课程背景
制造业正站在 AI 变革的十字路口。大模型技艺的爆发式演进，让"AI 落地工厂"从概念变成了可操作，可量化的现实。但大多数制造业管人者面临的困境是：知道 AI 要害，但不知道从哪入手；听说过 ChatGPT，落地时，但不清楚大模型和自己的产线、供给链、质量管控有什么关系；想促成队伍用 AI 提效，但自己也没系统学过。
这门课破解的就是这个问题——用 2 天时间，往细里说，帮制造业部门负责人完成从"AI 认知"到"AI 实操"的跨越。
课程收益
1. 构筑完整的 AI 认知轮廓：从 AI 演进简史到大模型原理，让管人者"知其然也知其故而然"
2. 掌握 AI 本领分级架构（L1-L5），能判断什么情境用什么级别的 AI 方案
3. 借助 L1-L2 级实操上手，让每位参训者带着"自己能用起来"的本领离开课堂
4. 领会制造业 AI 智能体的搭建推演，为后续 L3-L5 级落地打下基础
• 能讲清楚 AI 的演进脉络和大模型的核心原理
• 能判断一个业务情境适合用 L1-L5 哪个级别的 AI 方案
• 掌握至少 5 个 AI 提效实操本领（提示词工程、AI 写作、资料拆解、文档处理、PPT 制作）
• 获得一套"AI 落地制造业"的路线图，执行层面，知道回去后第 一步做什么
课程大纲
一、AI 的三次浪潮和两次寒冬
1. 第 一次浪潮（1956-1974）：符号主义和专家系统
图灵测试、达特茅斯会议，专家系统在制造业的失败教训
2. 第二次浪潮（1980-1987）：神经网络和反向传播
BP 算法突破、日本第五代计算机规划为何失败
3. 第三次浪潮（2012-至今）：深度研习 + 大模型
AlexNet 开启深度研习时代、Transformer 论文的革命性意义，ChatGPT 的"iPhone 时刻"
二、大模型到底为何——用制造业的语言讲清楚
1. 大模型的本质：一个"超级预测下一个词"的机器
用产线补货预测做类比，领会大模型的核心原理
2. 大模型三要素：资料、算力、算法
资料（"吃"了什么）、算力（训练 GPT-4 的电费够工厂开多久），算法（Transformer 为何为工业革命级发明）
3. 主流大模型一览（2025-2026）
海外（GPT-5，Claude 4.5，Gemini 2.5）vs 国内（DeepSeek V4，通义千问 3.0、文心 5.0，Kimi K2），开源 vs 闭源的选项
一、为何需要分级——制造业 AI 落地的"最 大坑"
1. 典型问题：一上来就想做"全自动无人工厂"
特斯拉柏林工厂的教训，丰田"自働化"哲学：人机协同，不是人机替代
2. L1-L5 分级轮廓的起源
借鉴自动驾驶分级（SAE L0-L5）的思路，往细里说，映射到制造业 AI 运用
二、L1-L5 逐级详解（制造业情境版）
注：本课 L1-L5 分级轮廓参考业界 AI Agent 本领分级共识，结合制造业运用情境定制，非国家准则定义。当下国内已发布《机器智能终端智能化分级》（GB/Z 177—2026，运行层面，L1-L4）和《智能助手类智能体安全分级规范》（L1-L5），落地时，但制造业 AI 运用分级尚无国标。
1. L1 辅助：AI 提供资讯/建议，人做决策
写周报，查国标、翻译文档、整理纪要——会用浏览器即可，落地时，零代码
2. L2 增强：AI 深度参与拆解和创作，人做决策
拆解产线资料、编写 SOP、竞品拆解——需要提示词本领
3. L3 协同：人机共同完成复杂差事，AI 可执行部分决策
智能排产、质量检测辅助、供给链隐患预警——需要业务链路梳理+资料对接
4. L4 自主：AI 独立完成端到端差事，人只做异常干预
自动生成采购订单，预测性维护，自动质量报告——需要 AI 智能体架构+系统集成
5. L5 原生：AI 周全接管营运，人做方略决策
全流程 AI 工厂（如西门子安贝格工厂的演进方向）——制造业尚未达成
三、制造业 AI 落地路线图
1. 先 L1-L2，从实践看，再 L3-L4——"先跑起来，从实践看，再跑快"
比亚迪的 AI 推进路径：从"AI 辅助办公"到"AI 智能工厂"
2. 不同部门的 AI 起点建议
生产/质量/装置 → L1 起步，优先 L2 资料拆解；供给链/采购 → L1 起步，从实践看，优先 L2 文档处理；HR/财务/行政 → L1 起步，在实际应用里，优先 L2 报告生成
一，提示词工程——和 AI 对话的"制造业话术"
1. 好提示词 vs 差提示词的差距
用制造业真实情境对比演示：差提示词"帮我写个报告"→ AI 泛泛而谈。好提示词→ 精准输出
2. 提示词四大要素：定位、差事、约束、格式
定位（你让 AI 担当谁）、差事（你要 AI 做什么）、约束（字数/风格/资料范围），从实践看，格式（表格/报告/邮件/PPT 大纲）
3. 制造业高频提示词模板
周报/月报模板、技艺文档翻译模板、会议纪要整理模板、国标查询解读模板
二、实操上手 1：AI 辅助写作（30 分钟）
1. 差事：用 AI 写一份"本月产线异常停机拆解报告"
参训者根据还原资料撰写提示词，对比 AI 输出并碰头精进方向
2. 讲师点评：常见提示词错误以及改进办法
三、实操上手 2：AI 辅助资讯检索和拆解（30 分钟）
1. 差事：用 AI 查询国标核心要求，和公司现况做对比
参训者选项本部门相关准则（如 ISO 9001、IATF 16949），生成"差距拆解表"
2. 讲师点评：AI "幻觉"隐患以及交叉验证办法
一、AI 资料拆解——不用 Excel 公式也能做拆解
1. 制造业常见资料拆解情境
不良率趋势拆解、装置 OEE 波动拆解、供应商交期准时率拆解
2. 实操上手 3：AI 资料拆解（40 分钟）
给还原产线资料（CSV 格式），用 AI 完成资料清洗、趋势拆解、可视化建议
3. 讲师点评：AI 资料拆解的边界（什么能做，什么不能做）
二、AI 读文档——让 AI 帮你"啃"几百页的技艺文档
1. 制造业文档处理痛点
装置说明书（几百页英文 PDF）、合同条款审查、SOP 准则作业程序编写
2. 实操上手 4：AI 文档处理（40 分钟）
差事 1：上传英文装置说明书，提取要害参数并翻译；差事 2：上传合同，标注隐患条款；差事 3：口述操作流程，执行层面，让 AI 生成准则 SOP
三，AI 做 PPT——从"一天做一页"到"十分钟做一套"
1. 实操上手 5：AI 辅助 PPT 制作（30 分钟）
用 AI 生成"Q2 质量改进规划"PPT 大纲+每页内容，在实际应用里，调整精进后导入 PPT 抓手
2. 讲师点评：AI 做 PPT 的"二八法则"——AI 做 80%，落地时，人做 20% 的要害判断
一，落地时，何为 AI 智能体（Agent）
1. 智能体 vs 聊天机器人：本质区别
聊天机器人：一问一答，实操中，无记忆，无行动；智能体：有标的、有记忆，能调用抓手，能执行多步骤差事
2. 智能体核心架构
大脑（LLM 推理决策），记忆（短期+长期上下文）、抓手（API/资料库/文件操作）、规划（差事分解和执行）
二、制造业 AI 智能体的典型情境
1. 智能排产 Agent
订单+产能+物料+交期 → 精进排产规划+冲突预警（实例：某汽车零部件厂）
2. 质量预测 Agent
传感器资料+历史不良记录 → 不良率预测+调参建议（实例：富士康 AI 质检）
3. 装置维护 Agent
运行资料+维修记录 → 预测性维护规划+备件采购建议（实例：西门子 MindSphere）
4. 供给链隐患 Agent
供应商资料+物流+市场情报 → 隐患预警+替代方案建议
三，从 L2 到 L3 的"第 一步"
1. 选试点情境的准则
高频、资料可得、容错率高——推荐起点：装置维护提醒 Agent 或者质量日报自动生成 Agent
2. 技艺选型建议
开源轮廓（LangChain、Dify）vs 公司平台（钉钉/飞书/公司微信 AI），制造业优先选"低代码+公司平台"路线
一、AI 时代管人者的三个思路转变
1. 从"心得驱动"到"资料+AI 驱动"
老师傅的心得数智化 + AI 辅助决策，让隐性学识显性化
2. 从"替代焦虑"到"增强思路"
AI 替代的不是人，是不会用 AI 的人。管人者的新定位：AI 的"指挥官"，就一线经验说，执行层面，不是"操作员"
3. 从"一次性项目"到"持续进化"
AI 不是上一个系统就完事了，具体来看，构筑"AI 月度复盘"制度：用了什么，省了多少、下月试什么
二、制造业 AI 落地的常见坑和避坑指南
1. 资料没准备好就上 AI
"垃圾进，往细里说，垃圾出"——先做资料治理，在实际应用里，再做 AI 项目
2. 追求"一步到位"的 L4/L5
L1-L2 没跑通就上 L3，运行层面，执行层面，必死——先让队伍"用起来"，从实践看，再谈"智能化"
3. 忽视人的因素
一线员工抵触：觉得 AI 要抢饭碗——解法：让员工参与 AI 项目规划，实操中，成为"AI 训练师"而非"被替代者"
4. 选错技艺路线
制造业不需要"最 先 进的模型"，执行层面，往细里说，需要"最稳定的方案"——私有化部署 vs 云端 API，资料安全优先
三，课后行动清单
1. 本周：用 AI 完成 3 件日常事务（写周报，查准则，翻译文档）
2. 本月：在部门内做一次"AI 提效分享会"，从实践看，在实际应用里，就一线经验说，展示你用 AI 省了多少时间
3. 本季度：识别 1 个 L2 级 AI 运用情境，在实际应用里，启动试点
4. 半年：完成 1 个 L3 级 AI 智能体 POC（概念验证）
一、资料安全红线
1. 什么资料不能"喂"给 AI
商业秘密（配方，具体来看，工艺参数、买方名单）、个人隐私资料（员工资讯，买方资讯）、受控技艺资料（军工、出口管制相关）
2. 公有云 AI vs 私有化部署的安全对比
DeepSeek、通义千问等等主流平台的资料处理政策；公司级私有化部署方案简介
二，往细里说，从实践看，AI 输出的合规隐患
1. AI "幻觉"的制造业隐患
AI 编造不存在的国标条款，给出错误的安全操作建议——防范措施：AI 输出必须人工复核，执行层面，换个角度看，要害决策不能交给 AI
2. 版权和学识产权
AI 生成内容的版权归属，用 AI 写专利/技艺文档的注意事项
三，制造业 AI 伦理
1. AI 决策的透明度和可解释性
2. 员工 AI 采用规范建议（公司可参考拟定内部 AI 采用守则）
一、综合实战：还原"AI 落地提案"
1. 差事：每组选项一个真实业务情境，输出"AI 落地提案"
情境描述（痛点为何）→ AI 方案规划（L1-L5 级别+抓手）→ 预期收益（省多少时间/降多少成本）→ 施行路线图（第 一步做什么，换个角度看，需要什么资源）
2. 小组展示 + 讲师点评
二，课程回顾
1. 两天核心学识点串讲
AI 简史→大模型原理→L1-L5 分级→L1 实操→L2 实操→智能体→安全合规
2. 要害公式
AI 落地成功率 = 认知对齐 × 情境选项 × 资料准备 × 人的因素
收束和答疑
一、课程核心要点回顾
二，参训者自由提问和答疑
三、课后研习资源推荐
AI 抓手推荐清单（免费+付费），就一线经验说，实操中，推荐阅读/课程、制造业 AI 实例库（持续更新）
说明 1：本课纲为 2 天（8 讲）完整版。如调整为 1 天（4 讲），换个角度看，建议保留第 一至四讲，执行层面，第五至八讲内容压缩为课后资料。
说明 2：L1-L2 实操环节需参训者自备笔记本电脑，并提前注册至少一个 AI 抓手账号（具体抓手清单开课前一周发送）。
说明 3：课程中所有制造业实例都基于公开可查的公司实践，不涉及任何买方的商业秘密。
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|焦波老师
适合谁听
公司一二级部门负责人（生产、质量、供给链、装置、工艺、HR。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。