夙昔十多年，传统制造企业参预多数资源拓荒信息系统尊龙凯龙时官网，将采购、坐蓐、销售和财务等业务搬到线上。 

领先，这些系统主要匡助企业纪录和处理日常业务。跟着各纪律渐渐买通，企业运转运用筹办数据安排预算、弯曲坐蓐和确立资源。数字化也从提高业务处理遵守，逐步参与到筹办有筹算中。

台铃科技数字化中心总司理陈骏先容，与较早开展数字化拓荒的同行比较，台铃还有不少基础责任需要“补课”。近两年，生成式AI运转进入企业办公和业务场景，台铃决定跟上最新的本事阶梯。2025年，台铃借着开源大模子开发了企业智能体“铃宝”，但使用体验还有些差强东谈主见。

2026年，台铃运转与火山引擎全面合营，顺利将企业Agent从日常办公渐渐延长到门店巡检、经销商订货和坐蓐管制等业务场景。

手脚一家在行业内作念到头部的实体制造企业，台铃领有着复杂的研发、制造、渠谈、售后体系，庞杂的职工基数和数万家门店，AI能带来的筹办遵守提高极为可不雅。而无人不晓的是，数据的质料关于AI试验应用后果至关蹙迫，在企业Agent中这小数则对应着“学问的价值”。

两边合营的中枢之一，即是火山引擎学问引擎VeKnow和HiAgent，前者崇拜将台铃本来散布在不同系统中、形态复杂、口头不谐和的学问，进行谐和接入、加工、管制和捏续进化，后者则相沿面向业务需求完成专科智能体搭建并接入学问提供系列专科劳动。

2025年春节前后，DeepSeek的走红让台铃科技的管制层运转研究：公司应该怎样把AI用起来？

台铃科技数字化中心总司理陈骏和团队接洽了不少本事问题，一个多月后，基于开源大模子开发的里面智能体“铃宝”上线了。它能写演讲稿、作念PPT、整搭理议纪要，也能翻译和查询轨制。上线初期，不少职工愉快尝鲜，可逼近推行一扫尾，用户量便显著回落。

究其原因，无非“通用”二字，铃宝能作念的这些事，其他老练AI居品大多也能作念，以致作念得更好。

2026年，台铃与火山引擎合营，铃宝迎来了环节升级。比较不绝加多通用办公功能，两边更但愿通过高质料的企业学问供给，让铃宝向企业专科办公场景细分升级。

后果是不言而喻的。据陈骏回想，除了在基础才略上的显耀强化外，合营后的铃宝愈加劳动于具体的场景、具体的责任了，在一些场景功课时确凿能阐述出东谈主与AI协同的责任才略了。

比如， 财务东谈主员查出差和报销手续，仓库东谈主员查GPS、戒指器等珍贵物料的收发章程，售后东谈主员查三包配件的处理方针，需求各不一样，却有相似的庇荫：企业学问起首散布、形态复杂，有的保存在业务系统中，有的留在职工电脑里，文献口头和管制方式也不谐和；即使找到了尊府，还要证实版块、权限和适用范围。

这些问题并不是大模子自身粗略处理的，要让Agent粗略准确恢复企业里面的专科问题，需要的是竣工、捏续、有明确起首和依据的学问。

何况学问“接进来”，还不等于Agent就能径直“用起来”。一份轨制可能有几十页，触及不同岗亭和履行条目；有的尊府包含表格、图片和复杂的文档结构。若是仅仅浅易索求翰墨，本来的内容层级、适用条目和业务语义就可能在处理历程中丢失。

而火山引擎学问引擎VeKnow擅长的，恰是通过复漫笔档阐明、生动切片和学问增强，对不同口头的尊府进行加工，让本来零碎的内容成为智能体粗略相识、检索和调用的学问。两边一拍即合，围绕售后、营销、制造、行政办公和数字化这五个业务领域拓荒学问问答平台。

关于需要跨文献关联的复杂问题，VeKnow 还提供学问图谱、实质语义建模等学问编译才略，匡助Agent相识不同行务端正之间的关系，得回更竣工的业务高下文。

陈骏先容，当今铃宝在台铃里面职工中的使用遮盖率照旧达到了80%驾驭，弥远贪图是提高到95%以上。这就需要靠VeKnow后续补王人更多还没梳理出来的企业学问、挖掘并中意更多需求场景。

台铃在寰宇稀有万家门店，因为门店形象、成列有谐和程序，因此需要门店责任主谈主员按时拍照上传查验，浅薄一家门店一次需上传4-5张图片。

2025年，台铃就竖立了独特团队审核这些像片，但职能却只可遮盖部分中枢门店：因为除了逐张查验像片是否恰当程序外，当发现问题后还要见告门店整改、再行复核，责任繁琐且量级巨大。

如今，台铃将门店像片的初步审核交给由火山引擎VeKnow和HiAgent搭建的智能体。门店像片上传后，AI 按照对应程序学问指出不恰当程序之处；门店整改、再行上传，系统再次判断。当际遇争议或格外情况，再交由东谈主工处理——当今在审核团队东谈主力参预减少的前提下，门店巡检遮盖数却照旧扩大至2.5倍，每月可审核卓绝24万张门店实拍图，举座审核提效4倍以上。

企业学问在这里不再仅仅供东谈主查询的尊府，也运转成为Agent履行任务时的判断依据。而除了已有的程序化学问，智能体还能基于VeKnow的弥远顾虑才略，千里淀门店的历史巡检纪录，为后续管制提供参考。

门店巡检的遮盖范围扩大后，模子调用用度也需要戒指。领先，一家门店上传四五张像片，系统就要区别调用模子进行识别。火山引擎数智平台委用团队尝试了一个方针：先把这几张像片合成为一张，再谐和交给模子审核。测试下来，Token耗尽减少了，识别准确率也莫得下落。

经销商订货是另一件需要多数东谈主工参与的责任。台铃的车型和居品确立浩大，不同地区的销售章程也不十足一样，因此经销商下单前，需要笔据自身所需先和台铃的商务内勤电话疏浚，再由责任主谈主员协助下单。业务边界越大，所需处理的研究和订单就越狼籍词语，对接责任所需参预的东谈主力就越多。

铃导者APP-AI订货助手进口

台铃与火山引擎正在基于VeKnow和HiAgent测试经销商订货助手，通过面向经销商的“铃导者”APP，提供翰墨、语音研究和订货协助，该项才略当今照旧进入试用阶段。

按照台铃的计较，订货助手除了要基于居品学问、渠谈端正和业务高下文恢复车型确立和居品价钱等问题，还将渐渐鸠合更多上游纪律实时数据。

数据知道，仅10月27日一天，经销商通过“铃导者”APP就向订货助手发起研究卓绝10000次，其中下单需求意图识别超3000次，最终协助完成下单滚动占比超42%。

台铃但愿跟着学问体系和业务系统渐渐完善，让订货助手承担更多日常研究与订货责任，减少业务边界增长带来的类似东谈主力参预。

除了上述案例外，台铃也在将AI应用延长到更多现场。举例，在电动车装车历程中，台铃照旧尝试运用录像头和AI识别，查验责任主谈主员是否按照要求带领安全帽、安全绳；关于装车数目程序化、易燃物早期预警，以及面向线下门店的实体导购机器东谈主，台铃也还在不绝探索。

跟着监管趋严，一辆电动两轮车要上市销售，电板、电机、戒指器等枢纽零部件的对应关系，需要在坐蓐历程中得到更高超的管制。

这些变化不单发生在工场。一项居品程序弯曲后，仓储要查对物料，销售要证实不同地区的适用章程，售后也需要更新处理口径。对制造企业来说，怎样让这些学问实时传递到不同部门，照旧成为日常管制的一部分。

但企业学问拓荒是一件“又脏又累”的责任，它们洒落狼籍有致，跨地域、部门、纪律、东谈主员极广，这是电动两轮车全行业以致通盘传统制造企业濒临的一样窘境。

火山引擎VeKnow但愿处理的，恰是企业学问从接入、加工、真确治理到业务应用和捏续进化的竣工链路，并忽视了“一次治理、多场景复用”的想路，企业不错通过API、Skill等方式，将照旧接入、加工和治理的学问钞票供不同Agent调用，新应用不错复用已有学问基础，再笔据业务需要补充新内容。

台铃照旧沿这一地点拓荒，五伟业务域的学问问答平台为铃宝提供专科依据，门店巡检调用门店管制程序，尚在测试的订货助手不绝补充居品、渠谈和订单学问。应用程度不同，底层学问却不错捏续蓄积。

学问管制还要跟上业务变化。一项轨制通常被查询却找不到有用谜底，可能意味着学问缺口；不同部门章程碎裂，就需要查对改动。VeKnow依托学问回流治理、后果评测以及用户使用响应，匡助企业发现问题，推动学问捏续进化，而非一次建库就扫尾。

“VeKnow提供的是学问底座，”陈骏补充谈，“后链路的智能体搭建和场景编排还将在HiAgent上完成。”现阶段，台铃科技照旧完成面向业务场景的AI大框架搭建，真切瞻念察业求试验需求，并自主落地多个场景化智能体落地，捏续鼓动铃宝APP进化为AI中台，谐和为业务提供AI才略和劳动。

跟着AI从赞助办公走向坐蓐、销售和筹办管制，VeKnow提供的高质料学问供给、真确治理和多场景复用才略，HiAgent提供的智能体搭建和场景编排才略，也有契机为更多传统制造企业终了专科学问底座的拓荒和Agent搭建。

*题图及文中配图起首于采集尊龙凯龙时官网。