過去幾年，行業周期波動、全球競爭加劇、製造業智能化升級同步發生，幾乎所有製造企業都在尋找新的增長曲線。
三一集團的選擇是持續加碼數字化。
2018年，三一集團以「要麼翻身、要麼翻船」的決心，開啟了數字化轉型。
2022年，為了抓住第四次工業革命這個機會，三一集團實施了國際化、電動化、數字化三大戰略。
到了2024年，三一集團又宣布了「新三化」戰略，全力開展全球化、數智化、低碳化轉型。
從數字化到數智化，三一集團始終在尋找穿越周期的新動能。如今，這家擁有40餘座「燈塔工廠」（其中3座獲得世界經濟論壇認證）的工程機械龍頭，正將AI能力融入研發、製造、運營和管理等核心環節。
在三一集團CIO許國強看來，數字化曾經是必選項，現在AI正成為生存項。AI不會取代人，但會用AI的人會取代不會用AI的人，會用AI的企業會跑贏不會用AI的企業。
三一集團CIO許國強
從資訊化到智能化的第四次躍遷
回顧三一集團30多年的數字化歷程，大致經歷了四個階段：業務線上化、全面資訊化、全面數字化，以及正在推進的全面智能化。
上世紀90年代，三一集團開始推動業務線上化，陸續引入CAD、PDM等系統，將研發、設計和營銷等核心業務流程從線下搬到線上，逐步擺脫手工台賬時代。
2010年，三一集團實現了全面資訊化。通過PLM、CRM等系統建設，打通研發、製造、銷售和服務鏈條，實現產銷協同，企業經營開始從單點數字化走向全流程數字化。之後燈塔工廠、數字中台等能力建設又相繼落地。
有了前三階段的基礎，2025年開始，三一集團開始全面推進智能化，包括智能體、數字員工等一系列AI應用，開始探索AI驅動的新型運營模式。
「數字化更多是把線下流程搬到線上，更多是在提升效率，AI帶來更大的變化是重新定義製造範式。許國強說。
事實上，三一集團對AI的探索並非剛剛開始。早期，公司已經在配件需求預測、IoT工時定額、自動排程等場景中嘗試應用AI技術，不過大多停留在點狀探索。
許國強將其比喻為，在黑暗的車間裡裝了幾個燈泡，局部場景被照亮了，但還不足以點亮整個體系。
因此，2025年，三一啟動了一項更具代表性的變革，推動全員AI強管控。管理崗位和關鍵崗位被要求系統思考AI與自身業務的結合點，重新梳理業務流程，尋找可以被AI重構的環節。相比部署幾個AI工具，三一集團更關注如何讓AI真正嵌入企業運營體系，成為組織能力的一部分。
這和SAP今年提出的「自主運營企業」有著異曲同工之處。
一年做成三件推動AI管控的「硬」事
2025年是三一集團推動全員AI強管控的一年。一年下來，三一集團干成了三件比較「硬」的事。
首先是知識沉澱。
過去一年，三一集團系統梳理並沉澱了130多萬條製造領域知識，並通過數據治理讓這些知識能夠被AI理解、調用和學習，構建起垂直領域AI應用的基石。
其次是垂域模型。
三一集團推動AI在研發、供應鏈、製造、銷售與服務等核心業務環節的使用。以維修助手為例，過去事業部擁有各自獨立的知識體系和服務經驗，每個事業部都需要一套維修人員。如今，通過統一的AI維修助手，工程師可以快速完成故障診斷、維修方案推薦以及零部件需求識別，大幅提升服務效率。
最後，AI賦能業務場景。
在知識體系和全域模型能力之上，三一進一步推動AI與業務深度融合，形成數字員工體系。目前，數字員工已經覆蓋700多個業務場景，成為企業運營中的「參謀、顧問」。
進入2026年，三一集團的AI建設開始進入融合加速階段。
今年的三個重點工作，一個是要重點攻克高質量數據集建設，為數字員工提供更加可靠的知識，因為未來數據集將成為企業最重要的基礎設施之一。
第二個是數字員工試點。比如「高管數字分身」能夠結合管理者過往決策風格、關注重點以及管理理念，對匯報材料進行分析和反饋，幫助優化匯報質量。
今年另外還有一項重點工作是要將AI從顧問進一步成長為夥伴、代理。屆時，AI不只是提醒和建議，還能主動參與業務執行，完成填單、排單、審批協同等複雜任務，與員工形成更加緊密的協作關係。
AI跑得快，先要有一套智能化底座
AI的價值不僅僅是提升某個崗位的效率，而是重新定義企業的組織和作業模式。
三一集團正在規劃一種新的企業運行形態：由域智能體和數字員工共同組成的新型組織網路。未來，大量標準化、重複性的工作將由數字員工承擔，而跨部門協同、複雜決策和業務執行則由智能體參與完成。
但這一切的前提是，企業必須擁有統一、規範的數據和業務體系。三一集團在底層基於SAP ERP、CRM為AI智能體提供規範業務流程和準確的數據。
很多人好奇，為什麼三一集團的AI落地速度如此之快？
許國強的回答是，我們沒有總想著自己造輪子，而是更願意站在巨人的肩膀上，SAP正是三一集團智能化轉型過程中最重要的合作夥伴。
自2024年以來，三一集團持續推進基於SAP ERP構建全球統一業務底座，這就像修建一條高速公路，只有道路足夠寬、足夠平整，車輛才能高速行駛。
許國強尤其關注SAP Joule。他認為Joule解決了三個問題：第一，作為消費級業務助手，可以回答各類業務問題，數據不用到處跑；第二，成為深度業務理解解決方案，基於崗位、權限和待辦提供建議；第三，作為疊代與實驗的最快平台，實現動態自適應能力，流程、組織變化也無需重新開發。
有了Joule，未來員工不再需要盯著複雜的ERP界面和大量報表發愁。當詢問下個月歐洲市場的泵車配件是否充足時，AI能夠調用供應鏈、庫存、訂單等數據進行分析給出判斷，甚至能夠主動發起補貨、採購，將整個產業鏈打通。
