旭荣的“AI长”实验：50年纺织老厂自建ERP、一年孵化80支智能代理，成衣制单从2小时缩至20分钟

当多数鞋服企业还在讨论“是否引入AI”时，一家成立50年的纺织老厂已经设立了行业首位AI长，并在一年内部署了超过80支正式上线的AI代理。

这不是硅谷创业公司的故事，而是总部位于台湾、年营收逾300亿元新台币的旭荣集团交出的2026年开年答卷。这家全球知名运动品牌背后的隐形针织布供应商，正在以“自研ERP为底座、AI代理为触角”的方式，完成一场从车间到管理层的系统性智能进化。

它的实践揭示了一个重要趋势：鞋服ERP的下一站，不是更快的录入工具，而是能够自主理解、转译、协同的“车间智能体”。

01 纺织业首位AI长：一场组织层面的“认知战”

2025年，旭荣集团做出一个在当时看来颇为超前的决定：设立AI长。

这在传统纺织业中尚无先例。旭荣集团AI长郭羿伶回忆，这一职位的设立本身就是强烈的组织信号——“让员工知道，公司的运营将和AI密切相关，人与AI协作是未来的必备能力”。

这位拥有康乃尔大学应用统计研究所背景、曾在花旗银行与IBM任职的专业管理者，并非空降的“技术权威”。她2017年加入旭荣，长期主导数字化专案，深谙跨部门协作之道。正是这种“听得懂业务痛点、也看得懂技术边界”的能力，让她成为推动AI转型的关键角色。

旭荣的转型起点，并非采购某个标准化AI系统，而是一支拥有深厚产业知识的IT团队。在长达十余年的数字化进程中，旭荣自建了覆盖全球11处据点、近万名员工的ERP系统。这些IT人员长期驻守一线车间，熟悉从织造、染整到成衣的每一个工段——他们不仅懂代码，更懂布料、针法、订单履约。

“有时候同仁提出的题目比较小，但IT熟悉整体工作流，知道这个小题目可以和哪些题目串在一起，变成一个更大的命题。”郭羿伶说。

这恰恰是传统制造业导入AI时最稀缺的能力：需求转译。

02 80支AI代理：从“业务痛点”到“车间智能体”

经过一年的密集开发与迭代，旭荣集团已部署超过80支正式上线的AI代理，覆盖供应链管理、产品开发、厂务制程、业务等全价值链环节。

最具代表性的场景是成衣样品制作单的转译。

样品制作单是客户提供的规格文件，详细规定了领口车缝起点、针法类型、辅料材质等参数。痛点在于：全球客户的用语习惯高度不统一——同一个工艺要求，英文可能有三种表述，中文也可能有不同写法。即便是资深业务人员，处理一份制作单也至少需要2小时。

旭荣的解法是：建立词库表，让AI学习客户的“方言”。

“比方说同一个中文词，英文有三种讲法，AI读到这三种讲法，会自动翻译成我们内部统一的术语。”郭羿伶说。如今，业务人员仅需20分钟完成审核确认，效率提升83%。

另一个高频痛点是物料清单（BOM）比对。每一张订单都需要核对采购量是否与当初下单的物料清单一致。过去，员工需要逐项比对Excel表格，耗时2-3天。导入AI代理后，比对时间压缩至1小时以内。

采购部门同样受益于AI的历史数据学习能力。当供应商报价时，系统可自动比对过往合约，判断报价合理性，为谈判提供数据支撑。

值得强调的是，这些AI代理并非运行在公共大模型上。旭荣将所有代理部署于顾问公司的封闭平台，确保订单信息、工艺参数、成本结构等核心商业机密不会成为模型的训练语料，也不会外流。

03 低使用率不是失败：越南厂的“反向适配”

80支AI代理上线后，旭荣团队并未止步于“开发完成”。他们在年中、年底两次全面盘点使用率，并对低使用率场景进行归因。

一个典型案例发生在工业工程（IE）部门。团队开发了一支计算用线量的AI代理，但员工使用意愿很低。调研发现：AI算完后，员工仍然会用人工复核一遍，等于工作量并未减少。

旭荣没有强迫员工接受这支代理，而是将其转移至越南厂。当地工厂订单量更大、资深人员稀缺，计算用线量是真实且迫切的需求。导入后，这支AI代理在越南厂迅速跑通。

“如果未来运行顺利，我们会回头检视台北的工作流程，是不是有改善空间。”郭羿伶说。

这种“不迷信AI、不强行推广”的务实态度，或许是传统企业数字化转型最稀缺的理性。

04 自动化物流：晶苑国际的“75%”效率跃迁

当旭荣在软件层面用AI代理重构知识工作流时，香港老牌成衣制造商晶苑国际选择从硬件侧发起一场效率革命。

2026年第一季度，晶苑国际在中国工厂正式投用一座全新的自动化物流枢纽。该设施包含自动化裁剪车间和中央智能仓库，配备自动化存取系统（AS/RS）与自动导引车（AGV）。

这套系统打通了从面料入库、裁片流转到成衣出库的全流程。AGV小车负责运送缝制完成的裁片，AS/RS系统自主调度面料与成品的出入库，整个流程形成全自动物料闭环。

效果是量化的：面料转运时间预计减少75%。晶苑国际数字化制造总经理Sam Lau表示，这一布局与集团“2030可持续发展愿景”一脉相承——以智能技术将工厂转化为“智慧工厂”，在提升效率的同时降低环境足迹。

成立于1970年的晶苑国际，目前在越南、中国、柬埔寨、孟加拉、斯里兰卡五国运营超过20个生产基地，产品线涵盖休闲服、运动服、牛仔、内衣、针织面料等。其“共创”业务模式长期服务于全球一线服饰品牌。

05 Carhartt的AI供应链：从经验预测到算法规划

在品牌端，美国工装老牌Carhartt同样在2025年下半年启动了一场ERP上游的智能变革。

这家成立于1889年、总部位于密歇根州的家族企业，正用Relex Solutions的AI驱动规划平台统一其全球生产与库存管理体系。

Carhartt面临的挑战是典型的跨国多市场困局：不同区域季节需求错位，产品组合复杂，而旧有系统与电子表格已无法支撑精准的供需匹配。新平台的核心任务是自动化生产计划生成，为全球制造基地提供准确的产能配置建议。

Carhartt全球生产副总裁Fred Esseily在公告中表示：“Relex AI平台将赋予我们所需的可见性与敏捷性，在维持客户信赖的品质的同时，优化全球生产运营。”

值得注意的是，Carhartt强调的是“统一”——将过去分散的需求计划、生产计划、供应链计划团队拉通至同一套数据与算法底座上。这正是鞋服ERP从“部门级工具”走向“企业级智能中枢”的典型表征。

06 PLM筑基：尚飞与SKECHERS的“产品主数据”战争

ERP要做出精准的采购、生产、补货决策，前提是产品主数据干净、完整、实时。这正是PLM（产品生命周期管理）在鞋服ERP叙事中位置日益吃重的根本原因。

尚飞制衣，这家在14个国家设有工厂、服务超20个国家品牌商的功能性户外服装供应商，于2026年1月正式部署Centric PLM。其目标极为明确：以PLM作为产品主数据的“核心基座”，向上承接设计，向下对接采购、生产与销售系统。

尚飞副总裁柯红直言：“PLM是管产品主数据的，我认为它是所有软件的基础。在此之上再与采购、生产和销售等软件对接，才能帮助我们实现从研发到销售端的数据同步和流程可视化。”

斯凯奇中国的PLM实践则展示了“八年磨一剑”的纵深价值。自2017年起，斯凯奇中国从服装品类起步，逐步将Centric PLM推广至鞋履及配饰产品线，如今已覆盖每年3000余个运动及时尚款式的开发与采购流程。

斯凯奇中国产品开发及采购IT负责人李先生如此定义PLM的角色：“Centric PLM构建了产品数据管理的底层架构，也是我们数字化转型的核心平台。它为供应链协同、销售预测和库存优化提供了关键数据。”

当产品主数据不再散落在Excel与个人邮箱中，ERP才真正拥有“算得准”的前提。

07 趋势观察：从“辅助驾驶”到“自主执行”

2026年1月，Infor在NRF年度大展前发布的行业展望报告中提出一个关键概念：Agentic AI（智能体式AI）——AI不仅生成洞察，更能跨系统编排与执行行动。

这一演进路径的底层依赖，正是统一的企业数据基座。无论是旭荣的80支AI代理，还是Carhartt的全球供需规划平台，其有效性完全取决于AI能够访问的运营“真相”是否完整、实时、可信。

旭荣AI长郭羿伶对此有清醒认知。她为团队设立了一张“总表”，清晰追踪每个部门的AI代理处于开发、测试还是已上线状态，并持续复盘使用率与业务价值。这种治理级的审慎，恰恰是“智能体时代”企业最稀缺的能力。

回望2026年开年的这一系列产业动态，一条清晰的主线正在浮现：

旭荣证明，传统制造业可以用自研ERP+AI代理的方式，让老师傅的经验变成可复用、可规模化的算法资产；
晶苑国际证明，自动化物流与ERP的深度集成，能将效率提升从百分比推进至“缩短75%转运时间”的量级；
Carhartt证明，品牌端对“统一规划平台”的需求，正在倒逼ERP从多系统拼盘走向真正的云原生一体化；
尚飞与斯凯奇则证明，所有精准决策的前提，是产品主数据在PLM层被治理干净。

鞋服ERP不再只是“记账先生”。它正在成为连接设计室、车间、仓库与门店的智能神经——不眠不休，且越用越聪明。