OSWorld登顶之后，实在Agent在制造业做了什么

让智能体像人一样完成真实工作任务，是智能体产业的“终极考题”。OSWorld正是为这道考题设置的考场——360多个跨应用协同、文件编辑、图像处理的实战任务，机器脚本闭环校验，没有人工打分，没有容错空间。

上周，实在Agent交出了一份90.2%的答卷，全球第一。

分数本身是一个信号，外界更关注的是成绩背后的行业应用。放在制造业来看，客户真正关心的是：这个智能体在我们的工厂里能做什么？

01 实在Agent在制造业做什么

制造业的数字化程度参差不齐，系统林立。ERP、MES、OMS、SRM、CRM、OA……每个系统都在解决某个环节的问题，但系统之间的数据流转往往靠人手动搬运。

一个订单从接收到交付，信息要在这些系统间完成十几次甚至几十次跨越。

实在Agent通过大模型理解用户意图，以多模态Harness能力操作各类业务系统，自动完成订单录入、采购审核、送货单识别、发票匹配、生产排程、库存盘点、物流监控等跨系统业务流程。

不依赖系统是否开放API，也不需要企业更换现有系统。

以下是实在Agent在制造业中的几个具体落地场景。

02 包装印刷

从单点实验到可复制的组织能力

裕同科技有40多家生产基地。在接单开单环节，实在Agent自动整合多源订单数据同步至OMS系统，员工只需做最终确认。采购入库环节，PO单号、物料编码、币种、单价等关键信息的识别准确率大幅提升，因人工录入错误导致的库存呆滞问题基本消失。

这条链路打通之后，供应商发货与仓库收货的一致性显著改善。100多个智能体流程在供应链、营运平台、客户服务等核心部门运转，业务平均增效48%，每年节约近2万工时。这套模式已经从深圳总部复制到了合肥、许昌、越南、九江。

该案例恰好回应了制造业AI落地中的一个常见误区——有人总想一步到位，一次性解决所有问题。但更务实的做法是：选一个最痛的场景做深做实，跑通模式后再逐层扩展。从单点突破到全链复制，远比“一步登天”更可持续。

03 整车制造

财务团队的工作方式在改变

也有企业选择从另一个切口切入——财务。

赛力斯的财务部门面临典型的大企业困境：系统多、数据散、重复工作量大。在应用实在Agent后，财务人员在飞书发一条指令，智能体自动登录NC系统获取流水账单，与DMS票据数据比对。一致则自动通过，不一致生成异常工单推送，点一下“通过”或“驳回”即可闭环。

这个变化覆盖了财务部门90%以上的高频场景——收款上账、银行流水对账、发票查验、费用审核、报表生成。原本每月80小时的重复劳动缩短到10小时，财务流程自动化率达95%。财务人员从重复劳动中释放出来，把精力投向预算分析、成本控制等更有价值的工作。

智能体在制造业的价值，不在于模型多聪明、参数多大，而在于它能在多短的时间内完成从意图理解到有效输出的闭环。飞书接收用户需求是起点，任务完成从80小时缩短到10小时、员工有更多精力去分析财务战略的变化，才是企业真正在意的。

04 船舶修造

构筑“零漏洞”风险防线

上海中远海运重工年修理改装船舶超350艘。在供应链协同环节，实在Agent打通EP、CIIP、SAP三个内部系统，从物料询价到合同签订全流程自动化，多模态Harness能力使任务成功率接近100%。

合同审核环节，数字员工自动审查合同条款，累计处理近600份，超期条款识别准确率97%、币种对比94%、自动续签条款识别99%。

项目以“零安全漏洞”的标准通过验收。在央企的审计逻辑里，一次合同疏漏的代价可能远超一套系统的投入。实在Agent在这里不是“增效工具”，而是“风险控制工具”——把过去依赖个人经验和责任心的环节，变成可审计、可回溯的标准化流程。

05 配件制造

订单履约能力提升

巨隆机械是全球自行车脚踏领域的单项冠军。过去，订单处理主要依靠人力，一条数据录入需要20到50秒，现在通过实在Agent只需5到10秒，生产数据录入工作量减少95%。员工不再需要逐条复制、粘贴、核对，精力可以放在异常订单的判断和处理上。

但这个变化没有停在一线。当订单交期发生变更时，智能体自动实时汇总所有订单动态，同步填入系统。生产计划员不再需要等人工反馈才能调整排期，排程响应从“按天计”缩短到“按分钟计”。产线因数据滞后导致的停工待料风险在大幅降低，同等产能下企业可以承接更多订单。

06 制造业的AI落地，真正难在哪

案例看完了。回过头来看一个更根本的问题：制造企业引入AI多年，为何在核心业务流程中稳定运行的并不多？

一个普遍的现象是“技术至上”。企业倾向于选择参数规模最大、技术最前沿的模型，却与技术落地的业务场景脱节，结果模型无法真正进入企业。但在OSWorld前十名中，只有4个是大模型，其余皆是智能体。

另一个问题是“单点优化”。在某个环节追求极致效率，却忽略了制造是一个环环相扣的系统，一个环节的提速如果没有上下游的配合，反而可能造成新的瓶颈。

还有两个更深层的问题。

一是“数据现成”的错觉，认为上了ERP、MES等系统，数据就能直接喂给AI。但业务系统存的是用于结算的“结果数据”，AI需要的是描绘过程的“特征数据”。数据分散、标准不一，AI输出的结果往往不可信。

二是对“一步到位”的期待，想用AI一次性解决所有问题，却忽略了标准化和自动化基础尚未完成。流程都没在线化，强行推AI的结果往往是“弯道翻车”。

制造业AI转型的难点，从来不在于模型本身，而在于认知、数据、组织和流程的协同进化。实在Agent在制造业做的事情，正是以组织重塑驱动客户生产力几何级增长。

07 回到OSWorld：登顶验证了什么

实在Agent登顶OSWorld，验证的不是一次考试的成绩，而是一个在真实产业中打磨了八年的智能体，在标准化测试里也能交出过硬的答卷。

但标准测试只是标准测试。制造业的生产线不会按照360多个固定任务来运行，每一家企业的系统架构、业务流程、数据标准都不一样。真正的考验在OSWorld覆盖不到的角落里。

制造业正在成为这场考验最密集的行业之一。从裕同科技到赛力斯，从中远海运重工到巨隆机械，不同规模、不同细分领域的企业正在用同一套智能体解决不同的问题——打通系统壁垒、消除人工搬运、缩短交付周期、降低合规风险。而这些问题的复杂度，远超任何标准测试的覆盖范围。

OSWorld证明实在Agent技术能力已经就位。但技术能力就位之后，真正的价值要在每一个真实的车间里、每一个需要重复劳动的岗位上，和人一起完成工作。

1.本内容作为作者独立观点，不代表RPA学习天地立场，RPA学习天地仅提供信息存储空间服务。

2.如果对本稿件有异议或投诉，请联系客服微信号。