文章核心观点 - 宁波华翔作为一家早在2010年就已实施国际头部ERP系统并持续布局数字化建设的老牌汽车Tier1集团，面对新能源业务拓展带来的多业态、多工艺并存局面，选择知微行易的笃行Agentic MES建设统一集团化制造运营平台，以降低总体拥有成本、缩短新业务上线时间，并为AI应用夯实数据与业务基础 [3][5][6] - 知微行易凭借云边端协同架构、业务与技术分离的开发模式以及白盒化业务语言描述的AI Native特性，仅用不到3个月完成首批车间上线，相比之前交付周期缩短5-6个月，提效3倍以上，后续推广速度达到每周上线两个车间 [2][12][13] - 合作实现了从车间落地到集团协同的跨越，报表效率提升一倍，OEE提升2%，并交付完整源代码与技术文档支持华翔搭建自主推广维护团队 [13][15] - 文章以华翔与知微行易的合作为窗口，指出"AI+制造"的下一道分水岭在于能否将工艺经验与人才能力规模化复制到更多工厂，而非停留在单个项目见效 [20][21] 集团化诉求与选型背景 - 宁波华翔创立于1988年，主营汽车内外饰件、车身金属件及汽车电子等产品，2010年已实施国际头部ERP系统并持续布局数字化建设十多年 [3] - 随着新能源相关业务拓展，不同工艺、不同生产组织方式并存，对系统适配能力提出更高要求，项目出发点是让已有数字化能力更好支撑业务变化 [3][4] - 若每增加一种业态就建设维护一套MES，系统运维、人员技能培养和后续升级成本会叠加，业态越多越难持续，华翔希望建立统一集团化管理平台以降低TCO并缩短新业务上线和流程调整时间 [5] - 华翔看中知微行易灵活适配不同业务单元架构的能力、云边端协同的集团化管控能力，以及以白盒化业务语言描述并生成系统的AI Native特性 [6] - 2025年华翔启动集团化MES选型并选择成立于2020年的创业公司知微行易，试点覆盖饰条劳伦斯宁波工厂、诗兰姆宁波工厂、华翔内饰天津工厂，覆盖生产计划与执行、质量追溯、设备工装模具管理及物流协同，并与既有ERP、仓储和设备系统对接 [2][6] 云边端架构与交付模式 - 各工厂工艺各有差异但共用同一套集团化底座，双方选择云边端架构：云端统一基础数据、业务标准与集团分析口径并汇总多工厂计划和运营信息；工厂边端负责实时生产执行与设备对接，断网时仍可维持本地生产，恢复连接后同步数据；设备与工位终端承接数据采集、扫码报工和作业指导 [7] - 笃行Agentic MES依托的"笃行"平台采用业务与技术分离的开发模式，通用技术能力由平台承接，熟悉制造业的顾问专注业务流程与规则设计 [12] - 诗兰姆IT负责人表示注塑行业MES需求约六成可以标准化，另外四成需结合工厂实际调整，成熟模块直接复用，差异化需求通过配置和开发承接 [12] - 2026年2月底团队进场调研，5月9日完成首批车间上线，用时不到3个月；首批车间跑通数据对接、接口标准和流程逻辑后，后续推广速度达到每周上线两个车间 [13] 车间落地与集团协同成效 - 注塑车间集中供料模式下，知微行易将物料批次、配料箱与注塑机通过条码绑定，建立原料到成品的批次对应关系，质量异常时可沿生产链条追查相关原料批次及加工机台 [11] - 现场工艺经验转化为系统业务规则后，在一个车间验证即可成为后续实施基础，帮助其他车间减少重复梳理流程、对接数据的工作 [11] - 工厂数字孪生视图沿集团、工厂、车间延伸到工作站层级，集团运营指标可对应到具体工单、机台和工位记录，点检、质检与异常处理有了统一管理依据 [13] - 业务与财务数据关联后项目盈亏实时可算，报表效率提升一倍，OEE提升2% [13] - 数字孪生呈现的工厂运营状态与客户订单及供货要求关联，排序生产中客户排序要求贯穿工单生成、生产报工和装车发货并回传仓储系统，集团可将生产进度放到订单履约中观察 [13][14] - 知微行易向华翔交付完整源代码与技术文档，培训开发、运维人员及关键用户，支持华翔搭建自己的推广维护团队，目前已搭建Agentic MES架构并实现统一制造运营底座落地 [15] AI+制造行业趋势 - 2026年1月工业和信息化部等八部门发布《"人工智能+制造"专项行动实施意见》，将大模型在制造核心环节的应用及生产经营全流程智能化升级列为重点 [18] - 华翔下一步希望借助AI让生产数据流转链路更直观，让集团管控从"看清生产"走向"快速响应"，但AI不仅要读懂数字还要理解数字背后的业务 [18] - 笃行Agentic MES将生产、质量、设备等信息放在统一业务关系中，"笃行"平台以可查看、可调整的规则承载工艺知识，后续引入AI时可沿用已打通的数据和流程，减少反复对齐业务含义和重新开发接口的工作 [18] - 双方有意向继续探索智能预警、SOP文档解读、订单助手及辅助方案分析等应用，逐步拓展智能体在业务判断与执行中的作用 [18] - 德勤《AI in Manufacturing 2026》显示84%的受访制造企业已从AI中获得可衡量的运营价值，但仅约两成应用案例实现跨基地或企业级规模化推广，大多制造企业仍停留在单个项目见效或降本增效初见成效阶段 [20][21] - 能否将工艺经验与人才能力规模化复制到更多工厂正成为智能制造竞争的下一道分水岭，制造业正处在架构调整的黄金窗口，当下的每一次架构选择都在拉开企业间的竞争差距 [21]