96 年厂二代放弃接班，创办灵核数智，将 AI Agent 应用于制造业的下单、排产、客诉等核心环节，提出「让企业从效率容器变成判断容器」的转型理念。
📝 详细摘要
本文是吴晓波频道《AI 未来谈》栏目对灵核数智创始人陈弘旋的访谈整理。陈弘旋是 96 年出生的厂二代，家族企业年产值超 30 亿，但他选择放弃接班，于 2024 年 9 月创业，All in AI+制造业。文章核心观点是：制造业知识密度高、经验难传递、系统难上、毛利薄等痛点，恰恰是 AI Agent 最擅长解决的场景。陈弘旋提出了「711 理论」：企业 70% 知识来自外部，10% 来自现有数据，20% 是人和 AI 共同干活中沉淀的「未来经验」。灵核数智的做法是让数字员工去工厂上班，将制造业业务拆分为设计、预防、量化、控制四个环节，Agent 分为入口级、跟进级和业务分析级三层。具体案例包括下单 Agent（将 3-4 小时工作缩短至 5-10 分钟校验）、排产 Agent（30 分钟给出排产建议）、客诉闭环 Agent（自动归因并推送给研发）。陈弘旋还提出了「组织离心力」概念，认为 AI 时代组织凝聚更重要，并展望了未来「50 人带几百个 Agent」的原生组织形态。他建议从业者亲自去感受 AI，从小事做起，用「养孩子」的心态培养 Agent。
💡 主要观点
- 制造业的痛点（知识密度高、经验难传、毛利薄）恰是 AI Agent 落地的天然土壤。 传统软件难以解决的隐性经验沉淀和复杂场景处理，Agent 通过端到端闭环业务和自动沉淀数字资产，反而能有效解决。
💬 文章金句
- 让企业从「效率容器」变成「判断容器」。
- AI 在制造业的落地，不是把旧数据喂给模型，而是让 Agent 在真实业务里干活，在干活中沉淀 Context。
- 企业 70% 的知识来自外部，来自互联网和大模型；10% 来自企业当下的核心流程和现有数据；剩下 20% 是人和 AI 在实际干活过程中共同沉淀出来的「未来经验」。
- 过去企业靠使命愿景价值观把人拧在一起。AI 时代，每个人用 AI 的水平参差不齐，动作方向各自不同，组织反而更容易散。
- Agent 是能力强但缺乏社会经验的新物种，要有包容心，每件事启动前和它聊，做完给反馈。日积月累，当它懂你了，爆发力会超出预期。
📊 文章信息
AI 初评：85
来源：吴晓波频道
作者：吴晓波
分类：人工智能
语言：中文
阅读时间：13 分钟
字数：3119
标签： AI Agent, 制造业, 数字化转型, 数字员工, 厂二代