×
酷爱科技 · 2026年7月 · coolai.tech
乐饮创新 · AI Native 蓝图
订单、配方、批次、成本，今天散在 Excel 和微信里；AI Native 后，AI 能算、能查、能提前预警。 第一步先把数据点亮，再上企业 AI 大脑与首批 Agent——客户上午提需求，下午配方 + 成本 + 产线方案全在桌上。
乐饮一直在做的事情——精品咖啡的工业化
精品咖啡的规矩是一杯一杯做：一个产地一条曲线，一个客户一个味道。工业的规矩是大批量复制：越标准越便宜，越稳定越赚钱。这两套规矩天然打架——要精品的多样，就得牺牲工业的成本；要工业的效率，就得砍掉精品的花样。
乐饮的生意，是同时要这两头：永璞要的柑橘调、瑞幸要的爆款复刻、亚朵要的房间挂耳——每个客户要的都不一样，但每一单都要工厂级的成本、交期和稳定性。这叫柔性供给：需求端千变万化，供给端照单全收。
今天这份柔性靠人撑着：15 个 Q-Grader 的舌头对住「精品」，30 个研发一单一单试出「多样」，计划员用 Excel 一格一格挤出「交期」。人肉柔性有天花板——单量涨 60-70%，人不能跟着涨 60-70%。
AI Native 要做的一件事：把柔性从人的经验，变成系统的能力。配方库让每个新需求都不从零开始；排产引擎让小批量、急插单不打乱产线；知识账本让每一次定制变成下一次的基线。多样性再多，系统接得住。
精品的多样，工业的成本——这是乐饮的护城河，AI Native 是把它焊死的方式。
不只做一家更大的工厂，
而是做一张会自己变聪明的制造网络
基于两次会议与实地调研，我们把乐饮想去的地方收拢成三件事。后面所有内容，都只服务这三件事。
六个工厂，一张协同网络
昆山 · 南京 · 青岛 · 厦门四厂运行，南通 · 溧阳在建。今天各厂自转、月底靠 Excel 汇总。以后，今天在南京下的单，系统判断该昆山做还是青岛做——随订单、产能、原料价格动态调整。
知识从人脑里，变成公司的资产
15+ Q-Grader、30+ 研发品控是最值钱的东西，但烘焙曲线库、杯测判断、养豆经验今天还散在本子和 Excel 里。烘焙曲线在师傅本子上，是师傅的；进了配方库，才是公司的。
浓缩液 60-70% 的增速，不能被组织能力拖住
浓缩液一年增长 60-70%。单多了，插单多了，排产先乱，交付跟着晚——「接单→配方→排产→采购→生产→质检→交付」这条链，会比产能先到极限。
三件事的共同结论： 多工厂网络、知识进库、高增速下链条不乱——三件事要的是同一样东西： 一套把订单、配方、批次、成本都记在案、算得清楚、查得出来的运行系统。
省下的时间是小头，值钱的是三个经营层面的改变
每条都落在三个问题上：能接什么生意、能怎么扩张、公司值多少钱。
能接的生意变了
两周急单、小批量试产——研发排不开，成本要跨四个部门问 2-3 天，等答复的功夫客户已经找了别人，只能推掉。
研发拿到的是 AI 从历史配方库推荐的最接近基线，在基线上调；全成本当天算清。经营会上能做一个今天做不了的决定——「这些单，乐饮能接」。接单边界往外扩一圈，就是新增营收。
扩工厂的方式变了
开一个新厂等于再养一批老师傅。人没养熟之前，新厂的品控、研发、排产水平和昆山不在一个水位——多厂是参差不齐的独立单元。
配方、工艺参数、排产规则、质量基线都是结构化的公司资产。新厂接上系统第一天，就能调取昆山的历史配方与烘焙曲线、用上南京积累的 SPC 基线、直接套已验证的品类排产规则。不用等三个月磨合期，第一天按既有标准跑——扩张成本从「养人」变成「接系统」。
公司值钱的东西变了
配方在脑子里，经验在本子里，判断在某几个人身上。人走，这些跟着走。财务报表上找不到「配方库」这项资产——只有工资。
配方知识体成为账上资产：每一次配方微调与客户反馈、每一条从「拍板」变成「系统约束」的排产规则、每一次质量异常从「事后知道」变成「下次自动预防」，都不随人走。需要融资或引入合伙人时，能打开一套在运转、在增长的知识资产清单——估值的基础变了。
三个改变来自同一件事：公司的经验和事实，第一次被存成了系统能算的东西。乐饮从「靠几十个核心人员撑起来的制造公司」， 变成「AI 推进日常、人做关键判断、知识一直在攒」的制造平台。
两张图讲清楚今天的乐饮与AI Native 的乐饮
两张图的节点一模一样。区别在三处：链条是不是断的，中间有没有一本公司账本，交付之后经验有没有流回来。
一段微信语音，一个邮件正文
翻 Cropster、Excel、本子、问人；从零试错 2-3 周
Excel 手排 2 小时，排完发微信群
延期了，工厂不知道
纸质工单，人工抄参数进设备
数据散在 4 个系统，客诉 1.5 天定位批次
交期全凭经验估，变更人传人
Cropster · Excel 表格 · 研发笔记本 · 微信群 · 老师傅脑袋。查一个配方 = 翻几个系统 + 问几个人。
每一单交付完，过程数据和教训留在微信和纸上——下一单，从零再来。
进门即结构化：风味画像、成本上限、交期、客户特征
历史库秒级推荐最接近基线，附 BOM 与成本
AI 自动排程，插单 30 秒算清影响，变更自动重排
延期自动传播，预警先于问题到达
每一炉实时对标，偏离秒级告警
客诉 3 分钟追溯到生豆产地批次
交期全程可预见，变更 3 分钟全链响应
每个环节都在写入：配方微调、排产规则、质量根因；每次运转都在读取：基线推荐、成本模型、工艺约束。
同一个知识账本，六个工厂共用——今天在南京下的单，系统判断昆山做还是青岛做；新工厂接入第一天，继承全部配方与工艺经验。
本图为目标态全景，分三阶段抵达，节奏见「陪跑到终局」。
AI 做执行，人只做判断
| 角色 | 今天 | 那时（AI + 人） | 中间缺的——正是本期要建的 |
|---|---|---|---|
| 研发 | 一单一单从零试错，2-3 周 | AI 给最接近基线，人只判断和微调 | 历史配方结构化入库 |
| 业务员 | 跨 4 部门问 2-3 天才能答复客户 | AI 当天算清全成本，人谈判断策略 | 成本模型（含水/CIP/工时） |
| 计划员 | Excel 手排 2 小时，插单靠电话 | AI 排好，人每天只确认 3 个例外 | 排产规则显式化 + 设备数据接入 |
| 质量员 | 翻 4 个系统 1.5 天定位批次 | AI 串好批次链，人做判断和处置 | 批次谱系从第一天记录 |
| 厂长 | 挨个问进度，四处救火 | 看板看全局，只拍例外的板 | 统一看板 + 事件自动传播 |
| 李总 | 听汇报，信息隔了两层 | 驾驶舱直接看，AI 提醒哪里需要他 | 驾驶舱 + 异常推送 |
今天：一单一单从零试错，2-3 周
那时（AI + 人）：AI 给最接近基线，人只判断和微调
中间缺的——正是本期要建的：历史配方结构化入库
今天：跨 4 部门问 2-3 天才能答复客户
那时（AI + 人）：AI 当天算清全成本，人谈判断策略
中间缺的——正是本期要建的：成本模型（含水/CIP/工时）
今天：Excel 手排 2 小时，插单靠电话
那时（AI + 人）：AI 排好，人每天只确认 3 个例外
中间缺的——正是本期要建的：排产规则显式化 + 设备数据接入
今天：翻 4 个系统 1.5 天定位批次
那时（AI + 人）：AI 串好批次链，人做判断和处置
中间缺的——正是本期要建的：批次谱系从第一天记录
今天：挨个问进度，四处救火
那时（AI + 人）：看板看全局，只拍例外的板
中间缺的——正是本期要建的：统一看板 + 事件自动传播
今天：听汇报，信息隔了两层
那时（AI + 人）：驾驶舱直接看，AI 提醒哪里需要他
中间缺的——正是本期要建的：驾驶舱 + 异常推送
第一步交付的不是链的一段，是整条链的第一档——之后一档一档往上走。
链路贯通之后，一天是这么转的
按一天的时间顺序，从需求进门到客诉写回知识体——每一格都是同一条链路上的一个岗位视角。
现在想知道今天怎么样，得挨个部门问一圈，数据还各说各话。
- JY-5012 包材延期 3 天，排产已自动重算，交期不变 — 待确认
- 今日排程例外 3 项，已全部处理
所有数字都由下面各个引擎实时汇上来，点开即可下钻到单据和批次。
底层飞轮：校正循环
AI 一开始会出错。计划员标记一次「这里要加 CIP」，同类问题很快就不再出现；业务员改一次「南京与昆山水价不同」，系统下次自动按工厂取价。
这些「标记 → 修正 → 自动记住」的小闭环每天都在发生。开头需要人多校准几次，随着规则显式化和基线积累，人的工作从「逐条纠正」转向「只看例外」。人越用，AI 越准。
员工用 AI 查资料
AI 帮人做单件事
AI 独立完成一类任务，人把关
多个智能体覆盖完整价值链
每一单都让系统更聪明
三个档位，走的就是 L3 到 L5 的路。
不是完成交付，是一路持续陪跑
最先看到成效的是「数据可视」——工厂在发生什么，一屏看清；在此之上再长出「乐饮 AI 大脑」，最后是「首批 Agent」接管日常执行。每一步都建立在前一步跑通的数据和习惯之上，跑顺了再往下走。
分界不是功能多少，是 AI 的自主档位——像一个学徒：先入职上手，再转熟手，最后成为一个永不离职的老师傅。
南京工厂，主链跑通
- 设备、配方、订单、批次数据打通，统一看板与物料预警上线
- 主链「接单→配方→排产→生产→质检→交付」全闭环
- 配方知识体 + 智能排产 + 质量基线三件套开跑，AI 大脑随数据一起长
日常执行，交给 AI
- 插单 What-if 完整模拟器（量化影响金额）
- AI 巡检全点位覆盖 + 整改闭环
- 昆山-南京产能协同、供应商评估、能耗监控
智能网络，持续进化
- 多工厂全局产能规划
- 主动机会识别（询价趋势 → 扩容建议）
- 推演沙盘（停工、涨价、插单的全局影响）
从数据能够被看见，到 AI 自动接管日常任务
节奏按乐饮的现场情况走，我们的承诺是配合度和响应速度——每一步都有明确的「跑通标志」，跑通了再进下一步。
让 AI「看见」工厂
- 打通设备数据通道：烘焙/萃取/冻干实时上屏
- 历史配方与物料主数据结构化入库（命名统一）
- 补齐关键订单的批次谱系与设备台账
- CEO Workshop：跑一个真实需求，锁定首个场景与验收口径
配方和成本先跑起来
- AI配方助手上线：需求 → 基于历史配方库推荐基线 + BOM + 成本
- 全成本核算打通（含水/CIP/跨岗工时完整成本归集）
- ECN变更 → 自动通知下游
生产链条串起来
- 智能排产上线（CIP窗口+冻干锁定+交期约束）
- 订单变更响应：事件触发自动重排
- SPC实时监控：温度/压力异常秒级告警
- AI巡检最小试点 1-2 个点位
闭环 + 培训 + 验收
- 追溯链路演示（基于 5 个回放订单）
- 统一看板上线（PM/厂长/烘焙师各自视图）
- 团队培训：每个岗位用真实场景操作
- 5 个历史订单回放逐项打分
乐饮要准备什么
没有一号位对齐，中间层推不动
有名有姓，能说「这就行了」
方向调整就更新后重签
系统只读权限 + 5 个回放订单样本
| # | 配合项 | 做什么 | 关键产出 |
|---|---|---|---|
| O1 | 决策人（李总或指定） | 关键决策拍板、跨部门资源协调、最终验收确认 | Gate 签字 |
| O2 | IT 负责人 | 开放设备接口、协助 ERP/系统对接、网络环境 | 接口就绪 |
| O3 | PM/产品负责人 | 提供历史配方、验证 AI 配方推荐、提供真实询价案例 | 配方库+案例集 |
| O4 | 研发负责人 | 确认配方参数（烘焙/萃取/冻干）、验证工艺路线 | 配方确认单 |
| O5 | 南京工厂厂长 | 确认排产规则、CIP 窗口、验收排程结果 | 排产规则书 |
| O6 | 质量负责人 | 提供质量标准模板、确认追溯链路完整性 | 追溯链路图 |
数据上要给的
- 历史配方与烘焙曲线（能导出多少给多少，纸质也行）
- 近一年订单与交付记录（含变更、插单、延期）
- 物料与供应商台账（含别名口径，如浓缩液/原液/espresso）
- 质检与客诉记录（批次可对应的部分优先）
- 产能与设备清单（各厂产线、班次、瓶颈工序）
以上为示意范围，具体以我们提供的《详细数据确认清单》为准。
主链核心是本期必过的验收项，加分项放到下一步一起做
主链核心（必过验收）
阶段一5 项| 交付项 | 现在 | 交付后 |
|---|---|---|
| AI配方引擎 | 研发翻配方 2-3周 | 基于历史配方库推荐最接近基线 + BOM + 成本 |
| 全成本核算 | 跨4部门 2-3天 | 当天算清，含水/CIP/跨岗工时全成本 |
| 智能排产 | Excel手工 2小时 | 自动排程 + 订单变更事件触发自动重排 |
| 烘焙守护 | 出锅后测色值，3天后杯测 | 每炉实时对标，偏离秒级告警 |
| 质量追溯 | 翻4个系统查不全 | 客诉 → 生豆批次可追溯 |
配套交付
阶段一3 项| 交付项 | 现在 | 交付后 |
|---|---|---|
| 统一看板 | 挨个问「怎么样了」 | PM/厂长/烘焙师/管理层各自视图 |
| 物料管家 | 过期或延期才发现 | 生豆保质期 + 包材延期自动预警 |
| 产线数字化终端 | 纸质工单，设备各自孤立 | 工单预填 + 设备直连 + 用料工时自动汇总 |
加分项
第二阶段一起做2 项| 交付项 | 现在 | 交付后 |
|---|---|---|
| 插单 What-if 模拟器 | 打电话协调，不知影响 | 量化影响订单与金额的完整模拟 |
| AI 安全巡检 | 人拍照上传，全靠责任心 | 全点位自动比对 + 整改闭环 |
三点不同
知识资产化是主线，不是功能
证据：所有场景都写回知识账本，验收含知识沉淀维度
从经营意图倒推，不套模板
证据：全部场景来自乐饮真实环节——配方、排产、烘焙、追溯、交付
用真数据验收，不交演示
证据：验收方式是 5 个历史订单全链回放，每条标准写明谁来验收
不值得就带走，不值——配方、数据、规则、全部产出，一样不留，合同结束
- 原始数据（配方/订单/批次/质检）
- 定制的配方知识账本
- 本期积累的排产规则与校正成果
- 全部产出物与配置
- 通用能力模块
- 方法论
- 底层平台
- 脱敏后的行业经验
我们不做的事
- 不替换现有系统（ERP/MES），只在上面加一层智能
- 不要求换工作习惯，AI 把信息推进到现有工具里
- 不制造锁定
交付之后
- 里程碑节点主动回访，用 NPS/CSAT 量化满意度
- 关键人经验进系统，效果不因人员变动倒退
验收标准
| 验收什么 | 现状基线 | 本期目标 | 谁来验收 | 怎么验 |
|---|---|---|---|---|
| 配方匹配 | 新品从零设计，2-3 周 | AI 推荐基线当天可用，研发半天出初版配方 | 研发负责人 | 5 个历史需求回放计时，推荐 3 个基线中 ≥1 个被采用即达标 |
| 变更响应 | 人传话，两天 | 订单变更/插单触发自动重排，显示受影响订单 | 厂长 / 生产主管 | 真实变更事件回放 |
| 质量追溯 | 翻 4 个系统 1.5 天 | 客诉 → 生豆批次可追溯 | 质量负责人 | 随机抽 2 个回放订单批号验追溯链完整 |
| 主链闭环 | 各环节手工传话 | 接单→配方→排产→生产→质检→交付全链跑通 ≥1 次 | 李总 + 厂长 | 5 个历史订单端到端回放，无断点 |
谁来验收、按什么判，开工前双方签字确认——不留口头灰色地带。
五重价值体现
配方 2-3 周 → 半天；排产 2 小时 → 只看例外；追溯 1.5 天 → 分钟级
配方、排产规则、质量基线从 Excel 和人脑变成公司资产
每炉实时对标，异常秒级告警，每个决策可回溯依据
每次微调、每次追溯写回知识账本，AI 越用越准
数据和知识归乐饮，可导出可迁移，不锁定
效率收益测算分三档：A 真实数据推算（盘点后用南京真实业务量逐项算）＞B 行业对标（ODM 行业打样 1-3 周、跨部门成本核算 2-5 天为常态）＞C 上线实测（第一个月采集真实数据出量化报告）。本页承诺以 A 口径为准。
为什么选南京作为第一个落脚点
南京工厂没有历史包袱：团队新组建、流程未固化、数字化从零起步——没有旧系统要迁、旧习惯要改， 这正是建「AI 原生工厂」的最佳土壤。先在南京跑通主链，再复制到其余工厂（昆山 · 南京 · 青岛 · 厦门四厂运行，南通 · 溧阳在建）， 让多工厂从地点集合变成协同生产网络。
一步一步走下去：数据先亮起来，再有 AI 大脑，再有 Agent 上岗。
数据实时在线，异常秒级告警。
从「人串联」变成「AI 大脑驱动」。
| 动作 | 谁 | 时间 |
|---|---|---|
| 评审对齐本方案 | 双方 | 现在 |
| 确认启动前四件事 | 乐饮 | 签约前 |
| 确认试点范围 + 指定对接人 | 乐饮 | 确认后 3 天内 |
| 启动会 + CEO Workshop | 双方 | 启动阶段 |
| 第一步验收 + 复盘 | 双方 | 数据可视跑通后 |
第一步跑通并验收后，按乐饮自己的节奏继续往下走——企业 AI 大脑、首批 Agent、多工厂复制，按需持续推进。