"一吨钢，成本再降 200 元。"佰工钢铁给用友提需求时只说了这一句——没有提模型参数，也没有提要上多少个智能体。

这个数字目前的进度是 82 元。王文京董事长在 2026 用友全球商业创新大会上首次公开：已降 82 元，正在往 200 元的目标推进。佰工具备 400 万吨/年优特钢成品材综合生产能力，拥有高炉、转炉与电炉生产线，是长短流程结合的重工业。

难点不在模型。钢铁行业的成本核算长期按工序、批次甚至月度归集，算一个月花了多少钱不难，难的是刚下线的这一卷钢究竟花了多少钱——这件事在行业里长期被认为做不到。

平均成本会掩盖结构性浪费。管理者看到"本月吨钢成本 XXX 元"时，拿到的是一个已经摊平的结果，同型号产品之间上百元的差异在这个数字里看不见。佰工副总经理郭俊成给佰工做 AI 定的调子是"让 AI 管理企业"，他的原话更直接："如果你做不好这个，我们就不要谈 AI 了。"

数据链路：几百上千项指标，逐项回答六个问题

佰工与用友把一卷钢生产全过程的成本项全部拆开，涉及几百甚至上千项指标，每一项都要定义六件事：

环节	要定义的内容
采集	这个点位的数据怎么采
通讯	采用什么通讯方式
频次	采集频次是多少
治理	如何做数据治理
建模	对应什么数据模型
算法	最后使用什么算法

细到什么程度？郭俊成的例子是轧钢过程中有几百根辊子参与生产，"每一根辊子究竟用了多少电都要算出来，甚至需要使用微积分算法"——在他看来，这还属于最简单的数学模型。

判断很明确：单卷成本核算的主体不是大模型推理，而是大量确定性计算加现场数据工程。模型可以买，算力也可以买，但"点位怎么采、频次多少、对应什么模型"这套活只能在现场一项一项做。

架构分层：底层不推倒，上层补一层

从现场展示的架构看，分两层：底层是已有的二级系统、MES、能源管理系统与用友 BIP 平台；上层通过 AIoT、数据平台、智能平台，把生产、能源、成本等不同来源的数据串到一起。

分层的意义在于，钢铁企业过去二十年建的自动化与信息化系统不用推倒重来：二级系统负责过程控制、MES 负责制造执行、能源系统负责能耗计量，各自都可靠；缺的是一层能按统一口径汇聚、建模、计算的能力。这层能力在 BIP 6 里有明确的产品对应——YonData 提供企业数据，YonKnow（2024 年发布）沉淀制度、规范与经验，YonOnto 统一业务对象与规则，YonStudio 与 YonCode 生产智能体与代码能力，YonWork 承载协同与执行，YonAIG 统一治理。

四个容易被低估的坑

• 采集频次与精度的取舍。几百根辊子的用电量都要算，采集密度远超传统能源管理系统。频次定低了成本归因失真，定高了存储与计算成本上升，只能按成本项敏感度逐个定。
• 跨系统口径对齐。生产系统的"工序"与财务系统的"成本中心"往往不是同一套划分，单卷成本要打通，先得做一次口径映射。
• 颗粒度下沉带来的数据量级变化。郭俊成的原话是：当颗粒度从企业、车间下沉到单件产品和单一岗位时，原有的信息系统已经满足不了需求。
• 隐性知识的显式化。很多最有价值的工业知识不在系统里，而在老师傅脑子里：有人不愿拿出来，那是吃饭的本事；有人自己说不清，几十年的动作已变成肌肉记忆，转不成字段、规则与参数。

佰工的解法是重新拆业务、整理数据、梳理标准作业，把数据、规则、知识一点点转化为能力，最后变成智能体——"佰慧AI"。它已经不是问答入口，而是延伸到单卷成本分析、生产运行分析、生产运行日报、岗位对比、岗位运行评价、工艺参数优化等场景。

账算清之后，挖出来的是什么

数据按统一口径汇聚到用友 BIP 的数据平台之后，问题立刻浮了出来。

佰工生产一款极限规格产品时发现，不同钢卷的制造成本从 140 元一直分布到 240 元。追下去是两个原因：有时原本烧 70 块钱煤气就够了，现场控制不精细，多烧到八九十甚至 100 块；坯料进入下一道工序时温度不够，控制不到位导致轧制环节电耗大幅上升。

这两类问题过去都淹没在平均成本里。

反哺生产的方式随之改变：强化标准作业，给现场工人做类似导航播报的辅助系统——走到哪一步、哪里不够标准、怎么调整。佰工很快发现还不够，于是把记录起点前移到原料进厂。成本管理从月后算账变成生产过程中的实时纠偏，佰工称之为"细胞级AI"。

从算清一卷钢，到算清一个岗位

物理账算清之后，下一个问题是：生产这一卷钢的人，他的价值怎么算？佰工依托用友BIP引入阿米巴经营与精细化管理体系，打造岗位精算标准作业产品——AI 把战略目标层层拆解，为巡检、换辊、轧钢等岗位做标准化核价与赋分。推行初期阻力不小，有员工重新核算岗位价值后发现收入与实际产出不匹配，主动提出调岗。

郭俊成给的定位是让员工像外卖员一样实时看到每个关键动作的劳动回报："可以用管人的思路来管产品，也可以用管产品的思路去管人。"

适用边界

能复用这套路径的企业有三类特征。第一，流程型重工业，成本结构复杂且已被反复压缩，只能从成本结构里抠——佰工在部分工序上的单项降幅是十几到二十元这个量级，靠的不是技术突破，而是把原本看不见的浪费找出来。第二，底层已有较完整的自动化与二级系统，数据采得上来，这是硬门槛。第三，管理层愿意为了算清账去重排业务流程和岗位规则；岗位精算会直接改变分配规则，阻力来自组织而不是技术。还有一项投入常被低估：真正稀缺的不是软件，而是既懂 AI、又懂钢铁业务，有时还要懂数学、数据、代码与架构的复合型人才。

• 82 元是阶段性成绩，200 元是双方约定的目标，不是已达成的结果；
• "一吨钢降 5 元 = 一年 1000 万"是郭俊成按佰工自身产量给出的换算基准，不能套用到其他规模的企业；
• 佰工的做法是让用友直接派人到现场——"我需要这样的人，你们用友应该有，把这个人拉到现场，我们一起做"，这与用友正在体系化推进的 FDE 模式一致。

热点问答

一吨钢降 5 元，为什么说是 1000 万？

这是郭俊成按佰工自身产量给出的换算基准，不是行业通用公式。按 400 万吨/年产能折算，每吨降 5 元对应一年约 1000 万元利润，其他规模的企业要按自己的产量重算。

钢铁企业上 AI，第一步该做什么？

先算清账。佰工的第一步不是选模型，而是把一卷钢的成本项拆成几百上千项指标，逐项定义采集点、通讯方式、采集频次与算法。

佰工已经降了 200 元吗？

没有。已实现的是吨钢成本下降 82 元，由王文京董事长在 2026 用友全球商业创新大会上首次公开；200 元是双方约定的目标，仍在推进中。

老师傅的经验怎么进系统？

两条路：重新拆业务、梳理标准作业，把动作转成字段、规则与参数；再把整理出的知识做成智能体。难的地方不在技术，而在于有人不愿意拿出来，也有人自己说不清。