智能工厂相关政策和制造业 AI 产品趋势都在传递同一个信号：数字化建设不能只停留在软件清单、系统截图和口号描述上，真正需要被核验的是业务过程有没有留下证据。

对温州中小制造企业来说，申报、验收或做内部数字化升级前，建议先盘点六类基础证据。

第一，订单到工单的证据。客户订单、生产计划、工单拆分、工序流转和异常调整要能对应起来。否则系统看起来已经上线，现场仍然无法说明一张订单为什么延期、改了几次、卡在哪个环节。

第二，物料和库存的证据。采购、入库、领料、退料、盘点、呆滞和批次记录要能串联。尤其是眼镜、五金、电气配件、注塑加工等多品种小批量场景，库存数字不能只看余额，还要看订单占用、在制流转和异常处置。

第三，质量追溯的证据。质检记录、缺陷类型、责任环节、复检结果和处理意见要能回到工单、批次或供应商。AI 视觉检测可以作为质量数据入口，但不能替代人工复核、原因分析和处置闭环。

第四，设备和人员的证据。设备状态、关键参数、人工报工、计件数据、维修记录和停机原因要能形成现场台账。对于中小工厂，先把关键设备或关键工序跑通，比一次性追求全厂设备联网更稳妥。

第五，委外和供应链协同的证据。外协发出、回厂、检验、补料、返工和结算依据要留痕。眼镜行业常见的打样、配件、表面处理、电镀或外协加工，更需要把委外过程纳入统一的业务证据链。

第六，AI 应用的边界证据。AI 可以辅助识别异常、整理资料、生成排程建议或提示风险，但最终业务决策仍应由人员确认。企业应保留 AI 建议、人工确认、修改原因和执行结果，避免把 AI 结果当成不可追溯的自动决策。

W-MES 的建议是：先做数字化证据与流程诊断，明确哪些数据已经可用，哪些环节只有人工口径，哪些字段需要补采集或补流程。然后选择一个可验证的场景做小范围试点，例如计件工资核算、质量追溯、库存预警、工单报工或委外协同。

这类诊断不承诺申报结果，也不替代政府主管部门、专业咨询机构或企业内部合规审核。它的价值在于把工厂现有业务、系统数据和管理目标对齐，形成后续 ERP/MES、AI 应用和智能工厂材料准备的基础。