這兩年，制造業(yè)客戶問得最多的問題之一，就是AI到底怎么在工廠里落地？模型接進(jìn)去以后，工廠的生產(chǎn)流程真的發(fā)生了變化嗎？

大模型、Agent越來越熱，幾乎每家制造企業(yè)都在看，也有不少企業(yè)已經(jīng)做過第一輪嘗試。接個(gè)大模型，做個(gè)知識(shí)庫，找?guī)讉€(gè)業(yè)務(wù)場(chǎng)景跑一下POC，再做幾個(gè)Agent。演示的時(shí)候，效果通常都不錯(cuò)。

但真正到了車間，問題就來了。工程師不會(huì)因?yàn)槎嗔艘粋€(gè)對(duì)話框，就少看幾張趨勢(shì)圖；設(shè)備異常了，還是要自己翻歷史數(shù)據(jù)；模型給了一個(gè)判斷，最后還是得找工藝、設(shè)備、自控幾撥人確認(rèn)到底能不能調(diào)。Demo跑通了，生產(chǎn)流程卻沒變。這也是現(xiàn)在制造業(yè)AI落地比較普遍的一個(gè)尷尬。

從2026年Gartner、Deloitte、MIT NANDA、McKinsey等機(jī)構(gòu)陸續(xù)發(fā)布的企業(yè)AI研究來看，大家看到的情況其實(shí)很接近：企業(yè)對(duì)GenAI和AI Agent的投入熱情很高，但從POC真正進(jìn)入生產(chǎn)環(huán)境，依然有很長(zhǎng)一段路要走。不少項(xiàng)目演示完，就放在角落里吃灰了。

問題已經(jīng)不只是模型夠不夠聰明。到了制造現(xiàn)場(chǎng)，數(shù)據(jù)、設(shè)備、軟件、工藝、控制、安全，任何一個(gè)環(huán)節(jié)沒接上，AI最后都可能停在能回答問題，卻很難真正干活。

我們這幾年在設(shè)備工程現(xiàn)場(chǎng)做項(xiàng)目，對(duì)這一點(diǎn)感受尤其深。如果把今天的大模型比作一列性能很好的高鐵，很多企業(yè)現(xiàn)在其實(shí)已經(jīng)把車買回來了。但軌道、信號(hào)、調(diào)度、制動(dòng)和安全邊界沒有準(zhǔn)備好，高鐵依然跑不起來。  

制造業(yè) AI 也是如此。模型能力正在快速提升，真正缺的是讓模型進(jìn)入工業(yè)現(xiàn)場(chǎng)的工程系統(tǒng)。這也是格創(chuàng)東智PreMaint設(shè)備智能工程（以下簡(jiǎn)稱格創(chuàng)東智EES）一直在解決的問題。

過去一段時(shí)間，我們和不少制造企業(yè)落地AI，也看過一些已經(jīng)做過POC的項(xiàng)目。很多問題看起來不同，最后往往都繞不開下面三個(gè)坑。別人花錢買的教訓(xùn)，可以變成你的經(jīng)驗(yàn)。

坑一：先找AI 場(chǎng)景，沒對(duì)上業(yè)務(wù)痛點(diǎn)

這是最容易踩的坑。老板覺得AI很重要，IT部門開始研究大模型，接下來就會(huì)問：我們工廠有哪些場(chǎng)景能上AI？

然后大家去車間找場(chǎng)景：班報(bào)能不能讓AI寫？設(shè)備故障能不能讓大模型判斷？工藝參數(shù)能不能直接讓AI調(diào)？這些都能做，但問題是：做完以后，到底改變了什么？

我們判斷一個(gè)制造業(yè)AI場(chǎng)景值不值得做，通常不會(huì)先看模型，而是先看現(xiàn)場(chǎng)。比如一個(gè)烘箱水分控制場(chǎng)景，現(xiàn)場(chǎng)真正頭疼的是：水分有波動(dòng)，化驗(yàn)結(jié)果回來得慢，參數(shù)怎么調(diào)很依賴班長(zhǎng)經(jīng)驗(yàn)。

那這個(gè)項(xiàng)目的目標(biāo)就很清楚。不是做一個(gè)懂烘箱的大模型，而是想辦法把水分控制得更穩(wěn)。于是往下拆：

●過程量能不能實(shí)時(shí)拿到？

●哪些變量跟水分相關(guān)？

●能不能通過歷史數(shù)據(jù)建立軟測(cè)量模型？

●模型給出預(yù)測(cè)以后，建議設(shè)定怎么進(jìn)入控制？

●什么條件下允許調(diào)，什么條件下必須退回人工？

做到最后你會(huì)發(fā)現(xiàn)，這件事情里確實(shí)用了AI，但用戶真正買單的不是AI。他買單的是水分更穩(wěn)了，人工調(diào)節(jié)少了，經(jīng)驗(yàn)不再只裝在老師傅腦子里。這也是格創(chuàng)東智EES選擇AI場(chǎng)景的基本邏輯。

我們內(nèi)部經(jīng)常用三個(gè)問題判斷一個(gè)場(chǎng)景：誰在痛？每天在重復(fù)做什么？最后能改善哪個(gè)指標(biāo)？這三個(gè)問題說不清楚，模型先別急著上。

制造業(yè)最終認(rèn)的還是良率、停機(jī)、波動(dòng)、能耗、誤報(bào)和工時(shí)。AI只是解決這些問題的新工具。

坑二：大模型接上了，工業(yè)軟件卻不具備AI 能力

這個(gè)問題比第一個(gè)更普遍。很多企業(yè)現(xiàn)在已經(jīng)把大模型接進(jìn)系統(tǒng)了。設(shè)備系統(tǒng)有接口，數(shù)據(jù)中臺(tái)也有數(shù)據(jù)，再加一個(gè)對(duì)話入口，看起來AI能力就有了。但工程師真正用幾天，很快就會(huì)發(fā)現(xiàn)問題。

比如他說：幫我看看3號(hào)搬運(yùn)機(jī)器人的扭矩是不是有異常。AI可能知道3號(hào)機(jī)器人是誰，也能把相關(guān)數(shù)據(jù)查出來。但再往下一步呢？

●它能不能自動(dòng)找到這臺(tái)機(jī)器人的歷史正常波形？

●能不能選樣本？

●能不能調(diào)用模型訓(xùn)練？

●訓(xùn)練完以后能不能跟正常動(dòng)作比？

●發(fā)現(xiàn)異常以后，能不能進(jìn)入監(jiān)視流程？

如果這些事情還是需要工程師一個(gè)頁面一個(gè)頁面點(diǎn)，那么這個(gè)AI本質(zhì)上只是把原來的軟件多加了一個(gè)聊天入口。這也是格創(chuàng)東智EES的設(shè)計(jì)原則：不是給設(shè)備軟件外掛一個(gè)AI，而是先把設(shè)備工程本身改造成AI能用的軟件。

我們把這件事情叫做AI原生五化。

1、接口化——讓AI 有手。采集、監(jiān)控、告警、診斷、報(bào)告、模型訓(xùn)練，這些原來需要人在頁面上操作的功能，要先變成Agent可以調(diào)用的能力。人能點(diǎn)，不代表AI能調(diào)。這一步不做，Agent就沒有手。

2、語義化——讓AI看得懂。工業(yè)現(xiàn)場(chǎng)有大量測(cè)點(diǎn)編碼、設(shè)備編碼、變量名。工程師看到TC-01-04可能知道是什么意思，大模型不知道。EES把設(shè)備、部件、測(cè)點(diǎn)、異常、工況之間的關(guān)系組織起來。當(dāng)工程師說3號(hào)搬運(yùn)機(jī)器人最近是不是不太對(duì)，系統(tǒng)要知道去哪里找數(shù)據(jù)、看什么數(shù)據(jù)、跟誰比較。這相當(dāng)于讓Agent開始看得懂工廠。

3、事件化——讓AI主動(dòng)發(fā)現(xiàn)問題。傳統(tǒng)軟件大部分是人在找系統(tǒng)。設(shè)備報(bào)警了，人打開頁面；趨勢(shì)不對(duì)了，人再去查歷史。Agent真正進(jìn)現(xiàn)場(chǎng)以后，應(yīng)該反過來。狀態(tài)發(fā)生變化，事件主動(dòng)進(jìn)入流程，再判斷接下來該查什么、算什么、通知誰。

4、自動(dòng)化——讓AI執(zhí)行重復(fù)工程動(dòng)作。制造現(xiàn)場(chǎng)其實(shí)有大量重復(fù)的工程動(dòng)作。選樣本、訓(xùn)練、比對(duì)、發(fā)布、監(jiān)視，很多步驟并不需要工程師每次從頭做一遍。這些動(dòng)作如果能夠被標(biāo)準(zhǔn)化、編排起來，Agent才有機(jī)會(huì)真正接手其中一部分工作。

5、安全可控——讓AI知道什么能做、什么不能做。這一條在制造業(yè)尤其重要。辦公場(chǎng)景里，AI答錯(cuò)一句話，最多重新生成。設(shè)備現(xiàn)場(chǎng)不一樣。涉及參數(shù)修改、控制指令，就必須知道誰允許操作、當(dāng)前聯(lián)鎖狀態(tài)是什么、設(shè)備是不是在自動(dòng)模式、出了問題怎么退回去。EES里的AI能力從一開始就不是想調(diào)什么就調(diào)什么。能讀什么、能做什么、什么情況下能寫、誰來確認(rèn)，每一步都有邊界。

這五件事情做完，AI在設(shè)備工程里的角色才開始發(fā)生變化。

拿搬運(yùn)機(jī)器人來說。過去做異常檢測(cè)，需要工程師把扭矩波形找出來，選正常樣本，選擇底層模型，配置參數(shù)，訓(xùn)練，再看效果，最后發(fā)布。如果現(xiàn)場(chǎng)有幾十臺(tái)、幾百臺(tái)同類設(shè)備，這里面有大量重復(fù)工作。在EES里，我們把這套模型工程能力放進(jìn)了設(shè)備工程底座。

每個(gè)動(dòng)作節(jié)拍的扭矩波形進(jìn)來以后，系統(tǒng)可以判斷它像不像正常動(dòng)作，給出一個(gè)異常得分。

而選樣本、訓(xùn)練、比對(duì)、上線這些重復(fù)流程，可以繼續(xù)交給Agent執(zhí)行。這樣才能做到一機(jī)一訓(xùn)，一機(jī)一模。

Agent真正省掉的，不是工程師打幾個(gè)字的時(shí)間，而是背后那些每天都在重復(fù)發(fā)生的工程操作。這也是我們理解的設(shè)備智能。

坑三：工業(yè)數(shù)據(jù)都有，卻沒把數(shù)據(jù)變成AI “可執(zhí)行的上下文”

很多工廠第一次聊AI時(shí)都會(huì)說：我們的數(shù)據(jù)已經(jīng)采了很多年了。這句話通常沒錯(cuò)。但有數(shù)據(jù)和AI能用數(shù)據(jù)，中間還差很遠(yuǎn)。

實(shí)時(shí)量在一個(gè)系統(tǒng)，報(bào)警在另一個(gè)系統(tǒng)，配方又在MES里；早幾年上的設(shè)備是一套協(xié)議，后來買的產(chǎn)線又是另一套。做一次完整判斷，經(jīng)常是：先去A系統(tǒng)看趨勢(shì)，再去B系統(tǒng)查報(bào)警，找不到配方，再打電話問現(xiàn)場(chǎng)。人都是這么干活的，Agent自然也跑不起來。

EES做的另一件事情，就是把這些原來散落的設(shè)備工程能力往一個(gè)底座上收：采集進(jìn)統(tǒng)一測(cè)點(diǎn)；設(shè)備狀態(tài)、報(bào)警、配方、工況之間建立上下文；監(jiān)測(cè)、診斷和模型工程用同一套設(shè)備語義。這樣Agent拿到的不再只是一個(gè)數(shù)字，而是知道：這是哪臺(tái)設(shè)備、哪個(gè)部件、什么工況下的什么變化。

再往下一步，就是很多AI項(xiàng)目最容易忽略的寫：AI看見問題是一回事。讓AI參與調(diào)節(jié)，是完全不同的一回事。在EES里，控制命令必須經(jīng)過統(tǒng)一的智控通道。聯(lián)鎖狀態(tài)要看得見，自動(dòng)/手動(dòng)狀態(tài)要看得見，權(quán)限要管得住，模型發(fā)布也要有門禁。

比如一個(gè)軟測(cè)量模型，可以先只讀進(jìn)入控制環(huán)路。它可以判斷，可以給建議，但不能因?yàn)槟Ｐ陀X得閥門應(yīng)該開大一點(diǎn)，就繞過原來的控制體系直接寫閥。只有這條鏈路是完整的，AI才有可能從：我覺得這里有問題，慢慢走到：我已經(jīng)完成診斷，這是建議動(dòng)作，在滿足這些條件后可以執(zhí)行。到這一步，AI才算真正開始進(jìn)入生產(chǎn)流程。

三個(gè)坑，總結(jié)出來的經(jīng)驗(yàn)，說到底就對(duì)應(yīng)三句話：

應(yīng)對(duì)策略

●場(chǎng)景，先痛點(diǎn)后模型；

●系統(tǒng)，先五化后對(duì)話；

●通路，先打通再談自動(dòng)化。

做了這么多年制造現(xiàn)場(chǎng)以后，我們?cè)絹碓酱_定一件事：制造業(yè)不缺一個(gè)更聰明的聊天機(jī)器人，真正缺的是一個(gè)能夠讓AI進(jìn)入設(shè)備工程的載體。AI要知道現(xiàn)場(chǎng)發(fā)生了什么；要理解設(shè)備和測(cè)點(diǎn)；要能調(diào)用監(jiān)測(cè)、診斷、模型訓(xùn)練這些已有能力；需要的時(shí)候，還要能夠在權(quán)限和聯(lián)鎖范圍內(nèi)參與下一步動(dòng)作。

我們把PreMaint做成了一個(gè)設(shè)備智能工程底座：從設(shè)備、采集、監(jiān)控、診斷，到尋優(yōu)、模型工程，再到Agent協(xié)同，盡可能放到同一套設(shè)備工程體系里。

這也是為什么我們沒有把Agent單獨(dú)做成一個(gè)AI功能。如果下面的設(shè)備數(shù)據(jù)、軟件能力、模型工程和控制鏈路沒有準(zhǔn)備好，Agent再聰明，到了現(xiàn)場(chǎng)也只能聊天。

制造業(yè)AI真正要解決的，是讓設(shè)備從過去的有數(shù)據(jù)、能監(jiān)控，繼續(xù)往前走到看得懂、查得到、可診斷，該調(diào)節(jié)的時(shí)候調(diào)得動(dòng)。

100 個(gè)免費(fèi)使用名額仍在開放，優(yōu)先老客戶和已走過AI試點(diǎn)、希望進(jìn)一步推動(dòng)AI嵌進(jìn)一線而不是停在對(duì)話窗的企業(yè)。填寫問卷報(bào)名，我們會(huì)在48 小時(shí)內(nèi)篩選，通過后會(huì)有專員聯(lián)系。