探訪聯寶科技的「AI+製造」：智能不是「買」來的

撰文：雁秋

“全球每销售8台笔记本，就有1台产自合肥。”这个说法在数据里能找到支撑。

合肥，经开区联宝科技（联想集团合肥产业基地），联想集团全球最大的PC设备研发和制造基地。最新数据显示，其年出货量约4000万台，累计超过3亿台，占联想全球销量约60%到65%。2023年1月，这里被评为“灯塔工厂”，代表当今全球制造业领域的最高水平。

联宝智能制造解决方案事业部总监路楠

荣誉当然重要，但更值得看的是这座工厂到底怎么把系统、数据和人的习惯一点点磨到一起。

10月底，笔者走进联宝科技的工厂车间，“水星线”上的传送带昼夜运转。一台电脑需要数千个零部件，从进入这条产线的那一刻起，要经历拧螺丝、键盘与屏幕测试、开合耐久检测、功耗验证......直至最终打包成盒。全程走完，需要整整24个小时。

这条产线上有约120名工人与自动化设备并肩作业，若遇上高配置型号的订单，工人数量会增至150人左右。他们的工作并非传统意义上的“打螺丝”，因为自动锁螺丝机与机械臂已承接了大部分标准化动作，工人们更多负责排线等精细操作，以及在关键检测节点上进行判断与干预。

不过，车间呈现的并非机器代替人的简单叙事，而是一种更贴近当下中国智能制造业的现实图景。核心来讲，这不是买了多少AI、多少token的问题，而是把数字化底座、场景选择、组织改造和产业外溢连成了一条链的产业叙事。

（为可阅读性，以下联宝科技简称“联宝”）

联想中国政企业务企业行业纵队总经理宋涛

01、联宝的几笔账单

联宝智能制造解决方案事业部总监路楠提出一句话：智能不是买来的，是“长”出来的。这句话需要放在联宝的产线上拆解。

第一笔是排产账。

联宝的智能排产系统，面对的是3C制造典型的问题：一台笔记本把主板算成一颗料，整机接近3000颗料，从投料到产出只有48小时窗口。过去排产靠24到30名员工提前一天手工做，提前4小时刷出第一版，提前2小时刷出第二版才能决策。

上系统后，排产耗时从小时压缩到分钟，产量提升19%，且约3分钟刷新一次。但系统没有把人工完全踢出去，而是留了微调空间，因为急单、特急单这类因子系统识别不了，制造部门还要二次排产。

第二笔是人力账。

制造五大因子——人机料法环——中，人最难管，因为有疲劳、情绪、身体状态。联宝把员工技能、在岗时间、岗位经历、特长标签化，工牌、工种、工位三者合一。

比如早上7点55分，班组长拿一张全景图就知道哪条线缺多少人、缺什么工种，然后到数字化资源池里调人，背后财务系统打通，用了谁的人就快速结算。联宝方面表示，过去打电话“摇人”最少30分钟，现在5分钟完成匹配。

第三笔是测试和培训账。

电脑组装完并不代表直接交付，还需要模拟客户使用习惯，把键盘、屏幕、触摸板、接口都试一遍。联宝过去采用72人的人工测试，现在12台左右的设备就可以做。省人，只是第一层账，第二层账是测试数据全流程可追溯，能反哺下一代产品研发。

还有AR培训，新员工到一线，两天上产线，第三天有产出，一周爬满计划产能。制造最难改的是人的认知和习惯，这些事单拎出来都不算惊天动地，但连在一起就是智能长进产线的过程。

第四笔是出海账。

联宝的经验是不要一开始大而全，先关注当地法律法规和海关准入，充分融合当地文化习惯，比如沙特工厂设备高度不能按中国人身高来，操作语言也不能默认英语。这些经验说明，AI出海不是“模型出海”，而是合规、本地化交付和全球服务能力的复合出海。

联想的优势在于全球资源本地交付，但挑战也同样存在，比如项目制交付如何产品化，标准化与定制化如何平衡，算力、模型、数据和合规成本如何打包进客户可接受的账本里。

总结来看，路楠把“账”分成三层：

第一层，省人力、提效率、降质量失效成本，这是基础投入产出比；

第二层，客户体验和品牌影响，短期收益不直观，但长期是战略投资；

第三层，工艺创新提前预埋数字化能力，比如笔记本越做越薄、算力越来越强、散热要求越来越高，很多工序靠手工和肉眼已经做不到，智能化设备必须提前配套。

02、AI“长”进生产线的关键

不过，账算得再漂亮，复制到别的企业也未必顺利。所有经验都属于特定企业、特定场景、特定时期走出来的一条路，复制者要结合自身产品工艺、人员技术状态，取其中精华再加自身特质。

如果只给一套最小可用套件，路楠认为是“人机料管理调度体系+教育体系+硬件执行结构”的组合，形成最小整场解决方案。更核心的是“懂工艺、懂流程、懂设备、懂数字化”的四懂合一总体架构能力。

中国很多工厂各部门、配套的厂商都只熟悉自己的部分，缺的是把整套系统串起来、走平稳的角色。目前联宝把灯塔经验外化成“AI+智造”一体化解决方案底座，服务60余个项目、覆盖22个省、直辖市，并依托全球布局的交付体系输出到越南、中东等海外市场。

圆桌现场

阳光电源股份有限公司设备动力部主管朱辉分享了公司引入联宝的经验。他表示，经验可以学，数据治理要求、组织关系、流程节点却很难照搬。

朱辉分享了一个小案例，阳光电源的设备工程师干了十几年，设备坏了凭经验就知道怎么修，现在AI给建议，他心里会打鼓：这个建议能不能用、用了有没有效果？因此，组织要出台激励和引导，让工程师先尝试、先感受到AI帮他解决问题，习惯才会改变。

这也是AI+制造的一个痛点，AI替代的不是一个岗位，而是一段任务，但任务背后是经验、权力和责任。如果组织不重新分配数据、流程和决策权，再好的模型也会停在演示阶段。

到目前为止，联宝的AI+制造之路已然走出了阶段性的成果，但从信息化到AI深度嵌入也经历过阵痛期。

路楠告诉DoNews，“数字化一定是一把手工程，不是一把手推不下去。”因为信息化、数字化首先打破了信息不透明，信息透明后，人可运作的空间就小，天然会有抵触。

“工厂过去大量表单、打印、存储、追溯都是成本，但更难的是突破部门墙，有的部门愿意拿数据，有的不愿意，最后出现断裂。”路楠说，解决方式是把“烟囱”打通，让所有人看到同一个河面。

谈及AI真正“长”进产线和以往信息化改造的本质区别，他的判断是一个字：快。技术革命按周刷新，这种局面对个人学习能力提出更高的要求。“第一要有拥抱的态度，第二要快速了解、适应技术，第三要敢于尝试、敢于试错，并在错误中总结方法论。”路楠说。

对大多数中国工厂来说，未必都要成为“灯塔”，也没必要照搬联宝的产线。这家工厂最值得借鉴的，是如何在现有的能力上加入AI使之提效，比如哪些场景可以先做，哪些数据要先补课，哪些组织关系要先理顺，哪些能力可以交给外部伙伴。

这些问题回答不了，买再多AI系统也只是“演示很漂亮”，回答得了，智能才可能真正长进产线，也长进组织里。