Agent Factory 是美的把工艺、供应链、品质、设备等领域的行业数据、知识资产与流程经验，封装成可由"工厂大脑"统一调度的智能体集群；它通过将企业长期锁在具体岗位和旧系统中的隐性能力，分离并模块化为标准能力单元，实现了研发、生产、供应链、营销、服务全链路的 AI 化工位重构。公开披露显示，截至 2026 年中，美的已累计打造并日常运行约 1.3 万个 AI 智能体，其中仅 158 个核心智能体就贡献了 95% 的价值产出（美云智数总裁金江，新浪财经/每日经济新闻，2026-01-16；"人工智能+"生态大会，中国新闻网，2026-06-18）。这直接回答了本文标题抛出的问题：1.3 万不是一句营销口号，而是美的用三年"全员建智能体"实打实堆出来的分布——但它真正说明的不是"AI 无所不能"，而是"真正能上工位的 AI，其实高度集中"。

一、案例速写

把 1.3 万这个数字放回背景里，会更清楚它的分量。美的早已不是单纯的家电企业：经济参考报 2026 年 3 月的报道显示，美的 2025 年营业总收入 4585 亿元，其中 ToB 业务收入 1228 亿元、海外营收 1959 亿元，集团自我定位已转向"AI+ 全球性科技集团"。支撑这场转型的，是一支超 400 人的 AI 研发团队，以及每日在住宅、办公、制造、医疗、仓储、物流等场景运行的 13000 多个智能体（经济参考报，2026-03-31）。

需要厘清一个口径：这 1.3 万，不是美的自上而下规划出来的"标准产品"，而是集团全员基于自身岗位"挖掘的业务场景超 13000 个"，再借助集团搭建的智能体编排平台搭建发布（中国日报网，2026-01-15）。换句话说，它是"群众运动"的产物。而在这海量长尾之上，真正被筛出来对外商业化销售的只有 40 多个，金江直言"真正实现商业化的比例只有千分之二左右"——因为对场景的理解，本身就是一道相当高的壁垒。

二、转型动因

为什么是美的，为什么是现在？三个动因叠在了一起。

其一是组织规模的天花板。一个 400 人的 AI 团队，无论如何也喂不饱几十万员工、横跨家电与 ToB、医疗、能源、物流（安得智联）的多业务线。让一线自己造智能体，是组织被迫选择的"分布式创新"路径——总部提供底座，战场自发生长。

其二是降本增效的硬压力，而且这条曲线相当陡：金江披露，美的通过 AI 内部降本，2024 年约 1.8 亿元，2025 年约 6 亿元，2026 年目标 9 亿元以上（新浪财经，2026-01-16）。从 1.8 到 6 再到 9，年均近翻番的预期，说明 AI 已从"锦上添花"变成财报里的刚性科目。

其三是数字化底座的成熟。美的 2019 年便设立 AI 创新中心，后升级为集团四大研究院之一的 AI 研究院（中国日报网，2025-12-18）。张小懿（美的集团副总裁兼 CDO）反复强调一句话：数字化是 AI 的统一语言与底座。没有灯塔工厂和端到端流程协同（OTD 价值流管理）打底，1.3 万智能体就是空中楼阁。

三、技术嵌入

落到工程层面，美的走的是一条"三步走"的务实路线：从 Embedding（绝大多数工作仍由人完成），到 Copilot（人与 AI 协同），再到 Agent（绝大多数工作可由 AI 完成）（中国日报网，2026-01-15）。与之配套的是三级智能体体系——产线、车间、工厂，由"工厂大脑"统一调度。

最常被引用的样板是荆州洗衣机工厂。它拿到了 WRCA（世界纪录认证机构）"世界卓越的首个多场景覆盖的智能体工厂"认证：14 个智能体覆盖 38 个核心生产场景，面向装配、质检、巡检、排产、供应链等环节，以秒级响应完成传统人工小时级任务，平均提效 80% 以上，其中排产响应速度提升 90%（经济参考报，2026-03-31）。

技术栈上，美擎 AIGC 3.1 平台叠加智能体编排平台，把市面主流大模型、企业自训垂类大模型与制造业专业知识融合，支持 Embedding、Copilot、Agent 三种协作模式，并通过统一知识库、标准接口和模型治理机制，保证 AI 能力可规模化复制（中国日报网，2026-01-15）。落到具体域：研发有工艺设计、TRIZ、企划助手，供应链有需求预测、库存计划、DMS 智能体，制造有 LOSS、TPM 损失分析，营销有商品、合同审查智能体——各域不是孤岛，而是共用一套编排语言。

四、能力单元分析 ★

这一段是全文的骨架，也是场景学社看美的与众不同的地方：我们不把它当成又一个"AI 落地案例"，而是用能力单元论，问一句——AI 到底把哪些旧能力，从人和旧系统里"抠"了出来？

答案是分离—调用—重组—连续化，四则法一条线看清。

分离。 过去，"工艺调参""排产""产线损失分析"这些能力，锁在工程师的脑子里、锁在分散的 ERP/MES 报表里，是隐性、不可复制的。现在美的把它们拆成了 LOSS 智能体、DMS 智能体、TPM 智能体、需求预测智能体、库存计划智能体等标准模块。一个最直观的例子：产线因停机、质量问题造成的损失，过去要人工每隔数小时盘点一次，很难迅速定位原因；现在智能体每天把损失拆解到具体工序和岗位，并直接给出改善建议（中宏网，2026-01-15）。能力被"显影"了。

调用。 三级体系下，工厂大脑统一编排，"人找数据、系统各自为政"转向"AI 主动服务、跨系统自动协作"（中国日报网，2025-12-18）。秒级响应替代小时级任务，本质是调度权的重新分配。

重组。 从单点提效，到连点成线，再到全面协同（中国日报网，2026-01-15）。研发的知识沉淀、制造端的异常感知、供应链的优化建议，被串成"预测—诊断—优化—执行"的运营闭环。

连续化。 这里对应场景学社三支柱：复用率（158 个核心场景被反复调用，而非一次性玩具）、一致性（统一知识库+标准接口保证跨系统稳态协作与合规治理）、连续化（智能体 7×24 不间断运行，跨班次无缝衔接）。

而 1.3 万与 158 的剪刀差，正是这套视角最诚实的注脚：价值从来不来自智能体的"个数"，而来自其中被高频复用的"核心能力单元"的密度。绝大多数长尾智能体是"小修小补"单元，少数才长成了组织的"高复用核心单元"。

五、组织变阵

技术重构之后，是人怎么重新站队。

美的的做法是"全员参与 AI"：员工基于岗位自己搭智能体，总部只提供编排平台和治理。这带来的不是裁员叙事，而是角色重定义——人更多聚焦目标设定、方向规划、责任兜底与把关；Agent 承接高频、可规则化的执行。用 AIEC 大会上行业提出的概念说，是 Human+Agent 的"Humagent"形态：两者基于清晰的能力边界分工，而非简单替代。

但变阵从来不止于岗位说明书。美的为此组建了由 AI 研究院、应用中心及各业务线人员构成的跨部门团队，用数年时间积累对工业场景的理解（中宏网，2026-01-15）。把经验从老师傅身上剥离、再封装成可调度单元，触碰到的是权责与绩效的重新分配——这是组织惯性最硬的那块骨头。当一套损失分析智能体开始"替"车间主任下判断，谁来为它的结论背书？责任边界的模糊，往往比技术本身更难解。

六、ROI 兑现与踩坑

该兑现的，美的兑现了。经济参考报披露，2025 年美的通过 AI 提效超 1500 万小时、节约成本约 7 亿元；荆州工厂平均提效 80%、排产提速 90%。这些数字，比任何发布会都硬。

但诚实地说，边界同样清晰，而且值得后来者当头一盆冷水：

第一，商业化率仅千分之二。金江自己点破了误区："现在的重点已经不是做多少个智能体，而是哪些场景真的能带来效率和成本改善。" 1.3 万里的大量智能体，是验证想法的"玩具"，不构成可持续价值。

第二，价值高度集中。158 个核心智能体贡献 95% 产出，意味着长尾的边际贡献极低。指望靠"全民刷量"堆出转型，是危险的幻觉。

第三，通用智能体的护城河很低。金江明确判断：通用类门槛低、易同质化，美的的押注在"领域智能体"——深入研发、生产、供应链等制造业核心环节，这是互联网科技公司短期难以复制的（中宏网，2026-01-15）。

第四，硬约束仍在。AI 擅长"可度量、可复用、规则较清晰"的能力单元（排产、补货、损失分析），但凡涉及跨域综合判断、责任兜底、创造性企划，仍须人把关。大模型幻觉、数据质量、模型治理，是悬在规模化之上的三把刀。更现实的风险是烂尾：数字化底座薄弱的企业，直接上"智能体工厂"，只会建出空中楼阁——美的能跑通，是因为它先有了灯塔工厂和美云智数这块数字化底盘。

七、可迁移方法论

把美的这一仗抽象成可带走的四条，用的还是场景思维与四则法：

一、底盘先于智能体。没有统一数据和流程底座（美的的 OTD/VSM、美擎平台），智能体只是漂亮 demo。先解决"统一语言"，再谈"自主决策"。

二、用"能力单元"而非"AI 工具"盘点场景。先问哪些隐性能力可被分离、被复用，而不是先问"上哪个大模型"。

三、不看数量看密度。158/13000 的启示是：转型的成色，取决于高复用核心单元的比例，不取决于智能体个数。少而精，远胜多而滥。

四、三级调度 + 统一编排，让单点变连续价值流。分离出来的单元，必须能被工厂大脑持续调度，才可能从"提效一次"走向"连续化运营"。

说到底，Agent Factory 的真正意义，不在那个容易传播的数字"1.3 万"。它第一次用一家巨型制造企业的肉身证明了一件事：经验可以被单元化，单元可以被调度，调度可以连续化。当这三件事同时发生，制造业的智能化才从 PPT，走到了工位上。