【从聊】天框到流{水线}：AI开始[渗透]义乌的小店与工厂

拿到实体行业老板们的信任，或许是 AI 改造世界的第一步。

2026 年，AI 上游卖硬件、卖 token 的 " 卖铲人 " 已经先一步赚得盆满钵满。但此时看回到工厂车间，从互联网公司转向制造业腹地，一个更要紧的问题浮出水面：AI 究竟能不能真正渗透到中国经济的毛细血管——那些年营收几千万、团队不足百人、没有 IT 部门的中小制造企业。

怀疑者有充分的理由。中小企业数字化基础薄弱，数据散落在微信群和 Excel 表格里，老板们对上系统天然警惕，员工对新工具本能抵触。

更关键的是，制造业的场景涉及供应链、生产排期、跨语言沟通、多平台运营，任何一个环节的 AI 化都不是简单的对话框能解决的。

但在被称为 " 世界超市 " 的义乌，一家名为 " 优克拉 " 的星空灯工厂，提供着一个新解法。

这家成立超过 18 年的企业，团队不足百人，却在 2026 年 3 月钉钉发布 AI 智能体 " 悟空 " 后的两周内完成了全员部署。

三个月过去，它的新品首发成功率从 60% 跃升至 92%，抖音团队日销售额从几千元涨到两万多，行政一个人的算薪工作从两天压缩到了十分钟。

这些数字背后不是什么宏大的数字化转型工程，没有庞大的 IT 团队支撑。它靠的是一个能直接操作钉钉工作流的 AI 智能体、一群愿意花三四个小时去 " 试试看 " 的普通员工，以及一个计算机专业出身但已经二十年没写过代码的老板。

这个故事之所以值得细看，不仅因为它展示了 AI 创造价值的路径，更因为它暴露了 AI 渗透实业时遭遇的真实摩擦。

接管工厂与门店

深挖 AI 在优克拉创造的价值之前，首先要理解这家企业的业务特征。

优克拉是典型的义乌 " 前店后厂 " 模式，在义乌国际商贸城拥有线下店铺接待全球客商，同时自有工厂负责研发和生产，产品通过天猫、亚马逊、抖音、1688 等多平台销售。CEO 魏俊 2005 年毕业于南昌大学计算机专业，2007 年因家庭原因来到义乌创业，从淘宝店卖发光陶瓷杯起步。

"2012 年，这款杯子一年卖出七八万个，营收超二十万。" 他向华尔街见闻回忆道。十几年过去，优克拉已经成为星空灯品类的隐形冠军，持有迪士尼、奥特曼、三丽鸥等知名 IP 授权和四十余项专利。

计算机背景让魏俊对数字化有一种本能的亲近，他跟华尔街见闻表示，自从初代 GPT 发布他就开始跟 AI 聊上了。而优克拉更是早在 2017 年用上了钉钉，2023 年 9 月全面部署钉钉 AI 表格—— " 在大部分义乌老板还在用微信加 Excel 做生意的年代 "，他强调这个时间差。

两个月前，钉钉的 AI 工作平台 " 悟空 " 发布，原本优克拉的数据已经在线上跑着，AI 只需要接入而无需重建，很快接手了那些重复性的、机械的、但又占据大量人力的工作。

在义乌国际商贸城，优克拉的店铺 "IP 魔法城堡 " 每天接待来自中东、东南亚、非洲、南美的国际客商。语言障碍和信息遗漏一直是困扰一线店铺的老问题。

魏俊向华尔街见闻说，他的解决方案是在柜台旁挂一张 AI 录音卡，自动完成语音转文字和多语言翻译，无论客商说的是英语、阿拉伯语还是西班牙语，对话内容都会实时同步到公司的 AI 表格中。

回到总部，产品研发和供应链团队不需要反复追问 " 那个中东客户到底说了啥 "，只需要问 Agent —— " 今天商贸城来了哪些客商，他们有什么定制需求？"AI 即时检索、汇总、分析，给出结构化的清单。

" 从客商踏进店铺的那一刻起，他的需求就已经在数字化链路上流动了，从店铺到总部、从销售到研发、从一句口头表达到一份可执行的产品需求单，中间不再需要人工转述。" 魏俊描述道。

对于 " 前店后厂 " 的工贸一体企业来说，这条从 " 店铺现场 " 到 " 工厂车间 " 的数据高速公路，意义不亚于当年接入互联网。

同样的逻辑复制到了电商运营端。

过去，优克拉的运营团队每天需要耗费整整两个小时，手动复制淘宝生意参谋里的数据，粘贴到 Excel 表格，依靠人工经验去分析为什么竞品的款式会火。

" 每天都有无数关于爆款的焦虑，隔壁厂的某款产品突然日销过万，你还不知道为什么。" 魏俊向华尔街见闻说，" 现在，每天凌晨，他搭建的 Agent 自动抓取全平台本类目的爆款数据；早晨分析报告推送到钉钉群。

但信息搬运只是起点。当数据不再需要人工搬运之后，悟空开始介入更高层级的工作，那些原本依赖老板直觉和运营经验的分析判断。

最让魏俊印象深刻的，是 AI 对认知盲区的纠偏。

" 我们传统运营团队有惯性思维，一直做高客单价产品，完全忽视了低客单价市场，结果在竞争中落后了。" 他坦言。AI 分析市场数据后指出：百元以内的产品覆盖年轻消费者有巨大潜力，颜色偏好等细节对销售有显著影响。

" 这些是人工分析根本注意不到的视觉盲点。说实话，我们是吃了亏才去调整工作方式的。" 魏俊坦言道。

在产品研发环节，优克拉让 Agent 分析五千条以上的用户评论，提炼出痛点如 " 光线刺眼 "、痒点如 " 需要蓝牙控制 "、兴奋点如 " 作为孩子睡前的仪式感 "。" 过去的做法是靠老板拍板或美工灵感，偶尔翻看评论区，但这种非结构化的信息看过就忘。"

在真金白银的推广环节，变化更激进。

优克拉在悟空上建了一套自动化的投产热力图系统，高 ROI 链接建议加大投入，他们还设置了一道 AI 质检员，主图点击率低于 3% 的链接，系统直接拦截上架。

" 把原本充满玄学的运营推广变成了傻瓜式操作，新人只需三天即可上手。" 魏俊说。传统产品分析还有一个盲区：" 没有考虑短视频传播和情绪价值，导致产品成功率低，库存积压严重。以前盲目跟风，亏了不少。现在 AI 整合行业周期、节日增长速度、目标人群这些参数，结合小红书爆款设计趋势，产品成功率确实提升了。"

从信息搬运到分析判断，再到执行决策，AI 在优克拉的渗透沿着一条清晰的逻辑链逐层深入。但真正让这条链条运转起来的，来自组织的重构。

销售主管转向Skill 开发

" 我们公司以前最重要的是销售部，现在最重要的是 Skill 开发。" 魏俊向华尔街见闻直言道。

但背后是一次真实的组织调整。他的原销售部门负责人已经转岗，专职负责 AI 技能的开发和维护。运营助理转型到了内容部门，公司新增了技能训练和设计总监训练等新岗位。

作为用户自定义的 AI 封装技能，Skill 自然语言结构化的稳定操作悟空 " 做一件特定的事，目前优克拉拥有 50 到 70 个 Skill，覆盖从爆款抓取、评论分析、投放质检到考勤算薪的各个环节。

魏俊坚持让业务出身的人来做这件事。" 懂业务的人做相应工作，解决体系问题而非单点问题。" 他直接批评那些外部解决方案：" 单纯的情绪价值培训和不懂业务的外部顾问，无法促进企业持续成长。"

这种选择背后的逻辑是：AI 工具的上限不取决于技术本身，而取决于使用者对业务的理解深度。一个懂得为什么这个链接 ROI 低的运营主管，搭建出的质检 Skill 远比一个会敲代码的工程师更有效。

访谈中一个细节印证了这一点。

小董是公司唯一的行政人事，学的是酒店管理，之前一直在餐饮行业做人事兼收银。2023 年随爱人来到义乌，加入优克拉时，这家公司从来没有过专职 HR，一切从零开始。

真正改变她工作的是算薪。优克拉七八十人的团队，考勤规则跟钉钉标准不完全一样，不同部门规则不同，还有节假日调休等特殊情况。

每个月，她需要从后台导出打卡记录，逐人逐条手动誊抄、转换为公司自有的算薪格式，再计算工资。一个人干，整整两天。

公司的技术同事了解了她的工作流之后，帮她搭了一个 Skill，两天的工作缩短到不到十分钟。

" 这个是每个月一次的工作，我会用它。" 小董向华尔街见闻表示。她不会写代码，不懂什么叫提示词工程，但技术同事告诉她悟空的逻辑是什么，她就自己去试、去调。Skill 搭建过程中，大部分调试工作是她自己动手完成的，前后花了三到四个小时。

对于一个每天泡在工作的人来说，这意味着 AI 正在从 " 聊天窗口 " 走进 " 工作现场 "。

当被问到 "AI 嵌入工作后有什么不同 " 时，小董想了想说：" 好像并没有更轻松，但是很多事情我可以把问题抛给 AI，让他帮我分析，然后我根据他给的方法去尝试，可能少走很多弯路。"

魏俊对全员 AI 化的推进有一套自己的方法论。他的路径是 " 数据收集、线上化、可视化、奖励机制 " 四步走。公司会议由 AI 自动打分—— "70 分、68 分、72 分，会议讲得怎么样、主持得怎么样，AI 全部告诉你。

店铺销售人员同样被 AI 评估。系统根据录音自动提取客户咨询记录并打分，维度包括专业度、目标导向、客户洞察、提问与倾听能力。" 标准是我们自己定的，输入给智能体，它自动评估。" 魏俊说。他甚至让 Agent 根据客户咨询记录自动生成培训考题，" 让别人去训练 "。

整个公司的数字化历程从 2017 年接入钉钉开始，2023 年全面部署 AI 表格，对比的是 " 传统 Excel 的工作模式 "。魏俊对此有清醒的认知：" 科技是第一生产力。面对市场变化，我们的态度是先看机会后看问题。" 他计划继续在 AI 领域加大投入，目标是通过 AI 优化实现效率三倍提升。

他现在还经常在厂房里办培训，带动身边的义乌老板学 AI。" 大部分人的执行力不足，所以跟不上领先者的步伐。我希望借此拉开公司和竞争对手的差距。"

能力边界之外

将优克拉的实践简单包装为一个 AI 赋能的成功故事，会遮蔽其中真实的摩擦。

魏俊坦言，推动 AI 应用时遇到了明显的员工抵触情绪。他的应对是 " 选择合适的人先做起来，树立标杆，让数据说话 "。

他也坦诚地说：" 开周会的时候大家提需求，实话实说，可能大部分我觉得挺尴尬的。" 很多员工提出的 AI 需求并不成立，或者根本无法被当前技术满足。全员 AI 化的愿景与员工实际认知之间存在显著的落差。

更深层的困难在于从单点到体系的跨越。

" 现有 AI 工具多解决表面问题，难以全面优化公司经营体系。" 魏俊观察到，单个 Skill 解决单个痛点相对容易，但要让五六十个 Skill 形成协同、真正重塑企业的决策链条，需要系统化的顶层设计，而这恰恰是中小企业最缺乏的能力。

AI 能力本身也有清晰的边界。

Agent 能处理的是规则明确、数据结构化的任务。小董的算薪 Skill 之所以成功，前提是考勤规则能够被清晰描述。而那些 " 说不清楚 " 的业务逻辑——比如一款产品到底该不该做、一个市场到底值不值得进，AI 能提供分析，但最终的战略判断仍然需要人来承担。

" 产品定位与目标用户不符导致的低转化率，AI 能发现，但不能自动解决。" 魏俊说。

还有一个更底层的生态问题。

优克拉是义乌的先行者，但先行者的前提是它 2017 年就搭好了数字化底座。在义乌，大部分中小企业的数据仍