如果你想看懂中国制造的变化，那广东，会是一个不错的样本。
三四十年前，珠三角充斥着“三来一补”的劳动密集型产业，那时候的世界工厂，靠的是廉价的土地和人力，还有流水线上不知疲倦的日夜。
但随后的几十年里，这里逐渐完成了一场高端化、智能化、集群化的产业接力。
在深圳华强北，这里串起了一条，从零部件采购、生产制造再到市场营销的完整电子信息产业链。你可能只需要进去转一圈，就能凑齐一台电子设备需要的所有零部件。
图源：创业邦
当然，华强北只是大湾区产业链配套能力的一个横截面。
佛山的精密制造、顺德的家电、广州的整车基地......毫不夸张地说，从一颗螺丝钉，到一个激光雷达传感器，你几乎只需要在一两个小时的路程里，就能找齐。
也因为有了这些产业链的基础，如今的大湾区，除了熟悉的机器轰鸣，更多的是跑在服务器上的代码，仓库里来回穿梭的 AGV 小车，还有正在测试的人形机器人和自动驾驶车辆。
中国制造业的含金量，正在急剧上升。
前两天，知危编辑部特地跑了一趟飞书的广州峰会，现场虽然热闹，但少有那些表面的客套寒暄，大家似乎都有些“焦虑”。
图片拍摄于峰会现场
这种焦虑，倒不是因为企业生存危机，反而是业务增长所带来的甜蜜负担。
台下坐着的，多是这两年风头正劲的物理AI玩家，造新能源车的、研究具身智能的，还有开发智能硬件的。
但哪怕这些物理 AI 公司的机器、产线、产品，已经完全属于 2025 年的高科技，但他们的“大脑”，却跟不上业务狂飙的速度。
这种身体比脑子快的错位，并不是因为管理者不懂瞎搞，而是物理AI的产业形态，天然具有极高的复杂度。
当我们把这些造车、造机器人的企业扒开来看，就会发现他们普遍都经历着，软硬件协同低效和知识爆炸的阵痛。
对于物理AI企业来说，一个研发项目，横跨市场、软硬件、测试等多个环节，动辄涉及上百个任务节点。
但现实是，由于缺乏统一的系统和管理工具，项目的流程、进度往往是不透明的，跨部门协作存在信息差，你不知道谁在等待，也不知道谁在空转。
以海柔创新为例，作为国内仓储机器人的头号玩家，他们面临的挑战就十分具有代表性。
数据显示，海柔创新目前已在全球 40 多个国家和地区落地超过 1800 个项目，业务规模持续扩大，产品线也日益丰富多元。
图源：海柔创新
在这一背景下，以往依赖的传统工具与分散系统，已难以支撑公司快速发展的业务需要。尤其在需求管理方面，由于来源多样、形式零散，缺乏统一汇聚和规范评审机制，容易造成信息遗漏或跟进不畅。
与许多制造企业类似，海柔在产品开发管理中引入了 IPD （集成产品开发）体系。公司典型的研发项目通常跨市场、硬件、软件、供应链、财务等多个部门，协同角色众多，流程复杂。与此同时，海柔在标准 IPD 基础上又面临行业特殊性的挑战：不同行业客户对仓储机器人有着差异化的场景需求，因此需要更严谨、更灵活的需求管控机制。
接入飞书项目后，海柔逐步构建起端到端的需求管理闭环。通过统一的需求入口和线上评估流程，实现了需求从收集、分析、评审到分发、测试、验收的全链路可视化管理。
同时，海柔基于飞书项目搭建了可配置的 IPD 流程框架，能够根据具体项目特点对阶段和评审点进行灵活裁剪与调整，既保证了流程的规范性，也兼顾了项目的适应性。
以某客户提出的 “多箱规存储” 需求为例，海柔团队通过飞书项目快速将需求拆解并同步至软硬件开发侧。在项目推进过程中，系统确保了软硬件必须在集成测试通过后才能进入下一阶段，从而保障了解决方案的整体可行性与质量。最终，经过现场实测与客户验收，该需求实现了从捕捉到交付的完整闭环。
据统计，引入飞书项目后，海柔在研发效率与成本控制方面取得了显著提升，交付效率提升 30% 。
除了海柔以外，小鹏汽车也是最早使用飞书项目的物理 AI 企业之一。
起初，飞书项目还只是小鹏数据智能中心的一次试水。但很快，这种敏捷的协作模式，就在企业内部实现了裂变。如今，小鹏包括智能座舱、自动驾驶在内的核心研发业务，基本都在飞书项目上流转。
另外，物理AI作为一个人才密度极高的行业，企业内部每天都会产生大量的测试报告、技术文档和调试记录。但这些宝贵的经验资产，往往只是被简单存储，很难被充分利用起来。
如何把这些文档盘活？地平线和小鹏汽车给出了两种不同的解法。
据统计，地平线一年沉淀的文档数量高达 70 万份，仅 “城区辅助驾驶 HSD” 这一个项目，相关的技术文档就高达 8 万份。
所以利用飞书，地平线给数百个项目建立了独立的知识库。为了提高知识的流动效率，地平线还引入了知识问答 AI 。遇到技术难题，工程师只需要在搜索框里提问，AI 就能迅速从 70 万份文档中找准确的答案。
另外，地平线还利用 AI 辅助识别资产密级，权限申请自动触发审批，既保证了知识流动，又守住了安全底线。
不同于地平线的做法，小鹏的尝试可能多了点科幻色彩。他们基于飞书，打造了一个名为 IRON 的数字员工，以此来解决业务快速增长所带来的信息超载。
图源：小鹏汽车
数据能直观地反映出问题所在：目前，小鹏内部有超过 500 个流程系统、44 个 IT 服务台、85 个消息渠道，以及积累下的 2000 万份文档，员工不得不把大量的时间精力，消耗在找信息、对流程上。
IRON 的核心价值，就是把这些分散的信息重新整合到一起。
在知识检索上，员工只需要提问，IRON 就能给出基于企业真实数据的答案，不需再去 44 个服务台里碰运气 。
原本需要逐项填写、等待审批的请假流程，现在员工也只需要说一句话，AI 就能智能填表并一键发起，效率提升了 75% 。
这种对企业知识的深度挖掘、利用，正在成为物理 AI 企业的共同选择。
除了地平线和小鹏，小马智行也在用飞书 AI 智能会议纪要和知识问答 AI ，来激活超 300 万份文档。与此同时，飞书知识问答提升了海柔 10 万多篇精华文档和企业词条的使用效率，知识流转效率提升了 30% 。
如果跳出具体的企业案例，从更广的视角去观察这一波物理AI的浪潮，就会发现， AI 改变的不只有产品，也在改变制造业的组织协同和管理方式。
物理 AI 正在加速落地，而一些传统工具和旧有模式，在面对跨部门、高密度的协作需求时，往往显得力不从心。
这也是为什么，当小鹏、蔚来、理想这些新能源车企，率先在飞书上跑通了汽车制造这套更为复杂的流程后，一种显著的溢出效应，迅速在制造业中蔓延开来。
越来越多的物理 AI 企业开始转向飞书，因为他们敏锐地察觉到，组织需要更灵活，更适配业务的管理工具。
而在飞书上，知识变成了流动的资产，复杂的流程变成了清晰、可视化的执行路径， AI 也从技术概念，变成了懂业务的同事。
这或许，也是这轮产业变革的表现之一。
当“先进工具”真正掌握在“先进产业”的手中时，那些关于增长的焦虑，才能转化为前进的动能。
毕竟，在这个被 AI 加速的时代，大脑完成了进化，身体才能跑得更远。