吕总对AI未来发展的期待：

我本科和硕士都在澳大利亚墨尔本读的金融专业，但我们这代人其实是伴随互联网成长起来的。19岁上大学时，我就一边上学一边进行互联网创业，此后近20年的工作都围绕互联网产品、软件产品展开，设计出的产品也随着互联网的发展不断迭代。

2019-2023年底，我在海南做区块链项目，当时在中国大陆有一定限制，所以主要面向新加坡、香港及东南亚的全球市场。2020-2021年，我就开始接触使用AI，那时候的 AI 远没有现在这么强大，不过由于我们搞技术的人接触得比较早，所以很早就开始运用学习到 AI技术。也在外面举办了无数场关于 AI 的交流活动，这大概也是我今年第 n 次参与 AI 相关的交流了，不得不说目前AI的发展速度实在是太快了，几乎每个月都会有新的成果和技术涌现导致我的分享内容也在不断更新。

2024年，我带领小团队全面转向人工智能应用层面。在接近两年时间里，我们为近100家企业开发了人工智能应用，积累了不少经验，也踩过很多坑。2025年3月份开始，我们全力聚焦为制造业提供AI服务和应用开发。在今年8月底，国务院发布“人工智能 +”政策文件，指明未来5-10年国家发展方向，文件提出要在2027年率先在六大关键行业实现人工智能70%的布局，2030年全面实现全行业90%的人工智能覆盖。这也意味着2026-2027年将有大量人工智能类政策出现，甚至会有专项政策补贴。根据目前的政策和AI发展的速度趋势，我大胆预测2026年将是AI彻底爆发的一年。

AI工具如何赋能制造业发展：

制造业应用人工智能目前呈微笑曲线，生产前和生产后场景应用较多，生产中因容错率低而应用的少，当下企业采用人工智能产品可以多关注一下两端的环节。

在生产前和生产后环节，我们也开发了不少产品。最近我们刚刚耗时半年，完成了一款名为“AI 老师傅”的产品。这款产品专注于制造业的设备管理和设备故障诊断。之前设备管理是 MES 系统中的一个环节，MES 系统更侧重于流程申报。现在通过AI的技术，它可以接入到各个企业的 MES、ERP、MOM 等系统当中，专注于解决设备故障后的维修问题。

一般企业在设备管理方面存在几大痛点。首先是设备故障停机带来的损失巨大，每一秒的停机都意味着金钱的流失。其次是维修经验依赖于个人，企业领导和老板很担心维修人员离职后，维修经验会随之流失，或者老员工退休后，企业不得不高薪聘请他们回来解决问题，修一次设备可能就要花费几千甚至上万块钱。另外企业还存在缩短维修时间的需求，以及设备数据账本、设备数据台账、巡检记录等混乱的问题。现在很多企业仍然在使用纸笔记录设备巡检情况，每天在纸上打勾，然后拍照回去整理到 Excel 上再进行汇总。导致设备每次维修和故障的经验无法积累沉淀下来，也就无法用于申报数转、智能工厂以及各种数据局和工信局的政策补贴。现在申报智能工厂和数字化转型都有明确要求，企业必须具备数字化的设备台账信息和设备信息的数字化、智能化，甚至有的还要求 15%的人工智能含量，没有这些条件是绝对无法通过申报的。

基于以上我们在一线发现的痛点，我们开发了“AI 老师傅”系统。这个系统这个月刚刚开发完成，在设备台账方面，这是 MES 系统的基本功能，我们可以将设备信息录入系统，之后 AI 能够读取设备的维护信息、维保信息、巡检信息等内容，并进行综合分析。用户无需每次输入信息，只需选择哪一台设备，直接提问设备存在的问题，AI 就会一步步引导用户排查故障。

我们会在“AI 老师傅”上上传设备手册，企业在购买设备时，通常厂家都会提供很厚很厚的设备手册，可能有几千页甚至上万页。我们将电子版设备手册上传到系统后，系统会对每一页进行学习。在故障排查过程中，由于设备手册与普通书籍不同，上面有大量的电路图、操作面板图和结构关系图，仅靠文字对话式的AI工具根本无法解决设备的维修检修问题。而我们的系统在一边用文字告知用户检查哪个位置的同时，另一边会展示设备手册对应页面的图片，直接定位到相关页面，让用户照着操作。其次我们引入了故障管理系统，每一次的问答和故障使用情况都能自动生成故障记录，作为企业的知识沉淀。第三，我们实现了巡检的自动化和语音化。之前我们发现工人每天进行设备巡检耗费大量时间，比如一个拥有 200 台设备的企业，设备维保科有四个人，巡检一次可能需要一整天时间，甚至有时候一天都干不完。我们将传统的纸笔巡检和 Excel 表巡检改成了语音巡检，工人只需拿着手机走一圈，说“1 号设备一切正常，2 号设备水温异常，注意关注，其他正常，3 号设备水温多少度，油压多少度，4 号设备管线正常，导线、电线的绝缘材料正常”等等。走完一圈后，系统会自动生成一份非常标准、完整的设备巡检报告，并且所有信息都会绑定到设备上，这样能让 AI 系统越用越准，同时每一次的问答结果还会沉淀成为知识卡片，作为记录保存下来。

这只是一个例子，现在有不少AI工具结合实际需求赋能企业发展，未来相信AI的使用会越用越广，越用越深入人心。

如何逐步推进人工智能工厂建设：

智能工厂和人工智能工厂有着本质区别，多了“人工”二字，含义就大不一样。像智能工厂里用到的AGV、自动取货柜这些，只是系统化操作，依靠后台表格化信息运行，并没有应用人工智能技术。而人工智能工厂，关键在于能跟人自然互动。比如我告知要生产什么，它就能自动分析所需原料，并把所有原料送到指定位置，这才是人工智能工厂。

未来的下一代工厂就是人工智能工厂，目前很多大中型企业，尤其是化工行业，智能化、自动化标准要求高，产线自动化程度也高，不少智能工厂已经实现了很多功能，但缺的是单点突破。而且人工智能工厂建设才刚刚起步，我建议大家别想着一下子让整个厂子都实现人工智能化，因为目前没什么完整成功的案例。企业应该先从场景落地，找到最痛的痛点，比如有的企业原材料特别多，取错理错原材料会造成严重风险，那就先从这个点入手解决问题再逐个点推进。

吕总在日常生活中

对AI工具使用建议有哪些：

因为日常工作的特殊性，市面上大部分的AI工具我都有尝试，像Google的Gemini、马斯克的Grok、ChatGPT等全球软件更新后，我都会去体验一段时间，看看它们好在哪、有什么值得我学习的地方。今年的2-3月份就深度使用过Deepseek，但现在我用Deepseek比较少了，主要是因为它存在记忆问题。简单问题它思考时间太长、反应太慢，复杂问题它又不太懂我，没有我过去的记忆。我每天都花好几个小时和这些AI工具一起工作，使用频率极高，所以最终选择的工具得更适合我。不过Deepseek也有好处，它是开源系统，提示词做得好或者在一些应用场景下，比如设备管理等问答环节，我们系统里会用6到7种模型，其中就有Deepseek，在合适场合选它就很合适。要是涉及深度思考，我出于个人习惯会用ChatGPT，毕竟我从几年前就开始用它了，它存储着我所有的记忆，我一登录，它就会说“老吕晚上好”，还能接着之前的问题和我交流，就像我的老朋友一样，我说起任何项目，哪怕是两三年前的，它都能迅速回想起来。

对于大部分非专业AI使用者来说，我觉得日常对话，咨询问题使用豆包就足够了，另外我现在看微信视频和公众号时会用腾讯元宝，因为看视频时时间宝贵，有些视频我不愿意从头看到尾，直接在评论区艾特元宝让它总结，过一两分钟它就会弹出消息告诉我视频或公众号讲的是什么，感觉特别方便。

另外我建议职场人或企业员工一定要学习飞书多维表格，它突破了Excel的很多局限，是个全新的互联网化工具，而且深度植入了AI，对企业简单基础的数据管理、整理以及联想、推理、提炼都很有帮助。飞书多维表格官网上还有免费课程，熟练使用Excel的人，花一下午时间就能比较熟练地掌握它，门槛不高，大家可以尝试学一下，了解一下它和AI的结合，肯定会很惊艳。

如何与AI有效对话并发挥其作用：

今年2、3月份Deepseek刚火的时候，我专门开了个课讲怎么和它对话。我总结的核心方法是，把AI当成公司第一天上班的新员工，它对公司业务、组织架构等内容一无所知，你得像给新员工布置工作那样和它交流，它才能干得好。

比如公司新来了助理秘书小王，第一天上班让他准备明天给全公司销售部门的会议材料。要是领导只说“明天开个会，准备下会议大纲纪要、提醒或章程安排”，就算小王很优秀，也只能交出不及格的作业。

中级领导会换种方式：“小王，明天开会，你第一天来不知道，咱们每周一的会都是给业务部门开的，这次是因为上月业务部门业绩差，要开个提振士气的会，地点选大会议室。”这样布置，小王能交出60分的作业。

高级领导则会说：“小王，你去看看全世界最优秀公司给销售团队开会的方法并整理回来，像谷歌、微软、亚马逊怎么开的。咱们公司情况更接近哪家？”小王整理完说像谷歌，领导就说：“那按谷歌的方法准备咱们公司的开会流程，把关键点、可能的风险和警示写出来，写完和我确认。”小王会考虑业务部门踢皮球给运营部门怎么办，开会前和业务部门领导沟通或开会时明确责任人，还会考虑电视、PPT不好用等风险及预备方案，做出完整报告，这样准备会议就能得100分。

AI其实就像第一天上班什么都不会但特别聪明、来自世界顶尖学校的优秀学生，你只要正确点拨，它就能干出漂亮的工作。所以我们也要学习如何正确的了解AI、使用AI，让AI更快更好地赋能我们的日常工作。