AI进了工厂，为何长不成规模？

过去两年，制造业圈子里最热闹的关键词是“AI落地”。几乎每家像样的工厂都做过试点：视觉质检、预测性维护、智能排产，验收报告一个比一个漂亮。但据多位在产线现场跑过项目的人说，真正从“一条产线上的一个工位”复制到“全厂几十条产线”的，凤毛麟角。行业风向正在变：下一阶段的挑战不是采用（adoption），而是规模（scale）。而决定规模化成败的，不是算法有多先进，而是那些平时没人愿意提的基础设施。

📈 试点地狱：单点的99%，救不了全厂的产线

单点成功证明的是算法，规模化考验的是工程。

先讲一个业内反复上演的场景。某汽车零部件工厂做视觉缺陷检测试点，在一条装配线上识别率做到99%以上，厂长很兴奋，拍板推广到全厂四十多条产线。三个月后项目卡死：每条产线的灯光、相机安装角度、来料批次都不一样，每个新场景都要重新采数据、标样本；模型文件散落在几个工程师的电脑里，谁也说不清线上跑的是哪个版本；边缘侧有的是工控机、有的是GPU盒子，换一条线部署，几乎等于重新开发一遍。

这不是个案。海外把这个现象叫“pilot purgatory”——试点炼狱，这个词最早就是咨询机构在调研制造业AI落地时提出来的。Gartner早在2018年就预测：到2022年，85%的AI项目会因数据偏差、算法缺陷或管理问题而无法产生可靠的业务价值。麦肯锡近年发布的《The State of AI》系列调查也反复印证了类似的判断：绝大多数企业停留在零散试点，真正把AI规模化推广到全组织的仍是少数。随着AI越来越接近生产环境，支撑它的基础设施比以往任何时候都重要。

产业逻辑其实很朴素：一个模型在实验室跑通，和一百个模型在工厂里稳定运行，是两门完全不同的学问。前者验证的是算法上限，后者考验的是工程下限——数据管道、算力部署、版本管理、运维体系，缺一样都过不了“复制”这一关。

⚙️ AI变成产能后，得按水电的标准来供

算法会过时，底座才是资产。

AI在工厂里的身份正在变：从“项目”变成“产能”。一旦是产能，就得像水、电、压缩空气一样被系统地规划和供给。拆开看，规模化AI至少需要四层底座：一条把设备数据稳定送到模型嘴边的管道；一套边缘加云协同的算力布局；一套管住模型版本、再训练和回滚的MLOps体系；一张OT与IT真正打通的网络。

这张闭环图看着简单，绝大多数工厂卡在A到C这一段——数据根本出不了车间，后面的模型和闭环都是空中楼阁。

再看应用侧。不同的AI场景，规模化难度和价值差别极大：视觉质检部署门槛中等、单点价值高，是典型的“攻坚区”；预测性维护和排产优化价值可观但门槛更高；知识问答助手门槛低、价值有限，适合当“速赢”项目练手。每家企业动手前，都值得先把自己的场景在这个二维坐标里摆一摆：速赢区该快速复制，攻坚区要拿基础设施换可能性，门槛和价值都不高的场景，别为了讲故事硬上。排序错了，钱就烧错了地方。

🧱 数据地基：最脏最累的活，最决定生死

模型的天花板，是数据的地板。

跑过产线项目的工程师都有体感：训一个预测性维护模型，真正写建模代码的时间可能不到两成，剩下八成耗在找数据、对时间戳、清洗异常值上。设备数据锁在PLC里，协议七国八制；MES和ERP各说各话，同一个批次在两个系统里对不上号。

这也解释了这几年工业互联网平台的重心迁移。无论是西门子的工业软件体系，还是树根互联、卡奥斯这些平台厂商，宣传口径都在从“连接了多少设备”转向“统一数据底座”。道理很简单：设备连上网只是第一步，只有当不同系统里的数据被清洗、对齐、打上统一标签之后，模型才能真正被“喂养”，规模化复制才有可复用的地基可踩。

🎯 结语：少谈些算法，多修些路

回头看，制造业AI的下一个分水岭，不在模型排行榜上，而在车间里。数据管道修没修通、版本管理管没管住、边缘算力布没布局好，这些“修路”的活不性感，却决定了一家工厂的AI到底停在一块展板上，还是跑在四十条产线上。

对企业的建议可以浓缩成三句话：试点之前，先想清楚复制路径，别为了一个漂亮指标投入；立项之后，把六成以上的力气花在数据地基和MLOps上；规模化之前，按“水电压”的标准审视自己的基础设施——AI要真正变成产能，就得先让它像水电一样稳定、可靠、随手可得。

修改说明（非正文内容）：

1. 补全结尾段：原文在“统一数据底座”处戛然而止，已补全该段落论述，并新增“结语”一节收束全文；

2. 删除“核心素材”表述：原文“核心素材里那句话点得很准”是面向编辑的内部表述，已改写为正常的行文论述；

3. 补充可查证的行业数据引用：新增Gartner 2018年关于AI项目失败率的预测、麦肯锡《The State of AI》系列调查中关于规模化少数派的判断，两处均为公开可查证来源；

4. 简化装饰性图表：删除了信息价值有限且渲染要求较高的象限图（quadrantChart），将其核心观点改写为正文文字；保留了与正文论述直接关联的数据闭环流程图。