关于制造业 AI，公开讨论和真实进度之间一直有落差。听感上像是每条产线都在被AI重做，但把2026年的落地情况铺开看，这条赛道其实分成了两层：少数头部工厂已经把AI推理放进生产环节、每天在用，多数中小厂还停在评估或试点。 决定分层的不是有没有装摄像头、上传感器，而是两件更基础的事 ——数据能不能打通，要解决的业务问题够不够具体。

第一个转折：从 “要不要上”到“已经在产线上跑”

2025年之前，制造业AI大多停在演示和汇报层面。之后的变化是，头部企业开始把AI推理接进设备监控、质检、预测性维护、生产排程这些核心环节——这一步跨过去，行业才算真正从概念验证走向规模化应用。

头部工厂正在跑的四类场景

● 富士康 Fii Cloud：郑州、成都两地工厂把设备状态监控和良品率预测放到AI推理层，产线摄像头的缺陷识别，从人工抽检的几小时一轮变成实时触发。

● 美的：顺德工厂用机器视觉顶替了一部分人工质检岗，再叠加能耗调度模型压生产能耗，官方口径是 2024年整体运营效率提升超过10%。

● 三一重工与树根互联：把挖掘机等工程机械的传感器数据回传云端模型，提前算故障概率、压减计划外停机；树根互联的平台现在也对外做纺织、电力、汽车零部件。

● 海尔 COSMOPlat：底子是工业互联网平台，AI层主攻大规模定制，把用户需求、设计、生产、物流串成一条链，重点做需求预测和排程优化。

四家能跑起来的前提是共通的：有自建技术团队、数据积累到位、扛得住三到五年的持续投入。 这三条，恰好是多数中小制造企业当前都欠缺的。

供应商大致分四条路线

● 工业互联网平台路线：树根互联、海尔 COSMOPlat、徐工汉云、航天云网，面向大型装备和重工业，核心是工业数据平台加AI推理。

● 机器视觉单点路线：商汤、海康威视、旷视，在外观质检这个点上扎得最深，汽车零部件、电子、食品包装都有落地案例。

● 流程自动化加 AI路线：金智维在制造业主要做流程型和数据处理型场景，把金融、政务积累下来的合规和稳定性能力迁移到跨系统打通、数据协同上；在系统孤岛严重、流程杂乱的工厂里，K-RPA非侵入式部署省去大改造，50多项信创认证对国有制造企业也是硬需求，不是加分项。

● 国际厂商：西门子把生成式 AI接进TIA Portal，工程师用自然语言就能生成PLC代码，在汽车和精密制造有真实落地，罗克韦尔也在做类似布局；但这类方案对本土中小厂普遍偏贵，信创适配基本空白，这也是它们难以下沉到国内中小工厂的主因。

中小厂卡住的三道坎

● 数据没采出来：不少工厂连 PLC数据都还没结构化，更谈不上喂给模型。

● 系统各自为政： ERP、MES、WMS互不相通，数据对不齐，智能体想做决策也无从下手。

● 问题没想清楚： “我要上AI”是口号不是需求，没有对标指标的项目，大概率止步于试点。

给一线工人的几条建议

AI和自动化确实是提质增效的工具，也会挤掉大量重复性流水线岗位，但把工人整体替掉的概率不高。产线更现实的走向是人机分工：机器接标准化的重复作业，人转向设备管控、异常处理、工艺调试这类需要判断的活。

● 先把设备操作、调试和简单故障维修学扎实，做机器的管理者，而不是被管理者。

● 攒工艺经验、质量判断和异常处置能力，这部分 AI和自动化最难替代。

● 主动了解产线自动化设备的基本原理，跟上车间的升级节奏。

● 手里始终留一门能迁移的技能，别被单一重复工序困住。

不要和机器比拼重复劳动，把精力放到机器做不了的事情上。