制造业的 AI 机会,在车间,在办公室.

车间里的自动化改造，是硬件和 OT 系统（工业控制系统）的地盘——要懂产线节拍、懂机械设备、懂电气。那不是 FDE 的活。

FDE 能接的，是围绕产线的信息处理：订单怎么进来、信息怎么流转、出了问题怎么查。这些活不碰设备、不改产线、不影响生产——但它们每天都在吃掉厂里那批最贵的人的时间。

第一次进厂，最贵的错误就是把第一周花在产线上。顺序反了，后面全是返工。

进厂第一轮访谈，不要问「你们想用 AI 做什么」。

这句话问出去，拿回来的一定是愿望。老板说「想让 AI 帮我们提效」——这句话里没有需求，你没法拿它报价，也没法拿它验收。

换四组问题，一共 11 个。

关于流程：（1）一个订单从进来到出货，中间经过哪几个人的手？（2）这中间哪一步最容易卡住，为什么？（3）有没有哪些信息，需要人工从一个系统抄到另一个系统？

关于文档：（4）车间的工艺文件、设备手册在哪里，有多少？（5）新人上手要多久，这期间主要问谁？（6）有没有「只有某个老师傅知道」的东西？

关于数据：（7）现有的系统（ERP / MES / 进销存）能导出数据吗？（8）质量问题的记录是怎么留的，纸质还是电子？（9）数据的准确率怎么样，大家信不信这些数据？

关于人：（10）谁最烦现在的做法？（11）如果这件事做成了，谁会最高兴？

11 个问题里，第（9）题和第（11）题最容易被跳过，也最要命。

第（9）题问的是数据可不可信。数据不准，任何方案都是空中楼阁——你做出一个漂亮的系统，它读进去的是错的数，吐出来的就是错的结论。这时候方案越精致，客户越不敢用。

第（11）题问的是内部动力。做完这件事，谁是受益者？找不到那个「最高兴的人」，项目就没有人在内部推它。你自己在外面推，推不动。

第一周结束时，你手上应该有一份能报价的东西，而不是一叠会议纪要。

制造业能切入的活，通常归成三类。

A 类：工艺 / 设备知识库

适用条件：有大量技术文档，工人经常要查，老师傅经验流失是痛点。

做法四步：收集工艺文件、设备手册、维修记录、历史故障案例；重点在清洗——同一台设备可能有五个版本的手册；按「设备 / 工序 / 故障现象」三个维度建索引；优先做移动端可访问，工人在车间不会开电脑。

难点在源头：大量文档是扫描件和图纸，OCR 质量差，图纸内容 AI 读不了。哪些资料不纳入，要在启动前就盘点清楚。

B 类：订单信息处理工作流

适用条件：订单来源多样（邮件、微信、系统），需要人工转录，出错代价高。

这类通常是制造业投入产出比最高的一个切入点。它的链路是固定的：

接收订单（多渠道）→ AI 提取关键信息（客户、型号、数量、交期）→ 自动校验（型号是否存在、交期是否可行）→ 人工确认 → 录入系统 / 生成生产单。

C 类：质量问题分析

适用条件：有结构化的质检记录，问题重复发生。

做法：AI 做归类和共性分析，找出高频问题模式；归因和对策由工艺人员判断。

这里有一条红线：不要让 AI 做质量判定。两个原因——一是涉及产品责任，二是 AI 的判断无法解释，而客户要的是能对人说清的一句话。

三类活都值得做。第一单选哪个？看两个条件同时满足的地方：人工转抄最密集，出错代价最高。多数制造企业，这两个条件同时落在 B 类上。

以 B 类为例，把流程拆到节点级，每个节点问一句：这一步谁做。

人机分界线在第 5 步。

为什么是这里？因为订单确认牵扯的是对客户的交付承诺。这一步错了，不是系统弹个报错，是真金白银的赔付和客户的信任。

把这条线往上提一格：凡是「对外承诺」和「涉及责任判定」的节点，都要留人工确认。

这条线不是技术细节，是报价的一部分。客户最怕的不是 AI 干得少，是 AI 干错了没人接得住。你在方案里把这几个「人工确认点」标清楚，客户才敢把系统用起来。

最后一条是硬约束：第一期项目，绝对不要做「AI 挂了会停线」的东西。做旁路的、辅助的，出问题不影响生产。这一条不是谨慎，是能不能活到第二期的问题。

验收标准也要跟着业务后果走，不能一刀切。订单信息提取的准确率要求最高——抽样 100 单，关键字段准确率 95% 以上，因为它错了直接造成生产损失。知识库的准确率可以低一些——抽样 50 题，回答正确 85% 以上，由老师傅判定。型号错误和交期冲突的异常拦截率要到 90% 以上。稳定性那条最硬：连续运行 30 天，不能有影响业务的故障。

以上数字都是参考区间，具体项目必须重新测算。

做完这类项目，通常会留下四条认知

数据准备的工时，几乎总是被低估。制造业文档的混乱程度超出预期。建议在报价时，把数据准备单独列一项。

一线的使用习惯，比技术方案更决定成败。界面多一步操作，使用率可能减半。这一条我们自己踩过——之前给 FDE 做的一个副驾驶工具，11 个页面全跑通了，其中 6 个在「演」，跑的是假数据。演示能跑，不等于线上能用。

「老师傅的经验」很难数字化。那些说不清楚的判断，AI 学不会。不要承诺。

系统对接的坑最深。老系统的接口问题，能拖垮整个项目周期。

制造业的 AI 订单，考验的不是你懂不懂 AI，是你懂不懂这家厂。

产线上的活，机器会干。办公室里的活，只有把厂里的人和流程摸清楚了，才写得出来。

开篇那句「第一周别急着看产线」，不是让你别去车间，是让你先去办公室问清楚，再带着问题去看产线。

这周先做一件事：

制造业的项目周期按季度算。你第一周没问出来的东西，会在第三个月，以返工的形式还给你。