为什么越接近核心制造，越不能把AI当外挂？

  头图：AI生成

一年只生产两枚航天器电缆插头，该怎么排产？

企业上线3000多个AI应用，又该如何证明它们值得继续投入？

两个看似相距甚远的问题，指向了制造业AI正在面对的同一道关：一个场景跑起来，只是开始。它能否进入真实流程、跨产线复制，并最终改善良率、交期和成本，才决定了项目能走多远。

虎嗅智库第64期「502线上同行」邀请航天科工集团航天云网、通威股份、卡奥斯，以及东芝电梯、万和新电气和思谋科技的六位实践者，复盘AI从研发、排产、工艺优化到工程设计和人员培训的真实进展。

讨论给出的答案并不乐观，但也更接近制造业现实：AI已经证明自己能在单点上提效，但越接近核心生产、规模复制和经营归因，难度越高。

复杂装备制造可能是AI最难进入的场景之一。

航天云网首席科学家邢镔博士举例，有的车间专门生产航天器使用的电缆插头，一年可能只生产两枚，但这项生产能力不能撤销。一旦出现紧急插单、供应商延迟或工艺变化，原有排产方案就要重新调整。

传统IT系统可以处理相对稳定的计划，却很难应对设备、工艺、人员、材料和供应状态相互耦合的现场。邢镔直言，部分军工企业部署的智能排产软件“基本用不起来，或者只能部分应用”。

航天云网的思路不是直接把大模型接入排产系统，而是先将设备、材料、工艺要求、零部件和人员能力进行模型化表达，再通过数字主线连接设计、工艺、制造和运行。

排产方案生成后，先在虚拟环境中验证采购、加工、装配和检测能否衔接，再进入真实生产；现场发生变化时，则重新排程、重新仿真。

AI在这里改变的，不是生成计划表的速度，而是计划、验证和生产之间的关系。

但前提也更苛刻：生产对象必须能被准确描述，工艺经验必须能被组织，数据还要满足保密要求。部分产线数据甚至不能离开车间。

越接近核心制造，越不能把AI当作外挂。它首先要求企业把真实生产转换成机器能够理解、调用和验证的系统。

航天云网面对的是AI能否进入核心流程，通威面对的则是另一个问题：AI大面积铺开以后，怎么计算价值？

通威AI技术创新负责人宁必果介绍，公司已落地数千个智能化应用，其中包括百余个高价值应用，培养了超千名内部AI开发者，月均Token消耗达到千亿级。

为了让AI不仅能读数据，还能理解业务，通威正在把经营指标与制度、工艺、行业资讯等知识关联起来。目前，其知识中心已纳入内部知识、外部资讯共百万份，数据中台则覆盖近各个业务域的核心经营指标。

但应用数量越多，成本问题越突出。

通威接近5万名员工。按照外部办公助手每席每月100—200元计算，如果全员配置，每月投入可能达到数百万元至千万元，一年最高达到亿元级。

为此，通威开始对模型分级：高性能模型优先开放给高价值岗位，一线场景更多使用私有化模型。同时，企业还在尝试按员工和部门评估AI使用价值。

难点在于，成本可以按Token、席位和调用次数精确计算，价值却很难用统一口径衡量。同样生成一份材料，不同岗位、不同业务目的带来的价值完全不同；一个人节省半小时，也不意味着整条流程缩短半小时。

更难的是价值评估。宁必果坦言，企业需要判断员工每次使用AI究竟创造了什么价值。同样是生成一份PPT，不同岗位、不同业务目的，其价值并不相同。通威正在探索按员工和部门评估使用价值，并进行月度、季度复盘。

这仍是一项需要继续验证的工作，但它提出了一个值得更多企业思考的问题：当AI使用成本可以精确计算，企业是否也能建立一套相对可信的价值评估机制？

从企业内部转型走向工业平台，卡奥斯孪生制造一体化平台COSMO-iMOM产品负责人王忠岩提出了另一个问题：为什么一些制造业AI项目在演示阶段效果不错，真正交付给客户后却不一定能用起来？

在他看来，工业场景复杂、差异化程度高，尤其是制造运营管理系统，涉及计划排程、生产执行、仓储管理、设备管理、质量管理等多个业务模块。不同工厂的工艺路线、设备条件和管理方式各不相同，平台要规模化推广，就必须在标准化和个性化之间找到平衡。

卡奥斯将原有制造运营管理与工厂孪生、仿真能力进行整合，并进一步引入智能体引擎。其思路是围绕生产、设备、质量、仓储和仿真等不同业务角色构建智能体，再通过角色记忆、知识库和多智能体编排打造如厂长数字人等数字人角色，通过一体化平台底座完成业务协作。

在卡奥斯创智物联胶州互联工厂，针对APS排产，产品团队选择自动化程度较高、工艺路线相对丰富但排产约束相对较少的场景作为切入口，再将计划、排产人员脑海中的经验提炼出来，形成可供智能体调用的规则和决策依据。

在此基础上，柔性排/换产智能体先给出方案建议；当计划确定后，柔性换产智能体进一步协同物料准备、仓储设备调度和工艺参数切换。王忠岩介绍，按照企业测算，这套协同机制，在卡奥斯创智物联胶州互联工厂每年预计可以节省约400个班次。

圆桌讨论中，东芝电梯IT负责人朱惠中、万和新电气CIO田群佟、思谋科技AI产品总监刘凯三位嘉宾进一步把问题落到了企业预算和实际业务上。

对于AI技术服务商而言，规模化交付同样是绕不开的问题。思谋科技AI产品总监刘凯介绍，工业视觉项目过去需要经历需求对接、数据采集、人工标注、算法训练、软件开发和现场实施多个环节，交付过程中对算法工程师、软件工程师和实施人员依赖较高。

思谋正在尝试把原本为人设计的拖拽式算法工具、软件控件转化为MCP、Skill和CLI等可供大模型调用的工具，再结合稳定组件，让Agent理解需求、调用工具并生成应用。刘凯强调，工业软件与普通代码生成不同，关键在于结果必须可控、稳定，不能只追求生成速度。

这套方法目前先在内部验证，再逐步产品化。它所试图改变的，不只是一个视觉检测算法，而是工业AI项目从需求到交付的生产方式。

在互动环节，对于现场观众关心的中小企业该如何抓住AI应用机会。嘉宾们也给出了自己的建议，包括：

优先选择试错成本低、能够快速见效的场景，以实际效果建立组织信心，而不是一开始就追求复杂系统。

可以从重复性高、文本处理为主的工作入手。例如研发需求评审中，多轮会议和需求Review之间存在大量沟通整理工作，可以尝试由不同Agent进行初步交互，再由业务负责人确认关键节点。

有些项目未必能直接体现出清晰的财务回报，但如果企业本身存在工程师短缺、业务响应速度不足等资源瓶颈，AI能够缓解这一瓶颈，同样具有投入价值。

讨论没有给出统一答案，但制造业AI的投资逻辑正在变得清晰。

企业首先要判断，当前真正的瓶颈究竟是什么：数据不完整、系统未打通、流程不合理，还是专业人员短缺？

如果缺少统一的数据和设备接口，一个场景很难复制到另一座工厂；如果流程和责任没有改变，个人提效也难以转化为组织效率；如果业务问题本身不够明确，再多智能体也无法形成价值闭环。

围绕AI如何进入制造流程、如何衡量真实价值，以及人与智能体如何重新分工，虎嗅智库将继续通过「502线上同行」与产业一线实践者展开交流。

如您有AI应用案例希望自荐分享，或是对AI在产业端的落地实践有交流意向，可添加小虎哥咨询，获取后续深度内容及活动的一手信息。

502线上同行：

以线上闭门研讨形式，汇聚CEO、CIO、CTO等头部企业AI决策者及落地业务负责人、技术解决方案专家，围绕关键场景案例展开深度碰撞，直击落地真问题。每期报名审核参与，已举办63期，累计触达超3000位核心实践者。

虎嗅智库：

是围绕 AI 产业落地的「行业判断与共识形成平台」，通过长期运行的案例研究、场景拆解与闭门研讨，帮助产业及企业决策者在 AI 关键选择上看清边界、规避误判、降低试错成本。已沉淀超200份深度研究，覆盖制造、零售、金融、医疗等核心赛道。