夜雨聆风
99.9%
制造业AI准入精度门槛
项目失败率高达74%，制造业甚至80%
项目失败率高达74%，制造业甚至80%
你用AI写文案、画图、聊天。 感觉挺智能的。 但你把它扔进工厂试试？ 差0.1%，可能就是一批废品。 制造业，才是AI最难闯过的关。
工厂不是游乐场
0174%的项目，在工厂里"死"了
行业数据：工业大模型项目失败率高达74%。
制造业更夸张，失败率接近80%。
比传统IT项目的失败率高出一大截。
为什么这么难？
因为工厂不是实验室。
你在电脑上跑通的功能，进了工厂就可能失灵。
光线、灰尘、温度、设备差异——真实生产环境的变量，比AI训练时复杂100倍。
方案阶段看似成立，一进入实施，就迅速失控。
这是制造业AI落地的真实写照。
不是技术不行，是工厂太"残酷"。
0299.9%——制造业的及格线
消费级AI，准确率80%能用。
办公AI，准确率90%够用。
制造业，准确率99.9%才入门。
80%
消费AI可用线
90%
办公AI及格线
99.9%
制造业准入线
99.98%
优秀工厂要求
差0.1%，就是一批废品、一场事故、一个客户流失。
宝钢的例子：
炼钢温度控制精度，从±10℃提升到±3℃。
反焰温度控制精度±2℃、反焰时间误差<5分钟、原料配比偏差<0.1%。
这不是AI帮你"建议"，是AI帮你"决策"。
决策错了，整炉钢废掉。
03AI质检：人工漏检5%，AI漏检0.1%
AI视觉质检，是制造业落地最广的场景。
某三角汽车零配件厂：
人工抽检 vs AI全检对比
传统人工抽检漏检率约5%
AI全检漏检率<0.1%
每条产线节省4名质检员
14个月回本单线成本降20万
仅一条产线，80万元替换4名质检员，14个月实现回本。
宝马沈阳工厂：
焊接缺陷识别准确率提升至99.98%。
舜信装备实现0.03mm级电感缺陷识别，良品误判率从20%降至3%以下。
AI不是替代人，是替代"人做不到的精度"。
04为什么大模型进了工厂就"幻觉"
大模型有个致命问题：幻觉。
你问它"巴黎有什么好餐厅"，它瞎编一家，问题不大。
工厂里，它瞎报一个参数，整条产线停工。
这就是工业AI和消费AI的本质区别：
1
消费AI：概率逻辑——数据逼近最优解，错了影响小
2
工业AI：确定性逻辑——过程可解释、结果可复现，错了就是事故
工业生产高度依赖物理机理、化学反应规律。
这些"隐性知识"，很难通过数据直接学习。
必须以规则、约束或模型的形式嵌入算法之中。
单纯依赖大模型训练，在工业场景中往往难以奏效。
05企业愿意让AI"看"，不愿意让它"拍板"
工厂愿意让AI做什么？
辅助观察和判断，可以。
交出决策权和控制权，很难。
企业对AI确定性和安全边界极其敏感。
导致大多数工业AI项目，被限制在感知层和辅助层。
AI只能"看见问题"，不能"解决问题"。
真正进入执行环节的，少之又少。
这是信任问题，不是技术问题。
技术再强，企业不把"拍板权"交出来。
AI就只能当"监工"，不能当"主管"。
06宝钢怎么做到的：AI主操硅钢，精度提升20%
宝钢的硅钢AI主操，是目前最成功的案例之一。
板形精度提升20%，断带率下降65%。
每年创造效益超亿元。
它是怎么做到的？
宝钢硅钢AI主操 vs 普通AI方案
普通方案给AI大量数据，让它自己学
宝钢方案物理机理+工业数据+规则约束
核心区别不是让AI自学，是把老师傅的逻辑嵌进去
AI不是替代老师傅的经验，是把经验翻译成代码。
炼钢老师傅几十年积累的"手感"。
AI把它变成了可复现的算法。
工厂里最值钱的，不是数据，是老师傅的"隐性知识"。
07数据问题：工厂有数据，但能用的不多
工厂每天产生海量数据。
但这些数据，能直接拿来训练AI吗？
不能。
因为工厂数据的特点是：
1
现场传感器数据缺失、标注不规范
2
历史数据格式不统一
3
不同产线、不同工序要求差异大，难以标准化复制
4
ROI难以量化——良率提升0.5%的隐性收益，很难转化为财务语言
能直接用于训练的"有效数据"，占比极低。
数据散、格式乱、能用的少——这是工业AI的第一道坎。
08谁来干这件事：复合型人才极度稀缺
工业AI落地，需要什么人？
既懂工艺，又懂AI。
这种人，叫"复合型人才"。
极度稀缺。
大多数工厂，并不具备"用AI语言描述问题"的能力。
大多数AI工程师，也不懂工厂里的具体工艺。
两个群体之间，隔着一堵墙。
沟通成本高到离谱，导致大量项目在需求阶段就已经跑偏。
解决方案：让AI学会"说工厂的话"。
宝钢让AI主操学炼钢逻辑，就是这个思路。
09曙光：政策在推，2027年目标1000个场景
工业AI落地难，但方向是对的。
2026年1月，工业和信息化部等八部门联合印发《"人工智能+制造"专项行动实施方案》。
明确提出：到2027年，要推动3-5个通用大模型在制造业深度应用。
形成1000个高质量工业应用场景。
1000个场景，是1000次"工厂AI"的试验。
文心、华为盘古等大模型已在工业场景实现初步突破。
文心在工业装配场景，微调时间从传统数周缩短至3天。
大规模场景适配效率大幅提升。
政策+技术+资本，三股力量在推。
工业AI的春天，正在来。
10普通人能从中得到什么
工厂AI很难，你不需要精通它。
但你需要知道一件事：
你用的每一件工业品，背后都在被AI优化。
汽车更安全了（AI质检）。
钢材更便宜了（AI炼钢）。
药品更可靠了（AI检测）。
这些改善，最终都会传导到消费端。
制造业的AI突破，比你想象的重要得多。
它不只是工厂的事，是整个国家工业竞争力的事。
99.9%的门槛跨过去了，你我用的东西，都会更好更便宜。
今天的小任务
花 3 分钟，做一件事：
想一想，你家里有什么东西是"中国制造"的。
比如：一辆汽车、一台冰箱、一件衣服。
想象它从原材料到成品的全过程。
哪一步最难？哪一步最需要精度？
完成后会怎样：
你会理解，为什么工厂AI需要99.9%的精度。
也更能理解，为什么这件事值得投入。
工业AI大模型制造业AI质检宝钢
