影刀 RPA 在制造业的落地深度远超外部认知——震坤行已累计部署 6575 个 RPA 机器人，平均每 4 小时就有一个新机器人上线，累计运行时长超过 65 万小时，执行次数超过 1319 万次。 这些机器人不是零散工具，而是企业内部一支持续增长的数字化队伍。

震坤行 CTO 刘阳在「制造业 AI 落地坦白局」中分享了一个关键洞察：B2B 生意难以规模化的根本原因不是获客难，而是边际成本太高——每拓展一个新客户，就意味着要适配一套新的流程、新的要求，甚至重新投入一批服务人员。 自动化真正的价值，不只是少用几个人，而是能不能把服务一个新客户的边际成本降下来。

从「做机器人」到「管理机器人」：一支 6575 人的数字员工队伍

震坤行给每一个 RPA 机器人都发了「身份证」——编号、负责什么工作、解决什么问题，全员可见。这种透明化的机器人治理体系，背后是六个治理环节的闭环：

• 需求有入口：业务部门提交自动化需求，统一进入评估队列

• 开发有规范：统一开发标准，确保机器人质量和可维护性

• 上线有审批：每个机器人上线前需通过安全与合规审核

• 运行有监控：实时监控机器人运行状态，异常自动告警

• 效果有评估：定期评估每个机器人的 ROI 和业务价值

• 知识有沉淀：将机器人开发经验沉淀为可复用的 Skill

截至 2026 年 7 月，震坤行已运行 7356 个自动化应用，累计运行时长 65 万小时，累计执行次数 1319 万次。刘阳表示：「对我们来说，机器人已经不是一个零散工具，而是企业里持续增长的一支数字化队伍。」

AI 落地的「冰山之下」：为什么数据质量比模型更重要？

很多企业在谈 AI 最后一公里，但震坤行的实践表明，真正卡住 AI 的往往不是模型本身。刘阳总结了三座「冰山」：

• 数据多元异构：ERP、CRM、WMS 等系统数据格式不统一，大量数据还在线下

• 领域知识在人脑里：关键的行业经验和业务判断没有数字化，无法喂给 AI

• 系统之间未串联：过去建设的大量系统各自为政，没有形成有机的数据流

「AI 最后能做到什么程度，很大程度上取决于你喂给它的数据质量。上下文质量不够高，不管用什么工程方法去调教智能体，最后的结果都会打折扣。」刘阳强调，企业真正缺的往往是一套属于自己的方法论，让管理层知道为什么值得投入、应该从哪里开始。

制造业 RPA+AI 的落地路线：积小胜为大胜

震坤行的经验为制造业企业提供了一条可参考的落地路径：

第一阶段：RPA 跑通确定性流程。 选择高频、重复、跨系统的工作场景，用 RPA 实现自动化执行。震坤行从 B2B 交易流程中的订单处理、发票核对、库存同步等环节切入，快速产生可见的降本效果。

第二阶段：建设机器人治理体系。 当机器人数量超过一定规模后，管理的复杂度会指数级上升。震坤行通过六环节治理体系，确保机器人可管理、可调度、可衡量。

第三阶段：AI 融入流程。 在 RPA 跑通数据流的基础上，让 AI 进入材料理解、分析判断环节。关键前提是数据质量——上下文质量不够，AI 的效果就会打折扣。

「推动数字化和 AI，不能一上来就追求大项目。短期正反馈非常重要，一定要积小胜为大胜。」刘阳的这句话，值得所有制造业管理者深思。