1500人的传统织带厂,正在重新计算AI的ROI

从“订单ROI”到“Token ROI”。

作者|王铁梅

编辑|杨舟

今天，Accio Work首届“Token King”评选公布结果，入围TOP 10的，没有一位是IT精英，其中一位来自传统制造业的负责人巴典，更是凭借在阿里国际站、1688、亚马逊、独立站等同时调用Accio Work，完成了多平台协同，获得“成年人不做选择奖”。

在很多人的印象里，能够高频调用AI、在“Token”相关的比赛上排到前列的，通常是年轻的开发者，或者是小型团队、一人公司。这类人往往组织轻、节奏快，几乎天然就生活在AI工具的使用场景里。

但巴典的身份恰恰相反。他是厦门姚明织带饰品有限公司的负责人，这是一家成立于 2004 年的制造企业，拥有 1500 多名员工，年销售额 达上亿元 人民币，常年保持着 惊人 的库存规模，业务同时覆盖国内外多个电商与外贸平台。

一边是典型的重资产制造型企业，一边是围绕着Token评选的数字化榜单，看起来是两个世界的概念，在巴典身上重叠了。

答案和技术无关。随着姚明织带在阿里国际站、1688、亚马逊、独立站等多个平台同时发展，公司的日常经营被划分为不同系统和不同团队，订单、库存、客户和运营动作分散在各处，原本依靠人力和经验串联起来的方式，需要更现代的模式。

所以一开始使用AI，或许只是为了“把事情做快一点”。但当AI真正进入到巴典的日常业务链条之后，他意识到，AI的价值并不止于“替代人工做同样的事”，很多过去依赖经验和人脑判断的环节，在AI介入之后，并不停留在“更快完成”这一层，而是出现了新的可能性。

这也就是为什么看起来和前沿科技关联不大的传统制造业能入围“Token King”TOP 10，因为这不意味着“烧了多少token”或者“多做了多少事”，这只和单位AI能力创造了多大的业务价值有关。

同时，巴典也开始尝试理解一种新的ROI逻辑。在AI时代，投入的不只是人和钱，还包括算力、调用次数、以及背后的模型能力，真正重要的也不是用了多少，而是这些“调用”最终撬动了多少业务结果。

电商行业的底层逻辑，正在被 AI 重写。

当不“守成”的制造厂遇见AI

在巴典的叙述里，姚明织带的成长是一个不断把边界往外推的过程。

从涤纶织带小花起步，到自建机台实现规模化生产，公司成立初期就同时入驻了 1688 和阿里国际站。在那个多数外贸企业仍依赖展会和中间商的年代，姚明织带已经开始直接面对线上订单和全球买家。

依靠反常规的“大库存、大生产、大销售”模式，姚明织带稳稳占据了全球最大窄幅涤纶织带生产制造商的位置。但这艘1500多人的大船，在电商版图不断扩张时，也面临着极高的内部协同成本。

姚明织带的电商业务线极其复杂，同时覆盖海外的阿里国际站、独立站、亚马逊、速卖通，以及国内的1688和天猫淘宝。

巴典告诉「市象」，各平台之间的订单结构、客户沟通方式、库存逻辑并不统一，业务团队需要在多个系统之间切换，分别处理询盘、报价、订单与履约信息。

引入Accio Work起初并不是为了应对某种生存危机，更像是一种辅助工具，用来让分散在多平台的数据处理变得更顺畅一些。当AI真正嵌入业务链条之后，巴典发现，它带来的提升并非单点效率，而是整个工作方式的变化。

以阿里国际站为例，AI带来的第一个变化，是对海外买家信息的更深层获取。过去业务员做客户背调，需要单独购买海关数据工具，再逐条查询出口记录和采购轨迹，信息零散，还要靠人工拼接，效率很低。

现在通过Accio Work，业务员输入客户线索后，系统可以自动抓取官网、社媒等公开信息，并结合企业自身的产品结构做匹配分析，直接生成一份带有实操建议的客户画像，不仅包含基础信息，还会提示潜在采购偏好和可能的决策路径。这也为生意本身提供了更多可能。

而在亚马逊日常运营中，也有一个容易被忽视的致命风险：断货。巴典提到，爆品一旦在FBA仓断货，平台流量会迅速下滑，商家往往不得不空运紧急补货，但空运成本极高，会直接吞噬利润，把一个赚钱的单品变成亏损。

过去这件事很难精确计算。运营需要分别查看厦门仓库存、海运在途和 FBA 实时库存，再结合销售节奏做人工判断，整个过程依赖经验，也很容易出错。

接入相关插件并打通数据后，Accio Work给出的不再是一个库存概览，而是一组非常具体的补货指令。它会直接拆解到每一个ASIN链接，明确提示状态——“这个产品已逾期19天”“这个品逾期3天”“这个链接库存预计20天后断档”，同步给出补货数量建议。

运营能够靠AI拿到一份已经算好时间成本与物流成本的执行清单。该海运还是空运，系统已经替人算清楚了。

同样被重构的还有报价流转。过去，遇到复杂的打样和核价需求，业务员只能向技术工艺部门求助，排队等待两小时到两天不等才能拿到结果。现在，姚明织带将复杂的核算逻辑全部输入Accio Work，固化成一个自动报价Skill，业务员即便在外出差，用手机微信就能获取精准报价。这套系统即将全面覆盖公司270多名业务线员工。

这种深入业务流的改造，也体现出巴典及其团队对新工具极强的探索精神。跑通基础的订单和报价环节后，他们并未满足于简单调用系统预设功能，而是不断测试AI的能力边界，试图让算力渗透到日常经营中一切还能被优化的角落。

最让巴典感到意外的，是AI跨平台“缝合”的能力。1688平台一直缺乏像阿里国际站“小满”那样专业的CRM工具。为了解决这个问题，电商团队利用Accio Work自研搭建出了一套完全懂公司业务逻辑的内部CRM系统。

这套智能体不仅能实现 1688 客户的自动分层与动态打标签，还能每周自动生成客服沟通纪要与下一步跟进计划，彻底弥补了内贸平台管理工具的短板。

在巴典看来，Accio Work之所以能统管多盘生意，核心差异在于它具备开放的商业插件生态。无论是主攻亚马逊的跨境卖家，还是依赖独立站、速卖通获客的贸易商，抑或是深耕国内供应链的工厂，都可以通过接入自带的现成插件，直接对接平台后台数据。

从内贸到外贸，从To B到To C，AI没有改变姚明织带重资产制造的基本盘，却将原本的多平台业务缝合在了一个底层系统里。

用一句话概括他的用法就是 “多盘生意、一个操作系统”。这种模式让本就运转稳定的制造企业，也因此进入了一种更轻、更快的协同状态。

当人的能力被算力放大

很多人会下意识觉得，能把AI智能体用好的人，应该是懂技术的年轻程序员。但在姚明织带，Accio Work用得最熟练的，反而是一位在传统外贸行业做了快二十年的老主管。他不懂代码，也不关心模型原理，但业务经验非常扎实，表达和拆解问题的能力很强。

巴典提到，这位主管在使用Accio Work时，更像是在“带一个新人”。他不会去研究系统底层怎么运作，而是把自己二十年积累下来的工作方法、判断标准，用很直白的语言一点点讲给AI听，让AI去学习他的业务逻辑。

比如在织带这种非标产品里，不同印刷工艺、不同规格对应的成本结构和利润判断，本来只存在于少数资深员工的经验里，很难标准化，也很难复制。但现在，这些分散在个人经验里的判断，被一步步整理并固化成一个可复用的自动报价Skill。经验不再绑定某一个人，而是变成了组织里可以随时调用的一种能力。

更有意思的是，变化并不只发生在经验沉淀上，也发生在具体业务动作里。

巴典告诉「市象」，在过去很长一段时间里，公司对客户的处理方式是比较被动的：客户发来需求，业务员就接单、报价、下单，很少有精力去进一步挖掘客户背后的潜力。

但在引入Accio Work之后，客服开始尝试把客户的聊天记录、印刷图稿以及收货地址等信息直接交给AI分析。结果AI不仅快速识别出图稿背后的真实品牌方，还进一步判断出这个品牌大致的业务规模和合作潜力，并自动生成了对应的破冰话术，帮助业务员去做下一步沟通。

更关键的是，AI在这个过程中并没有停留在“分析一个客户”的层面，而是顺着已有信息继续往外延伸，主动推荐了一个业务模式相似但规模更大的潜在客户B。业务团队顺着这条线索跟进，最终拿下了一笔超过二十万元人民币的订单。

这笔订单的意义并不只是金额本身，而是让客服也可以不只停留在被动响应，可以借助AI变成主动找机会的人。

类似的变化也发生在亚马逊运营团队。巴典提到，有一位性格很内向的工科背景运营，平时基本不怎么表达，更习惯一个人处理日常的运营工作。

在接入 Accio Work 并通过插件打通亚马逊后台之后， 部分 重复性工作被大幅自动化，系统会每周自动生成结构化的库存和广告分析报告，把原本需要半天甚至更久的人工整理压缩掉了大半。

这个变化带来的结果是，这位原本很少在会议上发言的运营，在使用工具两周后，开始在每周的会议上主动分享自己的数据分析结果和运营判断，逐渐参与到团队更核心的策略讨论中。

这种能力的放大也延伸到了更宏观的层面。巴典提到，在像窄幅涤纶织带这样高度细分的行业里，过去几乎不存在完整的行业研究报告，企业很难真正看到市场全貌。但现在通过AI对多源数据的整合与分析能力，公司可以自己完成友商对比和市场趋势梳理。

深度探索AI，既能帮助姚明织带这样的龙头企业继续加固自身优势，也让资源相对有限的中小商家，有机会用更低成本获得原本很难触达的行业认知，从而找到差异化的切入点。

当 AI 真正进入业务流之后，它并没有简单替代人的工作，而是把每个人原本能做到的边界整体往上推了一层。 Accio Work 改变的，不只是效率，而是每一个岗位原本 “ 能做到什么 ” 的上限。

到了计算AI ROI的时代

入围首届“Token King”TOP 10，并获得“成年人不做选择奖”后，巴典重新思考了何为AI价值。

在商业世界中，企业评估一款数字化工具的ROI，也就是投资回报率，一直以来都是很直接的：它带来了多少新增订单，或者节省了多少可以量化的成本。能不能赚钱、能不能省钱，是最核心的判断标准。

但在深度使用AI之后，巴典逐渐意识到，这套评价方式该变化了。他表示，现在已经不能只用“拿下了多少订单”“创造了多少营收”来衡量Accio Work的价值。AI带来的影响，很多时候并不直接体现在某一笔订单上，而是发生在企业的日常运转方式里，比如流程如何被重组、部门之间如何协同，甚至业务机会是如何被重新发现的。

他用一句更直接的话概括：AI改变的是一家公司的生意流程和管理方式本身。

当这个认知逐渐清晰之后，他开始重新思考一个更现实的问题：对于一家拥有 1500 名员工的重资产制造企业来说， AI 投入到底应该如何被统一管理和放大效能。

基于这种思考，巴典有了一个新设想：在年底之前设立一个“AI Agent项目主管”的岗位。这个岗位有一个明显的特点，它并不来自传统的IT或技术部门，而是直接从一线业务人员中选拔。

因为AI并不是一项需要技术背景才能使用的工具。像前文提到的那样，姚明织带内部把Accio Work用得最熟练的人，本身是一位拥有近二十年经验、但完全不懂代码的外贸主管。因此，这个岗位的候选人标准并不是技术能力，而是业务理解能力和指令表达能力。谁最清楚真实业务是如何运转的，谁就最懂如何让AI工作。

这位主管不需要脱离原本岗位，而是带着日常业务继续工作，同时承担起推动AI工具落地、梳理跨部门问题、以及定期复盘AI使用效果的职责。

巴典对这个岗位的设想，本质上是在推动一个新的评价体系：从“订单ROI”转向“Token ROI”。所谓Token ROI，并不是简单看企业消耗了多少算力，而是看单位算力所撬动的业务价值有多大。

对于已经在多个电商平台同时运行AI系统的姚明织带来说，也正在尝试把AI的使用权真正下沉到一线，让最懂业务的人去定义AI如何工作。

当技术门槛被压平之后，决定效率上限的，不再是系统本身，而是那些真正理解业务的人如何使用它。