化、语义底座是支撑整套工业智能体系的坚实地基，那么真正拉开知微行易与同行代差的，是建立在底座之上的“模数共振”。通用大模型只具备大众化常识，难以理解制造业场景里层层叠加的现实约束。彭俊松举了一个生动的例子：一船货发往洛杉矶，半路遇上港口罢工，通用大模型只会简单建议改港西雅图，完全忽略远洋改港的实操成本、航线拥堵风险、客户交付时限等产业现实。由此可见，制造企业真正需要的，不是照本宣科的标准答案，而是深耕产线数十年沉淀下来的专属工艺与供应链经验。这类核心产业知识，只能沉淀在企业自有的数据体系内。梳理市面上的外挂式AI方案，本质是把企业核心工艺、经营数据上传至公有通用大模型，企业无法留存专属数字资产。而知微行易通过“模数共振”的逻辑，推动企业私有产业数据、独 家工艺知识与私有化垂类小模型深度耦合、双向激活，依托AI原生底座驱动全场景应用落地，完整打通“数据→模型→应用”的闭环。如此一来，原本沉睡在各系统里的零散数据被充分盘活，垂类模型持续吸收企业专属经验、不断迭代优化，AI应用则依托二者输出贴合生产现实的可执行决策。数据不再是静态存档的记录，模型也不再是脱离产业的通用工具，二者共振共生，沉淀出同行无法复制的专属工业智能能力。更深远的价值，藏在资产盘活里。知微行易的统一语义底座，能打通全球多家工厂的数据壁垒，让大量长期积压、无人运营的冷门产品和闲置库存，被AI重新识别、激活。行业数据显示，这类工业AI改造，平均能带来3.7至10.3倍的投资回报。这也解释了，为什么一家千亿龙头愿意和一家初创公司签下战略合作——比拼的从来不是团队规模，而是谁真正握着通往下一程的方法论。在知微行易的合作名单上，除了三花智控，还有宁波华翔，以及十余家央国企和汽车零部件、高端装备、能源领域的头部企业。目前，公司年收入已超2亿元，积累了30余家500强客户，身后站着凯辉基金、博润资本、华兴资本等一众知名机构。下一个十年的分水岭放眼行业，几乎人人都在谈工业AI，可多数企业依然停在原地。彭俊松给出一个略显紧迫的判断：留给制造企业调整底层架构的黄金窗口，大约只有18个月。未来十年，企业之间的差距不会体现在“有没有上AI工具”——像Copilot这样的通用工具，谁都买得到，走在前面的企业甚至早已全员铺开——而在于选了什么样的底层架构。继续走外挂大模型、零散堆砌智能体的老路，只会长期陷在反复改造、持续返工的内耗里；而选择语义底座、多智能体、白盒自治一体化体系的企业，能够持续沉淀独有的工业知识资产，形成同行难以复制的竞争壁垒。“智能化从来不是一个短期的信息化项目，而是企业底层运营逻辑的重构，一步选错，可能永 久丢失产业竞争机会。”彭俊松提醒。回望过去数十年，中国制造在软件层面一直跟着海外巨头的路径走，所谓本土的数字化改造，大多是在别人搭好的地基上修修补补。知微行易正在尝试的，是用AI时代的方法论，重新定义工业软件的构建方式，为中国制造铺一条属于自己的跑道。正如彭俊松所笃信的：“中国是全世界最 大的制造业大国，制造数据都在中国。用中国的产业数据，一定能创造出最 大的价值。”我们正在亲历着这一幕。文章来源：投资界原创 ｜ 作者：
周佳丽
原文地址： https://news.pedaily.cn/202609/568586.shtml
主题：系统|三花智控|知微行易|业务|信息化|流程|智能化
