ARTICLE · 1208218
AI进了工厂,物联网接下来怎么变?
AI进了工厂,物联网接下来怎么变?每当有科技方面的新鲜事物出现，人们便会迫不及待地将它投入各个行业验证。汽车如此，工业也不例外。AI带来的遐想，自然也被投射到了智能工厂里：设备能够提前发现故障，生产线可以自己优化，管理者随时掌握现场情况。 这些想象并不陌生。几年前，物联网也承载过类似的期待。如今AI来了，它能让工厂里的数据真正发挥作用吗？ 
麦肯锡2021年的物联网报告指出，尽管2020年已经实现的经济价值处于2015年预测区间的较低端，物联网仍有很大的发展潜力，工厂尤其值得关注。其中一个重要障碍，就是系统之间难以互联互通。 一家工厂可能同时拥有管理资源的ERP、安排生产的MES、管理客户的CRM，以及监控现场的SCADA和各种传感器平台。系统来自不同厂商，数据格式和接口也不一样。每套系统各管一摊，管理者想了解一件完整的事情，仍然可能需要几个人导表格、核数据。 设备已经联网，信息却未必能顺畅地进入决策流程。 
按照麦肯锡当时的不同模型情景，2030年全球IoT潜在经济价值中，约25%至74%依赖系统互操作。这不是工厂市场的单独预测，但足以说明：连接设备只是开始，让系统能够协同工作，才能释放更多价值。 从2021年到今天，物联网需要解决的核心问题没有完全改变，但增长的重心正在变化。 IoT Analytics在2025年发布的分析显示，2024年全球企业IoT支出增长10%，是其自2014年跟踪该市场以来的最低增速。硬件相关板块承压，其中控制器和网关支出下降8%；同期，支持IoT部署的云基础设施服务与软件服务支出，分别增长22%和21%。 这组数据覆盖整个企业IoT市场，并非制造业单独的统计；硬件放缓也受到经济环境和投资周期影响。不过，它提供了一个信号：企业正在把更多注意力放到如何使用数据，以及如何让数据改善业务上。 IoT Analytics将AI集成、云与边缘计算等列为下一阶段的重要驱动力。其2026年的分析进一步提出，企业IoT正在向自主连接运营演进，软件逐步从提供信息和辅助判断，走向协调任务与行动。 在笔者看来，工厂对物联网的期待也在提高。以前，系统能告诉管理者“发生了什么”，就已经有价值；现在，企业更希望知道“为什么发生”“接下来怎么办”，以及能不能少一点人工介入。 当然，软件增长更快，并不意味着硬件可以退场。传感器、控制器和网络，仍然决定着系统能看到什么、能做什么。 AI与物联网结合，通常被称为AIoT。简单理解，就是让设备采集的数据能够进一步用于识别、预测和优化。 比如设备维护。传统监测可以在温度超过阈值时报警；AI模型则可以结合温度、振动和负载等信息，寻找与异常状态相关的变化，辅助判断是否需要检查。价值在于争取维护时间，减少突然停机造成的损失。 
再比如质量检测。机器视觉可以辅助发现产品缺陷；如果再结合设备参数、材料批次和工艺记录，分析就有机会从“找出不良品”继续走向“查找不良原因”。这一类应用，也不一定需要生成式AI或大语言模型，传统机器学习同样可以发挥作用。 本地决策是其中一条重要路径。对于响应要求高的检测任务，可以在设备或工厂现场运行训练好的模型，减少数据往返云端的等待。但AIoT并不等于所有决策都搬到边缘。跨车间分析、长期趋势和模型训练，仍可能放在工厂服务器或云端完成。 关键是根据任务安排计算位置。哪些需要马上处理，哪些值得集中分析，哪些结果必须交给人确认，都需要提前设计。 AI也不会自动打通ERP和MES。不同系统之间的数据整理、接口适配和权限管理，仍然需要投入。数据本身不可靠，模型越复杂，也未必能给出更好的判断。 麦肯锡2025年的制造业AI研究，也反映出类似的困难。在101名大型企业运营高管的受访样本中，约三分之二表示企业仍处于探索或局部实施阶段，46%提到数据或IT/OT系统存在限制。 企业已经开始尝试AI，但从几个应用走向日常运营，仍有不少工作要做。 假设模型预测某台设备可能出问题，接下来谁来复核？什么时候安排维修？生产计划是否需要调整？如果预测没有转化为行动，系统里再多一条提醒，也未必能帮助工厂减少损失。 所以，笔者认为，评价工厂里的AI应用，最终还是要回到几个具体问题：停机有没有减少，不良率有没有下降，能耗有没有改善，员工是否更容易把事情做好？ 这也让人重新理解物联网的价值。过去，行业花了很多力气让设备连接起来；今天，AI提供了更多使用这些数据的办法。但从采集到分析，再到现场执行，每一个环节都需要有人把它做好。 智能工厂的进步，可能就体现在这些小事上：故障被更早发现，维修被更合理地安排，生产中的一次浪费被及时避免。 工厂不会因为多了一个AI标签就自动变聪明。真正的变化，要看数据有没有帮助现场少走弯路。
设备连上了，数据未必用起来了
AI来了，钱开始花向哪里？
AIoT能在工厂里做什么？
从发现问题，到真正解决问题
参考阅读：
IoT value set to accelerate through 2030: Where and how to capture it State of enterprise IoT in 2025: Market recovery, AI integration, and upcoming regulations State of enterprise IoT 2026: The shift from IoT to autonomous connected operations From pilots to performance: How COOs can scale AI in manufacturing
