10月29日，******超级智能体大会 BAIDU AGENT SUMMIT（武汉站）******在武汉凯景酒店隆重举行。本次大会由百度智能云主办，聚焦企业级AI规模化落地，通过将专家经验沉淀为标准化流程和可复用技能，推动产业智能体成为智能组织生产力。
百度一见总经理朱名发出席大会，现场发表******《百度一见：让AI看懂现场，成为智能组织的新生产力》****** 主题演讲。朱名发以远元集团近万家门店的服务品质治理实践为切入点，阐述如何把万店品质同标 转化为远元集团可落地、可量化的组织能力，并分享百度一见6.0、AI原生具身智能相机的最新进展，以及通过云边端协同体系让视觉AI进入企业现场治理流程的实践思考。
朱名发提出，当每一个现场都配上一位懂标准、守合规、防差错、控风险的AI管家，企业的现场标准与管理经验就不再只停留在个人身上，而是沉淀为可复制、可进化、可规模化的组织资产------这位AI管家，也由此成为智能组织在物理现场的新成员。
以下为演讲全文：
大家好，我是朱名发，百度一见负责人。
今天，我想和大家分享，智能组织如何把AI的能力，延伸到工厂、门店和产线这些物理现场
当智能体开始承担文档、报表和数据处理，企业也在期待：现场的服务标准、品质要求和安全规范，能否同样获得智能化的支撑？
百度一见的探索，就是让AI看懂物理现场，把现场治理变成智能组织的新生产力。
企业信息化建设多年，流程、数据、系统已经逐步线上化。但大量影响经营结果的工作，仍然发生在物理现场。
工厂里的生产安全与产品品质，门店里的服务质量与食品安全，需要在每一天、每一个环节落实。
标准可以写得很清楚，执行过程却可能存在偏差。过去，我们主要依靠人工校验、督导抽查和事后回溯，检查频次和覆盖范围都受到资源约束。
当企业规模不断扩大，这种约束就会表现为品质波动、流程遗漏、风险发现不及时，以及持续增加的管理成本。
因此，企业智能化还需要补齐一项能力：让业务标准进入现场，让过程问题能够及时被识别，让整改能够形成闭环。
现场治理，是智能组织另一类重要的生产力。
我们先看远元集团。
这是一家拥有近万家门店的大健康连锁企业。对于这样的组织，规模化经营的核心挑战，是让不同城市、不同门店，都能持续交付稳定的服务品质。
从迎客接待，到工具消毒，再到按摩、修脚和修护，每一项都有标准。
过去，主要依靠督导下店、店长落实，推动这些标准执行。随着门店扩张，巡检的频次和覆盖面越来越难与规模同步增长。
管理者需要解决的，是把已经形成的标准，稳定地落实到更多门店的日常经营中。
远元与百度一见共同推进的，就是让AI参与服务品质校验，降低标准执行中的偏差，为万店品质同标建立新的治理手段。
这一实践体现了两个层面的价值。
一方面，是门店经营的精细化管理：经营流程有规范，收入与订单信息可核验，运营异常有线索，现场安全风险能够及时提示。
另一方面，是服务品质的标准化。接待流程、环境卫生、按摩规范、修脚操作、修护流程，可以分别对应企业明确的服务标准。
百度一见把这些要求转化为视觉检查项，辅助开展流程合规校验、服务动作防错和品质问题识别，再由业务负责人复核、整改。
比如，工具消毒环节是否符合既定流程，服务准备是否到位，现场环境是否达到规定要求，都需要有一致的判断依据。
这使店长和督导能够把更多精力用于问题处理、标准培训和持续改进。
从一位店长的管理经验，到一套可以复制的组织能力，关键就在于：标准可识别，问题可预警，整改可闭环。
我们把现场治理的价值，放在覆盖场景、巡查覆盖、巡检投入和SOP合规等维度上衡量。
对于企业，首先要看，更多关键流程能否纳入日常检查；其次要看，发现问题之后，复核和整改是否更加及时；还要看，管理投入能否更有效地转化为品质改善。
AI巡检与人工复核协同，让标准执行有依据，让整改过程有记录，让管理改进有反馈。
我们关注的最终结果，是把总部的品质要求转化为门店持续执行的能力，让稳定的服务体验成为组织规模化成长的基础。
从门店走向工厂，标准不同，现场治理的方法是相通的。
在制造现场，可以辅助电池组装AI防错、手机面板目检和产品缺陷质检。
在线下门店，可以支持食品制作工序稽核、物料统计和服务品质检查。
在能源化工现场，可以辅助管道泄漏识别、特种作业合规校验和矿井安全风险提示。
在城市与基建场景，可以辅助河道落水告警、园区火情预警和铁路隐患排查。
这些应用，都围绕四个共同目标：安全管控、品质质检、工序防错、服务合规。
当物理现场能够理解标准、发现异常，并把结果接入业务流程，企业数字化就进一步从数据和流程，延伸到了真实的作业过程。
视觉AI要成为生产力，需要进入生产管理的完整流程。
模型识别只是起点。企业还需要明确：依据什么标准判断，结果由谁复核，问题如何整改，效果如何验证。
现场条件发生变化，系统还要能够持续调整。
因此，******现场治理是一套系统工程。******它需要把技术能力、业务标准和管理责任连接起来，最终形成企业可以持续使用的组织能力。
过去，企业每增加一个视觉AI场景，通常需要专业算法团队采集数据、开发模型、反复调优。业务标准的变化，也需要通过技术团队转化。
百度一见6.0的重要变化，是让懂现场的业务专家，直接参与视觉AI的生产与迭代。
业务侧重点完成两件事。
第一，用业务语言讲清楚品质规范、作业流程、合规要求和风险判断标准。
第二，维护真实现场的Golden Set，也就是正负样本基准库。哪些符合标准，哪些需要提示，哪些属于边界情况，都通过样本形成共同依据。
Agent集群则承担模型生产和调优工作。对缺少的异常样本，场景模拟器辅助合成不同视角、不同光照和天气条件下的数据，补充验证场景。在运行中，系统围绕数据筛选、根因分析、复合校验、异常召回、模型更新和技能下发形成迭代链路，由业务人员确认关键结果。
人把标准定义清楚，AI承担重复性的生产和优化，让现场反馈持续转化为模型和技能的改进。
这就是百度一见6.0：让懂业务的人，以业务语言和样本标准参与视觉AI生产。
降低技术门槛的同时，也让企业标准成为持续迭代的依据。
P10-百度一见6.0
刚才我们看到的是视觉AI的生产方式升级。要把这些能力交付到现场，还需要合适的感知终端。
这台面向现场管理的AI原生具身智能相机，具备四项能力。
三目全域感知，扩大现场覆盖范围；极速云台追踪，快速获取需要研判的区域细节；全天候视听融合，补充现场信息；AI原生事件驱动，围绕事件完成抓拍、分析和留痕。
相机也需要与其他终端协同。全域主摄Next C、补盲辅摄Next Cs，以及交互终端Next D，分别承担感知、补充覆盖与交互职责。
在适配的部署配置下，企业可以减少重复布点，优化包含存储在内的系统投入。从事件触发、本地短存，到事件上云和实时闭环，硬件设计开始围绕现场治理任务展开。
这就是百度一见的为现场而生的AI原生具身智能相机。
它承载的是企业定义的现场治理目标：服务提质、工艺防错、流程合规和安全风险识别。
从记录现场，走向理解现场，让感知终端成为标准落地的入口。
百度一见具身智能相机
百度一见不是一个单品，是一套云边端协同的体系化工程。
云端的一见6.0平台负责模型训练、技能生产、复判调优和持续迭代。
边缘视觉工作站承担本地实时推理和事件召回，让需要及时响应的任务在现场处理。
端侧由具身智能相机或利旧摄像头完成感知采集，并按设备能力支持事件驱动和视听融合。
这样的分工，是为了在理解能力、响应速度和部署成本之间，建立适合具体业务的组合，并支持公有云与私有化部署。
在落地过程中，数据采集与使用需要遵循合法、正当、必要原则，明确授权与访问权限。涉及安全和品质处置的关键判断，仍由业务人员负责。体系协同与责任闭环，决定现场AI能否长期稳定地创造价值。
落实到具体业务，AI管家可以形成四类能力。
第一，安全风险预警，辅助发现设备渗漏和现场作业风险。
第二，工序防错，辅助校验装配顺序、缺件漏装和关键工序遗漏。
第三，产品品质质检，辅助识别表面缺陷、封口异常、标签问题和包装破损。
第四，服务品质管理，让门店服务流程和经营规范拥有更一致的检查依据。
从矿山、化工、电力，到汽配、电子装配、食品加工，再到连锁餐饮和生活服务，企业可以从明确的业务问题出发，形成适合自身现场的治理能力。
这位AI管家，是智能组织在物理现场的新成员。
目前，百度一见的实践覆盖二十多个行业，服务数百个标杆客户。
这些现场包含连锁零售、制造、运输、能源、矿山、水务，以及公安、应急和教育等领域。
行业之间，作业方式与管理要求各不相同；共同方向，是把现场标准沉淀为能力，把问题反馈转化为改进，再把验证有效的方法逐步复制。
现场实践越深入，视觉AI才越能成为企业持续积累的组织资产。
最后，回到今天的主题。
为每一个现场，配一位懂标准、守合规、防差错、控风险的AI管家。
让服务品质有稳定的执行依据，让工艺流程有及时的防错能力，让安全风险更早进入处置闭环。
从人工经验治理，走向组织智能标准化治理，把现场品质、现场合规和现场安全，沉淀为可复制、可进化、可规模化的组织生产力。
让AI看懂现场，助力实体产业提质增效、安全生产与高质量数字化升级。
百度一见，看见现场的价值。
谢谢大家！