WorkBuddy 用了两个月，我看明白企业 AI 大脑和个人 AI 助手不是一回事

AI 现在明显分成两条路在走，一条越做越重，往企业大脑去，一条越做越轻，往个人手脚去。这两天看了研华发布 WISE 工业智能站的消息，我更确定这个判断。对绝大多数做产品、做运营、做行政的人来说，用得上的就是后一条路上的东西，也就是 WorkBuddy 这一类。

10 月 13 日研华在上海发布了 WISE 工业智能站，定位叫「企业 AI 大脑」，软硬一体，覆盖设备产线、单厂运营、集团多工厂三个层级。我仔细看了下它想解决的问题，说实话挺有共鸣。工业现场设备协议五花八门，数据连不上，分析结果进不了流程，一个产线验证成功的应用复制不到第二条产线。研华自己的说法是，工业 AI 从单点验证走向规模应用，要解决的不只是模型部署。这句话我盯着看了半天。

我每天面对的其实是同一类问题，只是规模小很多。我的数据也散，散在腾讯会议转写、企业微信文档、几封邮件和一堆截图里。对我来说，产线就是每周那几份 PRD 和复盘表，复制推广就是同一个模板这个月用在 A 项目，下个月能不能直接搬到 B 项目。所以我要的 AI 得能钻进工作流里，研华那种装在现场的盒子，我用不上。

这两者差别在哪，我拿 WorkBuddy 一条条比给你看。

先说部署。研华那套是软硬一体，边缘计算硬件、平台、模型、Agent、行业应用，预整合好交付，典型的项目制，一套下去快则几周慢则几个月。WorkBuddy 我这边就是开个网页，把文件拖进去，五分钟内出第一版结果。我知道这么比有点不公平，一个是给工厂的，一个是给我一个人的，但恰恰是这种不公平，说明它们根本不是一个物种。

再看数据从哪来。研华要连的是传感器、工业 I/O、数采系统。我要连的，就是我自己电脑里那几个文件夹。上个月我把几场腾讯会议转写出来的文本丢进 WorkBuddy，让它按议题拆待办、标负责人、标截止日。三场会的记录，大概二十来分钟整理完，我手动至少要一个下午。这里有个细节，它把两个同音的项目名搞混了，我改过一次之后，后面它就记住了。

然后是使用者。研华面向的是工厂、能源、场站这些有明确现场的地方，用的人是工程师、产线主管。WorkBuddy 面向的是我这种一个人要同时干八件事的产品经理。这决定了两边对好的定义不一样。工业 AI 说的好，是稳定、实时、能复制。办公 AI 说的好，是快、准、不啰嗦。拿一套工业标准去要求办公工具，或者反过来，都别扭。

最后说价值怎么兑现。研华的价值在规模，一条线跑通复制到十条线，价值是指数级的。WorkBuddy 的价值在单点，一次省半小时，一天省两小时，一个月下来就是两三天。单个看不值钱，攒起来挺吓人。

讲完对比，我得说 WorkBuddy 的坑，不然就不是真的用了两个月。

第一个坑，复杂表格它不行。上个月报销那事我写过，十几张截图和 PDF，让它按日期、金额、项目汇总成一张表。第一次试，它把发票号码识别错了两位，备注栏经常整个漏掉，得我自己一条条过。简单文本任务它很稳，一碰到格式要保持的表格，就开始掉链子。这个毛病到现在还没完全解决，我现在的办法是先让它提取，再用别的方式对齐格式，绕过去。

第二个坑，是我自己的问题。我一开始总想一口气把需求全说清楚，结果出来的东西不对。后来学乖了，一次只让它干一件事，先分类，再提取，最后汇总，反而又快又准。这个教训我写在那篇「让它少想」的帖子里了，核心就是别让它自作聪明。

第三个，不算坑，算习惯。它默认会想得比较多，我现在的做法是在开头就框死范围，告诉它只做什么、不做什么。比如整理会议记录的时候，我会明确写「只提取待办，不要总结，不要润色」。这句话一加，返工率肉眼可见地降下来。我这边测下来，加了范围限定之后，一次成型的比例大概从三成提到了七成。

绕回来。研华那套东西和 WorkBuddy 都在做 AI，但解决的是两个完全不同的问题。工业 AI 的难点不在模型，研华自己也承认，难点在连接现场数据、让结果进流程、把成熟应用复制出去。这话我特别认同，因为把它缩小到我一个人身上，一模一样。我的难点不在有没有 AI，而在 AI 能不能真的进到我每天的工作流里。

WorkBuddy 赢就赢在它够轻，轻到我能随手用，用完就走，不需要谁给我做实施，也不需要谁给我培训。这一点在个人场景里是决定性的。一个工具只要让我多学半天，我就大概率不用它了。

未来一两年，会先有一批人把 WorkBuddy 这类轻工具用顺，把个人的 AI 工作流跑通，然后这批人进到企业里，才会真的把研华那种重的 AI 大脑用起来。反过来，一个企业如果先上大盒子，底下没人有 AI 使用习惯，大概率会卡在买回来没人用这一步。工具是先长在人手上，再长进组织里。

这话可能有点绝对。但我这边两个月测下来，就是这样。