工厂都在上AI，回本的有几个？

工厂车间里跑AI的公司很多，账本上能算出回报的公司很少。

最近一期的行业调查显示：绝大多数制造企业都已经在某种程度上试过AI和自动化——视觉质检、预测性维护、生成式助手、AGV调度，样样都有人碰。但另一个事实同样扎眼：并不是所有企业都真正拿到了理想的投资回报。来自Pella（美国老牌门窗制造商）和Hexion（环氧树脂巨头）等企业的业务负责人近期公开谈了自己的感受，一句话概括：热闹是热闹，账还是要一笔一笔算的。

这篇文章，我们聊聊那条被反复忽视的断层线——从"试点成功"到"真金白银"，中间到底卡着什么。

📉 试点铺满了车间，回报却成了稀罕物

先看场景。一家门窗厂，节拍以秒计，利润以毫米计；一家树脂化工厂，工艺参数上百个，反应釜一旦波动，损失以吨计。这两家看似八竿子打不着的企业，过去几年做了同一件事：在产线上试AI。

Pella的代表谈到的是典型的离散制造命题——如何在多品种、定制化的订单流里，用自动化和数据分析压住成本曲线；Hexion则面对流程工业的经典难题——工艺稳定性、能耗和良率，每一个百分点都直接落在毛利上。两家公司的共同点是：都动手了，也都坦承回报并没有想象中来得那么快、那么确定。

这不是个例。行业里普遍的现状是：试验的普及率极高，回报的兑现率不高。如果给智能制造画一条曲线，"我们上过AI项目"这一栏接近全员到齐，而"这个项目收回成本了"这一栏，举手的明显稀疏。

产业逻辑其实不复杂。AI和自动化项目天然带有"前置重投入、后置慢回报"的属性——买设备、改产线、清数据、养人，钱先花出去；而收益往往以停机减少、良率提升、能耗下降这种"挤出来"的方式缓慢释放。当绝大多数企业都在做试验时，试验本身不再是竞争力；能不能把试验变成可复制、可摊薄的产线能力，才是分水岭。

🧮 厂长心里的账本，和PPT里的不一样

金句先行：给董事会看的ROI，和车间主任算的ROI，经常不是同一本账。

厂长们的焦虑很具体。多位制造业企业一线负责人在私下交流时都提过类似感受：项目立项时，PPT里的回报模型很漂亮——省了多少人、提了多少效率；但落地之后，账就变了味道。设备联调拖了三个月，良率波动期不敢撤掉人工复核，算法模型换一批工件就得重新调参——这些"落地税"，立项时没人在模型里给它们留位置。

Pella和Hexion的负责人之所以愿意公开谈"回报还没兑现"，恰恰说明行业心态在变：从追风口，回到了算账期。这其实是好信号。前几年，上AI项目是给投资人和客户看的；现在，是给车间成本中心看的。考核对象变了，项目的选法、做法、算法都得跟着变。

按落地难度和商业价值给常见AI/自动化场景排个座次，大概是这样一幅图景：

看懂这张图的厂长，和只看宣传稿的厂长，投出去的钱会在一年后拉开差距。左下角的"生成式知识问答"门槛低、见效快，但省不了多少钱；右上角的"全流程排产优化"才是真金白银，可它需要打通ERP、MES和现场设备，绝大多数工厂的数据底座根本接不住。先做便宜的、再做贵的，顺序错了就是烧钱。

⚙️ 不是AI不灵，是产线底子还欠着账

金句先行：AI项目失败的第一嫌疑人，往往不是算法，是数据。

跑过现场的人都知道一个朴素的现实：很多工厂想上一个预测性维护模型，结果发现关键设备的传感数据要么没有、要么存在孤岛系统里、要么时间戳对不齐。想把产线数字化这步补上，又是一笔投入。于是项目变成了"先修路、再跑车"——路还没修完，预算和耐心先耗光了。

AI和自动化要真正在产线上产生回报，依赖的其实是一条完整的落地链条：

这条链条上，前三步是地基，后两步是回报。而绝大多数"回报不佳"的项目，都是在地基没打牢的情况下抢着盖楼。Pella这类离散制造企业面对的是多工序、多设备的联网改造；Hexion这类流程企业面对的是工艺数据的高质量采集。路径不同，病根一样：数据基础工作琐碎、不见彩、预算难批，却是绕不开的前置投资。

业内私下流传一句刻薄但准确的话："AI做得好不好，上线之前三年就决定了。" 三年前你在数据治理和设备联网上欠的账，今天全变成了AI项目的风险溢价。

按产业逻辑推演，未来两年行业会分化出两个阵营：一类企业把AI当工具，一个场景一个场景地抠回报，节奏慢但账算得清；另一类企业继续把AI当故事讲，项目一个接一个，报表却始终对不上。市场不会奖励讲故事的工厂，只会奖励把良率、能耗、交付准时率做上去的工厂。

💡 从试点到真金白银，路径得换打法

金句先行：别再问"要不要上AI"，要问"哪个场景三个月内能见钱"。

既然问题是普遍的——大家都在试、很多人没回本——那么解法也该是结构性的：

落地路径上，比较务实的节奏通常是这样的：

这张时间表的关键在最后一段：试点结束才是投资开始。能不能把一个车间的成功复制到三个车间，复制时不再重新交一遍学费，决定了这笔投入到底是资产还是费用。

🔭 小结：AI没有辜负工厂，是工厂的期望值错了位

回到最初的事实：绝大多数制造商都试验过AI和自动化，但不是所有人都拿到了好回报。Pella、Hexion这类传统制造企业负责人坦诚的表态，标志着行业正在集体穿越一个阶段——从"别人上我也得上"的焦虑期，进入"逐场景算账、逐环节还债"的兑现期。

接下来的两三年，决定胜负的不会是谁的发布会更炫，而是谁的数据地基打得更快、谁的场景排序更准、谁的ROI模型更敢算落地税。AI和自动化这场浪潮没有退去，它只是淘汰了不会算账的人。