徐工“七星领航”、重汽“一车一档”：3家重工巨头的数字化转型，给制造企业的4条启示

对于观察中国制造业数字化转型的人来说，2026年的夏秋季有一个绕不开的现象：重工企业正在密集地”交卷”。

8月11日，央视《焦点访谈》将镜头对准徐工集团徐州重型机械有限公司的智能制造基地，向全国观众展示了一座”会思考、能决策”的领航级智能工厂（徐州日报，2026年8月12日）；6月初，山东省工信厅公示2026年度制造业数字化转型”揭榜挂帅”试点项目名单，中国重汽牵头的”面向商用车全链多场景多主体协同一体化数字赋能平台”位列产业链链式转型方向（山东省工信厅，2026年6月）；7月21日，山东省国资委发布数据，山东重工2026年上半年累计实现营业收入3319亿元，同比增长16.6%，出口收入624亿元，同比增长33.4%（山东省国资委，2026年7月21日）。

这三家企业有一个共同的身份：传统重工业的”老将”。徐工的前身可以追溯到1943年创建的华兴铁工厂，中国重汽的血脉在1950年代的黄河卡车，潍柴动力深耕动力系统二十余年。它们不是互联网原生企业，不是”生而数字化”的物种，而是在几十年钢铁、油污、图纸和车间里，一寸一寸长出来的制造组织。

正因如此，它们的转型经验对中国数量庞大的传统制造企业更有参考价值——它们面对的每一个坑，多品种小批量、产业链长、老师傅比数据多、组织惯性大，都是普通制造企业日常面对的坑。本文将逐一拆解三家巨头的转型路径，再从个案中抽出共性的规律：4条启示，以及中小企业可以直接”抄作业”的3个切入点。

一、徐工”七星领航”：一号工程驱动的全业务链变革

1.1 从”一模三化”到”七星领航”：转型的版本升级

徐工的数字化转型有一个鲜明的特征：它被明确定义为董事长”一号工程”。据徐州日报报道，徐工集团全力推动”智改数转网联”董事长”一号工程”，从1.0版本”一模三化”升级至覆盖”研产供销服”全业务链的2.0版本“七星领航”模式（徐州日报，2026年8月12日）。

这一表述背后有两层信息值得展开。第一层是”版本号思维”：徐工把转型当作一个持续迭代的产品，而不是一次性项目。1.0版本的”一模三化”（数字化样板工厂引领、标准化、模块化、自动化路线）解决的是单点示范问题；2.0版本”七星领航”则将变革范围从工厂车间扩展到研发、生产、供应、销售、服务五大业务领域的全链条。徐工机械2025年度董事会工作报告进一步确认，公司按照”六经六纬”蓝图纵深推进组织变革、流程再造与平台赋能，打造”徐工智造·七星领航”模式（徐工机械2025年度董事会工作报告，2026年4月）。

第二层是”七星领航”聚焦的四大业务创新方向：端到端生成式研发、敏捷交付、智慧运营及数字孪生工厂建设，并着力突破AI业务赋能、核心技术创新与标准模式推广三大新质能力（徐州日报，2026年8月12日）。这四个方向不是四个独立的IT项目，而是同一条价值链上的四个环节：用AI重塑研发的起点，用柔性智造压缩交付的周期，用控制塔体系提升运营的透明度，用数字孪生让工厂在虚拟世界里先跑一遍。

1.2 L1-L5数据资产体系：把数据当资产管理的”笨功夫”

“七星领航”最容易被外界忽视、但可能是最值得传统制造企业学习的一块，是徐工在数据治理上下的”笨功夫”。

据中国工业新闻网的系列报道，徐工机械构建起一套数据管理体系，明确决策、管理、执行三类角色的数据Owner及职能职责，形成了从L1到L5的数据资产目录，发布”徐工机械数据十条铁规”，制定20项数据标准规范；在数据流程框架上编制了”一总纲四办法九规范”，覆盖数据架构、标准、质量和服务管理等内容（中国工业新闻网，2025年2月28日）。

L1-L5是什么概念？简单说，就是把企业内所有的数据资产——从一台设备传感器采集的原始工况数据，到一个事业部的关键绩效指标，再到集团层面的经营分析主题——按照五个层级编入一本”数据字典”。任何一个管理者想知道”某类故障近三年的发生率”时，不需要问IT部门”这个数据在哪台服务器上”，而是像查图书馆目录一样，知道它属于哪个层级、哪个域、由谁负责、口径是什么。

这套体系的必要性，是徐工用真金白银的教训换来的。徐工对车联网设备工况数据梳理后发现：1931个数据项缺少命名规范，1168个数据标准规则不统一（占比60%）；约1.86亿条同一时刻数据重复，约4700万条数据出现极值（如发动机转速出现65535的极大值），约1700万条数据连续跳变（如累计工作时间从4067小时直接跳到2.16亿小时）（中国工业新闻网，2025年2月28日）。这些”脏数据”如果不治理，上层所有的AI应用、智能决策都是空中楼阁。

1.3 领航级智能工厂：多智能体协同的”超级大脑”

2025年11月，徐工凭借”全球定制敏捷交付的移动式起重机智能工厂”项目，入选全国首批15家领航级智能工厂培育名单——这是工程机械行业的唯一一家（徐州日报，2026年8月12日）。

走进徐工重型18万平方米的联合厂房，真正发号施令的是一个看不见的”超级大脑”：由离线编程AI智能体、感知类AI智能体、AGV物流调度智能体等多智能体协同构成的决策中枢。轮胎自动装配工位上，4台机器人上演精密协作——3D视觉相机一闪，轮胎型号瞬间识别；机械臂稳稳托起一吨重的轮胎，另外两台同步完成轮辋螺栓的视觉定位与自动拧紧，全程不足10分钟、无人干预；26台AGV物流机器人穿梭于立体仓库与产线之间，激光SLAM导航让它们自主规划路径、智能避障，±1毫米的定位精度确保每个部件准时送达（徐州日报，2026年8月12日）。

这套系统的难点在于它面对的问题本身：起重机生产是典型的高度离散制造，产品640余款，面向全球1200多种选配组合，多品种、小批量、高频换产是常态。如何让一条产线既能生产10吨级小吨位起重机，又能承载全球最大4000吨级”巨无霸”？这道题行业求解了30年。徐工重型的答案是三个突破口：赋予离线编程AI灵魂（一次编程、多品牌自动适配）、让机器人长出”眼睛”和”大脑”（3D+2D视觉融合定位、YOLO目标检测与强化学习多机协同）、物流的集群智能（AGV融合ResNet特征提取、SLAM激光建图与蚁群路径优化，系统响应延迟低于200毫秒，配送准时率超99%，缺料率降至0.1%）（徐州日报，2026年8月12日）。

成效同样量化可见：25分钟就有一台起重机底盘完成总装下线；千吨级起重机研发周期从”四年一款”压缩至”两年三款”；订单整体交付周期缩短55%（徐州日报，2026年8月12日；贤集网，2026年6月9日）。

1.4 控制塔与数据底座：运营的”驾驶舱”

在工厂之上，徐工的智慧运营依托智能控制塔体系展开。2026年5月21日，徐工机械发布《供应链控制塔SCT项目》招标结果，由广州赛意信息科技股份有限公司中标（证券之星招标公示，2026年5月24日）。供应链控制塔（Supply Chain Tower）的价值在于把订单、库存、物流、供应商交付等分散信息汇聚到统一的”驾驶舱”，让管理者从”事后看报表”转向”事中做决策”。

支撑这一切的是数据基础设施：徐工构建全球统一的混合云底座，围绕通用算力、智能算力、超级算力投入基础设施，总体算力规模达到1000万亿次/秒；采用”湖仓一体、流批一体、存算一体”的新一代大数据技术构建数据平台；在研产供销服融打造超过120个数据应用场景（中国工业新闻网，2025年2月28日）。

徐工汉云牵头的工程机械车联网高质量数据集建设项目也于2026年5月入选江苏省工信领域高质量数据集建设先行先试名单，成为国内首个工程机械车联网方向的高质量数据集（徐工集团官网，2026年5月18日）。2026年4月，徐工集团”智能工厂建设标准群”入选国家首批智能制造标准应用试点十大标准群，为江苏省唯一入选项目（徐工集团官网，2026年4月18日）。数据的沉淀也在反哺经营：2025年徐工机械国际化收入占比升至48%，创历史新高（徐工机械2025年度董事会工作报告，2026年4月）。

二、中国重汽”一车一档”：把每辆车变成一个数据资产

2.1 商用车的独特逻辑：价值在全生命周期

与工程机械不同，重卡的数字化有一条更清晰的商业主线。重卡是典型的生产资料，用户买它不是为了拥有，而是为了运营赚钱。一台年运营里程12万公里的重卡，按百公里油耗33升、柴油7元/升计算，年油费约27.5万元；换成新能源重卡，年电费约12.5万元，5年生命周期仅能源费用就能省出75万元（大众日报，2026年8月19日）。这意味着，车辆的可靠性、出勤率、维保成本，每一条都直接折算成用户的利润。

这就是”一车一档”的价值起点：每一台重卡从下线那一刻起，就拥有一份数字档案——从研发设计参数、零部件批次、装配工艺数据，到销售后的运行轨迹、故障记录、维保历史，全部沉淀在同一份数字档案里。当一辆车出现质量问题时，企业可以在数分钟内追溯同一批次零部件的装配记录，锁定影响范围；当一辆车出现故障征兆时，系统可以基于同型号车辆的历史数据提前预警。

2.2 “一平台、六中心”：链式转型的架构

2026年6月，中国重汽牵头申报的”面向商用车全链多场景多主体协同一体化数字赋能平台”入选山东省2026年度制造业数字化转型”揭榜挂帅”试点项目，位列产业链链式转型方向，成为全省75个试点项目之一。项目采用“一平台、六中心、多应用”总体架构：以链式转型平台为核心，统筹构建研发协同、生产协同、供应商管理、客户服务协同、数据智能、质量追溯六大能力中心，覆盖产业链协同研发、制造、数据贯通等场景（山东省工信厅公示，2026年6月；中国重汽官网，2026年6月3日）。

注意其中的关键词：”链式转型”。重汽的数字化不是关起门来优化自己的工厂，而是把上下游供应商、经销商、服务站全部拉进同一个数据体系。”一车一档”的档案里，不仅有重汽自己的装配数据，也有供应商的零部件批次数据——这正是”质量追溯中心”存在意义：当问题发生时，责任边界和数据链条同样清晰。

2.3 “小重1.0″：AI大模型进入驾驶室

2025年12月，在山东重工中国重汽集团2026年合作伙伴大会上，中国重汽发布了高阶智能服务”小重1.0″。”小重”融合AI大模型技术，涵盖智慧车辆、智能诊修、运营增效、”亲人服务”等领域，构建覆盖车辆全生命周期的智能生态：它能整合车辆实时与历史运行数据，生成个性化运营报告，为驾驶员提供油耗分析、驾驶行为评估及优化建议；面对保养提醒或突发故障警示，它能用司机听得懂的语言说明情况、推荐处理方案，并基于车辆位置与故障信息智能匹配服务资源、规划送修路径，提前将诊断数据同步给服务站（央视网，2026年1月6日；新华网山东频道，2025年12月24日）。

这背后是预见性故障诊断能力的持续深化。山东交通学院汽车工程学院院长李伟团队正与中国重汽合作开展”基于大模型的新能源商用车故障检测诊断”项目，通过模型推理对典型故障精准定位，并对关键部件剩余寿命进行预测——”这套平台就像一位有经验的’老师傅’，能够快速精准找到故障源”（大众日报，2026年8月19日）。2026年4月，中国重汽还成功揭榜山东省数据要素市场化配置改革”人工智能赋能数据要素价值释放路径探索”课题（中国重汽官网，2026年4月25日）。

2.4 体系的回报：从行业第一到全球第一

数字化的成效最终体现在市场数据上。2025年，中国重汽实现营收1095.41亿元、归母净利润70.19亿元，重卡销量30.49万辆、全球市占率26.6%，首次登顶全球重卡销量榜首（中国重汽2025年度业绩公告，2026年4月）。2026年上半年，中国重汽总销量18.9万辆、市场占有率28.5%行业第一，其中新能源重卡销量2.5万辆、同比增长141%，重卡全球销量、国内销量、出口量、新能源销量四项第一史无前例地被一家企业包揽——全球每卖出4辆中国品牌重卡，就有1辆来自中国重汽（大众日报，2026年8月19日）。

支撑这些数字的，除了产品力，还有那张服务网络：超过1200家经销商和2000多个服务网点，服务范围涵盖许多地处偏远的矿区；截至2026年6月，自建及联合第三方共建的补能场站已达60座，覆盖国内24个省份并延伸至海外21个国家（大众日报，2026年8月19日）。数字档案与服务网络的结合，让”一车一档”从企业内部的质量工具，长成了面向客户的运营服务资产。

三、山东重工：智能工厂矩阵与全球化的双轮驱动

3.1 集团军的”智能工厂矩阵”

山东重工的转型呈现出另一种形态：集团军作战。目前山东重工拥有潍柴全球首个发动机数字化无人工厂等一批世界一流制造基地，培育1家全球灯塔工厂、1家国家领航级智能工厂、6家卓越级智能工厂、11家国家级绿色工厂，形成层次清晰、能级顶尖的智能制造产业集群（今日头条援引山东重工，2026年7月28日）。

2025年11月27日、28日，央视《新闻联播》《新闻30分》《朝闻天下》连续两天聚焦潍柴入选首批领航级智能工厂。潍柴深耕数智化转型二十余年，建成完备的工业数据底座与全链路数据治理体系，斩获数据要素×大赛工业赛道全国一等奖、DCMM（数据管理能力成熟度评估模型）量化管理级（4级）认证等多项国家级荣誉（潍柴动力官网，2025年11月28日）。

3.2 潍柴数据集：数据资产的国家队认证

2026年4月22日，国家工业数据筑基行动试点工作启动会暨山东省制造业语料库建设工作推进会在潍柴召开。工信部公布的面向人工智能赋能的高质量行业数据集建设先行先试联合体名单中，潍柴牵头的动力装备高质量数据集建设联合体成功入选——全国仅14家联合体入选，潍柴是山东省及行业唯一上榜的牵头单位（潍柴动力官网，2026年4月22日；中国证券报，2026年4月23日）。

这件事的分量需要放在AI产业的大背景下理解。当全行业都在讨论大模型”落地难”时，工业数据的”采、集、用”才是真正的瓶颈。潍柴将以链主身份打造高质量行业数据语料库，让AI大模型实现研产供销服全链条场景覆盖，推动产业链数据互通共享。换句话说，潍柴积累了二十余年的发动机数据，正在从”企业的私有资产”升级为”行业的公共底座”——这是数据资产价值的顶格认证。

3.3 B10寿命200万公里：数据与制造的合璧

2026年7月8日，国家科学技术奖励大会上，潍柴动力牵头攻关的”高性能柴油机关键技术及应用”项目荣获国家科技进步奖二等奖，中国工程院院士黄震评价其”整机总体技术达到了国际领先水平”。该项目将柴油机B10寿命做到200万公里（日美标杆康明斯ISZ13L、沃尔沃D13的B10寿命普遍标注在160万-180万公里区间），同时把本体热效率推至53.09%、四次刷新全球纪录；近三年潍柴新一代高性能柴油机累计销量104.95万台，批量进入欧美、东南亚等全球高端市场，累计出口超30万台（中国经济网援引科技日报，2026年7月14日；中新网山东，2026年7月9日）。

B10寿命是一个概率概念——一批发动机中90%的机器跑到该里程时仍不需要大修。它考验的不是某一次实验的峰值，而是整条制造体系长期的质量一致性：材料、工艺、装配、检测，任何一个环节的波动都会让”掉队的10%”扩大。这种一致性恰恰依赖数据体系对制造全过程的持续观测与反馈。对山东重工体系而言，潍柴发动机的高可靠性与重汽整车的”一车一档”追溯互为表里——前者提供”耐用”的物理基础，后者提供”可验证、可预测”的数据信用。

3.4 全球化：数字化的第二战场

2026年上半年，山东重工实现营业收入3319亿元，同比增长16.6%；出口收入624亿元，同比增长33.4%；国内新能源业务收入244亿元，同比增长57%（山东省国资委，2026年7月21日）。2026年9月的汉诺威国际交通运输博览会上，山东重工集结中国重汽、潍柴动力、汉德车桥联合参展，展示其从传统产品贸易”出海”到产业生态全域”深耕”的升级（潍柴动力官网，2026年8月31日）。

全球化与数字化的关系，比表面看起来更紧密。海外市场意味着多币种、多法规、多时区、多语言、多供应链的复杂运营，传统的”人盯人”管理方式无法支撑。出口增长33.4%的背后，是智能工厂矩阵提供的产能弹性、统一数据底座提供的运营透明度，以及数字化服务网络（重汽补能场站延伸至海外21国）提供的客户触达能力。

至此，三家企业的路径可以放在一起对比：

（表格数据来源：徐州日报2026年8月12日、中国工业新闻网2025年2月28日、大众日报2026年8月19日、山东省国资委2026年7月21日、潍柴动力官网2026年4月与11月等公开报道，截至2026年9月3日）

四、启示一：数字化不是”买套软件”，而是流程的四步进化

把三家的路径放在一起看，第一条共性规律浮出水面：制造业数字化的核心，是把业务流程走完”显性化→标准化→数据化→优化”的四步进化，软件只是第四步的工具。

很多企业对数字化的想象是：采购一套ERP、一套MES、一套CRM，系统上线，转型完成。三家巨头的实践给出的答案是相反的。徐工在系统建设之前，先做了三件看起来”不产生任何功能”的事：把决策、管理、执行三类角色的数据职责写清楚（数据Owner制度），把企业所有数据编成L1-L5的资产目录，把数据管理的规则凝练成”十条铁规”和”一总纲四办法九规范”（中国工业新闻网，2025年2月28日）。这些是典型的”流程显性化和标准化”工作——先回答”我们的业务到底是怎么运转的、数据到底是谁的、口径到底是什么”，然后才谈得上数据化和优化。

徐工的车联网数据治理案例是最生动的注脚：1931个数据项没有命名规范、60%的数据标准规则不统一，这时候哪怕买来世界上最贵的AI系统，输出的分析结果也是错的。徐工的做法是先完成4类试点机型关键工况的车联网数据标准设计，建立详尽的数据资源目录，让增量数据按统一标准入湖，然后研发、质量、销售、服务各部门才得以在干净的数据上展开应用（中国工业新闻网，2025年2月28日）。

中国重汽的”一平台、六中心”同样如此。六大能力中心的名字——研发协同、生产协同、供应商管理、客户服务协同、数据智能、质量追溯——全部是业务域，而不是系统名。平台的本质是把跨部门、跨企业的流程重新编排一遍，让数据沿着新的流程自动流动。换句话说：先有流程再造，后有系统落地；顺序颠倒，系统就会变成”固化旧混乱”的水泥。

五、启示二：质量、效率、成本，必须有一个核心抓手

第二共性规律：成功的转型都有一个明确的核心抓手，而不是”什么都想要”。

徐工的抓手是交付效率。面对640余款产品、1200多种选配组合的”多品种、小批量、高定制”困局，徐工重型的一切数字化投入——多智能体协同、AGV集群调度、九级模块化——都指向同一个目标：让定制订单更快交付。结果可量化：订单整体交付周期缩短55%，25分钟一台底盘下线，1小时极速排产（徐州日报，2026年8月12日；贤集网，2026年6月9日）。

中国重汽的抓手是质量与可靠性。重卡用户的核心诉求是出勤率和全生命周期成本，所以重汽把数字化火力集中在”一车一档”的质量追溯、预见性故障诊断和”小重1.0″的智能诊修上，配合潍柴B10寿命200万公里的动力底座，把”可靠性”从营销话术变成了可验证的数据承诺。

山东重工的抓手是全球化运营的成本与规模。发动机数字化无人工厂、灯塔工厂、领航级工厂组成的矩阵，本质上是在为”出口624亿元、增长33.4%”提供产能弹性与质量一致性；而高质量数据集建设，则是为整个动力装备产业链降低AI应用的成本门槛。

（表格数据来源：徐州日报、大众日报、山东省国资委、中国重汽业绩公告等公开报道，截至2026年9月3日）

为什么”什么都想要”反而做不成？因为数字化的每一类抓手，对应的是不同的组织能力、数据架构和投入优先级。质量追溯要求贯通供应链的数据链路，交付效率要求重构生产排程逻辑，成本优化要求精细化核算到每个工位——同时铺开三条战线的结果，往往是每条战线都浅尝辄止，且业务部门在多个”一号项目”之间无所适从。三巨头的做法恰恰是”力出一孔”：先把一个抓手的闭环跑通、见效、建立组织信心，再横向扩展。

六、启示三：”一把手工程”的属性不会变

第三条规律最为朴素，也最容易被中小企业忽视：制造业数字化是一把手工程，这个属性在任何规模的企业里都不会变。

徐工把数字化转型明确定义为董事长”一号工程”，集团董事长杨东升亲自在央视《对话》栏目拆解领航工厂的核心密码（徐工集团官网，2026年3月10日）；山东重工将新能源与数智化列为”十五五”战略转型的”头号工程”，推动资源和能力全面倾斜（大众日报，2026年8月19日）；中国重汽的链式转型平台由集团牵头申报、统筹六大能力中心（山东省工信厅公示，2026年6月）。

为什么必须是一把手？因为数字化转型的本质不是技术改造，而是利益重组。数据Owner制度意味着某些部门的权力被透明化；流程再造意味着某些岗位的职能被重新定义；标准统一意味着某些”山头数据”必须交出来。这些变革触及的阻力，没有任何CIO或IT部门有权限化解——只有一把手能拍板、能兜底、能持续给资源。徐工的”数据十条铁规”之所以是”铁规”，正因为它背后站着董事长的权威。

业界长期流传”董事长挂帅的数字化项目，成功率是普通项目的5倍”之类说法，具体倍数虽难以严格考证，但方向有坚实支撑：麦肯锡等机构多年的转型调研反复表明，高管参与度和变革领导力，是数字化转型成败相关性最高的因素之一，远高于技术选型或预算规模。三家巨头的实践与这一结论完全一致——它们投入的不仅是资金，更是最高管理层的持续注意力。

对中小企业的推论同样直接：如果企业老板自己不学、不问、不盯，指望花几十万外包给软件公司就完成转型，失败几乎是注定的。一把手不需要懂技术细节，但必须亲自回答三个问题：我的核心抓手是什么？哪个流程值得先数据化？谁对数据质量负最终责任？

七、启示四：数据资产比系统更重要

第四条规律，三家企业的权重分配给出了最明确的提示：系统会过时、会被替换，数据资产只会随时间增值。

看三组事实。其一，徐工对超过60万台已售设备开展数据采集，每台设备采集数据高达230项，积累数据超600TB——这些数据不依附于任何单一系统，而是沉淀为企业的数据资产目录（中国工业新闻网，2025年2月28日）。其二，潍柴牵头国家级动力装备高质量数据集建设联合体，其二十余年积累的工业数据底座被国家层面认定为行业AI化的公共底座（潍柴动力官网，2026年4月22日）。其三，徐工汉云的工程机械车联网数据集入选省级先行先试，是国内首个工程机械车联网方向的高质量数据集（徐工集团官网，2026年5月18日）。

这里藏着一条容易被忽略的商业逻辑：数据沉淀越久，壁垒越高。潍柴的B10寿命200万公里，建立在二十年数据反馈循环之上；徐工对1200多种选配组合的敏捷响应，建立在60万台设备的工况数据之上。后来者即使买来同样的设备、雇来同样的人，也无法瞬间补齐这些时间维度上的积累。这就像复利——本金可以借，时间不能借。

反观很多企业的数字化账本，恰恰记反了：把钱花在系统license和实施费上，数据却散落在各个系统的角落里，无人对口径负责、无人对质量负责。系统上线五年后过时，供应商换成另一家，历史数据导不出来或导出来没人认识——这样的”数字化”，实际上是每五年归零一次的租赁行为。

八、中小制造企业的3个”抄作业”切入点

三巨头的案例再精彩，普通制造企业也无法照搬——领航级智能工厂的投入以十亿计，多智能体系统的研发以年计。但”抄作业”抄的从来不是答案，而是解题思路。以下三个切入点，均可在百万级甚至几十万级预算内启动，且分别对应三家的核心打法。

切入点一：从”一物一档”开始（学重汽）

重汽”一车一档”的本质，是给每一件产品建立从出生到服役的完整数字档案。中小企业可以低成本复制这个思路：给自己的核心产品建立”一物一档”——每件产品一个唯一编号，关联关键零部件批次、工艺参数、质检记录、售后反馈。起步阶段甚至不需要昂贵的IoT平台，条码+轻量级数据库+简单的关联查询就能跑起来。价值在于：质量问题的追溯范围从”凭老师傅记忆”变成”查档案三分钟”；售后从”客户描述故障”变成”调档案看历史”。

切入点二：建一个”最小控制塔”（学徐工）

徐工的供应链控制塔投入巨大，但”控制塔”的思想可以最小化落地：选择一个最痛的业务域（通常是订单交付或库存），把散落在Excel、微信群、ERP里的相关数据手工汇聚到一张实时看板上，每天早晨管理例会围着它开。第一版不需要自动化，人工维护也可以——重要的是让团队习惯”看着同一份数据做决策”。这也是流程显性化的过程：当看板数据对不上时，暴露的正是流程和数据口径的问题清单。

切入点三：把存量数据盘成资产（学潍柴）

潍柴数据集的启示不是”要建国家级数据集”，而是”数据要盘点、要有目录、要有owner”。中小企业可以做一个为期一至两个月的数据盘点：企业里到底有哪些数据？存在哪里？谁在维护？口径是否一致？产出一页纸的”数据资产清单”，标出top10最有价值但质量最差的数据域，优先治理。这项工作的成本几乎只有人力，但它决定了后续所有数字化投入的地基质量。

（表格为软盟资讯基于三家企业公开实践整理的实施建议，投入量级为行业一般估算，具体以企业实际为准）

另外值得留意的是政策资源的借力。以徐州为例，当地针对企业智能化改造成本高的痛点，推出”五券联动”政策——算力券、Token券、模型券、数据券、场景券，覆盖AI研发到场景落地全流程（徐州日报，2026年8月12日）。全国多地都有类似的数字化转型补贴、诊断服务和”服务券”，中小企业在启动上述切入点之前，先盘点一遍本地政策工具箱，往往能省下可观的第一笔投入。

九、结语：转型没有终点，只有代际

回看三家巨头的路径，会发现一个耐人寻味的细节：徐工把转型从1.0升级到2.0，用版本号承认转型是”永远在半路上”；潍柴”深耕数智化转型二十余年”，把转型做成了时间的函数；重汽的”一车一档”没有竣工日期——只要还有车在跑，档案就在生长。

这或许是三份答卷里最值得带走的元启示：数字化转型不是一场有终点的战役，而是一种需要长期维持的组织状态。4条启示（流程四步进化、聚焦核心抓手、一把手工程、数据资产优先）和3个切入点（一物一档、最小控制塔、数据资产盘点），本质上都在回答同一个问题——如何让企业在下一个十年，比今天更善于学习和进化。

重工巨头的机器仍在轰鸣，只不过这一次，发号施令的不只是车间主任的哨声，还有数据流里那些看不见的智能体。对千千万万中小制造企业而言，重要的不是仰望领航级智能工厂的造价，而是今天就开始，给自己企业的第一份数字档案、第一块数据看板、第一页数据清单，写下属于自己的一行代码。