工厂知识库第一层不是文档:行业大模型卡在数据上

工厂知识库第一层不是文档，是老师傅那句说不清的判断。行业大模型卡在数据上，这句话在 11 月有了权威注脚：国家数据集团 10 月 20 日在雄安揭牌，11 月 4 日的世界互联网大会上，集团副总经理胡啸说，大模型面向不同行业场景做微调或后训练，高度依赖高质量数据集，而经过深度治理、能直接引入模型使用的高质量数据集，目前还存在不足。难的从来不是训练，是没人愿意把车间里那点说不清的经验交出来。

01供给端缺的是什么，为什么工厂的知识库只能自己建

通用大模型靠互联网上免费的公域数据起量，走到行业大模型这一步就卡住了。南方周末《数据「国家队」登场：新央企要为大模型输送「弹药」》里，国家数据专家咨询委员会委员张向宏把原因说得很直白：过去通用大模型得以快速发展，与互联网上免费的公域数据密不可分，但从通用大模型走向行业大模型，严重受制于行业数据供给；行业数据涉及隐私和机密，很难提供。

盘子其实不小。同一篇报道引国家数据局《中国数据产业发展报告（2026）》：2025 年中国数据产业规模 6.78 万亿元，同比增长 15.7%，数据企业 48.2 万家。但盘子大不等于能直接喂模型。胡啸在同一场大会上补了一句，人工智能的应用需要多元、多主体数据的融合利用，受隐私保护和合规要求约束，现在数据开放程度还不够高。中至远咨询陈阳说得更细：几乎所有主流大模型「读」过的中文专业资料比例都非常低，开源数据集普遍存在高重复率、低信噪比的问题，深层语义标注、知识图谱构建这类高端语料加工尤其缺。

公共数据可以跨省流通，车间里的判断不会自己流进来。

国家队要修的是跨行业、跨省域的公共数据主干道，这条路修得再宽，也修不到某条产线、某个工位上「这个时候该不该提前降进料量」。那些判断不在任何公共数据目录里，只在交接班的叮嘱、工单末尾的一行备注、老师傅的手感里。所以工厂知识库只能自己建，这不是选型偏好，是数据所在位置决定的。

02把文档丢给 AI 算不算知识库，三种做法差在哪

三种做法最常见，也最容易在验收时被问住。

网盘化。 制度文件、设备说明书、历史 PDF 全传上去，检索靠文件名和全文匹配。文档是载体，不是结构；能搜到一页纸，不等于知道这一页在哪种工况下适用。

FAQ 化。 人工写一批问答对，覆盖有限，一换型、一改工艺就过期，且通常没人负责维护。

聊天窗化。 接个模型就上线，答得像模像样，一问依据就答不上来。

三者共同的毛病是三条：内容没结构、答案不可追溯、没有适用条件。智能装备网《大模型进车间：设备故障诊断知识库怎么建才不「翻车」》给过一个很扎心的现场：多年积累的维修工单里，故障描述常常就一行「主轴异响，已处理」，换了什么件、什么原因、之后有没有复发，全都缺失。该文给的务实做法是先补数据——新工单按模板填，故障现象、判断依据、更换备件、验证结果四项必填，历史工单让模型做结构化清洗，但清洗结果必须由技术人员抽查，不能直接入库。

大众日报在报道毕马问元时，对传统做法有一句判断：传统知识库只是个文档仓库，工人需要主动搜索、翻阅，遇到模糊问题根本找不到答案。没有结构的资料，喂给再强的模型，也只是把「找不到」变成「编得像」。工厂知识库的分界线，就在这一条上。

03工厂知识库第一层是什么，四层结构怎么排

第一层不是文档，是能被检索、也能被执行的结构。按可落地顺序，拆成四层。

一是设备与工艺参数：测点编号、口径、单位、上下限、采样频率，带时间戳。先把同一台设备在不同系统里的几个编号对齐成一套，否则后面全是各说各话。

二是故障—根因—处置：来自工单，带工单号，能一路回溯到那次处置的验证结果。

三是规则与红线：什么参数不能动、能动多少、谁有权改，把模型建议关进物理边界里。

四是人的判断，而且必须带适用条件：什么时候这么调、什么情况下不适用、依据是哪位师傅哪一次处置。前三层多数企业多少都有，第四层几乎全靠现场一点点问出来，也恰恰是最值钱的一层。

一条合格条目长什么样，比架构图更能说明问题。下面是一条示例（已脱敏，非任何真实工单）：

• 现象：注塑机合模段异响，伴随油压波动
• 根因：液压油滤芯堵塞，非泵体磨损
• 处置：更换滤芯，复测油压，空跑后再确认
• 适用条件：仅适用于同型号机台且油温在正常区间；油温偏高时先查冷却回路
• 来源：维修工单编号，班组复核人

四个字段里最容易被省掉的是「适用条件」，而它正是把一条记录变成一条可执行知识的关键。少了它，模型会把某个特定工况下的处置，当成通用答案推给所有工位。

04工业知识库为什么要私有化部署，不能买个通用版

图纸、工艺卡、质检记录，这三样在制造企业里通常不出厂。智能装备网那篇讲得很清楚：设备参数、工艺参数属于企业核心数据，接入外部大模型服务前必须明确数据边界，敏感产线的知识库建议私有化部署。大众日报报道的做法更具体——AI 引擎放在企业本地服务器，原始数据不出工厂，只提取关键参数用于学习，原始文件始终留在企业内网。

另外两条理由同样硬：权限分级要提前划清楚，谁能问到哪个车间、哪条产线；每条回答都要能回溯到来源条款或工单。普元信息技术博客里有个正面对照：一家流程企业先把近五年的工单、点检记录、备件更换清单全部结构化，统一设备编码，把同一台设备在不同系统里的三个编号对齐，之后才上私有化推理环境。新人问「上次异响怎么处理的」，能拿到一条带工单号的参考答案，师傅们愿意用，因为它不瞎编。同一篇里那个睡在机房的反例，问题不在显卡，在三个部门给同一个指标三个口径。

行业侧也在往这个方向收。新浪财经 11 月 9 日报道，2026「直通乌镇」全球互联网大赛首次设置 AI+制造赛道，11 月 5 日颁奖；格创东智获奖项目做的一体化机制是「多源数据治理 + 大小模型协同 + 工业技能结构化沉淀」，把工程师经验等隐性知识封装为可调用的 Skills，并配合人工确认、权限控制、沙箱隔离及安全审计，保障决策有据、执行可控、过程可溯。这三句话，正好可以当成工厂知识库的验收口径。

创业邦 11 月 9 日那篇报道则回答了「为什么不能买通用版」。宁波华翔 1988 年创立、2010 年就上了国际头部 ERP，十多年数字化建设并不缺系统，2025 年仍启动集团化 MES 选型，起因是每增加一种业态就要建一套 MES，运维、人员培养与升级成本不断叠加；它要的是统一的数据和业务语言。报道里诗兰姆 IT 负责人给了一个很实在的比例：注塑行业的 MES 需求约六成可以标准化，另外四成需要结合工厂实际调整。

六成可以买，四成必须自己长。这四成，就是知识库里最值钱的部分。

创业邦在同一篇里援引行业调研称，84% 的受访制造企业已从 AI 中获得可衡量的运营价值，但仅约两成应用案例实现了跨基地或企业级规模化推广。复制不动，卡的多半是口径和规则，不是模型。

05工厂知识库怎么验证有没有用，三个指标怎么数

三个指标都能在班组台账里数出来，不需要额外买系统。

新员工独立上手时长。 从入职到能独立处置一类常见故障要多久。公开报道里有一个可核实的参照：大众日报报道毕马问元在颜山泵业的试点，新工人上岗时间从四到六个月缩短到一个半月；这是企业披露的单个试点结果，不是行业基准，但指标方向没错。

同类故障重复处置率。 同一个根因在同一个工位反复出现，说明知识没沉淀进条目，或者条目建了没人用。这个数一升，先别调模型，去查条目缺了哪个字段。

老师傅被重复追问的次数。 这个数最诚实。工厂知识库真管用，老师傅被打断的次数会往下走；如果还和从前一样，说明它只是多了一个查询入口。

三个指标都不看模型跑分，只看车间里的人少走了多少弯路。起步不必铺开：先选一类故障、一个工位，把四层结构里的第二层做实，跑满一个季度再谈扩到第二条线。

凡达恩 FDE 做工业AI落地，习惯先驻场把口径、工单和适用条件一条条对齐，再谈模型。第一层建对了，后面才有得复制；第一层只是文档堆，投入再多也只是换了个地方存 PDF。