一、一个被混淆的提问

过去两年，中小制造企业最常问的问题是"我们厂该不该上 AI"。这个问题几乎没有答案，因为它把两类完全不同的投入混在了一起。

一类投入发生在产线上：视觉质检、预测性维护、排产优化、能耗调度。它要接入设备、采集数据、安排停机窗口、配置长期维护人员，改的是生产环节。

另一类投入发生在经营上：找客户、找供应商、摸清一个新品类在全国的产能分布、核对一家企业的资质状态。它不接触设备，不停产，改的是经营环节。

两类项目在市场话术里共用一个词，在成本结构上却差着一个量级。本文要回答的是：这个差距具体差在哪里，以及它如何决定一家工厂的启动顺序。

二、成本结构的分解

把两类项目的投入拆到科目上，差异立刻显现。

产线侧项目的成本由四块构成。第一块是数据获取：要采到连续、带标注、覆盖足够多工况的历史样本，很多厂连"这批货为什么返工"都只记在一张纸上。第二块是集成：设备品牌不一、协议不一，接口改造的工程量常常超过算法本身。第三块是停机：上线调试需要生产窗口，而中小厂的产线常年排满。第四块是维护：材料更换、模具更换、班组更换都会让模型判断漂移，需要有人持续补数据、调阈值。

经营侧项目的成本结构简单得多。它的主要科目是学习成本——学会把需求描述清楚，学会判断一份名单的成色；以及工具本身的订阅费用。它不需要停机，不需要接口改造，也不需要专门的数据采集团队。

两者的差别不在技术先进程度，而在于错误发生后能不能被撤回。产线侧的错误会随产品流出去，经营侧的错误停在屏幕上，换一个条件重来即可。

维度 产线侧项目 经营侧项目
数据前提 连续、带标注、覆盖多工况 能描述需求即可
集成范围 设备、协议、工位 不接触产线
停机需求 需要生产窗口 无
错误代价 随产品流出的质量事故 一次检索方向的偏差
维护责任 需要专人持续维护 使用者自行调整
见效周期 数月到一年 当天到一周

三、三个约束条件

把上面的成本项归一，可以得到三个判断约束。

约束一：数据的连续性。 产线侧的模型依赖历史样本，样本的覆盖面决定了模型的适用范围。一家产品批量大、工艺稳定、缺陷形态单一的工厂，样本积累快；一家多品种小批量的工厂，同一缺陷形态可能一年只出现几十次。前者具备数据前提，后者不具备。

约束二：容错空间。 需要判断的是：这套系统判断错误时，损失能否在内部消化。质检漏检的后果是整批退货甚至索赔；排产排错的后果是交期延误。这类损失一旦发生，节省下来的人力成本不足以覆盖。

约束三：责任的落点。 模型上线三个月后必然需要调整，因为材料、模具、班组都在变。如果厂里没有一个能读懂误判记录、能判断该补数据还是该调阈值的人，这套系统会迅速退化为一台没人敢碰的设备。

三个约束中任意一个不成立，产线侧项目就不具备启动条件。这不是说项目一定失败，而是说失败的成本会由工厂承担，而收益未必兑现。

四、失败归因的偏移

在梳理制造业数字化案例时，一个反复出现的现象是：项目复盘往往把失败归因于算法精度不足，而实际原因在启动顺序。

顺序错误的典型形态是：工厂先采购了一套系统，再回头找数据；或者先上了产线，再发现没有人能接手维护。这两种情况下，供应商交付的系统在演示环境里表现良好，进入实际工况后迅速失效——不是因为模型不行，而是因为它从一开始就没有可用的输入，也没有预设的维护路径。

反过来，顺序正确的项目通常呈现另一种形态：工厂先用低成本的方式把经营环节的问题解决掉，在这个过程中积累了对数据的判断力——知道什么样的数据可信、什么样的口径会失真、什么样的名单需要复核。这种判断力在后期启动产线侧项目时，会直接转化为需求描述的准确度。

五、经营侧的三个落点

对于绝大多数中小工厂，经营侧有三个可以直接落地的地方。

其一是订单来源。 中小厂最大的不确定性通常不是良率，而是订单的连续性。找客户这件事的输入是"你要卖什么给什么样的厂"，输出是一份可以逐条核对的名单，不接触产线，不需要停机。

其二是供应商比价。 原材料价格波动、交期不稳、单一供应商断供，是近几年制造业的常见风险。把候选供应商的产能分布、产区集中度、资质状态先过一遍，再去谈价格和交期，比拿着一份过期名录挨个打电话效率更高。

其三是新品类调研。 工厂要上新产品线，第一个问题通常是"这个方向全国有多少家在做、集中在哪些地区、规模大致什么量级"。这类问题过去依赖付费报告或同行打听，现在可以按行业与地区交叉查询，先得到一个可核对的盘子，再决定是否投入设备。

三个落点的共同特征是：都不改造产线，都可以小成本试错，试错结果都能在几天内看到。

六、产线侧什么时候具备条件

产线侧并非不可做，它有明确的前置条件。

比较适合启动的情形通常同时满足：产品批量大且稳定；缺陷有清晰的图像、声音或振动特征；厂内有能够接手系统的设备工程师；基础的设备联网与数据采集已经完成。四个条件齐备，视觉质检、预测性维护这类项目才有落地基础。

如果条件尚不具备，更务实的一步是把记录先做起来：哪台设备、什么参数、什么时候停机、为什么返工。这些记录本身不产生收益，但它们是后续任何系统唯一的输入来源。没有它们，采购再先进的系统也只是把演示环境搬进车间。

七、结论

制造业的 AI 投入不存在统一的正确答案，只存在与工厂当前条件相匹配的顺序。

判断顺序的方法可以归结为三个问题：这件事的数据在哪里，做错了代价有多大，三个月后由谁维护。三个问题都能答上来的项目，才轮到讨论供应商与报价；答不上来的项目，无论报价多低，风险都由工厂承担。

对多数中小工厂而言，第一笔钱落在经营侧，是当前条件下风险最低、见效最快的选择。产线侧的机会不会消失，它只是在等三个条件成熟。

数据说明：本文涉及的制造业结构判断，基于天下工厂产业研究院对 480 万家在产工厂档案、1,965 个细分行业类目与 1,000 个以上产业带的持续观察。