夜雨聆风
84%的工厂试了AI，只有20%跑通了
工信部另一组数据更直白：截至2026年一季度，国内规上制造企业数字化成熟度三级以上占比仅42%。
大部分工厂连MES、ERP、WMS这几个基础系统都互不联通，就开始急着上大模型。
我帮工厂做AI落地这些年，见过太多老板花了几十万甚至上百万，最后只多了几套线上报表，生产问题一点没解决。
花了60万上了一套MES系统，把纸质单据搬到了线上，排产、成本核算还是人工。每年还要付运维费，系统常年闲置。
这不是AI，这是把纸质账本搬到了电脑上。
真正的问题不是你有没有工具，而是你的工具有没有嵌进日常经营流程。工具买了不用，等于没买。
车间上了AI视觉质检，识别准确率99.2%，确实厉害。但检测结果没法同步到MES、没法联动仓储报废台账、不能自动生成质检复盘报表。
算法输出了有效数据，但数据被隔离在业务系统之外。
就像请了个顶级分析师，报告写得很漂亮，但没人看，也没人执行。
上ERP、上MES、上WMS、上数据大屏、上AI大模型，一步到位。结果系统之间协议不通、数据格式各异、权限相互隔离。
每新增一个AI应用，平均要开发17组异构对接接口，接口联调耗时占项目总工期的61%。
钱花了，人累了，系统还是一堆孤岛。
我见过一个案例，印象很深。
山东淄博博山区的机电泵企业，没有一上来就搞大系统，而是先用工业IoT把设备数据接上来，把散落在车间、设备日志、老师傅经验里的数据变成结构化的、可分析的"数字资产"。
然后在此基础上，接入工业垂域大模型，让AI基于这些真实数据去做工艺优化和决策辅助。
不是因为他们的AI多厉害，而是因为他们做对了一件事——先让数据流动起来，再让AI做决策。
别被大厂案例吓住。中小工厂有中小工厂的打法，核心就一条：小切口、深嵌入、快验证。
先固化流程，再谈AI
连排产流程都没理顺、库存数据都不准，上什么AI都没用。第一步不是找AI供应商，是把核心业务流程梳理清楚。
先接数据，再做决策
设备温度、振动、电流、能耗，数据每天都在产生，但大部分工厂是"有数字没数据"——散落在各处，没有结构化。
用IoT把这些数据接上来，变成实时的、可分析的数据。
先跑通一个场景，再复制
别一上来就搞全厂方案。先找一个最痛的场景——排产延误？库存积压？质量波动？
在一个场景上跑通：数据从哪来→AI怎么分析→结果怎么用→效果怎么量化。
· 德勤2026年全球制造业AI调研报告
· 工信部数字化成熟度测评数据（2026Q1）
· 罗克韦尔自动化2026智能制造现状报告
· 浪潮云洲、施耐德电气、宝马公开案例