Workflow
AI办公增效
icon
搜索文档
豆包工作ARR 20亿:AI办公的价值,先落在了工厂里
36氪· 2026-11-19 09:04
文章核心观点 - 先进制造业的独特性和竞争力不仅取决于技术壁垒,更取决于沉淀在产线中的隐性Know-How,包括一线工人和工程师的现场判断经验、图纸台账维修记录中的知识以及组织协作规则 [3][5] - 制造业转移伴随成本流失的同时,隐性知识也随之流失,如何让Know-How不随资源配置转移而消失是全球制造业共同难题 [5][6] - AI办公的核心价值尺度在于改善整个组织运转而非单点个人效率,当AI进入组织流程把隐性经验沉淀为可复用的规则、工具和知识资产,提效才从个人动作变成组织能力 [6] - 以豆包工作+飞书协同为代表的组织式AI落地,既能实现个体增效,又能将散落在流程中的隐性经验挖掘出来融入日常生产协同,成为组织固定资产 [7] - 截至11月18日,豆包工作ARR达到20亿元,DAU突破800万,上线仅三个月经常性收入与日活跃同步抬升,对应一批企业将AI放入产线管理、设备运维和质量审核等日常场景 [6] 行业背景:美国制造业回流与隐性知识流失 - 台积电曾测算在美国建一座同等规模晶圆厂成本是中国台湾厂区的4到5倍,为适配四级监管要求梳理出1.8万条专项合规规则,合规成本花掉3500万美元 [3] - 本地找不到足够熟练技术工人,台积电先后从台湾调派五百多名工程师跨海支援,引发当地工会抗议和团队文化冲突,亚利桑那聘用的近600名工程师上岗前需先送往台湾培训 [4] - 原定2024年量产的4纳米产线一再延期,算上折旧和人力成本,美国厂单片晶圆毛利率仅剩8%,不到台湾厂区的七分之一 [4] - 隐性Know-How一部分藏在一线工人和工程师脑中,是日复一日现场磨出的判断,如哪道工序容易出问题、故障出现先查哪里、淡旺季从哪里快速招聘足量工人;另一部分散落在图纸、台账、维修记录和零散共享文档以及数字化审批流程与组织协作规则里 [5] 九号公司:让现场管理跟上产线节奏 - 常州九号公司十几条产线同时启动,每36秒就有一台智能电动两轮车完成总装 [9] - 生产管理专员每天需处理十六份表格,涉及MES考勤数据导出比对、前加工全检打包等作业单位汇总,整理完有时上午已过去一半 [10] - 每条线文员每小时重复固定动作:从MES导出当小时产出、核对工单信息、填进Excel、截图发到生产群,单次几分钟但一天十几小时轮下来单这件事占掉一个人一个多小时 [10] - 站会问题散会后挨个通知责任人、工具房领用台账需专人录入库存、新员工安全考试纸质试卷人工评分统计,这些小事凑在一起构成工厂运转的巨大摩擦力 [10] - 常规IT立项做定制化现场管理系统开发周期动辄几个月且未必贴合现场细碎多变需求,工艺部门同事先搭了基础看板但数据需人工手动输入,线长忘填数据就断、填错数字信息全错 [11] - 贺宇翀用豆包工作从日常痛点改起,先维护不同机种标准工时和人力数据让看板自动算生产效率,把站会问题点更新进去,将数据源做成多维表格实现自动更新 [11] - 早期录入产出数据每次都要重新选择生产系列和机种,线长吐槽同一条线连续做同款产品一天要选十几次,贺宇翀用豆包工作加记忆功能默认保留上一次选择,每条线每次录入少做重复操作 [12] - 现在每条线线头大屏跑豆包工作搭建的看板,站在产线前可看实时产出和效率,手机端适配后管理者巡线掏出即可查看;考勤核对工具上线后十六份表格导入自动汇总,两名文员每人每天省二三十分钟;站会问题选定责任人系统自动发消息提醒跟进 [14] 博世中国:让工程师少搬信息多解问题 - 博世中国某事业部研发团队对接多家整车客户,覆盖测试验证、路试问题、量产爬坡全周期系统故障排查,项目密集期一名工程师同时跟进十几个沟通群是常态 [17] - 故障消息碎片化涌来:客户群诊断截图、私聊故障码、测试团队补充工况描述散在不同窗口无统一入口,工程师需先做信息拼图,归集项目归属、软件版本、车辆配置、测试工况等十几项信息整理成标准问题描述再流转,遇上信息缺失口径不一还要拉会澄清,等拿出合格初步分析报告大半天已耗进去 [17] - 两个长期困局:一是经验沉淀难持续,项目节奏一紧整理归档难按时完成,大量一线排障思路和非标问题处理方案留在资深工程师个人记忆里,核心人员调岗隐性经验就断档;二是需求输入天然零散,客户不会按企业模板提问题,碎片凑不齐后续分析无法启动 [19] - 工程师在豆包工作中配置定时巡检规则自动识别私聊中的故障类信息同步到问题报告专项话题群,客户沟通习惯不用改,工程师省掉手动转发步骤 [19] - 豆包工作伙伴抓取每个话题完整上下文,把零散对话拼接成结构化问题描述,调用标准模板生成故障分析初稿,同步登记进飞书多维表格并提醒负责人,所有信息可追溯到原始对话,工程师从零写报告变成核对补全初稿 [19] - 跨模块复杂故障时豆包工作伙伴可受邀进入会议全程同步讨论内容,散会后自动把验证方案、责任分工更新进报告 [20] - 每份闭环故障报告自动归档进团队知识库,后续相似故障AI可检索历史案例给出参考思路,调用内容包含通用行业知识和团队独有历史沉淀 [20] - 整套方案从搭建到跑通全流程只用一周多,豆包工作伙伴上岗仅花一天,目前已跑通五六十份真实报告,初稿标准化内容完成度稳定在七八成,故障根因判定、验证计划排布、客户回复口径始终由工程师把控 [21] 猛士汽车:守住量产前夜的质量防线 - 猛士汽车脱胎于军用越野车技术积累,对零部件质量和量产节点要求近乎严苛,零件能否按时放行直接决定整车能否按期量产 [24] - 生产件批准程序(PPAP)要求供应商提交检验规范、检查报告、生产件批准申请书等十几到三十几份文件,工程师逐项审核签字放行零件才能进入批量供货,任何一个零件卡壳整条产线都要等 [24] - 猛士团队对接300多家供应商、约2000个零部件,全量算下来有三万多份文件,一份检验报告有几十条检测项,人工审一份文件要20到40分钟,量太大只能抽检,全量检查覆盖不到10% [24] - 曾有一份前保险杠间隙检查报告允许范围2.0到4.0毫米,实测值4.02判定栏却填OK,混在几十份文件里过了初审差点影响实际生产;同一份材料同一尺寸基准值出现437.7和37.7两种写法,小数点错一位按错尺寸开模损失可能以百万为单位 [25] - 项目经理每周登录供应商质量管理系统导出各项目PPAP完成率整理周报,一次统计花掉一整天,团队把接口文档和会议纪要丢给豆包工作几分钟生成数据采集脚本,一个下午调通跑顺,数据自动同步进多维表格,每周一天的统计工作直接归零 [25] - 最初把整份文件丢给豆包工作直接问是否合格结果一塌糊涂:同一份文件审两次结论不一样、只给笼统结果说不出哪行有问题、合并单元格跨页表格提取数据全是错的 [26] - 后来形成三层分工:豆包工作负责找,从检规和报告里定位对应检测项提取数值和单位处理跨页合并单元格格式问题;程序负责判,实测值在不在公差区间项数对不对得上纯确定性计算;工程师负责定,尺寸是否关键特性、超差能否让步放行、这批零件放不放签字永远是人 [26] - 团队用上国内首批AI数字员工产品豆包工作伙伴,把审核规则沉淀成可复用技能包:看哪个位置、标准值多少、允许差多少、超了怎么判,加三层匹配逻辑和红线一票否决,超差判合格、无公章、无手签命中任何一项直接不通过,同一份文件审一百次结论都一模一样 [27] - 供应商提交文件归档入库后豆包工作伙伴自动启动审核,得分、问题清单、整改建议直接同步到驾驶舱,不通过或低分文件系统自动推给对应工程师,过去人工看20到40分钟的文件现在几分钟审完且每页每项都过一遍 [27] - 截至2026年11月,基于豆包工作伙伴搭建的驾驶舱已覆盖3个车型项目,40人日常使用,单份文件自动审核不超过5分钟,采集和审核两项工作每年能省下一千多工时 [29] - 团队给系统打分从最早70分迭代到90分,剩余10分来自扫描件手写签字非标模板解析、图纸类非结构化判断、文件和实物一致性验证、工程变更和例外批准适用性,这些依然要靠人 [29] - 90分的意义是把人的注意力从90%的重复核对里解放出来,集中到10%真正需要专业判断的地方 [30] 行业启示:隐性知识资产化与组织能力沉淀 - 制造业根基不止是厂房和设备,更在于一代又一代人在现场摸爬滚打攒下的经验,是处理过一万次异常后形成的直觉,是对每一个毫米、每一分钟、每一份文件的较真,这些看不见摸不着却决定一个国家制造能力的上限 [32] - 豆包工作的价值在于把藏在Excel里、图纸里、老师傅脑子里、日常琐碎工作里的隐性知识一点点打捞出来,结构化、工具化、可复用 [33] - 曾经只属于个人的经验与智慧随之变成整个组织的资产,不会随人员流动而流失,不会随产业变迁而消散 [34] - 人从日常琐碎中解放后有了更多探索未知、解决非标问题、优化生产效率的时间,这正是制造最底层的生命力:不断解决具体问题、不断迭代优化 [35][36]