70%工厂上了系统却用不起来，问题出在哪

最近跟一个年营收20亿的注塑厂老板聊天，他说了句让我愣住的话："我们MES上了三年，ERP换了两次，花了几百万，结果产线数据还是靠人抄。"

他不是个例。2025年Q2一项制造业数字化调研显示，超70%的工厂上了信息系统，数据依然散在十几个孤岛里。

老板们觉得买套系统就数字化了。但系统之间不打通，数据就像锁在不同房间里的文件柜——有钥匙的人进不去，进得去的人看不懂。

工业AI现在火得一塌糊涂。大模型私有化部署、工厂知识库、产线智能体，概念一个比一个炫。但说实话，数据没打通之前，所有AI方案都是空中楼阁。

数据孤岛到底堵在哪

我去过四十多家工厂现场，见得最多的场景是这样的：

注塑机的参数锁在设备厂商的软件里，导出要付费。MES记录了产量和报修，但跟设备的实时参数对不上。ERP管着订单和物料，但不知道产线此刻在做什么。质检数据在另一套系统里，跟返工记录又脱节。

每套系统都是一个"竖井"。竖井内部数据齐全，竖井之间全靠人工Excel搬运。

有个做汽车零部件的厂长给我看他的桌面——17个Excel文件，每天早上花一个半小时把各系统数据手动汇总。他说："我上了数字化，结果比以前更忙了。"

▎ 系统买了不少，数据没流起来，数字化就只是把纸上的字搬到了屏幕上。

真正的问题不是系统不够多，是系统之间没有"共同语言"。设备的协议、MES的接口、ERP的数据结构，每套都不一样。想让它们对话，需要有人蹲在现场，一台设备一台设备地摸清楚数据怎么流转。

为什么大模型解决不了这个问题

很多人觉得，上了大模型就万事大吉。它不是能理解所有数据吗？

理论上是的。但现实中，大模型能理解的是"喂给它"的数据，而你的数据根本喂不进去。

工厂里常见的数据形态：设备跑的私有协议（Modbus、OPC UA、厂商定制），纸质检验报告扫描件，老师傅脑子里的经验参数，Excel里记的排产计划。这些数据没有统一格式、没有标准接口、甚至没有数字化。

大模型需要结构化的输入。你给它一堆PDF扫描件和私有协议数据流，它也读不懂。

我见过一家工厂花了大价钱部署工业大模型，结果只接了MES的结构化数据。模型能回答"今天产量多少"，但回答不了"为什么3号机昨天良品率掉了5%"——因为良品率关联的设备参数、质检记录、物料批次数据散在三个系统里，模型根本看不到。

AI不是万能钥匙，它只是一个特别聪明的分析引擎。但引擎要烧油，油就是打通的数据。

驻场打通数据，才是AI落地的第一公里

我们在凡达恩做了20年制造业IT，最深的感受就一条：工业AI落地，70%的功夫在数据层，30%在模型层。

具体怎么做？不是再买一套"数据中台"——那只会多一个孤岛。正确的方式是驻场，人扎到产线上去：

第一步，摸底。工程师蹲在车间两周，把每一台设备、每一套系统的数据源、协议、格式、更新频率全部摸清楚。画出数据流转图，标出断点在哪。

第二步，搭管道。不搞大而全的平台，就用轻量级网关把关键设备的数据先采上来。Modbus转MQTT，OPC UA直连，纸质报告OCR数字化。重点是让数据"动起来"。

第三步，建索引。数据采上来之后，按设备、产线、批次、时间四个维度建索引。这一步是大模型能理解的前提——有了结构化的索引，大模型才能把设备参数、质检结果、排产计划关联起来。

第四步，喂模型。数据管道通了，索引建好了，再把大模型接上来。这时候模型能回答的就不是"产量多少"，而是"3号机良品率为什么掉了"——因为它能看到设备参数、质检记录、物料批次的全链路数据。

有个做精密铸造的客户，之前上了两轮数字化都没成功。我们团队驻场三个月，先把12台设备的参数通道打通，再把质检报告OCR数字化，最后才接大模型。结果模型上线第一周，就发现2号炉的温度曲线跟良品率有强关联——这个发现以前靠老师傅的经验，现在数据自己说话了。

最后说一句

工业AI这件事，风口很热，概念很多。但真正在产线上跑起来的人都知道，最难的不是模型，是数据。

系统不打通，大模型就是个昂贵的问答机器人。数据流起来，它才是真正的生产力。

如果你也在为"上了系统用不起来"发愁，别急着买AI方案。先问自己一个问题：我的数据，流起来了吗？