文 | 划重点 KeyPoints，作者｜伊新阳
养猪业连亏超 10 个月，一头猪最多亏 400 多块。行业寒冬里，佛山一家 50 人的养猪设备公司却在逆势获客。完全不懂代码的老板刘文，带着非技术出身的实习生，用 AI 重写自家卖了十年的软件。
不仅是小企业，全球最大的生猪养殖企业牧原，也和阿里云共建养猪大模型，将老兽医的疾病诊断经验提炼出来，实现了一秒出结果，并铺设至 1000 多个猪场。
当我们把目光从科技大厂的芯片、模型、智能体移开，投向传统行业时，会发现他们拥抱 AI 的速度远比想象中快。
最近，我们和传统行业的十多位从业者聊了聊，记录下了其中五个人的真实故事。他们中有在佛山卖了十多年养猪耗材的小企业接班人，有毕业于上海交大、试图把老师傅的工艺知识编译成代码的创业者，也有入职头部制造企业、用 AI 把月底对账时间从几天缩短至半天的兰大毕业生。
他们的故事拼凑出了一幅中国传统产业拥抱 AI 的微缩图景，向外界揭示了 AI 落地的核心阻力不是技术，而是老师傅、老客户与老规矩；而AI 在产业落地中最有价值的环节，是把人的经验剥离出来，沉淀为企业的数字资产。
最大的阻力是部门墙与老规矩
无论是估值千亿的巨头，还是几十人的小厂，传统行业数字化的底座往往极不完善，数据环境的脆弱程度也常常超出想象。
2023 年，王鹏在上海交大工业工程系读大二时，跟着系里的项目走进了一家估值 1600 亿的制造企业。对方最头疼的问题是排产，而王鹏也在这里第一次见识到了中国传统制造业真实的数据废墟：MES（制造执行系统）里记一些数据，ERP（企业资源计划系统）里记一些数据，拼在一起根本没法直接分析。大量核心业务环节的流转，依然只能依靠老师傅的个人经验，而这种经验正是老师傅们安身立命的根本。
厂里流传着一句话：没有老师傅就不行。
在走访多家头部制造企业后，他得出了一个无奈的结论：全行业的结果数字化勉强及格，而过程的数字化基本上等于零。
大厂面临数据割裂，小企业的数据则更为脆弱。2024 年夏天，刚接手公司不久的刘文登录公司使用了十年的 ERP 系统时，发现系统已被黑客攻破。这家在佛山开了 22 年、主营输精管和 B 超等猪用耗材的企业，一夜之间失去了十年的财务数据、账目、订单以及二十多年攒下的客户往来记录，最后和同事找了很久，只剩下一沓纸质打印件。
而比数据孤岛更难打破的，是横亘在部门与职权之间的组织高墙。
从兰州大学人工智能专业毕业的王同学，入职一家头部制造企业后，迅速用大模型重做了部门里最耗人的财务对账工作。每到月底，几个人要加两天班，将系统导出的表格与供应商发来的单子一行行核对。他将整段流程拆解为标准动作，接上大模型，做成 SOP 化的智能体工作流，同样的活现在半天即可跑完。
然而，当王同学试图将这套能大幅提效的工具推广到隔壁部门时，却被对方组长一句话挡了回来。理由是：流程改了风险很高，核心业务横跨多个部门，牵扯到复杂的绩效考核、预算分配和权责划分，这些全在普通员工的权限边界之外。王同学意识到：个人的手再快，也快不过组织，安全的做法是跟着部门节奏来。
正如信通院《数据要素发展报告（2025 年）》所指出的困境：72% 的中小企业认为数据治理成本高于收益，65% 缺乏专业人才。
刘文去北京参加了一场 AI 大会试图寻找答案，看完反而更加清醒了，" 很多华而不实的东西。现在大部分人搞的那些作品，只是给个人提效，并不能给整个组织提效。" 他说。
真正拦住 AI 的并不是模型本身。模型是现成的，花钱就能用，难的是模型够不着的部分：数据需要人一条条理出来，客户需要人逐个去教会，而错综复杂的跨部门流程，更需要老板亲自拍板才能调动。
微观提效比推倒重来更现实
在撞了南墙之后，有人开始转换打法：不碰复杂的顶层战略，专挑当下最痛、最具体的一个业务切口，用极低的成本迅速跑通闭环。痛，意味着效果最容易被看见、被衡量；成本小，意味着试错成本低。
刘文的尝试，从业务最前端的获客开始。过去，这家猪用耗材企业获客高度依赖每年两次的行业展会，单次参展成本高达 30 万，平摊下来单个客户的获客成本约为 1500 元。
2025 年 2 月，春节刚过，刘文在某协同办公平台上搭建了第一个内容农场。他设定好产品和卖点，让 AI 批量生成 20 条文案并合并输出，充多少钱就能跑多少条。紧接着，他引入了审核机器人，直接接管了过去需要三道人工审核、最终全压到他头上的公众号发稿流程，现在只需写清要求，机器人就能直接改稿发布。
通过 AI 产出的内容矩阵和 IP 号，公司每月能稳定获取 30 个新客户，获客的边际成本趋近于零。今年 3 月，这套新媒体业务的月营收达到了 20 万至 30 万，全口径 ROI 顺利回正。在同行因猪瘟等大环境因素悄然收缩预算、老客户悄无声息消失时，刘文利用极低的试错成本，等于在所有人踩刹车的路段，一个人踩下了逆势扩张的油门。
这种微观提效，正在传统行业的各个角落发生。当大模型的聚光灯打在硅谷的算力中心时，最鲜活的落地场景却出现在县城的中学、工程机械租赁店和街头的苍蝇馆子里。
中部一座县城中学教物理的赵老师，一人带三个班，最让她心累的不是上课，而是备课。过去，为了演示一个抽象原理，她要在网上翻找半天，找不到合用的动画只能截图拼 PPT，晚自习后还要熬夜两个小时。今年，她用上了教师 AI 工具，只需用一句话把教学目标说清楚，系统就能直接生成可拖拽、能调参数的交互课件，备课时间瞬间砍掉了一半。同样的工具上，昆明一位老师输入一句 " 帮我生成一个无人机飞行控制系统的原理动画 "，几分钟后就拿到了能切换五种飞行模式的 3D 课件。在这场变革中，老师正从一遍遍讲课的重复劳动者，跃升为教学应用的设计者。
在县城做工程机械租赁的孙老板，经营着 3000 万年营收的夫妻店，其中 2500 万来自几个大客户。一个人身兼销售和调度的他，算一个 10 万块的小订单报价需要考量车型、操作员、油费、距离和作业折价，因为忙于服务大客户，长尾小单常常流失。行情转冷后，谁都丢不起小单。今年，他请人搭了一套 AI 报价系统，小客户在微信上问价，几分钟就能出报价单，手机里攒下的未回询价一条条都有了下文。
甚至连做本地生活代运营的公司，也摸索出了独特的 AI 手感。这家服务各个城市餐饮小店的公司，高峰期一天需要出两三百条短视频文案，而写得好的运营寥寥无几，人成了最大的瓶颈。接手的工程师没有让 AI 去硬套僵化的模板，而是把老运营脑子里的经验拆解为 " 门店类型、主推菜、活动、卖点 " 等字段，一条条喂进生产流程。开夫妻小馆的老板们根本不需要懂 AI，他们的生意，实际上已经泡在了 AI 生成的内容里。
把人的经验，沉淀为组织的数字资产
当局部的效率飞轮转动起来后，省出来的时间和看得见的效果，会自动把 AI 推向下一个环节，向更深层的核心业务渗透。
从今年 1 月算起，刘文在各种 AI 订阅和充值上的花费加起来不超过 6000 元。他将摸索出的 AI 手感进一步扩大，借着 ERP 被黑客攻击的契机，没有急着修旧系统，而是将公司全盘搬上云端，数据全部沉淀进协作平台。不仅如此，他甚至常常在洗澡到一半时冒出想法，出来就交给 Codex 验证代码，与同样不懂代码的实习生一起，更激进地重写了公司卖了十年的养猪场管理软件。
交大创业者王鹏，则将复制经验做成了标准化的 To B 服务。他与十几位交大硕博团队创业，推出面向制造业的 AI 决策系统，其核心逻辑就是将专家经验、工艺机理与现场数据编译为可计算的工业状态。用他的话说，这门生意像给毛坯房做精装，" 客户以为买的是家具，但施工队进场第一件事，其实是改水电 "。
在一家造船企业客户那里，这套系统彻底改变了过去靠 Excel 管理、物料未备齐就开工、最终利润归零的乱象。系统进场后，每条船的下线率提升了 30%，相当于将总产能硬生生拔高了三成。如今，他的客户群体扩大到约 50 家中小型企业。但黄科超也坦言，系统部署只需几天，真正落地却需要三个月，" 慢的部分全在人身上 "。
目前，许多传统企业对 AI 的认知依然存在巨大的偏差与错位。今年年初，一位药企老板向刘文请教 AI 落地，结果刘文发现对方已经花了 30 万购买 RPA 工具，甚至还计划再砸几十万上新系统。刘文听完直言 " 非常离谱 "，指出其业务实际安排一个人去做就能完事。部分找上门来的兄弟企业老板，甚至期望 AI 全知全能，开口就要 AI 直接包揽出图、写文、剪视频等全套宣传工作。
资本市场的狂热与一线水温形成了鲜明的反差。根据 RBC 资本的一项 CIO 调查，90% 的公司计划在 2026 年增加 AI 投入；BCG 的调查也显示，82% 的 CEO 对 AI 回报比一年前更加乐观，仅有 6% 的企业打算在不见回报时缩减投资。
然而，高投入并不必然带来高回报，多数企业仍在用粗暴的预算代替精细的判断力。一位制造业 AI 服务商透露，有企业花费 5 万元购买某款办公 AI 产品，半个月后就因 " 老板抱怨连声响都没听到 " 而停用。在各类名校的 AI 总裁班里，能传授的只有 AI 的知识，却教不会用 AI 落地的 " 手感 "。
在刘文看来，企业真正该做的事情只有两件：第一，别花钱盲目上系统，控制预算；第二，由老板亲自下场落地一个项目，并在组织内部选拔出那个看起来最平平无奇、但最会用 AI 的老员工，来带领团队前行。
在动辄以千万级别预算起步的信息化时代，传统企业往往望而却步；而在大模型时代，机构调研的数万家企业平均数据，往往掩盖了一线真实发生的剧变。
麦肯锡的调查显示 88% 的企业已在常规职能中使用 AI，但 MIT NANDA 报告却指出仅有约 5% 的试点带来了可衡量的损益改善。在这 5% 的背后，正是一批像刘文一样没有大额预算的行动派，用几千元的订阅费和自身时间，蹚出了 AI 落地的路。
和我们交流的传统行业从业者，拥抱 AI 后已经开始有了效果。王同学到月底不再需要连加两天班对账；赵老师备课的时间砍掉了一半，甚至全校快退休的老教师都反过来向这位年轻人请教如何使用新工具；孙老板过去顾不上的小单，如今全部接盘；而老运营敏锐的营销直觉，也变成了机器可读取的字段。
过去几十年，工业与商业的经验必须高度依附于人，老师傅退休，手艺便失传，人走茶凉；而今天，随着 AI 技术以前所未有的速度下沉，老师傅的手艺正在变成跨越周期的向量化数据。这是人类商业史上第一次，经验真正意义上脱离了肉身，成为了组织持续运转的数字资产。
文中王鹏、刘文等为化名。
