厂长们不敢说的AI真相

工厂不是不信AI，是不信PPT

金句：产线上最好的验证，从来不是发布会，而是这个班次的良率。

上周和一位做了二十年厂长 sequencing 的老朋友吃饭，他说了句大实话：『现在来我们厂讲AI的，比来卖机床的还多。听完都挺好，回车间一看，还是那台老设备在撑着。』

这不是个别情绪。Industry Dive 近期针对制造业厂长群体的一轮访谈里，Pella、Hexion 等企业的管理层的判断高度一致：绝大多数制造商都已经在某种程度上『试过』AI和自动化，但真正拿到理想投资回报的，并不多。

这句话信息量很大。前半句说明概念渗透已经完成——没有人再问『AI是什么』，问的都是『在哪条线上用』。后半句才是当下制造业的真实水位：实验普及了，收益没有普及。

产业逻辑很清楚：制造业AI的正循环不在算法侧，而在数据链路和组织侧。单点试点容易做出好看的demo，但要跨线复制，你得先把设备联网、把工艺数据洗净、把班组长培训到位。这三件事都不性感，但每一件都比模型本身更决定ROI。

对供应商的启示同样直接：别再拿『降本20%』这种拍脑袋的数字去见厂长了。他们见过太多试点，现在只问三个问题——你的方案在谁的产线上跑过？出了问题谁来兜底？投资回收期是几个月，不是几年？

试点繁荣与ROI困局

金句：试点是最容易获批的预算，也是最容易被遗忘的资产。

为什么『都在试』和『没赚回』能同时成立？因为试点决策和ROI考核，在大多数工厂里是两套逻辑。

试点立项的逻辑是『不能落后』。同行上了视觉质检，你不上，董事会上没法交代；展会没个AI展台，客户都怀疑你的交付能力。于是预算批得很快——十万二十万的POC，财务都不用上报。

但ROI考核的逻辑是冷冰冰的：这台设备省了几个点的人工？减少了多少停机？良率提升摊到每件产品上是多少钱？一旦用这个尺子量，大量试点项目现出原形。

Hexion 这类特种材料企业的处境很典型：工艺变量多、批间波动大，AI理论上大有可为。但数据基础差一步，模型就只能做『事后诸葛亮』式的分析，预测产线异常的价值有限。而Pella 这样的门窗制造商面对的则是另一面——产品更离散、更依赖人工装配，自动化改造的设备投入大、柔性要求高，回报周期天然拉长。

看这张图就明白厂长的选择逻辑了：右下角和左上角先做，右上角谨慎投，右下角碰都别碰。视觉质检和预测性维护之所以成为全球工厂AI落地的『双子星』，不是因为它酷，是因为它落在ROI确定性最高、落地难度最低的那一块。

据接近多家自动化方案商的人士透露，过去一年方案商的销售话术已经悄悄变了：从『AI重塑制造』变成了『先帮你把这一台设备的OEE提上去』。从布道回到了生意。

老设备与数据债：绕不开的两座山

金句：AI的天花板，是数据底座的高度决定的。

访谈里一个反复出现的主题，是存量设备。大多数工厂的产线是十年、二十年攒出来的：有1998年的注塑机，有2010年的CNC，还有去年新买的带IoT网关的加工中心。数据格式五花八门，能采的采不上，采上的对不齐。

这就是所谓『数据债』——当年为省几万块没装传感器、没上MES的欠账，今天要用十倍的代价来还。AI再聪明，喂进去的是断头数据，吐出来的也只能是断头结论。

冰山下面的部分，恰恰是预算里最容易被砍掉的部分。买视觉系统是资产，能上账；做数据治理是费用，容易被拖。但没有下面的部分，上面的部分就是租来的demo——供应商撤走那天，就是系统停摆那天。

另一个少有人愿意公开讲的，是人。厂长们私下说的最多的一句话是：『系统是好系统，就是我们的人不信它。』视觉质检误报两次，班组就切回人工目检；排产建议和老调度员的直觉冲突三次，系统就被打入冷宫。AI落地本质上是一场信任工程，而信任来自一次次小的、可验证的正确。

真正拿到回报的工厂做对了什么

金句：赢家不是技术最强的，是把一个场景做穿到底的。

把访谈里回报为正的案例摆在一起，会发现三个共性，没有一个和『最先进』有关。

第一，场景选得小而痛。不追求全厂智能化，先啃一个良率损失最大、或者停机成本最高的具体环节。一位受访者的说法是：『先把最疼的那颗牙治了。』ROI账算得清，董事会追加预算才有底气。

第二，把现场的人拉进项目。最成功的项目里，提出需求的往往不是IT部门，而是产线上的工艺工程师和质量主管。他们知道问题出在哪，也知道系统该怎么用才不会添乱。AI项目由IT单方面主导的，据多位业内人的观察，夭折率明显更高。

第三，接受渐进式回报。把预期从『一年回本』调整到『先把数据跑通、先让班组信服』。回报往往在第二、第三年才显性化——因为数据积累得越久，模型的预测价值越高，这是制造业AI不同于消费互联网的地方：复利来自时间，不来自流量。

一位受访者总结得干脆：『我们不为AI付费，我们为可验证的良率提升付费。』这句话值得贴在每一家AI方案商的会议室墙上。

2025年的制造业AI，从叙事期进入算账期

金句：泡沫退去的时候，留下来的都是会算账的人。

把这轮访谈放在更大的时间轴上看，制造业AI正在完成一次身份切换——从『概念叙事』进入『算账周期』。

这个切换对产业链各方意味着什么？

对工厂：别再追『第一』，追『第一个回本』。少上两个demo，多修一段数据管道，长期看更接近灯塔工厂的实质——真正的灯塔工厂，强在数据基础和组织能力，不强在新闻稿。

对方案商：靠概念融资的窗口在关闭，靠场景交付的窗口在打开。能不能在客户产线上蹲三个月、把误报率从8%打到2%，比拿十个奖项更能决定生死。

对投资方：估值逻辑要从『客户数量』转向『复购率』。制造业AI的客户忠诚度很高——前提是你真的解决了问题；反之，一单做完没有第二单，商业模式就不成立。

这个漏斗未必是精确比例，但方向不会错：从『试过』到『赚回』，中间隔着十倍数量的尸体。

小结

Pella、Hexion们的坦诚，撕开了智能制造叙事里最体面的一层窗户纸：试验不等于落地，落地不等于回报。接下来的两三年，制造业AI的关键词不再是『颠覆』，而是『复制』——把一个跑通的场景，用可控的成本复制到第二条线、第五条线。赢家属于那些把数据债还清、把现场的人变成盟友、并且敢于对炫技方案说不的工厂。AI不会替代制造业，但会用AI算清每一分钱的工厂，正在替代不会算的。

领域标签：产业观察 | 类型：观点