在徐州经开区新微加速器二期，一家新工厂引入智能裁床、智能吊挂传输系统和AGV物流小车后，智能裁床的裁切效率较传统人工提升10倍以上，智能吊挂系统实现了从“人找货”到“货找人”的转变，裁片可自动输送至各缝制工位；工人在终端确认参数后，设备即可完成标准化缝制。而在背后支撑这一切的关键是数据，不是分散在各个系统中，而是串联着整个从“一块布”到“一件衣”的完整生产流程。

成立于2015年、以羽绒服和冲锋衣为核心品类的服装制造企业曼森集团，正让数据贯通成为5个生产基地、120多条流水线、5000多员工日常的标配，并以此为基础实现了近几年每年30%-50%的增长。

更值得玩味的是曼森集团的AI路径选择：在同行纷纷追逐大模型、生成式AI的当下，曼森选择的第一步，不是部署AIAgent，而是先把ERP系统建好——把“大脑”建好，再谈“智能”。

服装行业数字化：领先于均值，但AI落地仍处初级阶段

在拆解曼森案例之前，有必要先看一组行业数据。

纺织服装是中国两化融合实践最早、也最充分的行业之一。据中国纺织工业联合会数据统计，截至2025年9月，纺织服装行业关键业务环节全面数字化的企业比例达到64.9%，高于全国制造业61.3%的平均水平；关键工序数控化率65.3%，数字化设备联网率53.5%，网络化协同企业比例51.3%——四项核心指标均跑赢制造业大盘。

同时，ERP在纺织行业的普及率已达71.1%，数字化研发设计工具普及率更是高达84.9%。但更精细的MES（制造执行系统）和PLM（产品生命周期管理）普及率分别只有32.3%和30.2%，说明生产过程管理和产品全生命周期管理仍是薄弱环节。

政策层面也在加码。2025年6月，工信部等六部门印发《纺织工业数字化转型实施方案》，明确提出到2027年规模以上纺织企业关键业务环节全面数字化比例超过70%，并推动AI在研发设计、生产制造等全环节应用。

一个微妙的信号是，Gartner预测到2028年至少15%的日常工作决策将由AIAgent自主完成，而MIT的报告指出，95%的组织尚未从AI投入中获取实质价值。

换句话说：工具在快速进化，但企业价值回报的鸿沟依然巨大。

让五套系统、五套语言成为统一大脑

曼森集团总经理杜国亚在SAP中国峰会上回忆，在引入统一ERP之前，公司各个生产基地使用着多套独立系统——生产系统、财务系统各管各的。

“各个系统看似都有人使用，但是不兼容，数据不互通。每个系统有每个系统的规则，都不相同。”杜国亚说，这种情况下，更促使各个基地都必须要有完整统一的语言去进行约束。

这不是曼森独有的问题。MES普及率只有32.3%的行业现状，说明数据孤岛在服装行业是普遍痛点。企业往往在采购、生产、库存、财务各环节部署了不同的系统，但这些系统之间缺乏统一的数据标准和流程规范，形成了一个个信息黑箱。管理层看到的报表很多，但实际上很难可控。

“整个未来企业发展不在于订单规模大小，而在于把复杂业务运营好，这对于现在AI快速发展的时段，内部也在不停探索、不停地摸索未来的发展模式。AI到底对一家现在这样的企业意味着什么？”杜国亚在企业快速增长过程中不断反思。

2025年12月，曼森集团选择部署在阿里云上的SAPCloudERP，正式开始打破这种信息割裂。选择云部署而非私有化，杜国亚的逻辑很直接：“我们不需要把所有事情想得那么复杂。我们之所以快速切换，是把这套系统定义成一个全新的系统，把我们公司所有的数据定义成全新的数据。”

一句话：不背历史包袱，从零开始建。

对于为什么在AI浪潮中选择先建ERP而非直接上AI应用，杜国亚有一个很朴素的类比：“把ERP比喻成一个大脑。所有的数据来源都必须要有一个归口，在这个归口过程中要有清晰的流程，数据要统一走向哪里。它应该是一个安全可信任的长期大脑。"

“AI可不可以回答问题？一定可以。但是它能不能帮助你带来高效的决策？如果说没有我们的数据沉淀，没有我们的知识储备，可能很难达到我们想要的高效决策。”杜国亚的方法论是先把“内存”里的知识储存好、沉淀好，再谈AI。

这个思路在当前的企业AI实践中其实并不罕见，但能公开说出来并且严格执行的企业并不多。麦肯锡2025年全球企业AI调查数据显示，88%的企业至少在一个场景里用了AI，但只有6%认为超过5%的EBITDA增长归功于AI技术——剩下94%的企业投入了真金白银，却还没有看到商业回报。MIT的数据更为残酷：95%的组织尚未从AI投入中获取实质价值。

杜国亚的做法，在行业术语里叫做“AI就绪”（AIReadiness）——在让AI参与决策之前，先把数据基础、流程标准、知识体系建起来。这恰恰是大多数企业跳过的环节。而在曼森的案例中，这个“就绪”过程本身就带来了可观的管理效率提升。

“小单快反”倒逼系统升级

与行业一起，曼森的业务结构正在经历一场典型变化：品牌客户越来越倾向于小批量、多款式的订单模式。

系统是核心。统一的ERP打通了从接单到发货的完整数据链路，让每个节点的信息实时可见。

设备是支撑。曼森引入了智能裁床、自动模板机、智能吊挂传输系统、自动化充绒设备和AGV物流小车。智能裁床的裁切效率较传统人工提升10倍以上，面料利用率大幅提高；智能吊挂系统实现了从"人找货"到"货找人"的转变，裁片精准输送至各缝制工位，工序无缝衔接。

人机协同是关键。在曼森的生产线上，工人不再需要凭经验去找物料、调设备，而是通过系统预设的参数，在终端确认即可。整个生产线的运作过程"经过人机排位，包括AI算法，得到每一个工序是最科学的、最有效的"。

这套组合拳的效果是可量化的：2025年1-5月曼森集团产值同比增长50%，此前连续三年规模及业务体量保持30%以上增长。新工厂整体生产效率提升约30%，次品率显著下降。

而在SAP和曼森集团的合作中，双方对AI落地递进式层次有一个共识：

第一层：全链穿透。从订单到接单、到发货的每个节点实时可见，不再需要到处找数据、等数据、看数据，数据实时推送到终端。“每次要开会问这个问那个，现在不需要了，只需要在上面去问需要的东西就OK了。”杜国亚说。

第二层：经营洞察。AI主动发现异常并归因，提供预警和建议。比如订单交付预期偏离、客户风险预警、订单盈亏分析等，整合成完整的经营视图推送给管理层。杜国亚期待的核心能力是：“在订单不确定的情况下，把风险、利润以及整个进度变成实时看得清、有判断力的能力。”

第三层：风险闭环。这部分仍在规划和推进中，但方向已经清晰：AI发现异常、形成建议、推送管理层，决策确认后由SAP智能体在系统中执行操作。它的意义不在于多一个预警报表，而在于让风险管理从“看见问题”走向“闭环处理”。在杜国亚的表述中，下一阶段就是通过人机互联，把数据洞察提升到让决策者更有据可依，做出更准确的判断；部分场景如订单下达后触发采购、生产、排单，已经具备实现基础。

值得注意的是，这三个层次不是孤立的功能叠加，而是建立在统一ERP数据底座之上的递进。每一层都依赖下一层的数据基础：没有全链穿透的数据可见性，就没有经营洞察的分析素材；没有经营洞察的决策支持，风险闭环的自动执行就无从谈起。

先把地基打好，再谈在上面盖什么房子

在杜国亚的描述中，曼森集团最终想打造的图景被他概括为六个字——人机物互联。

“人”指两种：员工个体和机器人；“机”是所有智能化设备；“物”是空间和系统。三者在同一个网络下协同，"共同发挥让决策自动执行"。

听起来很抽象，但落到曼森的日常管理场景中，描述非常具体：

以前，5个生产基地的管理依赖管理人员现场巡厂、固定早会、固定巡厂制度——杜国亚称之为“肉身管理”，耗费大量时间、物力、人力和精力，“做出来的事可能不太一样”。

现在，通过系统统一管理，所有工厂在同一标准下运行，数据实时同步、全程可溯。不再去做以前所谓的“肉身管理”方式，整体运营效率更高。

被问到“如果真有一个具身机器人帮你巡检，你以后干什么”时，杜国亚笑着说：我以后的事可能很多，打游戏、旅游等等。但最终要让所有管理层都把工作放在最重要的核心管理上，比如说品牌建设、公司运营、未来发展方向。

曼森集团的故事没有一个戏剧性的“AI颠覆”时刻。它更像是一个传统制造企业，在面对行业共性痛点时，选择了一条看起来不那么性感但务实有效的路径：先把地基打好，再谈在上面盖什么房子。

这恰恰是当前企业AI落地中最被低估的一课，也是当前越多越多企业意识到的一个问题：AI的能力上限，不取决于模型有多聪明，而取决于企业的数据地基和流程标准有多扎实。