工业智能：制造业的下一个增长机会
制造业积累的经验知识、生产数据与运营实践正被整合为“工业智能”，并借助Physical AI接入物理生产环节。丰田自动织机打通碎片化喷漆车间数据后，分析周期从5天缩短至4小时以内，试点中相关喷漆缺陷减少约25%。罗克韦尔自动化新加坡工厂用维护copilot整合设备手册与老员工经验，新员工掌握数百台设备排障的时间从9个月降至3个月。
#部署/工程
MIT Technology Review · AIAI 评分2222
MIT Technology Review · AIAI 评分1818 Celonis 首席科学家 Devavrat Shah 谈企业 AI 为何需要上下文感知
Celonis 企业 AI 首席科学家 Devavrat Shah 提出“决策智能”，主张 AI 智能体必须理解任务在业务流程中的角色与业务条件，否则会忽略约束、犯错或浪费算力。他建议企业先连接现有流程与数据，构建上下文层，让智能体在护栏内运行并输出可人工审核的建议。落地应从具体业务决策入手，先测最难环节的提速与价值，再决定是否扩展。
MIT Technology Review · AIAI 评分2020 企业 AI 的新经济学：从 token 成本转向有效成果成本
HPE 提出企业 AI 的成本衡量应从 token 或 GPU 小时单价转向"每个有用成果的有效成本"，即完成可用工作所需的平台、模型、运维与算力总成本。企业可选择自建栈、按需消费或集成私有 AI 平台三条路径，HPE Private Cloud AI 通过调度、模型选择、GPU 分区和 KV-cache 管理提升利用率，并附 90 天前驻工程师服务。