进入2026年，企业对AI的讨论正在发生一个微妙却关键的变化。过去几年，更多问题集中在“要不要用AI”、“值不值得投AI”，而现在，这些问题正在被快速跳过，取而代之的是一个更现实、更直接的追问：AI究竟如何嵌入业务现场，真正改变一线运营。
在斑马技术2026亚太区销售启动大会期间，斑马技术首席技术官Tom Bianculli与斑马技术亚太区及全球OEM业务高级副总裁兼总经理吴辉明（Ryan Goh）的分享，恰好勾勒出这一转变的清晰轮廓。从他们的判断来看，AI并不是一场抽象的技术竞赛，而是一场围绕“现场”“流程”和“效率”的长期演进。
如果回看斑马技术过去50年的发展轨迹，会发现这家公司始终站在业务一线。从条码扫描器的开创者，到坚固型移动计算、按需热打印，再到深耕二十年的RFID，斑马技术并非频繁追逐风口，而是不断围绕“如何让一线更高效”拓展技术边界。过去五年，通过收购Reflexis等举措，斑马将触角进一步延伸到门店运营、人员管理等更贴近现场的领域。
这种长期积累，也让斑马技术在今天谈AI时，有着明显不同于云厂商或模型公司的视角。Tom Bianculli在分享中反复强调：真正的价值不在于AI能力本身，而在于AI是否被用来解决一线的真实问题。否则，再强大的算力和模型，最终都可能变成“泡沫”。
从客户侧看，驱动企业决策的底层因素其实相当一致。Tom Bianculli将其概括为四个关键词：劳动力、客户期望、供应链不确定性，以及盈利压力。人口结构变化带来的劳动力短缺与成本上升，正在全球范围内持续发酵；消费者对选择更丰富、交付更快速的要求，直接压缩了运营的容错空间；地缘政治和宏观环境的不确定性，则让供应链预测变得更加困难。在这样的背景下，几乎所有企业都在寻找一个答案：如何在成本上升的前提下，依然提升生产力。
与此同时，业务领导者的关注重点正在重新排序。在不确定性持续上升的环境中，企业首先需要做的是通过更全面的感知与监测能力，把风险转化为可控变量，提升对资产、位置与状态的可见性，用确定的数据对冲不确定的风险。
其次，是让AI真正走向一线工作流程。随着生成式AI和多模态技术的发展，企业更关心的已不再是能力供给是否充足，而是这些能力能否嵌入真实场景，帮助一线员工更高效地获取信息、做出判断并推动流程执行。
另外，在供应链波动和需求变化频繁的背景下，仅有连接和可见性已经不足以支撑决策，企业需要结合AI、自动化与预测能力，提前判断下一步行动方向，在效率、连续性和韧性之间取得更优平衡。
这也是斑马技术将重心放在“一线智能化”的原因。与其寄希望于宏大的系统改造，不如从现场入手，把资产、人员和流程逐步数字化、可视化，再通过AI与自动化实现闭环。
在这一逻辑下，斑马技术提出了三项长期战略支柱：资产可视化、一线互联和智能自动化。资产可视化解决的是“看得见”的问题，通过条码、RFID、传感器、机器视觉，让每一件资产、每一个包裹在系统中拥有持续更新的“数字身份”；一线互联让员工不再是信息孤岛，而是通过移动终端实时参与业务流转；而智能自动化，则是在前两者基础上，把重复性、高频的操作交由系统完成，让人更多参与判断和决策。
值得注意的是，斑马技术并未将AI理解为单一形态的技术。Tom Bianculli提出的“增强集体智能（ACI）”概念，某种程度上为企业AI的现实路径提供了一个更可行的中间态：既不是短期内难以实现的通用人工智能，也不是完全替代人的超级智能，而是由多个领域专用智能体组成的协作体系。生成式AI、传统机器学习、计算机视觉、多模态感知并行存在，各司其职，人与AI在同一工作流中协同。
这种理念，在斑马技术的产品和方案中已经开始落地。以一线AI赋能工具为例，基于设备端运行的SDK，现场员工只需拍一张照片，系统就能识别托盘上的货物数量、位置是否正确，并自动与清单或ERP系统比对、录入。原本需要多次人工操作的流程，被压缩为一次自然交互。这类“拍照即完成”的体验，背后并不是单一模型的功劳，而是视觉识别、规则引擎与生成式AI的组合。
在此之上，斑马技术还向独立软件开发商开放相关能力，帮助其构建更贴近行业的AI应用蓝图。从零售农产品管理，到仓储拣选、配送验收，这些场景的共同点在于：数据来源就在现场，价值也必须在现场被验证。
Zebra Companion是斑马技术在一线智能协作上的另一条探索路径。通过由多个智能体组成的框架，它既能作为“知识助手”帮助员工快速查找SOP、政策和流程，也能在销售场景中充当辅助决策工具。Tom举例补充说，无论是美国的烈酒零售商，还是欧洲的食品零售商，这类工具都已从概念验证进入小规模复制阶段。对新员工而言，它相当于把经验丰富的“老师傅”随时带在身边；对企业而言，则是在不显著增加人力成本的情况下，缩短培训周期、提升服务一致性。
在技术路径逐渐清晰之后，讨论的重心也自然落回到市场本身。吴辉明透露，亚太地区对AI的态度已经从“尝试”进入“求实”阶段。企业不再满足于零散试点，而是希望看到可衡量的成果。来自印度CIO的那句直白反馈——“我希望AI让我更高效”——某种程度上代表了当下市场的普遍心态。
亚太市场的一个显著特征，是一线员工对AI的接受度反而高于预期。数据显示，亚太地区已有70%的企业在使用生成式AI，比例明显高于全球平均水平。这并不意味着技术更成熟，而是现实压力更大：更快的交付、更低的容错、更紧张的人力结构，倒逼企业加速数字化、智能化转型。
制造业的变化尤为明显。吴辉明提到的Armstrong Asia案例中，通过在工厂部署移动计算设备、打印系统与实时数据采集，企业逐步建立起对生产流程的全局认知。真正发挥作用的，并不是某个单点算法，而是持续、可靠的实时数据，让管理者能够基于事实而非经验做决策。
在物流与零售领域，类似逻辑同样成立。新加坡邮政通过移动计算设备重构交付流程，在业务量持续增长的情况下依然保持速度与准确性；印尼Gramedia引入RFID后，将盘点时间缩短一半，自助结账效率提升60%，释放出大量员工时间。这些改善并不炫技，却直接作用于成本与体验。
从区域视角看，斑马技术对亚太市场的判断也相当清晰。印度、越南这样的新兴制造中心，正处在从“规模扩张”向“效率提升”过渡的阶段；日本、韩国则在高度自动化基础上，进一步探索基于实时数据和AI的智能运营；中国市场，则在高端制造和产业升级背景下，持续释放对机器视觉、RFID和一线智能化的需求。
写在最后
当AI逐渐从概念热潮回归到业务现场，真正拉开差距的，已经不再是谁掌握了更复杂的模型或更强的算力，而是谁能够把技术稳稳地嵌入一线流程之中。斑马技术所呈现的路径，并不追求一蹴而就的系统颠覆，而是从资产、人员和流程这些最基础、也最容易被忽视的环节入手，通过持续的数据积累与智能协作，让AI成为日常运营的一部分。
在亚太市场，这种务实取向显得尤为重要。面对成本上升、不确定性加剧以及效率压力同步放大的现实环境，企业更需要的是可复制、可落地、能产生持续回报的能力建设。
从这一角度看，AI的价值并不体现在“能做什么”，而体现在“是否真正被用起来”。当技术不再悬浮于系统之上，而是扎根于门店、仓库、工厂和配送现场，AI才真正开始释放它应有的生产力价值。
京公网安备 11010202008829号