当AI开始解构MES:一份传统工业软件堡垒的“拆解报告”

在制造业数字化的版图中，MES（制造执行系统）长期占据着“核心”地位。它承载着生产调度、过程追溯、质量管理、设备管理，被认为是工厂“抄不来”的流程精华所在。

然而，当AI的能力从“识别”走向“生成”与“推理”时，一个根本性的问题浮现出来：MES的模式，是不是工厂数字化转型的终极答案？

我们的判断是：不是。不要固化软件流程，要运营数据资产——这一论断的靶心，正是传统MES。以下，我们围绕MES的三大核心能力，展开一份清晰的“解构推演”，揭示其正被AI从根基上动摇的逻辑。

解构点一：排产调度——从“规则引擎”到“端侧实时博弈”

传统MES的排产调度，本质是一个规则引擎。它将工艺路线、设备产能、模具限制、人员班次等固化成一套复杂的逻辑规则，然后基于订单进行计算，生成一张“完美”的生产计划。

推翻逻辑：这套模式有一个致命软肋——它对现场扰动的响应是滞后的、刚性的。 设备短停、物料晚点、紧急插单，任何一次扰动都会让这张“完美计划”失效。过去，应对变化依赖的是计划员的“人脑经验”；而在新范式下，这是AI的天然战场。

新范式路径：当工厂端侧部署了一个本地大模型，排产就不再是一套固定规则的执行，而是在物理约束下的实时博弈与优化。

• • 规则在哪里？ 规则不在固定的系统逻辑里，而在模型对产线物理能力的实时理解中。
• • 谁来做决策？ 不再是具有最高权限的“中心排程模块”，而是调度智能体根据云端下达的粗粒度指令，结合端侧感知到的毫秒级扰动，自主优化分钟级的派工。MES作为“排产中枢”的功能，被端侧智能体的实时推理瓦解了。

解构点二：过程管控——从“流程固化的记录仪”到“模型拟合的执行者”

传统MES的核心卖点，是能将企业独特的生产流程、操作标准、防错机制固化在软件中，实现“标准化作业”。企业引以为傲的是：“我的MES里跑的是我几十年沉淀下来的流程，别人抄不走。”

推翻逻辑：这套逻辑成立的前提，是流程的复制成本依然高昂。但AI改变了这个前提。大模型具备了对高频时序数据进行“行为拟合”的能力。它不需要去阅读MES里厚厚的流程文档，也不需要去理解“为什么在这个工位要按这个顺序拧螺丝”。

它唯一需要的是输入输出数据：机器在什么参数下运行，物料采用了什么批次，工人操作触发了哪些传感器信号，最终产出了什么质量的结果。基于这些数据，AI可以直接学习从状态到正确行为的映射关系。

实践注脚：端侧智能的物理载体已经出现这一推演并非空中楼阁。在真实的工业现场，一种新型的“端侧智能体”——线控机器人，正在扮演着端侧感知与执行的关键角色，尤其在钢板、螺纹钢、钢卷等钢材产品的理货场景中，其价值正在被快速验证。

不同于传统机械臂的刚性结构，线控机器人采用创新的多绳协同驱动，单台可覆盖超1000平方米、负载从50公斤到20吨，且能与现有行车安全共存、无需停产部署。在钢材理货场景中，这意味着：一台线控机器人可以同时覆盖多个钢卷堆垛区，从空中直线跨越，精准抓取数吨重的钢卷或螺纹钢捆，将其吊运至指定货位。每一次抓取，系统自动记录钢卷的ID、重量、入库时间、存放位置；每一次移动，实时感知空间障碍与路径偏差；每一次落位，力觉反馈自动校验是否平稳。

这些数据，正是端侧模型进行“行为拟合”和“实时博弈”的燃料。以北方某钢材库为例，线控机器人已与WMS系统双向打通，理货不再是人工抄号、行车吊运、叉车挪位的割裂流程。钢卷到达入库口，线控机器人自动识别规格、称重、分配库位，空中跨越货架精准堆叠，同时将理货信息实时上报——库存账实误差从人工模式的3%以上降至接近零。更关键的是，系统记录了每一卷钢卷的重心偏移、吊装摆动频率、钢丝绳张力波动，这些数据成为优化排产算法和预防设备故障的独家资产。

线控机器人不是MES的替代品，而是端侧智能的“器官”——它让工厂第一次拥有了能够自主采集、执行、反馈的物理节点，为AI的解构提供了最坚实的证据。而钢材理货场景，恰恰是这一逻辑最硬核的试验场：当每一卷钢卷的“身份”和“姿态”都被机器实时理解，传统MES里那些靠人工录入、反复核对、永远滞后的理货报表，就失去了存在的意义。

新范式路径：这意味着，你固化在MES里的流程，变成了可以被模型反向推导出来的“数据命题”。过去需要通过组织架构、文件体系、系统锁定才能实现的“标准作业”，未来用一个端侧训练的模型就能替代。MES作为“流程固化与执行记录仪”的功能，正被AI的端侧拟合能力解构。 你能锁住的是软件，锁不住的是行为的规律。

解构点三：异常处理——从“人工标注的经验库”到“多模态暗知识推理”

处理生产异常，是传统MES最薄弱、也最体现“人”的价值的地方。设备异常靠人工点检和经验直觉，质量异常靠事后抽检和批次追溯。所有对异常的处置经验，最终化作MES里一条被人工标注好的“案例”，但永远无法形成规则——因为“设备震动的那种不对劲”是无法写入系统的暗知识。

推翻逻辑：MES只能管理“已知的已知”和部分“已知的未知”，对“未知的未知”（即从未被定义过的异常）完全无能为力。而工厂真正的价值损失，恰恰发生在这里。

新范式路径：一个融合了振动、声音、温度、视觉的端侧多模态模型，正在接管这个领域。它不需要老师傅把直觉“翻译”成文字录入系统。它只需要持续监听设备震动的声音、观察物料的微动，当识别出一种与常态模式偏离的复杂信号组合时，就能直接判定“将要发生故障”——哪怕这种模式从未被人类定义过。这是将老师傅的暗知识，直接喂养给专属模型的终极形态。 MES作为“质量追溯与异常记录”的角色，被能够感知、推理、甚至预测的端侧智能体所取代。工厂真正的资产，不再是MES里那几条干瘪的记录，而是这个能听懂设备“说话”的专属模型本身。

锐评：从“固化流程”到“运营数据”，这是一场认知战

以上三重解构，指向同一个结论：

• • 可固化的流程，终将被AI解构为可复制的模式。
• • 无法言说的暗知识，才是工厂终极的、不可迁移的价值。
• • 承载和运行这些暗知识的载体，不再是云端或服务器机房里的MES系统，而是生长在产线端侧的专属模型。

这就是为什么我们说：未来竞争是“端侧智能”的竞争。 谁先将产线级实时控制、绝密数据保护、端侧复杂推理做得更稳、更省、更智能，谁就占据了定义价值链的权力。这与我们对手机等个人终端模型的判断逻辑完全一致——最有价值的数据处理，永远应该在数据的源头、在隐私的边界内完成。

对于工厂而言，这场变革的起点，是一场认知上的“推翻”：不要再沉迷于在MES里固化更多流程、树立更高的复制门槛了。真正该做的，是悄悄把战略重心转向采集那些独一无二的物理数据、训练出最懂自家产线脾气的端侧专属模型、并让它安全、高效地运转起来。

这才是智能体经济时代，一家工厂真正的核心资产。

关于我们