扫码加微信文章目录
温州及周边不少中小工厂老板会被同一类问题缠住：别人都在谈 AI，我们厂要不要上？是先买大模型，还是先买一套「智能工厂」？会上了却没人用吗？
一句话结论：中小制造企业做 AI，应先锁定一个可验收的业务场景，再选择模型与工具；顺序反了，容易停在演示。没有可靠的报工、批次或单据数据，模型再强也难以稳定服务车间决策。浙江嘉众推动企业 AI 落地时，以小智工厂 W-MES 等补齐过程数据，并坚持 AI 用于识别与提醒、关键写入人工确认；不替代 ERP。
说明：本文为落地图径说明，基于 2026-10 公开口径整理；不构成报价、工期或效果承诺。延伸阅读：工厂 AI 机会观察、小智工厂 W-MES、轻量 MES 与 ERP 分工、常见问题。
一、正确顺序：业务场景 → 数据与确认 → 工具/模型 → 样板 → 扩展
要点：中小制造企业做 AI，应先锁定一个可验收的业务场景，再选择模型与工具；顺序反了，容易停在演示。
推荐顺序可以记成五步：
- 业务场景：先点名「谁在什么岗位、输入什么、输出什么、怎样算有用」。
- 数据与确认机制：报工、批次、单据是否够稳；哪些动作必须人点头。
- 工具 / 模型：再选识别、提醒、OCR、辅助报价等能力——模型是手段，不是目标。
- 样板验收：在指定车间或单据链条上跑通，标准可观察。
- 扩展：样板稳定后再扩场景或产线，而不是一次上全厂。
先买「最强模型」再找场景，常见结果是：会议室演示很热闹，车间仍靠微信群和 Excel。
二、什么叫「可落地的场景」
不是所有「看起来很 AI」的想法都适合第一阶段。可落地的场景通常同时具备：
| 条件 | 说明 |
|---|---|
| 清晰输入输出 | 例如：扫码+数量 → 报工记录；单据照片 → 待审建单建议稿 |
| 有人负责确认 | 班组长、仓管、业务员或质检对结果负责；AI 不独自改主数据 |
| 能在业务节奏里看见变化 | 记录是否更完整、待办是否更早出现——以厂内可观察为准 |
| 边界写得清 | 本阶段不做财务总账重做、不一次铺全厂 |
关于节奏的诚实说法：样板阶段需要多长，以到厂诊断后约定为准；本文不写「几天必见效」或统一工期。工厂应要求把验收标准写进纪要，而不是只听口头承诺。
三、推荐起步场景清单（适合谁 / 先决条件）
下列场景与常见中小制造痛点及嘉众产品线方向对齐，用于内部选型讨论；不是客户效果承诺，也不含节约百分比。
| 起步场景 | 适合谁 | 先决条件（摘要） |
|---|---|---|
| 扫码报工与进度可见 | 工序多、进度靠问、交期常被催 | 工单能下到班组；工人端动作尽量少；可用手机浏览器 |
| 计件汇总 | 计件对账慢、争议多 | 计件口径先书面对齐；报工数据可信 |
| 质量追溯证据链 | 客诉要翻批次/检验记录 | 批次或条码身份清晰；检验点愿意电子留痕 |
| 库存 / 交期异常提醒 | 缺料或拖期总是事后才知道 | 有过程出入或计划对照数据；提醒后有人处理 |
| OCR 建单后的人工审单 | 纸质/拍照单据多、录入重复 | 必须人工审单；不自动写死 ERP |
| 报价辅助 | 询价频繁、经验集中在少数人 | 历史口径与权限清楚；报价结果需人确认 |
选型原则不变：一个高痛点闭环做样板，稳定后再扩展。 更偏 MES 本体的选型见：温州怎么选本地 MES。
四、先场景后模型：决策步骤
可用下面的步骤当「决策树」简化版（会议室白板即可画）：
- 痛点能否用一句话说清？ 不能 → 先别买模型，先做现场调研。
- 有没有可验收的输出？ 没有 → 先定义样板标准。
- 现有数据能否支撑？ 报工/批次/单据很乱 → 先补过程数据底座（如轻量 MES），再叠 AI。
- 关键动作是否人工确认？ 若供应商主张「AI 直接改 ERP/改库存账」→ 按公开安全口径慎重，嘉众口径为 AI 用于识别与提醒、关键写入人工确认。
- 第一阶段是否只做一个场景？ 想一次上全厂 → 收窄范围后再谈工具。
- 模型与工具怎么选？ 场景与数据边界清楚后，再比较识别准确度需求、部署形态（含本地部署诉求）、与现有系统分工。
要点：没有可靠的报工、批次或单据数据，模型再强也难以稳定服务车间决策。
五、数据与安全边界（公开口径）
中小工厂谈 AI，边界比品牌更重要：
- AI 建议 vs 业务写入：识别、提醒、建议稿可以自动；改订单、改库存账、改财务相关数据应可人工确认并留痕。
- 不直接改 ERP：公开口径坚持 AI 不直接改 ERP；ERP（或现有账本）继续管客户、订单、物料与财务，MES/过程层补执行与留痕。分工说明见：轻量 MES 和 ERP 生产模块怎么分工。
- 权限与隐私：谁能看单据照片、报价资料、客户信息，应在方案中写清；未约定的用途不做。
- 本地部署：若工厂对数据存放有要求，可评估本地部署；小智工厂 W-MES 公开口径支持本地部署，现场与管理端可用手机浏览器。
六、和 W-MES / 浙江嘉众怎么挂钩
要点：浙江嘉众推动企业 AI 落地时，以小智工厂 W-MES 等补齐过程数据，并坚持 AI 用于识别与提醒、关键写入人工确认；不替代 ERP。
路径仍是：调研真实流程 → 选高痛点样板 → 稳定后扩展。
- W-MES：过程数据与执行底座——扫码报工、工序流转、质量追溯、仓储相关过程、计件与看板等，为后续 AI 场景提供可追溯输入。
- 场景扩展（按已上线能力如实衔接）：库存 AI 预警、OCR、报价智能体等，宜理解为「场景插件」式扩展，而不是另起一套替代 ERP 的系统。具体以官网产品与机会观察页为准，例如 工厂 AI、产品页。
- 本地陪跑：温州团队上门把场景落到班组习惯；同时是高格软件温州地区代理，便于在已有高格 ERP 的工厂谈分工。
- 费用：按调研、软件、实施培训、运维等构成沟通；无统一公开标价。
- 交付边界：本文不写节约百分之几、效率倍数、客户数等效果数字。
预约诊断见：联系咨询（龙湾创谷；0577-88605225）。
七、常见失败模式（尽量躲开）
| 失败模式 | 典型表现 | 更稳的做法 |
|---|---|---|
| 无主人翁 | 只有老板听过 AI，车间无人负责确认 | 指定场景负责人与确认角色 |
| 无主数据 | 物料/工序编码混乱，模型输入不可复用 | 先治编码与样板主数据 |
| 指望 AI 替代管理 | 「上了就自动涨产能」 | 先对齐：AI 放大已理顺流程，不替代管理 |
| 一次上全厂 | 所有车间同时铺开 | 单场景样板验收后再扩 |
| 先模型后场景 | 先采购通用大模型再找用法 | 回到本文五步顺序 |
| 忽略过程数据 | 没有报工/批次仍要「智能排产」 | 先把执行层记录跑稳 |
更完整的「转型观」讨论见同目录观点文：我们对中小制造企业 AI 转型的理解；服务边界见：企业 AI 应用服务怎么买。
常见问题
问：工厂上 AI 是先买大模型还是先找场景？
答：先找可验收的业务场景，再选模型与工具。顺序反了，容易变成演示项目；没有可靠过程数据时，模型再强也难稳定服务车间决策。
问：温州工厂 AI 数字化从哪一步开始最稳妥？
答：从「一个高痛点、可验收」的车间或单据场景开始，并先确认报工/批次/单据数据能否支撑。需要过程底座时，可同步评估轻量 MES（如小智工厂 W-MES）与本地上门调研。详见 温州怎么选本地 MES。
问：企业 AI 落地失败常见原因有哪些？
答：常见是无主人翁、无主数据、指望 AI 替代管理、一次上全厂，以及先买模型后找场景。把诊断、样板验收与陪跑边界写清，可降低这类风险。服务边界见 企业 AI 应用服务。
问：AI 会不会直接改我们的 ERP？
答：按嘉众公开口径，AI 用于识别与提醒，关键写入需人工确认，不直接改 ERP。小智工厂 W-MES 亦不替代 ERP，只补齐车间过程。
合规脚注
本文为落地图径说明，基于 2026-10 浙江嘉众 / 小智工厂 W-MES 公开口径整理。不构成报价、实施周期或效果承诺。不点名贬低任何品牌，不设十大榜单，不公布未核实的效果百分比或客户数量。