AI进车间,先过这三关

第一关是听懂工厂的话。很多人以为，把大模型接进厂区就算落地了。真到现场就不是。设备数据、生产规则、工艺经验，大多只在企业内部：一台设备和另一台是什么关系，一道工序的波动会传到哪儿，老师傅凭什么判断一个异常。这些东西不在互联网语料里，模型天生不会。

创新奇智科技集团产品总监朱冰把这一关叫“本体”。设备、工艺、规则、物料、订单，原来散在几套系统里各说各话，现在重组成实体、属性和关系。记者在大模型制造车间看到的演示是：先理解业务目标，再读取企业数据，推断数据间的关系，攒出由设备、故障、规则构成的网。有了这张网，员工用大白话提需求，模型才能生成一份像样的诊断工作流。

第二关是，不能只会猜，还得把依据摆出来。模型说一句可能是蒸汽压力异常，现场一定追问：凭什么？只给结论不给依据，等于医生说你大概是胃病，然后让你自己去配药。

信息化观察网记录过一个玻纤厂场景，正好是这一关。拉丝开机率异常，过去要翻报表、问工段长、查日志，老师傅没半天理不清头绪。他只输入两行问题：损失集中在哪儿，现场先查什么。系统从每台拉丝机往上汇总停机损失，定位到哪条通路、哪几台设备。但它不给结论，只给优先核查的线索，附趋势图供人工审核，分析路径能回头查。

第三关决定成不成：能力得在生产线上长出来。玻纤这行从原料配比到窑炉熔化再到漏板拉丝，环环相扣，一次波动就断丝。创新奇智没靠一个模型包打天下。原料环节，小模型分析原料检测数据和历史配方，预测质量；窑炉环节，视觉小模型盯着中间产品状态，跟实时数据对上；拉丝环节，本体把产线、通路、拉丝机、漏板、工艺参数串起来。小模型管感知和计算，大模型管理解和调用。

三关有个共同点：都得有人贴着现场干。本体是用业务语言一条条理出来的，依据链是顺着老师傅的排查习惯搭起来的，小模型和大模型怎么分工，是产线上试出来的。这三样不是软件包，是你得在人家厂里现搭出来。买不来，也下载不到。

这就是有人栽跟头的地方。InfoQ报道过一个精密制造企业的采购Agent，测试一切正常，落地后通用模型认不出内部的非标物料标准和战略供应商规则，差点出生产事故。测试环境里的正常和车间里的正常，中间隔着的那道墙，就是这三关。

朱冰给过一句判断：模型能力不只是在机房里练出来的，更需要在车间里“磨”出来。模型公司Anthropic前段时间也宣布过一笔投入，1亿美元，说到 2027年底培训出 1万名能进企业做部署的工程师。这钱买的，是同一件事。

想干这行的人，别只盯着模型参数。找个真实现场走一遍：理清一次关系，留一次依据，调一次分工。这三样练熟了，比在机房里多训一轮模型管用。

FDE这行做的人不多，所以我们建了个群。里面是正在做的同行，也欢迎你来看看。