台鈴×火山引擎VeKnow：4倍提效數萬家門店24萬張實拍照片審核

　　/朝聞通/過去十多年，傳統制造企業投入大量資源建設信息系統，将采購、生産、銷售和财務等業務搬到線上。

　　最初，這些系統主要幫助企業記錄和處理日常業務。随着各環節逐步打通，企業開始利用經營數據安排預算、調整生産和配置資源。數字化也從提高業務處理效率，逐漸參與到經營決策中。

　　台鈴科技數字化中心總經理陳駿介紹，與較早開展數字化建設的同行相比，台鈴還有不少基礎工作需要“補課”。近兩年，生成式AI開始進入企業辦公和業務場景，台鈴決定跟上最新的技術路線。2025年，台鈴借着開源大模型開發了企業智能體“鈴寶”，但使用體驗還有些差強人意。

　　2026年，台鈴開始與火山引擎全面合作，順利将企業Agent從日常辦公逐步延伸到門店巡檢、經銷商訂貨和生産管理等業務場景。

　　作為一家在行業内做到頭部的實體制造企業，台鈴擁有着複雜的研發、制造、渠道、售後體系，龐大的員工基數和數萬家門店，AI能帶來的經營效率提升極為可觀。而衆所周知的是，數據的質量對于AI實際應用效果至關重要，在企業Agent中這一點則對應着“知識的價值”。

　　雙方合作的核心之一，就是火山引擎知識引擎VeKnow和HiAgent，前者負責将台鈴原本分散在不同系統中、形态複雜、格式不統一的知識，進行統一接入、加工、管理和持續進化，後者則支持面向業務需求完成專業智能體搭建并接入知識提供系列專業服務。

　　從通用辦公到專業場景，鈴寶有了知識底座

　　2025年春節前後，DeepSeek的走紅讓台鈴科技的管理層開始讨論：公司應該怎樣把AI用起來?

　　台鈴科技數字化中心總經理陳駿和團隊研究了不少技術問題，一個多月後，基于開源大模型開發的内部智能體“鈴寶”上線了。它能寫演講稿、做PPT、整理會議紀要，也能翻譯和查詢制度。上線初期，不少員工願意嘗鮮，可集中推廣一結束，用戶量便明顯回落。

　　究其原因，無非“通用”二字，鈴寶能做的這些事，其他成熟AI産品大多也能做，甚至做得更好。

　　2026年，台鈴與火山引擎合作，鈴寶迎來了重大升級。相比繼續增加通用辦公功能，雙方更希望通過高質量的企業知識供給，讓鈴寶向企業專業辦公場景細分升級。

　　效果是顯而易見的。據陳駿總結，除了在基礎能力上的顯著強化外，合作後的鈴寶更加服務于具體的場景、具體的工作了，在一些場景作業時真的能發揮出人與AI協同的工作能力了。

　　比如， 财務人員查出差和報銷手續，倉庫人員查GPS、控制器等貴重物料的收發規定，售後人員查三包配件的處理辦法，需求各不相同，卻有相似的麻煩：企業知識來源分散、形态複雜，有的保存在業務系統中，有的留在員工電腦裡，文件格式和管理方式也不統一;即使找到了資料，還要确認版本、權限和适用範圍。

　　這些問題并不是大模型本身能夠解決的，要讓Agent能夠準确回答企業内部的專業問題，需要的是完整、持續、有明确來源和依據的知識。

　　并且知識“接進來”，還不等于Agent就能直接“用起來”。一份制度可能有幾十頁，涉及不同崗位和執行條件;有的資料包含表格、圖片和複雜的文檔結構。如果隻是簡單提取文字，原本的内容層級、适用條件和業務語義就可能在處理過程中丢失。

　　而火山引擎知識引擎VeKnow擅長的，正是通過複雜文檔解析、靈活切片和知識增強，對不同格式的資料進行加工，讓原本零散的内容成為智能體能夠理解、檢索和調用的知識。雙方一拍即合，圍繞售後、營銷、制造、行政辦公和數字化這五個業務領域建設知識問答平台。

　　對于需要跨文件關聯的複雜問題，VeKnow還提供知識圖譜、本體語義建模等知識編譯能力，幫助Agent理解不同業務規則之間的關系，獲得更完整的業務上下文。

　　陳駿介紹，目前鈴寶在台鈴内部員工中的使用覆蓋率已經達到了80%左右，長期目标是提高到95%以上。這就需要靠VeKnow後續補齊更多還沒梳理出來的企業知識、挖掘并滿足更多需求場景。

　　數萬家門店與一張訂單，智能體走進業務

　　台鈴在全國有數萬家門店，因為門店形象、陳列有統一标準，因此需要門店工作人員定期拍照上傳檢查，通常一家門店一次需上傳4-5張圖片。

　　2025年，台鈴就設立了專門團隊審核這些照片，但職能卻隻可覆蓋部分核心門店：因為除了逐張檢查照片是否符合标準外，當發現問題後還要通知門店整改、重新複核，工作繁瑣且量級巨大。

　　如今，台鈴将門店照片的初步審核交給由火山引擎VeKnow和HiAgent搭建的智能體。門店照片上傳後，AI按照對應标準知識指出不符合标準之處;門店整改、重新上傳，系統再次判斷。當遇到争議或異常情況，再交由人工處理——目前在審核團隊人力投入減少前提下，門店巡檢覆蓋數卻已經擴大至2.5倍，每月可審核超過24萬張門店實拍圖，整體審核提效4倍以上。

　　企業知識在這裡不再隻是供人查詢的資料，也開始成為Agent執行任務時的判斷依據。而除了已有的标準化知識，智能體還能基于VeKnow的長期記憶能力，沉澱門店的曆史巡檢記錄，為後續管理提供參考。

　　門店巡檢的覆蓋範圍擴大後，模型調用費用也需要控制。最初，一家門店上傳四五張照片，系統就要分别調用模型進行識别。火山引擎數智平台交付團隊嘗試了一個辦法：先把這幾張照片合成為一張，再統一交給模型審核。測試下來，Token消耗減少了，識别準确率也沒有下降。

　　經銷商訂貨是另一件需要大量人工參與的工作。台鈴的車型和産品配置衆多，不同地區的銷售規定也不完全相同，因此經銷商下單前，需要根據自身所需先和台鈴的商務内勤電話溝通，再由工作人員協助下單。業務規模越大，所需處理的咨詢和訂單就越繁雜，對接工作所需投入的人力就越多。

　　鈴導者APP-AI訂貨助手入口

　　台鈴與火山引擎正在基于VeKnow和HiAgent測試經銷商訂貨助手，通過面向經銷商的“鈴導者”APP，提供文字、語音咨詢和訂貨協助，該項能力目前已經進入試用階段。

　　按照台鈴的規劃，訂貨助手除了要基于産品知識、渠道規則和業務上下文回答車型配置和産品價格等問題，還将逐步鍊接更多上遊環節實時數據。

　　數據顯示，僅10月27日一天，經銷商通過“鈴導者”APP就向訂貨助手發起咨詢超過10000次，其中下單需求意圖識别超3000次，最終協助完成下單轉化占比超42%。

　　台鈴希望随着知識體系和業務系統逐步完善，讓訂貨助手承擔更多日常咨詢與訂貨工作，減少業務規模增長帶來的重複人力投入。

　　除了上述案例外，台鈴也在将AI應用延伸到更多現場。例如，在電動車裝車過程中，台鈴已經嘗試利用攝像頭和AI識别，檢查工作人員是否按照要求佩戴安全帽、安全繩;對于裝車數量标準化、易燃物早期預警，以及面向線下門店的實體導購機器人，台鈴也還在繼續探索。

　　制造業的AI底座，先把知識管起來

　　随着監管趨嚴，一輛電動兩輪車要上市銷售，電池、電機、控制器等關鍵零部件的對應關系，需要在生産過程中得到更精細的管理。

　　這些變化不止發生在工廠。一項産品标準調整後，倉儲要核對物料，銷售要确認不同地區的适用規定，售後也需要更新處理口徑。對制造企業來說，如何讓這些知識及時傳遞到不同部門，已經成為日常管理的一部分。

　　但企業知識建設是一件“又髒又累”的工作，它們散落錯綜複雜，跨地域、部門、環節、人員極廣，這是電動兩輪車全行業甚至所有傳統制造企業面臨的相同困境。

　　火山引擎VeKnow希望解決的，正是企業知識從接入、加工、可信治理到業務應用和持續進化的完整鍊路，并提出了“一次治理、多場景複用”的思路，企業可以通過API、Skill等方式，将已經接入、加工和治理的知識資産供不同Agent調用，新應用可以複用已有知識基礎，再根據業務需要補充新内容。

　　台鈴已經沿這一方向建設，五大業務域的知識問答平台為鈴寶提供專業依據，門店巡檢調用門店管理标準，尚在測試的訂貨助手繼續補充産品、渠道和訂單知識。應用進度不同，底層知識卻可以持續積累。

　　知識管理還要跟上業務變化。一項制度頻繁被查詢卻找不到有效答案，可能意味着知識缺口;不同部門規定沖突，就需要核對修訂。VeKnow依托知識回流治理、效果評測以及用戶使用反饋，幫助企業發現問題，推動知識持續進化，而非一次建庫就結束。

　　“VeKnow提供的是知識底座，”陳駿補充道，“後鍊路的智能體搭建和場景編排還将在HiAgent上完成。”現階段，台鈴科技已經完成面向業務場景的AI大框架搭建，深入洞察業務實際需求，并自主落地多個場景化智能體，持續推進鈴寶APP進化為AI中台，統一為業務提供AI能力和服務。

　　随着AI從輔助辦公走向生産、銷售和經營管理，VeKnow提供的高質量知識供給、可信治理和多場景複用能力，HiAgent提供的智能體搭建和場景編排能力，也有機會為更多傳統制造企業實現專業知識底座的建設和Agent搭建。