7月17日，2026世界人工智能大会（WAIC 2026）在上海开幕，展览总面积首次突破10万平方米，1100余家企业参展，智算、具身两大赛道各汇聚超200家企业。往年人形机器人展台大多是台上挥手、寒暄互动，今年风格变了，智元、宇树、傅利叶等企业集中推出量产机型，搭建汽车、物流实景产线，智元远征A3 Ultra在现场演示电池装配、精密拧螺丝、物料拆垛等工业流程，智元机器人累计下线量已突破1.5万台。机器人从展厅走进产线，这件事本身没什么悬念，真正的问题是，拧完这颗螺丝之后，这条产线产生的数据要怎么进ERP，怎么跟MES对上话？这也是我今天想要聊一聊的，当具身智能真的走进工厂，谁来打通ERP和MES？
关于制造业自动化，多数人首先想到的是产线机器人、AGV小车、数控加工中心这些词，但大量制造企业的实际瓶颈其实不在车间，而在采购、库存、生产报表、供应链对账这些办公室流程里。一个中型制造企业的采购订单可能在SAP里生成，库存数据在WMS中更新，生产进度从MES导出，供应商资质和对账信息分散在SRM和财务系统——这些系统之间并没有天然的全链路自动衔接。员工日常大量时间花在跨系统复制数据、核对差异、生成报表、追踪异常上。据麦肯锡调研，企业员工约25%—35%的工作时间消耗在这类跨系统重复操作中。
工信部曾经发布的"十四五"智能制造发展规划已经明确指出，智能制造要覆盖设计、生产、管理、服务全流程，推动全过程、全要素、全价值链智能化。采购执行、库存管理、供应链协同和生产运营报表，本身就是制造业智能化的组成部分，不是车间自动化搞完再说的附属项。
跨系统流程为什么难自动化？
系统多、规则多、异常多，这些都是制造业供应链流程的复杂之处，一个典型的采购到付款流程可能横跨ERP（创建采购订单）、SRM（供应商确认交期）、WMS（收货入库）、QMS（质量检验）、财务系统（三单匹配与付款），中间任何环节的数据格式不一致或状态未同步，都会卡住后续步骤。供应链协同的本质是信息共享、业务协同和资源集成，目的就是消除上下游之间的信息孤岛。
但现实是，多数制造企业的IT架构呈典型的"混合式"，老系统不敢动，新系统不断加，部门之间接口风格不统一，在这种架构下，一次性系统集成把所有流程跑通的成本极高，也很难快速响应业务变化。 RPA在这个场景中的价值正是非侵入式的，不需要改造底层系统架构，通过模拟人工操作完成跨系统数据搬运和规则校验。比如，RPA可以每天凌晨自动登录WMS导出库存快照，再登录ERP抓取采购在途数据，最后按预设规则生成库存差异清单和预警提醒，整个过程不需要任何系统做接口改造。
RPA能做什么、不能做什么
流程挖掘与RPA结合的研究指出，RPA适合承担跨系统、规则明确、重复性的流程执行任务。在制造业中，这些场景包括从MES下载日产量报表并录入ERP、批量核对采购订单与供应商发票的三单匹配、将WMS中的收货信息同步到财务系统生成应付凭证、当原材料库存触达安全阈值时自动生成采购申请并触发审批流程……
某大型纺织集团引入RPA后，将原本依赖人工完成的多系统数据同步、对账和报表生成工作交由机器人全天候执行，在运营成本下降的同时使得数据延迟从"次日"变为"准实时"，类似场景在汽车零部件、电子制造、化工等行业同样普遍。
但RPA有明确的能力边界，尤其当流程中出现非预设条件时，比如供应商突然延迟交货需要重新调度采购优先级，或者某批原材料质检不合格需要判断是退货、让步接收还是换供应商，RPA作为规则执行器就无法自行决策了，它只能按预设路径走，遇到分支路径以外的情况就会停下来等人工处理。
Agent的位置：理解异常、辅助判断、调度工具
AI Agent在这类流程中的定位，不是替代ERP做供应链计划，而是补足RPA在非确定性环节的判断短板。一个设计合理的Agent能够阅读RPA输出的库存差异清单，结合历史消耗数据和当前订单排期，判断哪些差异需要立即处理、哪些属于正常波动。供应商交货异常时，Agent可以从SRM中调取该供应商近半年的履约记录，生成处理建议供采购人员参考。当MES生产计划变动，Agent也能判断是否需要提前触发某些物料的补货流程。
但供应链Agent的落地远不是接个大模型那么简单的事情，研究表明，供应链Agent的工业化应用受到技术成熟度、与企业信息系统的互操作能力、以及AI信任度等因素制约。2026年发布的智能制造AI路线图也指出，工业场景仍面临数据复杂、异构系统集成困难、高风险环境下可信可靠运行等核心挑战。Agent如果不能可靠地接入ERP、MES、WMS的真实数据，且其输出不能被验证和审计，那在制造业供应链中就只能停留在辅助分析层面，无法进入实际执行环节。
系统底座不能被替代
ERP、MES、WMS本身承载着业务主数据和流程约束，这是一个不能够被忽略的问题，有了RPA和Agent，不意味着这些底座就不要了。物料编码体系在ERP里，BOM结构在PLM里，库位和批次管理逻辑在WMS里，生产工艺路线在MES里，这些数据和规则是整个供应链运转的刚性骨架，Agent和RPA都不应该绕过它们"另起炉灶"。
有研究以金融ERP为例指出，传统ERP常依赖静态规则流程，生成式Agent可以在流程编排和异常处理层增强ERP能力，但核心业务数据和流程约束仍应留在ERP系统内，这一逻辑对制造业同样成立。Agent需要在MES排产结果出来后，帮助识别排产与物料齐套之间的潜在冲突，RPA需要把WMS的数据按规则搬运到需要的地方。
行业路线正在分化
从目前国内的厂商和技术路线看，制造业流程自动化正在形成几类不同的切入方式。云厂商（如阿里云、华为云）更靠近模型算力和数据平台，倾向于从智能分析和预测切入；ERP/MES/WMS厂商（如用友、金蝶、鼎捷、宝信）更靠近业务主数据，倾向于在自有系统内做流程优化和智能扩展；RPA与智能自动化厂商则更靠近跨系统执行与流程治理层。
以国内RPA+AI赛道为例，金智维推出的AI数字员工和企业级智能体将大模型放在意图理解和任务规划层，由RPA引擎负责具体的系统操作和结果校验，形成"认知—决策—执行"的分层结构。这种路线在化工、制造等对系统可靠性和合规性要求严格的行业有较强的适用性。来也科技在NLP和前端交互场景有优势，UiPath在跨国企业标准化流程上被优先考虑。不同路线解决的问题侧重不同，不存在通吃所有场景的单一平台。
IDC《中国RPA+AI解决方案市场份额，2024》报告显示，企业在RPA+AI落地中面临的关键挑战包括多系统整合困难、实时监控滞后、合规性要求升级和人力成本居高不下。在权限管理和审计留痕层面，金智维将权限管控、通讯加密、信创环境适配做进平台底层；来也通过与其他协作平台的深度集成来满足中小企业权限管理需求；UiPath则依托Orchestrator实现全球统一的机器人调度与日志审计。企业需要根据自身系统架构和行业合规要求做匹配评估。
这意味着厂商选型不能只看自动化能力，还要看权限管理、审计留痕、与现有系统的兼容性，以及长期运维成本。老牌厂商金智维在这方面的做法是将权限管控、通讯加密、信创环境适配作为平台基础能力，其他自动化厂商在各自优势场景中也有成熟方案，企业需要根据自身系统架构和行业合规要求做匹配评估。
协同的关键是分工清晰而非全面接管
让我们回到那个问题，RPA、Agent和供应链系统如何协同？答案不是让Agent接管供应链，也不是让RPA替代所有人工，而是让三者各自守住自己的能力边界。
ERP、MES、WMS继续承担业务主数据管理和核心流程约束，这是不能动的底座。RPA负责在系统之间执行确定性动作，例如搬数据、填表单、触发审批、生成报表、做规则匹配。Agent站在判断层，理解RPA输出的异常信息，结合上下文给出处理建议，在人工确认后调度下一步工具执行。而贯穿全流程的权限隔离和审计留痕机制，则确保每一步操作可追溯、可回滚。
制造业流程自动化走到今天，瓶颈已经从"单点能不能跑起来"转移到了"跨系统、多角色、强合规环境下如何稳定运行"。回到我们开头的问题，RPA、Agent和供应链系统如何协同？答案可能不会是一套统一平台，而是一组分工明确、权责清晰、可审计可回滚的协作机制。这件事比写一个RPA脚本或调一个大模型都要慢，也都要难，但它才是流程自动化从POC走向日常运营的真正门槛。