几秒后，回复弹出：问题原因、影响范围、解决步骤、负责人，完整清晰。过去这类问题需要拉会、对数据、逐个确认，至少需要半小时。现在，答案是即时的。
" 长超小福 " 不是新员工，而是北汽福田流程与数字化部协同长沙超级卡车工厂，依托飞书多维表格和 OpenClaw 技术框架，为工厂量身打造的 AI 智能体。2026 年 4 月，它在飞书 AI 先锋大赛先进制造专场决赛中，从 73 家企业的 146 个方案中脱颖而出，拿下全国冠军。
比奖项更有意义的，是它已经在产线上跑了半年。
1000 张表的前传
制造业 AI 落地的第一道门槛，从来不是模型有多强，而是数据能不能被读懂。
商用车制造是一个重资产、高协同、强安全的赛道。北汽福田长沙超级卡车工厂要同时生产轻卡、重卡、客车、专用底盘等 200 多种车型，且按照订单进行柔性化生产。前一辆是城市轻卡，后一辆可能是重卡，装配工艺、零部件、工序完全不一样。北汽福田流程与数字化部 IT 负责人文伟曾算过一笔账：一台卡车的零部件有 3-5 万种，如果一天生产 300 台车，那零部件的数量会非常恐怖。
这意味着生产数据的规模远超 AI 能直接处理的范畴，数据必须经过加工和压缩，才能交给 AI 使用。然而工厂里的数据是分散的：订单在 ERP、生产在 MES、质量在 QMS、考勤在 Excel，20 多个信息系统并存。一线员工每天大量时间消耗在 " 找数据、问进度、催任务、等信息 " 上，这不是某一家工厂的问题，而是制造业的普遍困境。
长沙工厂被选为北汽福田数智化转型的排头兵，原因很直接：2021 年投产，不过四五年时间，设备新、系统版本新、互联能力强，已全部打通 20 余套信息化系统，搭配 5G 网络与 200 余台智能终端，让生产数据实时回传。基础设施条件好，这是被选中的理由。
但基础好，不等于能直接上 AI。北汽福田此前下发全员通知：禁用 Excel，所有员工必须使用飞书多维表格。决策的目的也很直接，即 " 让业务在线化，让数据流动起来 "。
全员在线化之后，文伟带领团队才有了搭建数据底座的条件。1000 多张飞书多维表格陆续在全厂建了起来，覆盖了订单、生产、仓储、质量、物料等全生产过程。
这些表不是乱建的。北汽福田提出了一套叫 "1+N+X" 的数据理论：X 是员工级业务单元，每个员工把自己的业务数据录入飞书多维表格；N 是部门级运营中心，当部门内所有员工的业务都上线了，部门级数据就汇聚了；1 是工厂级运营中枢，当 N 个部门都有线上数据，全厂就实现了数据在线化。自下而上的方式，让数据从散落各处到汇聚成底座。
" 野蛮生长 " 之后是 " 资产沉淀 "，数据底座到这一步才算真正站稳了。
底座之上：AI 怎么 " 读 " 懂工厂？
底座建起来了，但维护成本呢？是不是需要一支庞大的团队？
事实相反。文伟在分享会上 " 掏了一点压箱底的东西 "。整个数据底座最初 1000 多张表的 ETL 配置和维护，靠的是一个飞书开发群里的三个人：除了文伟和负责配合提需求的同事，还有一只叫 " 赛博文师傅 " 的龙虾智能体——这是文伟蒸馏出来的自己的 AI 分身。
具体怎么建？只需把业务逻辑发给赛博文师傅，后者给出配置方案并请文伟确认，确认后即能落地执行。" 一千多张表基本都是这么来的，只要厘清数据源和业务逻辑，跟赛博文师傅说完，十分钟就能拿到结果。" 文伟介绍道。
话说回来，数据进了底座之后，怎么让 AI 读呢？
" 长超小福 " 通过标准化的 Skill 能力来读取飞书多维表中的工厂数据。针对不同规模的数据，要采用不同的读取方式：几千行以内的小表，让 AI 直接连表读取，只需在多维表中添加机器人、将 " 长超小福 " 设为阅读权限即可；几十万行甚至上百万行的大表，则先把飞书表的数据缓存到本地，再通过读取技能调用，既保证实时性，又提升查询性能。
目前，北汽福田已开发了飞书表读取 Skill、SQL 查询 Skill、指标计算 Skill 等，分别支撑数据查询、复杂聚合分析和业务指标计算，让 AI 专注理解业务问题，而非处理复杂的数据结构。
地基打完后，AI 才有东西可以 " 读 "。
四层能力：从看数据到推闭环
数据底座建成之后，" 长超小福 " 的能力经历了四层递进。
第一层是智能问数。 每天傍晚 6 点，" 长超小福 " 会自动生成一份覆盖订单、生产、物料、设备、质量等全维度的工厂运营日报。过去这份日报要 6 个人跨系统忙上两小时甚至半天，现在它 2-3 分钟就生成一份万字报告，不仅能汇总数据，还能识别异常、提示风险、给出改进建议。而考虑到万字日报信息密度太高，" 长超小福 " 又做了 " 减法 "，新增了自动生成运营绩效图和 PPT 的能力，提升洞察决策效率。
主动出日报是智能问数的一面，还有另一面，是双向问数。简单来讲，员工可以随时向 " 长超小福 " 提问，它会去数据底座找答案再分析，从生产细节到车辆进度都能答。比如，供应链缺料风险会被自动识别并按风险类别精准分类，营销副总裁直接在群里 @长超小福就能查询车辆排产进度，不再需要打电话层层追问。此外，问数能力的边界还在拓展，" 长超小福 " 还会结合天气数据进行经营预测，算出最经济的排产量，给出的建议直接就是最优解。
第二层是人机协同。 " 长超小福 " 不只是被动回答问题的聊天机器人，而是主动住进了业务群。在生产启动群、总装协作群、班组管理群里，员工除了 @人类同事，也会 @龙虾同事。文伟说，这件事的关键是让 AI 听见生产现场的声音，真正读懂业务。工厂的数据底座供给的是结构化数据，AI 只能看到结果，看不到原因；而当 AI 驻留在业务群里，供应商说物料晚到了、生产群说产线堵了、质量群说发现了问题，这些非结构化信息汇聚起来，才构成了完整的业务过程。两方面都有，AI 才能不仅告诉你结果，还告诉你原因，并给出建议。
实现这一点并不复杂，在群里添加机器人即可。但要让 AI 真正推动事情发生，还需要给 AI 做一些定制。文伟团队给 " 长超小福 " 进行了三处改造：改造系统提示词（agents.md），要求 AI 收到新事件后必须先写记忆再处理；规范记忆文件（MEMORY.md）的格式和状态；最重要的是加入心跳机制，规定 AI 每小时自动 " 醒来 " 一次，主动检查有哪些事情需要推进，再去群里催办闭环。
过去依赖人工催办的信息流，逐渐变成了系统驱动的执行流。最终的效果也很直接：" 长超小福 " 会在每天工作结束后，在群里做当日复盘；它还能把任务直接分派给具体的人，如果有人收到任务一直不响应，它会在向领导汇报时记上一笔，" 干一些得罪人的活 "。
第三层是视觉巡检。 让 AI 从 " 看数据 " 升级为 " 看现场 "。过去 AI 主要依赖结构化数据，工厂现场的信息隐藏在视频画面里，往往需要人工巡视才能发现。文伟团队将摄像头能力封装为标准化视觉 skill，" 长超小福 " 可以按照预设规则主动获取现场画面，调用视觉模型识别分析，再结合工厂的安全制度和管理标准判断风险。
文伟分享了一个案例：" 二月十四号情人节，春节期间车间无人值守，‘长超小福’主动发现总装下线区的设备待机灯还亮着，应该断电，它把风险报了出来。车间负责人收到后联络值班人现场查看，回复‘收到辛苦了’，完成了风险闭环。"" 为什么车间负责人会回复它？" 文伟说，" 因为它会一直催办，直到事情解决。" 同样的，日常巡查也用上了这一能力，它每天在安环群查安环、在 5S 群查 5S，还能看食堂、机房等情况，远程监管也能做到无死角，视觉 skill 兼容大华、紫光、海康三个品牌，调用很简单。
第四层是协同办公辅助。 北汽福田给每位员工开放了申请自己 " 龙虾一号 " 的权限，帮个人处理待办、会议、公文和 PPT。文伟自己的版本叫 " 赛博文师傅 "，就是它帮着完成了 1000 多张表的 ETL 配置。更特殊的，它还能加入会议，监测谁离席、谁玩手机，把结果推送给相关负责人。
这四层能力加起来，跨越了一条关键分界线：AI 从 " 能回答问题 " 进化到了 " 能推动事情发生 "。
不过，这还不是终点。
CLI：AI 操作系统的深水区
四层能力让 AI 能推动事情发生，文伟团队还在往前走：让 AI 不仅推动人去执行，而是自己直接操作系统。
CLI（命令行接口）意味着，员工只需要跟 " 长超小福 " 说一句话，后者在完成校验和二次确认后，可以直接在 SAP、MES、WMS 等核心工业系统中执行操作。比如物流退库，过去需要人登录系统、查找单据、执行操作，现在可以由 AI 完成。员工只需要跟 " 长超小福 " 说一句话，比如 " 调用物流系统，报文不准需要开退库小票 "，" 长超小福 " 就能自主校验原因、明细、供应商，二次确认后直接把事办好，大概一分钟完成。
文伟对这个方向的态度很明确：" 不让 AI 操作系统，何谈 AI 的未来？难道 AI 永远只指挥人，人再去吭哧吭哧操作？那不是倒反天罡吗？"
然而，这也是最难的部分。IT 管理员一听见 CLI 这个概念，脑袋就要冒汗。原因其实很直接，就是风险：" 正常开单，人点点点也就点不了几次，龙虾一搞可能给你开一万张单出来。" 文伟直率地提到了两大挑战，而且差不多并列：
成本。 一家制造企业有 200 多套信息系统，逐个适配非常困难。文伟希望在行业层面推动这件事，让 ERP、MES 等系统厂商未来把 AI 操作能力做成标配，而不是靠单家企业单打独斗。这项探索在企业内部也调动了营销、供应链、服务、研发域等各业务域的资源，不是某个部门独自能搞定的。
安全。 AI 操作系统的安全风险是真实存在的。文伟提出了 "CIO 网关 " 的概念：统一接入、安全增强、限制操作频次、危险操作硬隔离，统一管控人操作与机器操作的差异。目前，" 长超小福 " 在执行关键操作前，仍有人工二次确认的环节。而最新的进展是，AI 正在从 " 人工下指令→二次确认→执行 " 向 "AI 主动接收业务信息→主动操作→给人做结果汇报 " 演进，人工指令环节正在逐步移除。
长沙工厂目前的 CLI 探索主要在供应链域，这是整个工厂最复杂的环节之一，也是 AI 操作系统能力最好的 " 练兵场 "。
截至今日，" 长超小福 " 仍在长沙超级卡车工厂的群里、系统里、车间中持续运行。
从禁用 Excel 全员上线，到建成数据底座，再到 AI 多层场景能力落地，最后尝试让 AI 操作系统——北汽福田趟出了一条路。路径已经踩通，剩下的，是更多制造企业愿不愿意跟上来。（本文首发钛媒体 APP，文 | 散落拾获，作者 | 贾雨微）
