工业AI落地别踩坑:工博会看完,回工厂该问的3个问题

by 凡达恩FDE


展会上方案再炫,回到自己车间,工业AI落地要回答的还是那三个问题:数据够不够、人要不要到场、这笔账怎么算。

10月12日到16日,2026中国国际工业博览会在上海举行;同期,10月14日到16日,2026人工智能产业大会在济南召开。一个在上海,一个在济南,两场会隔着一千多公里,讲的却是同一件事:工业AI,正在从"能不能做"走向"能不能用好"。

上海的展馆里,西门子、三菱电机、施耐德电气、欧姆龙、海康威视、TDK 等厂商,把AI能力嵌进了具体的产品和场景;济南的大会上,华为、浪潮、阿里、腾讯,和海尔、山东重工、日照钢铁等制造企业坐在一起,讨论的是"AI+高价值场景"。

但对一家工厂来说,热闹是别人的。真正要回答的,是下面三个问题。

01今年的工博会和AI产业大会,工业AI在讲什么?

先说三个真实趋势,不吹概念。

趋势一:工业大模型,开始"搬回厂里"。 过去大模型基本都在云端,现在越来越多企业选择工业大模型私有化部署。鲁南制药的做法很有代表性:2025年3月投入334万元购置4台算力服务器,建成总算力11.6 PFLOPS 的自有智算中心,把自研的"鲁南智擎"大模型平台部署在厂内,数据底座来自集团信息中心30多年的积累。算力自主,数据才不外流。

趋势二:AI从"一个功能"变成"一位数字员工"。 不再是买套软件多个按钮,而是把智能体当成新同事来用。鲁南制药目前上线100余款智能体、落地场景超200项;海康威视则主打"一句话完成巡厂、能耗复盘"的云眸智能体。

趋势三:物联感知+AI,从"看得清"到"看得透"。 海康威视这次带了100余款场景数字化产品、发布十余款新品,其中超声无损检测在新能源汽车零部件检测上,缺陷识别准确率≥99.5%、漏检率≤0.5%。

三个趋势指向同一个判断:技术供给已经足够丰富了,接下来拼的是工业AI落地。 而落地这件事,得工厂自己回答三个问题。

02落地第一问:工厂的数据,够喂模型吗?

这是最容易被忽略、也最容易卡死的一关。

展台上的方案演示,用的都是干净、规整、标注好的样板数据。但真实工厂的数据是什么样?设备来自不同年代、不同品牌,协议不统一;关键工序的数据有的没采,采了的又分散在好几个系统里,格式各不相同。

有意思的是,这话不是外部专家说的,是鲁南制药自己在大会上坦言的困难之一:高质量专业数据获取困难——企业内部数据分散在多系统、标准不统一,优质公开数据集稀缺。

一家愿意投入334万元建智算中心的企业,尚且把"数据"列进头号难题。对大多数中小工厂来说,工厂数字化的第一步,往往不是买模型,而是先把数据底子补起来。

所以第一问很朴素:关键工序的实时数据采到了吗?能不能稳定上传?跨设备的时间戳对得齐吗?

这一关不过,再好的模型也是"巧妇难为无米之炊"。反过来,如果数据底子还过得去,那就已经跑赢了不少同行。

💡 一句实话

很多工厂不是缺AI,是缺"能喂给AI的数据"。上模型之前,先把数据管道打通,这笔钱花得比买模型值。

03落地第二问:为什么工业AI必须有人到现场?

现在流行"远程交付"——方案云端部署、线上培训、出问题远程连上去看。这套方式在软件行业可行,但放到产线上,往往不够。

原因有三个,都很现实。

其一,现场的"隐知识"传不出来。 鲁南制药的车间班长讲过一句很实在的话:以前提取过程中蒸汽压力怎么控制,全靠老师傅经验,而培养一个老师傅要五到十年。这些经验不在文档里,只在人脑子里——不站到设备旁边,你根本不知道要采集哪些参数、哪些动作属于"经验动作"。

其二,故障不会按剧本出现。 产线上的异常往往是组合式的:某个传感器漂移、某段工艺参数波动、某个班组的操作习惯叠加在一起。远程看日志只能看到"现象",要定位"原因",必须到现场。

其三,工人用不用,决定方案死不死。 一个预警模型如果只躺在后台日志里,工人不看、也不知道怎么处理,等于没上。把模型的输出变成工人一眼能懂的提示(声音、灯、看板),这件事只能在现场一点点调。

凡达恩FDE在制造现场做落地时,反复验证的一个判断是:工业AI不是"交付一套软件",而是"陪产线跑通一段流程"。 模型部署完成那天,其实只是项目的中场。

04落地第三问:这笔投入,到底怎么算回本?

第三个问题最实际:钱花下去,多久能回来?

工博会期间,中国工业互联网研究院和京东工业联合发布了《AI赋能企业价值量化评估研究》,提出"业务改善识别→价值折算→AI贡献归因→净价值核算"的四步路径,这是方法论层面的进展。

而鲁南制药的实践,给了我们一本可以对着看的账本:

把这张表翻译成一句话:AI的价值不是"效率提升"四个字,而是一串能被记录、能被核算的数字。

但账本的另一面也得看。鲁南制药同时坦言了另外两个难处:一是算力扩容成本压力突出,GPU设备价格居高不下、供需紧张,企业自主扩容面临"回报周期长、技术迭代快"的现实挑战;二是数据难题(前面第一问已经说过)。

这就是制造业AI落地的真实处境:收益是真的,成本也是真的。 算账的时候,两头都得算。

⚠ 提醒

评估回报时别只算"省了几个人"。算力与硬件投入、数据治理成本、实施与培训成本,以及此后每年的运维和模型迭代成本,都要算进分母。

05先做知识库,还是先做产线数字化?

最后一个问题,也是最多工厂纠结的:手头预算有限,第一步该往哪儿投?

给一个简版推进顺序,按"见效快慢"排:

为什么知识库要往后放?不是它不重要,而是知识库的价值高度依赖前面两步。数据没通、场景没跑通,知识库建起来也只是个"没人用的文档库"。反过来,如果数据底子好、单点已经见效,再往上叠知识库和智能体,就是顺水推舟。

展会年年都有,方案一年比一年多。但对一家工厂来说,判断标准其实从没变过:它能不能解决我车间里的具体问题,能不能算得清这笔账。

工业AI落地,拼的从来不是谁先买了最贵的模型,而是谁先把自己的数据、场景和账本理清楚。

凡达恩FDE做的事,就是陪工厂把这些理清楚——从数据管道到场景选择,从驻场实施到价值核算。如果你也在评估自己的工厂该怎么走这一步,欢迎来聊聊。


Deal Onsite, Deliver Real Value


扎根现场,产出实效


参考资料
  • 人民网山东频道《一粒药里的"AI生产力"》(2026-10-15)
  • 临沂市人民政府网《从研发到生产,从营销到管理,看鲁南制药集团的智能化转型实践》
  • 新浪财经《鲁南制药的全链条AI实验|山东人工智能垂域大模型系列报道》(2026-10-15)
  • 新华网山东频道《找赛道扬优势 山东聚焦垂直领域大模型"破圈"领跑》(2026-10-14)
  • e-works数字化企业网《2026中国工博会今日启幕:三大主线勾勒工业向新提质新图景》
  • 中证网《海康威视亮相2026工博会 AI大模型加速工业场景数字化》(2026-10-12)
  • 济南宣传网《2026人工智能产业大会在济南拉开帷幕》

如果觉得有用,欢迎分享给更多人 🎉


- END -