一句话看懂：日本冷却塔与空调设备制造商Kuken Industries借助基于OpenAI API搭建的检索工具，把查找历史图纸的时间从接近一小时缩短到4.5分钟，并预计每年搜索工时减少约90%。
事件核心：发生了什么
Kuken Industries主要生产大型建筑、商场和工厂用的空调与通风设备，在日本冷却塔市场占有较大份额。安装于不同年代的设备往往存在差异，替换零件时需要找到对应的原始图纸，否则工程师可能要重新设计并制造零件。
公司积累了跨越70年的安装图纸。纸质时代，检索一次可能要半天；数字化之后，工程师仍得知道该查哪个编号、文件存在哪里，新人对这类隐性的检索经验依赖较深。Kuken与日本AI初创公司、OpenAI官方合作伙伴Recursive合作，基于OpenAI API把检索能力直接嵌入现场应用。工程师可以输入图纸或零件编号，也可以上传图纸、零件清单的图片或PDF，由应用识别编号并给出匹配候选，包括相似设计的图纸。
据Kuken披露，寻找一张图纸的时间从接近一小时降至4.5分钟，预计全年检索工时减少约90%。经验丰富的工程师把省下的时间用于带新人，工程师也可在应用内查看图纸，减少打印成本。Kuken董事兼工厂长Takatsugu Naraki表示，员工现在有时间尝试想做的工作和接受新挑战，这成为实际的动力来源。
为什么重要
这是一次相对具体的传统制造业AI落地案例：没有追求通用能力展示，而是瞄准“老师傅知道去哪找”的检索环节，把分散在图纸中的经验变成可被新员工调用的工具。对制造业而言，图纸、规格和零件清单长期以非结构化形式存在，能否准确抽取关键字段并用图像输入降低录入负担，直接决定这类应用是否可用。Kuken称测试过多种模型，在准确率和成本两个维度上OpenAI的模型表现较好，这也说明企业选型更看重任务级效果与调用成本，而非单一模型参数。
对用户/开发者/创作者的影响
对开发者和企业技术团队来说，该案例的可借鉴点在于产品形态：以API为底座，把检索、图像识别和现场应用打包成完整流程，而不是让工程师单独面对模型。对使用方来说，支持截图或PDF上传降低了手工输入编号的门槛，匹配结果仍需结合设备规格与历史更换记录人工确认，并非全自动判定。目前公开信息显示，这主要面向Kuken自身的图纸档案，尚不能推断同类方案能否直接迁移到其他企业的非结构化文档库。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是Kuken正在开发的合作方图纸校验工具：原型测试中AI标记的问题约90%为真实差异，若进入生产环境，其误报率和工程师复核负担值得观察。二是检索准确率在更多年代、更多定制规格图纸上的稳定性，素材未披露完整评测条件。三是这类“API+行业应用+合作伙伴”的模式是否会在日本制造业中被更多中小型企业采用。
来源：OpenAI News
