上个月去苏州看一个做汽车精密零部件的厂，车间主任拉着我吐槽了半小时——去年上的那套号称能做质量预测的人工智能系统，现在连个螺丝的不良率都算不准。

我蹲在车间看了一上午就明白问题在哪了。厂商当初给的演示视频，是在无尘、恒温、光线固定的实验室环境里拍的，镜头擦得一尘不染，连个切削液的雾星子都没有。等真拉到生产线上，镜头上沾的油雾厚得能刮下来一层，光线一会亮一会暗，之前测的99.7%的准确率，直接掉到58%。

别被AI厂商的演示PPT忽悠了，工业场景的人工智能根本不是那套

很多人对工业人工智能的认知，还停留在科幻电影里那种全车间无人工人围着屏幕转的场景。真不是。

现在市面上大部分吹得神乎其神的工业AI方案，本质上都是把互联网场景那套模型硬搬到工厂里。互联网场景的AI是啥？是猜你喜欢看什么视频，是给你推什么广告，错了大不了下次再调整，容错率极高。但工厂里的AI不一样——它要判断的是这个零件能不能出厂，是这台设备还能连续跑多久，错一次，可能就是几万块的报废损失，甚至是安全事故。

离散制造车间人工智能视觉检测工位实拍

很多老板第一次见我就问：

问：那是不是说工业人工智能都是智商税？

答：真不是。我上个月在宁波看的那家做高端轴承的厂，用人工智能算磨床的砂轮磨损周期，之前是操作工凭经验每8小时换一次，现在系统根据主轴电流、振动值实时算，平均换砂轮的间隔拉长了2.2小时，一年省下来的砂轮采购钱就有170多万——这钱是实打实从账上扣出来的，不是PPT上吹的。

你看，人家根本没搞什么花里胡哨的全车间数字孪生，就盯着砂轮更换这一件小事算，账算得明明白白，项目上线3个月就收回了全部成本。

真正能在工厂扎根的人工智能，从来不是"大而全"的黑盒子

我见过太多工厂，一上来就想搞"覆盖全生产流程的人工智能大模型"，预算一开就是大几百万，最后钱花完了，系统连个最基础的设备报警都做不准。

真正能落地的AI，都是抠到最小的场景里的。比如顺德那家做家电钣金的厂，之前冲压车间的不良品靠4个工人24小时轮班目检，看久了眼睛发花，漏检率常年在3%上下，光因为流出不良品给客户的赔偿，一年就有近200万。后来他们没找那种大厂商，找了个小团队，专门针对冲压件的裂纹、掉漆、变形这三个特定缺陷做训练，训练用的12万张照片，全是他们自己车间攒了3年的真实生产数据，最后上线的系统漏检率压到0.1%以内，整个项目从立项到验收才花了18万，比招4个质检员的年工资还低。

轴承磨削车间人工智能振动传感器布线现场

旁边跟着的设备主管听完就插嘴问：

问：我们厂也攒了5年的生产数据，为啥之前找厂商做预测性维护，最后跑出来的模型连个轴承坏没坏都判断错？

答：90%的问题出在数据没"洗干净"。你们车间的振动传感器装了吗？装了。但传感器的线被天车碰松了，连续3个月的数据都是飘的，没人去校准；还有换班的时候，操作工把设备进给参数改了10%，系统里的台账根本没同步——这种脏数据喂给人工智能，能算出对的结果才怪。说句不好听的，很多厂连基础的设备数据台账都对不上，就想着靠AI躺赢，哪有这种好事。数据质量永远比模型复杂度重要，这句话我在每个厂都要讲三遍。

给制造企业的三个掏心窝子的AI落地提醒

这几年跑了快200家制造企业，见过太多老板被AI概念冲昏头。有人花了上千万搞所谓的"智能工厂标杆"，最后车间里该干的活一点没少，账上的钱倒是花出去了大半。说点实在的，真要上人工智能，记住这三点就够了：

• 💡 别上来就追什么通用大模型。工厂的场景是封闭的，先找1-2个最痛、能算清账的小问题下手——比如换砂轮的周期、冲压件的漏检、激光切割的路径优化，把这一个点打透，看到真金白银的回报，再慢慢扩。
• ❗ 别把所有事都甩给外部厂商。你得在厂里找1-2个懂工艺、摸了十几年设备的老技术员，全程跟着项目走，不然厂商拍屁股走了，系统出个小bug你都没人能修。之前见过一个厂，项目验收完厂商就断联了，后来模型要更新找不着人，最后花了几十万重新找团队，亏死。
• ✅ 别信什么"三个月全车间智能化"的鬼话。工业场景的AI落地，慢就是快。我见过最快的一个落地项目，也是盯着一个工位的视觉检测磨了6个月，才把准确率磨到能替代人工的水平——那些说一周就能上线的，要么是拿通用模型凑数，要么就是没算上后续一两年的迭代成本。

上个月在佛山看的那个做不锈钢五金的小厂，一共才80多个人，人家没搞那些花里胡哨的概念，就用人工智能优化激光切割机的切割路径，一年省下来的电费和板材损耗就有近百万——总共投入才8万块。

你看，哪有那么多遥不可及的黑科技。

把每一笔账算清楚，把每一个小场景摸透，人工智能就是个帮你赚钱的工具，不是什么供在展厅里的展品。