2025年底，AI技術(shù)大會正在變成一種“企業(yè)標配”。炫酷的技術(shù)名詞與激動人心的話語，讓人不禁對AI這個“超級工具”加持的未來抱有相當?shù)钠诖c向往。

但先別高興得太早。翻一翻歷史便會發(fā)現(xiàn)：每一種深刻改變世界運行方式的通用技術(shù)，都會走向同一個規(guī)律——它會創(chuàng)造大量價值，卻很少自動把價值變成某一家公司的長期優(yōu)勢。蒸汽機、電力、電腦、互聯(lián)網(wǎng)莫不如此：當它們普及之后，大家都會用上，于是勝負手從“你有沒有”變成“你本來是誰”。

在12月11日TCL于廣州舉辦的2025全球技術(shù)創(chuàng)新大會上，大會主題“AI for Real（AI向?qū)崳保袷荰CL在回答這個靈魂追問：當AI成為標配，我們靠什么贏？

TCL把答案拉回到企業(yè)技術(shù)應(yīng)用最根本的三件事：

1、是否擁有真實且持續(xù)的需求來源；

2、是否擁有把方案落地為穩(wěn)定成果的能力；

3、是否擁有能長期迭代、持續(xù)糾錯的組織機制。

換句話說，AI把“門檻”降低了，但把“本質(zhì)”推到了臺前。TCL創(chuàng)始人、董事長李東生在開場致辭中表示，TCL要做的是讓AI真正落到產(chǎn)品、技術(shù)與產(chǎn)業(yè)里，創(chuàng)造實實在在的價值。

“下一波AI浪潮是物理AI”，這是黃仁勛給出的判斷。作為深耕制造業(yè)40余年，年營收超3000億元，通過TCL科技與TCL實業(yè)布局智能終端、半導(dǎo)體顯示、新能源光伏三大產(chǎn)業(yè)的企業(yè)，TCL的業(yè)務(wù)分布廣、鏈條縱深長，這并不天然等于優(yōu)勢，但它確實意味著：一旦AI能在這些鏈條里跑通并沉淀下來，便能通過實體經(jīng)濟對個體的工作與生活產(chǎn)生影響，跳出參數(shù)與模型的內(nèi)卷，這更有可能形成一種更根本、更難被復(fù)制的競爭邏輯。

兩類真實場景

讓TCL更像“AI放大鏡受益者”

很多企業(yè)談AI時，會不自覺地走向“工具崇拜”，可管理者都知道，工具從來不負責結(jié)果。再好的工具，如果沒有合適的場景、用法與協(xié)作方式，最后都可能只留下一堆“看上去很先進”的痕跡。

這也解釋了為什么TCL在談AI時，總喜歡把話題拉回“場景”和“價值”。聽上去不性感，卻非常關(guān)鍵——因為只有在真實場景里，AI才會得到驗證、遇到邊界、獲得反饋，才談得上判斷其價值。

TCL恰好有兩個能提供反饋的場域：一個是C端產(chǎn)品的用戶使用日常，另一個B端的制造與研發(fā)體系。

C端：用戶學習 vs. 學習用戶

TCL實業(yè)首席技術(shù)官孫力這樣解釋TCL智能終端的AI邏輯：“AI for Real的核心是‘不為做AI而做AI’，而是要找到用戶的真實痛點和需求，與產(chǎn)品深度契合?！?/p>

TCL希望AI與產(chǎn)品的結(jié)合能解決用戶當下最真實的麻煩與不爽。落到C端，它更像一組很創(chuàng)新、很具體、很生活化的改進：

在娛樂場景里，TCL的電視屏顯技術(shù)已是全球領(lǐng)先，但受線上視頻帶寬限制與片源老舊的影響，真實觀看時畫質(zhì)往往跟不上。把AI增強畫質(zhì)與音質(zhì)做進體驗鏈條后，用戶更容易把“好屏幕”用出該有的效果。

在居住場景里，以能耗大戶空調(diào)為例，通過AI更智能的控制策略，空調(diào)在開機初期能節(jié)省40%的電力，穩(wěn)定運行后還能進一步優(yōu)化能耗。AI還圍繞睡眠與舒適的體驗邏輯進行了產(chǎn)品升級：毫米波雷達根據(jù)人的狀態(tài)自動微調(diào)風感與溫度，盡量減少夜晚被冷醒/熱醒的不適；白天則面向健康空氣管理，以負氧離子清新室內(nèi)呼吸環(huán)境。交互上，AI理解指令的能力也得到提升，用戶不必再苦思冥想“機器話術(shù)”，一句日常表達的“有點熱”，空調(diào)能精準響應(yīng)為“調(diào)低溫度”。在洗衣時，洗衣機的智慧洗功能會自動感知衣物材質(zhì)并調(diào)整參數(shù)，用戶洗衣將從“我來選模式”進化到“我只要把衣服扔進去”。

雷鳥眼鏡、AiMe則是兩個令人非常驚喜的創(chuàng)新產(chǎn)品，令A(yù)I開始融入更廣泛的生活場景中：雷鳥眼鏡與阿里通義定制化合作，把實時問答、識別理解與多語種翻譯（字幕/拍照翻譯）做進眼鏡，增強跨國交流便捷度。分體式AI陪伴機器人AiMe則隱藏在可愛的仿生外觀之中，讓自然交互與擬人化表達的陪伴“更有溫度”。

這些例子共同指向一點：AI在C端最有意義的地方，不是把產(chǎn)品變得“更聰明”，而是把產(chǎn)品變得“更體貼”——你不必去“學會新工具”，而是讓工具更懂你怎么生活。用戶使用過程中的小摩擦、小偏好、小誤解、小驚喜，恰恰是最好的訓(xùn)練場，它們不斷把AI拉回生活本身。TCL科技數(shù)字化負責人李冰這樣總結(jié)：“AI實際地在創(chuàng)造TCL的產(chǎn)品價值，創(chuàng)造更好的客戶體驗，這正成為我們核心產(chǎn)品的競爭力?！?/p>

B端：全產(chǎn)業(yè)鏈的降本、增效與提質(zhì)

如果說C端的AI更像“把體驗做得更懂人”，那B端的AI更像“讓系統(tǒng)更會照看自己”。

在TCL華星的制造產(chǎn)線，你能很直觀地看見這種變化。產(chǎn)線設(shè)備會隨著時間出現(xiàn)波動，過去的處理方式很熟悉：人工抽檢、導(dǎo)出數(shù)據(jù)、用表格算、再把新參數(shù)手動輸回機臺。工作不難，但特別吃人——過去在華星每天有三四百人專職負責這一基礎(chǔ)工作，而且很多時候“發(fā)現(xiàn)問題”與“真正解決”之間隔著時間和流程?，F(xiàn)在，在TCL華星開發(fā)的垂域大模型——星智大模型的支持下，產(chǎn)線管控更像一種自動閉環(huán)：檢測數(shù)據(jù)一出來，系統(tǒng)就自動算、自動判斷機臺能力是否偏移，然后把參數(shù)“補回去”。

這件事聽起來簡單，但意義不小：它把“人盯數(shù)據(jù)”變成“系統(tǒng)自我糾偏”，把靠經(jīng)驗的反應(yīng)，變成可復(fù)制的日常動作。作為TCL旗下的顯示面板制造企業(yè)，TCL華星并不是傳統(tǒng)意義的“裝配廠”，而是一個負責OLED、MLED以及LCD等高端顯示產(chǎn)品研發(fā)與量產(chǎn)的精密制造系統(tǒng)——工藝、設(shè)備、品質(zhì)和交付的每個環(huán)節(jié)都決定著最終的屏幕質(zhì)量與成本結(jié)構(gòu)。也正因為這樣，這里發(fā)生的AI落地，不太可能是“好看就行”，隨著星智大模型迭代到3.0版本，其產(chǎn)品問題解析效率已提升20%，材料開發(fā)效率提升30%。

本次大會圓桌嘉賓姚卯青（智元合伙人、高級副總裁、具身業(yè)務(wù)部總裁）把這種“嚴肅性”說得很直接：如果AI在工業(yè)場景達不到人工節(jié)拍和足夠高的成功率，就很難融入生產(chǎn)系統(tǒng)。也正因為難，B端一旦跑通，含金量會非常高——它意味著AI成為組織能力的一部分：更早發(fā)現(xiàn)問題、更快定位原因、更快復(fù)盤、更快改進；并且這些改變不是一次性的“省點成本”，而是慢慢長成一種新的運行習慣。

在制造端這樣的案例還有很多：在TCL華星t4工廠OLED屏幕量產(chǎn)環(huán)節(jié)，系統(tǒng)可以自動進行缺陷分類，再給出針對性的處理策略，產(chǎn)生的直接效益超過2.48億元；在印刷OLED顯示產(chǎn)線，AI讓產(chǎn)線切換地更順、波動更小，效率提升數(shù)倍，批次不良率從70.3%降到4.17%。

從這些我們可以看出，TCL的AI應(yīng)用在B端已經(jīng)沿著全產(chǎn)業(yè)鏈條鋪開，驅(qū)動制造、研發(fā)、供應(yīng)鏈，運營等環(huán)節(jié)持續(xù)革新，把“降本、增效與提質(zhì)”變成一套可復(fù)用的日常能力。數(shù)據(jù)顯示，2025年一年，落實AI應(yīng)用為TCL創(chuàng)造的綜合效益就達到了10億元。

組織化推進

走好AI應(yīng)用的“最后一公里”

很多公司做AI，最尷尬的時刻不是“做不出來”，而是“做出來了，用不起來”：業(yè)務(wù)部門覺得不貼合日常；技術(shù)團隊覺得需求總在變；AI上線之后更是沒人做維護。這就是AI的最后一公里：它離業(yè)務(wù)很近，但離真正落地仍差一步。而這一步，靠的往往不是再換一個工具，而是組織機制：誰來牽頭？誰來對接？誰來把一次次試點沉淀成可復(fù)用的方法？說到底，實現(xiàn)更多一線的人“會用、敢用、用得久”，AI才會真正融入組織能力。

閆曉林博士（TCL科技首席技術(shù)官、TCL華星首席技術(shù)官、TCL工業(yè)研究院院長）將TCL的AI成功歸功于算法團隊與研發(fā)、制造等業(yè)務(wù)團隊形成了緊密耦合的合作關(guān)系。

這種“最后一公里”的組織設(shè)計，體現(xiàn)在TCL的“共創(chuàng)機制”中，比如星智大模型3.0，通過把顯示研發(fā)與制造的知識入口統(tǒng)一起來，便于跨團隊的復(fù)用與迭代。再比如格創(chuàng)東智，作為TCL專注于工業(yè)軟件與工業(yè)智能解決方案的公司，近年來格創(chuàng)東智與TCL工研院、TCL華星等產(chǎn)業(yè)單位已經(jīng)落地150個AI項目，覆蓋品質(zhì)管理、設(shè)備管理、能碳管理、場內(nèi)場外物流一體化等更深水的場景。這種合作的價值不只是“多做幾個案例”，而是形成技術(shù)應(yīng)用的方法論與平臺能力，讓AI更容易從試點走向規(guī)?；?。

更能說明“組織化推進”的，其實是閆曉林博士談及的，橫跨全球與本地的人才培養(yǎng)計劃：TCL將從東歐等地引進一支約50名頂尖人才的跨國團隊到國內(nèi)工作，與國內(nèi)（或者改為本地）的研發(fā)力量協(xié)同攻關(guān)垂域多模態(tài)大模型。在一線業(yè)務(wù)中，TCL希望培養(yǎng)三千名對AI有基礎(chǔ)認知的年輕員工——那些對新技術(shù)充滿熱情、“眼里有光”的銷售、制造、研發(fā)等崗位的年輕人，能和專業(yè)AI團隊形成協(xié)同，把AI用進工作里、融入流程中。

當這種“基礎(chǔ)認知”在TCL全面鋪開，AI便會真正滲透進業(yè)務(wù)的毛細血管中。這時AI已經(jīng)不再是某個部門的項目，而是一種可以被更多業(yè)務(wù)人員使用、并持續(xù)迭代的協(xié)作方式。

通用技術(shù)終將機會均等。AI遲早會成為每家公司桌面上的默認工具，但它也會更殘酷地篩選：你是否有真實場景來馴化它？是否有組織能力讓它持續(xù)運轉(zhuǎn)？是否愿意長期投入把試點變成體系？

TCL的“向?qū)崱?，至少給出了一套可檢驗的路徑：

?C端用真實體驗打磨AI的“同理心”；

?B端用嚴肅場景逼AI長出“可靠性”；

?組織端用“毛細血管式滲透”降低協(xié)作摩擦，把AI推入系統(tǒng)能力。

中國工程院丁文華院士在圓桌上對“向?qū)崱钡慕忉尯軜闼兀宏P(guān)鍵是讓AI真正用到“有實際價值的地方”。這句話放在今天尤其像一句校準。也因此，AI更像一面放大鏡：它不會自動把每家公司都推向成功，卻會把“本來就有價值的公司”推得更遠。

廖琦菁 | 文

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org