TE Connectivity：把AI從“話題”變成“算盤上的數(shù)字”

現(xiàn)在，AI的價值衡量標準正在從“有沒有”變成“好不好用、賺不賺錢”。

你的公司用AI了嗎？用了之后，賺錢了嗎？

你可能會以為，當一家公司里82%的員工都用上了AI，35%的業(yè)務(wù)已經(jīng)實現(xiàn)規(guī)模化部署時，大家最關(guān)心的一定是“還能做出什么顛覆性產(chǎn)品”。

TE首席執(zhí)行官Terrence Curtin直言：“真正走在前面的企業(yè)，是那些能把AI投入轉(zhuǎn)化為實際業(yè)務(wù)成效的企業(yè)。”

換句話說，AI用了四年，從實驗室走進工廠、供應(yīng)鏈和日常辦公之后，大家終于開始認認真真地算一筆賬：這波投入，到底賺不賺錢？

01

AI“成熟期”的三個硬指標

當一家企業(yè)的AI應(yīng)用真正長出了可衡量、可復(fù)制、可管理的能力時，我們才能說AI正式步入了成熟期。TE在《2026行業(yè)技術(shù)指數(shù)》指出，目前全球已有82%的受訪企業(yè)在不同程度上采用了AI，其中35%實現(xiàn)了AI的廣泛應(yīng)用。

而現(xiàn)在，AI的價值衡量標準正在從“有沒有”變成“好不好用、賺不賺錢”。

TE中國區(qū)總經(jīng)理兼亞太區(qū)人力資源副總裁張超在2026年《行業(yè)技術(shù)指數(shù)》媒體分享會上分享道，目前TE的AI戰(zhàn)略分為三個階段：文化轉(zhuǎn)型、流程轉(zhuǎn)型、價值最大化。他表示，TE目前正處于“將AI真正嵌入產(chǎn)品研發(fā)、物流、制造，甚至日常辦公”的第二階段，并加速向第三階段邁進。因此，可以將“從零星試點走向規(guī)模化部署”視為成熟期的第一個硬指標。

第二個硬指標則體現(xiàn)在AI是否能夠深度嵌入核心業(yè)務(wù)流程，而非獨立存在。

正如TE汽車事業(yè)部中國區(qū)商業(yè)智能總監(jiān)楊玲朗所說：“AI是否步入成熟期，有一個非常重要的標志：是否從技術(shù)驗證轉(zhuǎn)向價值創(chuàng)造的階段，也就是是否真正進入流程和業(yè)務(wù)指標，并持續(xù)產(chǎn)生業(yè)務(wù)結(jié)果”。

楊玲朗提到TE在幫助供應(yīng)鏈團隊開展的一個排產(chǎn)項目中，傳統(tǒng)的方式是用Excel來處理排產(chǎn)的計算邏輯，但是隨著業(yè)務(wù)規(guī)模量的擴大，當數(shù)據(jù)量達到百萬級時，傳統(tǒng)的Excel計算能力就不夠了。

但在上線AI算法和系統(tǒng)后，原本需要6至7小時一次的排產(chǎn)縮短到6至7分鐘。由AI的算法和系統(tǒng)提供基于不同的業(yè)務(wù)目標的不同版本的排產(chǎn)，業(yè)務(wù)人員就可以根據(jù)自身經(jīng)驗，來做下一步的判斷、調(diào)整和決策。

AI的價值必須可衡量，投資回報率（ROI）成為最終標尺是第三個也是最關(guān)鍵的硬指標。

TE今年的《行業(yè)技術(shù)指數(shù)》報告揭示了一個轉(zhuǎn)折點：受訪企業(yè)首次將財務(wù)目標置于產(chǎn)品創(chuàng)新之上。43%的管理者表示首要目標是增加企業(yè)利潤，工程師群體中也有31%將利潤列為首要目標。

在中國，這一務(wù)實轉(zhuǎn)向更加明顯。85%的中國受訪者表示其所在企業(yè)已在不同程度上采用了AI技術(shù)，超過全球水平（82%）。在AI相關(guān)決策上，74%的中國受訪者將成本列為AI應(yīng)用的首要顧慮。

無論是視覺檢測帶來的效率提升，還是工藝優(yōu)化保障產(chǎn)品性能，企業(yè)對于AI的運用能夠“看得見、算得清”，才是這項技術(shù)真正走過“青春期”的表現(xiàn)。

02

中國企業(yè)務(wù)實轉(zhuǎn)向：成本成為首要的顧慮不再怕監(jiān)管，而是怕虧錢

在全球主要經(jīng)濟體中，中國企業(yè)對AI的態(tài)度最為現(xiàn)實。

楊玲朗在2026《行業(yè)技術(shù)指數(shù)》媒體分享會上回顧了從2022年底ChatGPT問世以來的心態(tài)變化。

楊玲朗提到，在2023年TE主要關(guān)注的是如何驗證模型的能力以及它是否安全。TE意識到，AI真正好的前提，是企業(yè)內(nèi)部數(shù)據(jù)得先治理好，如果數(shù)據(jù)標準不統(tǒng)一，AI不能理解數(shù)據(jù)，也不能真正幫助企業(yè)解決業(yè)務(wù)場景的問題。

“去年，我非常明顯地感受到中國的企業(yè)管理層會更加關(guān)注AI是不是能夠帶來實際的業(yè)務(wù)價值，對于AI的投入到底可不可以給公司帶來實際的成本節(jié)約。”

張超在發(fā)言中也談到，2025年TE中國區(qū)銷售額達到了46億美元，同比增長了31%，在全球占比中舉足輕重。“這樣的業(yè)績和我們持續(xù)的研發(fā)及AI投入是有關(guān)的，”張超說，“如果包括AI在內(nèi)的各種技術(shù)投入不能帶來效益，那么我們就不會這樣去做。”

03

TE怎么做？——“不挑毛病，先擁抱”

當許多企業(yè)還在為“AI會不會取代我”而焦慮時，TE 從高層到一線，都在積極主動地擁抱AI。

張超在媒體分享會上透露，不久前TE在上海舉辦亞太地區(qū)女性工程師活動，兩位事業(yè)部首席技術(shù)官在沒有事先對稿的情況下，不約而同地談到了AI，核心態(tài)度就是“去擁抱AI，不要只挑毛病”。

哪怕AI現(xiàn)階段還不夠完備、結(jié)果不太對、存在數(shù)據(jù)安全風險，也要看到它每天都在進步。這種自上而下的文化倡導(dǎo)，成為TE在 AI戰(zhàn)略的第一塊基石。

TE的企業(yè)文化包括讓每一個員工都相信AI是“助手”而非“對手”。

在工程師群體中，這種文化被提煉為“AI First”思維。

TE高級總工程師、先進制造技術(shù)高級總監(jiān)張丹丹博士解釋道：“比如在技術(shù)開發(fā)的時候，首先想到有哪些AI工具可以幫助到我。”她分享了一張令人印象深刻的示意圖：一位工程師坐在中間，周圍圍繞著一群AI助手，各有分工，還能彼此交流配合，7天24小時不間斷工作。工程師不再是重復(fù)勞動的“螺絲釘”，而是AI團隊的“隊長”。

為了讓“AI First”從口號變?yōu)槟芰Γ琓E投入了大量資源進行培訓和賦能。

在TE汽車事業(yè)部中國區(qū)，第一期智能體培訓營就有60位業(yè)務(wù)部門的專家主動報名參加。楊玲朗總監(jiān)說：“在我們事業(yè)部，是業(yè)務(wù)部門追著AI部門去做項目的。”這種用業(yè)務(wù)拉技術(shù)的生態(tài)，得益于TE對復(fù)合型人才的培養(yǎng)策略，既要懂業(yè)務(wù)邏輯，又要懂得AI能力邊界，讓AI真正成為“個人能力的放大器”。

與此同時，TE還通過開放式創(chuàng)新平臺“TE AI Cup”競賽與全球高校合作，今年吸引了27所高校超過300名學生深入TE工廠，參與真實的AI開發(fā)，新增的供應(yīng)鏈與采購選題直接反映了企業(yè)的真實需求。對內(nèi)培訓賦能，對外聯(lián)合育才，TE正在構(gòu)建一個內(nèi)外循環(huán)的人才生態(tài)系統(tǒng)。

04

真金白銀的落地

在TE的制造與運營體系中，AI是可以直接貢獻到效率、成本和質(zhì)量的生產(chǎn)力工具。其中最具代表性的是AI視覺檢測。

張丹丹在分享會上提到，目前TE全球已經(jīng)部署了超過800套AI視覺檢測系統(tǒng)，而且不再是過去“一個工廠裝一兩套”的試點節(jié)奏。

在亞太地區(qū)，有的工廠一次性就部署了幾十套甚至上百套。這些系統(tǒng)替代了傳統(tǒng)的人工目檢，不僅檢測速度更快，而且一致性更高，大幅降低了漏檢率和誤判率。張丹丹直言：“這些項目確實能夠為企業(yè)帶來看得見、算得清的價值。”

從“一兩套”到“上百套”的量變，背后是ROI被驗證后的信心質(zhì)變。

在生產(chǎn)工藝控制領(lǐng)域，TE擁有大量的注塑機、沖壓機等設(shè)備，生產(chǎn)過程中涉及數(shù)十個工藝參數(shù)的協(xié)同控制，不同批次的原材料也可能帶來質(zhì)量波動。過去，工程師靠經(jīng)驗和反復(fù)試錯來調(diào)整參數(shù)；現(xiàn)在，AI模型能夠?qū)崟r監(jiān)控工藝數(shù)據(jù)，自動推薦或直接執(zhí)行最優(yōu)參數(shù)組合，從而穩(wěn)定產(chǎn)品質(zhì)量、降低廢品率。

張丹丹說：“通過AI對制作工藝的關(guān)鍵參數(shù)進行控制和優(yōu)化，能夠很好地保障產(chǎn)品性能，并提升競爭力。”這種優(yōu)化帶來的價值直接體現(xiàn)在材料利用率提升和廢品成本下降上，同樣是可量化的ROI。

除此之外，材料工程師的日常工作也正在被AI深刻改變。

TE高級專家材料工程師、TE中國材料實驗室負責人黃忠喜博士分享道，為了滿足公司2032年范圍3碳排放相較2022年基準降低30%的可持續(xù)發(fā)展目標，團隊需要大量對比低碳材料與現(xiàn)有材料的性能指標。以前，把所有可用材料的數(shù)據(jù)放進Excel，靠人工逐一比對，完成一項篩選任務(wù)需要2到3個小時。現(xiàn)在，借助AI工具，同樣的工作在5分鐘內(nèi)就能完成。“節(jié)省下來的時間可以去思考更多新的材料應(yīng)用，”黃忠喜說。

從2小時到5分鐘，AI并沒有取代工程師，而是把工程師從繁瑣的數(shù)據(jù)比對中解放出來，讓他們專注于更高價值的創(chuàng)新工作。

05

智能體元年，瓶頸在哪？

當AI從“有沒有”走到“好不好用”，技術(shù)曲線的下一站自然指向了Agent智能體。

2026年被TE內(nèi)部視為“智能體爆發(fā)的元年”。楊玲朗在媒體分享會上判斷：“現(xiàn)在是智能體爆發(fā)的元年，處于剛開始并持續(xù)推進的階段。”

智能體不同于傳統(tǒng)的大模型對話工具，它能夠自主理解任務(wù)、調(diào)用工具、執(zhí)行多步操作，甚至與其他智能體協(xié)作。然而，從試點到規(guī)模化應(yīng)用，制造業(yè)企業(yè)面臨著兩個明確的瓶頸。

第一個瓶頸是流程復(fù)雜度。楊玲朗指出，制造業(yè)的流程非常復(fù)雜，“用單個智能體去解決特定復(fù)雜流程具有挑戰(zhàn)性”。解決方案往往需要多個智能體的融合，并且還要與其他數(shù)字化技術(shù)協(xié)同，才能解決特定場景問題。這就要求AI工程師必須透徹理解業(yè)務(wù)流程的本質(zhì)，同時業(yè)務(wù)人員也要真正懂得AI的能力邊界。

雙向理解，是智能體落地的第一道門檻。

第二個瓶頸來自系統(tǒng)和數(shù)據(jù)層面。智能體通常需要與企業(yè)內(nèi)部多個系統(tǒng)打通，并獲取不同來源的數(shù)據(jù)。如果內(nèi)部系統(tǒng)之間接口不統(tǒng)一、數(shù)據(jù)標準不一致，智能體就無法有效工作。

楊玲朗強調(diào)：“數(shù)據(jù)的治理、數(shù)據(jù)的一致性、數(shù)據(jù)能否被智能體很好地采用，是一個挑戰(zhàn)。”

在這方面，TE會先對數(shù)據(jù)進行分級管理，不同級別的數(shù)據(jù)共享需要經(jīng)過嚴格的審批流程，既保障安全，又促進協(xié)同。張丹丹補充道：“我們有自己專屬的大語言模型平臺，能夠接入內(nèi)部數(shù)據(jù)。”

從數(shù)據(jù)治理到平臺建設(shè)，TE正在為智能體的規(guī)模化應(yīng)用鋪路。雖然挑戰(zhàn)存在，但楊玲朗認為，只要清楚挑戰(zhàn)具體的差距點在哪里，就能知道如何解決。

06

AI不是目的，創(chuàng)造價值才是

恰如張超在分享會最后所言：“企業(yè)在當前環(huán)境下更加關(guān)注價值創(chuàng)造的現(xiàn)實考量。一開始AI屬于很新奇的東西，到現(xiàn)在要回歸落實到本來的初心。”

無論是全球800多套AI視覺檢測系統(tǒng)的規(guī)模化部署，還是供應(yīng)鏈排產(chǎn)從6小時到6分鐘的極致提效，TE用一個個“算得清賬”的案例證明：AI不是用來替代人的，而是用來放大人的。

工程師身邊多了一圈AI助手，業(yè)務(wù)專家手里多了一套智能工具，材料科學家從2小時的數(shù)據(jù)比對中解放出來去做真正的創(chuàng)新。而在可持續(xù)發(fā)展的長跑中，AI也在幫助TE以更低的成本、更高的效率逼近減碳目標。

當越來越多的企業(yè)開始像TE一樣，把AI從“話題”變成“算盤上的數(shù)字”，這場技術(shù)革命才真正走進了下半場：不是誰用得最早，而是誰用得最值。