要撬动实体经济的未来，第一步或许就是赢得那些车间里、流水线旁的老板们的信任。

时间来到2026年，AI产业链上游的“卖铲人”——那些提供算力和模型的公司——早已赚得风生水起。然而，当我们把目光从云端拉回地面，聚焦到中国制造业真正的腹地，一个更本质的问题浮现出来：AI技术，究竟能否真正下沉，渗透到那些年营收几千万、团队不足百人、甚至没有独立IT部门的中小制造企业？

怀疑的声音并非没有道理。这些企业数字化基础往往薄弱，核心数据可能散落在无数个微信群和零散的Excel表格里。老板们对上一套复杂的系统心存警惕，员工们对新工具也抱有本能的抵触。更重要的是，制造业的场景错综复杂，从供应链协同、生产排期到跨语言沟通、多平台运营，任何一个环节的智能化改造，都不是靠一个简单的对话机器人就能解决的。

但在“世界超市”浙江义乌，一家名为“优克拉”的星空灯工厂，正在提供一种新的解题思路。

这家成立超过18年的企业，团队规模不到百人，却在2026年3月钉钉发布AI智能体“悟空”后的短短两周内，完成了全员部署。三个月过去，效果开始显现：新品首发成功率从60%跃升至92%；抖音团队的日销售额从几千元攀升至两万多元；而行政人员的月度算薪工作，从过去需要埋头苦干两天，压缩到了如今的十分钟。

这些数字增长的背后，并非什么动辄千万元的宏大数字化转型工程，也没有庞大的IT团队作为支撑。它的核心，是一个能够直接操作钉钉工作流的AI智能体、一群愿意花上三四个小时去“试试看”的普通员工，以及一位计算机专业出身、但已二十年没写过代码的老板。

这个故事值得深入剖析，不仅因为它勾勒出一条AI创造实际价值的清晰路径，更因为它真实地暴露了当技术浪潮拍打传统实业堤岸时，所激起的那些具体而微的摩擦与适应。

接管工厂与门店

要理解AI在优克拉如何创造价值，首先得看清这家企业的业务底色。

优克拉是典型的义乌“前店后厂”模式：在义乌国际商贸城拥有线下店铺，接待来自全球的采购商；同时，自有工厂负责产品的研发与生产，并通过天猫、亚马逊、抖音、1688等多个平台进行销售。公司CEO魏俊，2005年毕业于南昌大学计算机专业，2007年来到义乌创业，从在淘宝售卖发光陶瓷杯起步。

“2012年，光是那一款杯子，一年就卖出了七八万个，营收超过二十万。”他回忆道。十几年过去，优克拉已成长为星空灯细分领域的隐形冠军，手握迪士尼、奥特曼、三丽鸥等知名IP授权，以及四十余项专利。

计算机专业的背景，让魏俊对数字化有着天然的亲近感。他坦言，自从初代GPT发布，他就开始关注并尝试与AI对话。而优克拉更是在2017年就接入了钉钉，并于2024年9月全面部署了钉钉AI表格——“在大部分义乌老板还在依靠微信加Excel做生意的年代”，他特别强调了这种时间差。

正因如此，当两个月前钉钉的AI工作平台“悟空”发布时，优克拉的数据早已在线上有序流转。AI要做的不是从零搭建，而是无缝接入，并迅速接管那些重复、机械却耗费大量人力的工作环节。

在义乌国际商贸城的店铺“IP魔法城堡”里，每天都要接待来自中东、东南亚、非洲、南美的国际客商。语言障碍和信息遗漏，一直是困扰一线销售的老大难问题。

魏俊的解决方案颇为巧妙：在柜台旁挂上一张AI录音卡。它能自动完成语音转文字和多语言翻译，无论客商说的是英语、阿拉伯语还是西班牙语，对话内容都能实时同步到公司的AI表格中。

这样一来，位于总部的产品研发和供应链团队，就不再需要反复追问“那个中东客户到底说了啥”，只需直接询问AI智能体：“今天商贸城来了哪些客商？他们提出了什么定制需求？”AI便能即时检索、汇总、分析，生成一份结构清晰的清单。

“从客商踏进店铺的那一刻起，他的需求就已经进入了数字化的流动链条。”魏俊描述道，“从店铺到总部，从销售端到研发端，从一句口头表达变成一份可执行的产品需求单，中间不再需要任何人工转述。”对于“前店后厂”的工贸一体企业而言，这条从“店铺现场”直通“工厂车间”的数据高速公路，其意义不亚于当年企业首次接入互联网。

同样的逻辑被复制到了电商运营端。过去，运营团队每天需要耗费整整两个小时，手动从淘宝生意参谋等平台复制数据，粘贴到Excel表格，再依靠个人经验去分析竞品爆款背后的逻辑。“每天都被这种‘爆款焦虑’笼罩，看到隔壁厂某个产品突然日销过万，你却摸不着头脑。”魏俊说。

如今，情况彻底改变。每天凌晨，他搭建的AI智能体会自动抓取全平台该类目的爆款数据；清晨，一份分析报告便会准时推送到相关的钉钉工作群。但信息的自动搬运仅仅是起点。当数据不再依赖人工搬运后，“悟空”开始介入更高层级的工作——那些原本极度依赖老板直觉和运营经验的分析与判断。

最让魏俊感到意外的，是AI对认知盲区的揭示。“我们的传统运营团队有路径依赖，一直专注于高客单价产品，完全忽视了低客单价市场的潜力，结果在竞争中落后了。”AI在分析市场数据后明确指出：百元以内的产品在覆盖年轻消费者方面存在巨大机会，颜色偏好等细节对销售转化有显著影响。“这些视觉盲点，是人工分析很难系统性地捕捉到的。可以说，我们是吃了亏，才被迫调整了工作方式。”

在产品研发环节，优克拉让AI智能体分析了超过五千条用户评论，从中提炼出核心痛点（如“光线有些刺眼”）、痒点（如“需要蓝牙控制功能”）和兴奋点（如“作为孩子睡前的仪式感”）。“过去的做法，要么靠老板拍板，要么靠美工灵感，偶尔翻看评论区也是零散和非结构化的，信息看过就忘。”

到了真金白银的推广投放环节，变化更为激进。优克拉在“悟空”上构建了一套自动化的投产比（ROI）热力图系统，对高回报的链接建议加大投入。同时，他们还设置了一道“AI质检员”：任何主图点击率低于3%的推广链接，系统会直接拦截，不予上架。

“这相当于把原本充满‘玄学’的运营推广，变成了近乎傻瓜式的操作，一个新入职的运营人员，只需三天培训就能上手。”魏俊表示。传统的产品分析还有一个致命盲区：“过去很少考虑短视频的传播特性和产品的情感价值，导致产品成功率低，库存积压严重。以前盲目跟风，确实亏了不少钱。现在AI能整合行业周期、节日增长趋势、目标人群画像等多维度参数，再结合小红书等平台的爆款设计趋势，产品成功率自然就提上来了。”

从信息搬运，到分析判断，再到执行决策，AI在优克拉的渗透沿着一条清晰的逻辑链逐层深入。然而，真正让这条链条顺畅运转起来的，却是一场静悄悄的组织重构。

销售主管转型AI技能开发

“我们公司以前最重要的部门是销售部，现在最重要的岗位是AI技能（Skill）开发。”魏俊直言不讳。

这背后是一次实实在在的组织调整。公司原销售部门的负责人已经转岗，专职负责AI技能的开发与维护。运营助理转型到了内容部门，公司还新增了“技能训练师”、“设计总监训练”等前所未有的新岗位。

所谓Skill，是用户自定义的、能够通过自然语言稳定执行特定任务的AI封装技能。目前，优克拉内部拥有50到70个这样的Skill，覆盖了从爆款数据抓取、用户评论分析、投放链接质检到考勤算薪的各个环节。

魏俊坚持让业务骨干来主导Skill开发。“一定要让懂业务的人去做对应的工作，这样才能解决体系性问题，而不是头疼医头、脚疼医脚。”他对外部的一些解决方案提出了批评：“单纯的情绪价值培训，或者那些不懂业务的外部顾问，很难推动企业实现持续性的成长。”

这种选择背后的逻辑非常清晰：AI工具效能的上限，往往不取决于技术本身，而取决于使用者对业务理解的深度。一个深知“为什么这个链接ROI低”的运营主管，所搭建出的投放质检Skill，其有效性远胜于一个仅会写代码的工程师。

访谈中的一个细节，有力地印证了这一点。公司唯一的行政人事小董，专业是酒店管理，此前一直在餐饮行业从事人事兼收银工作。2024年随家人来到义乌，加入优克拉时，这家公司从未有过专职HR，一切从零开始。

真正改变她工作状态的，是算薪。优克拉七八十人的团队，考勤规则与钉钉标准模板并不完全一致，不同部门规则各异，还涉及节假日调休等特殊情况。每个月，她都需要从后台导出打卡记录，逐人逐条手动誊抄、转换格式，再计算工资。这项任务由她一人完成，需要整整两天。

公司的技术同事了解她的工作流程后，帮她搭建了一个专用的算薪Skill。于是，两天的工作量被缩短至不到十分钟。

“这是每月一次的固定工作，我现在完全依赖它。”小董表示。她不会写代码，也不懂什么是“提示词工程”，但技术同事向她解释了“悟空”的基本逻辑后，她就自己动手尝试和调整。这个Skill搭建过程中的大部分调试工作，都是她独立完成的，前后花费了大约三到四个小时。

对于一个终日沉浸在实际工作中的人来说，这意味着AI正在从遥远的“聊天窗口”，走进触手可及的“工作现场”。当被问及“AI嵌入工作后有什么不同”时，小董想了想回答：“好像并没有变得更轻松，但很多问题我可以先抛给AI，让它帮我分析，然后我根据它给出的方向去尝试，可能就少走了很多弯路。”

魏俊对于推动全员AI化，有一套自己的方法论。他的路径分为四步：数据收集、线上化、可视化、最后建立奖励机制。例如，公司会议结束后由AI自动打分——“70分、68分、72分，会议讲得怎么样、主持得如何，AI会给出客观评价。”店铺销售人员的表现同样由AI评估，系统根据服务录音自动提取关键记录并打分，维度包括专业度、目标导向、客户洞察、提问与倾听能力。“标准是我们自己定的，输入给智能体，它来执行评估。”魏俊说。他甚至让AI根据客户咨询记录自动生成培训考题，“用来训练新人”。

整个公司的数字化历程，从2017年接入钉钉起步，到2024年全面部署AI表格，其对比参照物一直是“传统的Excel工作模式”。魏俊对此有清醒的认知：“科技是第一生产力。面对市场变化，我们的态度永远是先看机会，再看问题。”他计划继续在AI应用上加大投入，目标是通过AI优化实现整体效率的三倍提升。

如今，他还经常在自己的厂房里举办小型培训，带动身边的义乌老板们一起了解AI。“大部分人的问题在于执行力不足，所以跟不上领先者的步伐。我希望通过这种方式，拉开我们与竞争对手的差距。”

能力边界之外

然而，如果将优克拉的实践简单地包装成一个AI赋能皆大欢喜的成功故事，无疑会遮蔽其中真实存在的摩擦与挑战。

魏俊坦言，在推动AI应用初期，遇到了明显的员工抵触情绪。他的应对策略是“选择合适的人先做起来，树立标杆，让实际产生的数据说话”。他也坦诚地提到：“开周会时大家会提各种AI需求，说实话，其中大部分我觉得挺尴尬的。”许多员工提出的需求要么不成立，要么远远超出了当前技术的可实现范围。全员AI化的美好愿景与员工的实际认知及技术现状之间，存在着显著的落差。

更深层的困难在于从“单点突破”到“体系协同”的跨越。“现有的AI工具大多解决的是表面问题，难以全面优化公司的整体经营体系。”魏俊观察到，开发一个Skill解决某个具体痛点相对容易，但要让五六十个Skill相互协同，真正重塑企业的决策和运营链条，则需要系统性的顶层设计，而这恰恰是资源有限的中小企业最缺乏的能力。

AI能力本身也存在清晰的边界。智能体能够高效处理的，是那些规则明确、数据结构化的任务。就像小董的算薪Skill之所以成功，前提是所有的考勤规则都能够被清晰、无歧义地描述出来。而那些“只可意会，不可言传”的业务逻辑——比如一款新产品到底该不该上马、一个新市场到底值不值得全力投入——AI可以提供多维度的数据分析作为支撑，但最终的战略决断，仍然需要由人来承担风险与责任。“产品定位与目标用户不符导致的低转化率，AI能发现，但它不能自动替你解决。”魏俊总结道。

还有一个更为底层的生态问题。优克拉是义乌的先行者，但先行者的前提是它在2017年就打下了数字化的地基。在义乌，乃至全国更广阔的中小制造业土壤里，大量企业的数据仍然散落在无数的微信群和纸质单据中。对他们而言，首要问题可能不是“AI好不好用”，而是“数据从哪里来”。没有数字化底座的企业，即便拿到了功能强大的智能体，也无从接入。魏俊清楚地知道这一点：“意识觉醒是第一步。”但这一步，对许多人来说，依然遥远。

尽管如此，优克拉的实践仍然有力地回答了一个关键问题：AI落地实体产业的门槛，究竟可以降低到什么程度？

它没有依赖昂贵的定制化开发，没有组建庞大的IT团队。一个从餐饮业跨界而来的行政人员，能在四个小时内搭建出可用的智能体；一个运营新人，三天就能上手原本充满“玄学”的推广投放；一个在凌晨三点自动运行的数据抓取任务，让不足百人的小工厂，拥有了与互联网大厂同步的市场嗅觉。

当AI的使用门槛降低到自然语言交互的程度，当它能直接嵌入企业已有的协作平台而非要求另起炉灶时，中小制造企业与大型公司之间那道看似难以逾越的数字化鸿沟，便有了被填平的可能。

正如小董所说：“生活的每一次转折，靠的不是什么宏大叙事，而是机会来了，就试试看。”

2026年初，长江商学院一项针对全国2000余家规模以上工业企业的AI调研数据显示，其中仅有10.0%的企业产生了实质性的AI相关支出。而在尚未拥抱AI的群体中，高达79.2%的企业明确认为AI“不适用于本企业”。

这样的渗透率表明，AI在规模以上实体企业中的应用仍处于相对早期的阶段。但反过来看，这也意味着潜在的市场空间巨大。在这场刚刚起步的产业智能化征程中，中国企业需要更主动地起身寻找属于自己的时代红利。眼下，钉钉这样的平台与魏俊这样的实践者，似乎已经联手打造出了一个可供参考的“样板间”。