LEARNING REVIEW
当 AI 走进工厂，会聊天远远不够。它还要读懂图纸、调用公式、核算成本，最后输出一张能直接下料的 CAD 图。
星阙 AI 学习分享会
本期看点
① 制造业 AI 为什么难以直接套用大模型
② 老师傅的经验如何转成企业规则
③ 三个真实案例展示落地路径
9 月 10 日，一场聚焦 AI 在制造业智能设计中的落地实践的学习分享会顺利举行。本次分享由长期深耕工程制造领域的潘老师主讲。现场来了制造业从业者、企业咨询顾问、AI 讲师和软件开发者。大家带着各自的项目和问题坐到一起，从智能设计一直聊到报价、入库、质检和企业内部推广。
分享会现场：从真实制造业问题出发，讨论 AI 落地路径
01CHALLENGE
### 从一个制造业难题开始
很多小型加工厂有设备、有产能，却养不起完整的设计团队。它们拿到项目后，往往无法独立完成选型、设计和报价，只能承接拆分后的加工环节，利润薄，还要承受垫资压力。
中型制造企业遇到的又是另一种麻烦。产品线往往高度依赖技术负责人和老师傅。他们知道某个安全系数怎么取，知道某道工艺在自家车间里为什么必须留出额外余量。这些经验常常没有写进手册，人一旦离开，一条产品线都可能陷入停滞。
销售端同样在等。投标文件和图纸到了，业务人员不懂技术核价，只能排队等工程师。晚上和周末没人响应，报价慢一步，订单也许就少一个。
潘老师将这些现实问题归结得很直接。
「小企业养不起，中型企业留不住，市场端又等不起。」
现场方案展示：去粗取精，让隐性经验变得可调用、可追溯
02BOUNDARY
### 制造业不能把答案交给概率
有人曾尝试把一本一千多页的机械设计手册直接上传给大模型，希望它完成弹簧设计。结果可想而知。扫描件里的图纸、标注和表格容易错位，一个参数识别错误，后面的计算都会跟着偏离。
大模型给出的是概率性答案，工业设计却要求确定性。一就是一，零点五就是零点五。尺寸或下料量出错，损失会直接出现在生产现场。
这也是本次分享最重要的一个认识。AI 在制造业里不能自由发挥，它需要在清晰的工作流程中调用确定的公式、规范和数据。
团队需要先把产品设计拆成足够小的步骤，再把表格、参数、安全系数和规范公式改写为可调用的函数与结构化数据。AI 负责理解输入、判断流程和调用工具，关键的计算交给经过验证的刚性代码。每一步输出都应显示所使用的国标、公式和参数，最后再由工程师审核。
03EXPERIENCE
### 把老师傅的经验留在企业里
现场分享了一个很具体的例子。某项工艺按照规范只要取值大于等于四就可以，老师傅却一直坚持取十。单看手册，这似乎是在浪费材料。走进车间后才会知道，受限于现有工艺条件，数值低于十时模具就可能开裂。
这类经验无法从通用手册里检索出来。项目团队必须与技术负责人、老工程师和一线师傅反复核对，搞清每个选值背后的条件，然后把它写进规则。这个过程才能将 隐性经验变成企业可复用的技术资产。
这也说明，制造业 AI 项目的门槛不仅在代码。项目组需要同时拥有业务沟通、工艺设计和后端开发能力。完全不懂图纸和工艺的软件团队，很难对安全红线作出准确判断。
案例讲解：工业品检测报告如何走向 AI 审核与问题追溯
04CASES
### 三个案例让落地变得具体
分享会上，潘老师展示了团队已经推进的三类产品。
智能设计与自动出图
系统接收阻尼力、行程等基础参数后，会调用企业的设计规则完成选型和计算，随后在已验证的图纸模板上动态修改，输出零部件级的 CAD 加工图、工艺图和成本清单。库存与采购单价也可以加入计算，让报价更贴近实际执行成本。
原材料智能入库
面对钢板来料单和质检文件，一线师傅只需拍照上传，系统便可识别厂家、型号和关键参数并完成入库。原来需要数小时的人工录入，在材料中提到的项目中已缩短到秒级或十几秒。
检测报告智能审核
系统联动委托单与报告单，提取表格、结论和关键字段，再根据预先写入的规则检查完整性和规范性。AI 会给出问题依据和修改建议，最终判断仍交给工程师。
这三个案例串起了一个完整的制造过程。从客户需求、智能设计、成本核算、生产下发，再到原材料追溯与质量检测，AI 可以在每个节点承担清晰、可检验的任务。
05ADOPTION
### 落地发生在一线
系统做得多漂亮，最后用不起来，项目依然等于没做。
仓库里的师傅习惯用 Excel，就让他保留原有操作，系统通过脚本自动获取更新。销售在外面见客户，就让网页可以直接在手机上打开。来料入库人员不熟悉复杂软件，界面就只留下“上传来料单”和“一键解析入库”两个主要操作。
分享中的一句话让人印象很深。
「只有一线人员愿意用、用得懂，产品才叫落地。」
面对面交流：从一线使用者的真实习惯出发设计产品
这也决定了项目该如何开始。一开始就讲建设庞大的智能化平台，企业很难判断价值，实施团队也很难控制风险。更合适的方式是先找一个重复劳动多、容易出错、能迅速验证的环节，在两周左右做出一个可使用的最小版本。企业先从一个问题中看到改变，后续的共创才有基础。
06EXCHANGE
### 提问、演示与新的连接
主题分享结束后，现场很快进入了提问和产品演示。大家围绕知识库拆分、子任务配合、本地化部署、CAD 图纸生成、Web 端交付和企业内部推广展开了两个多小时的交流。
当现场生成的 CAD 加工图被打开，图框、图名、标注和工艺说明完整呈现时，大家的讨论从“AI 能不能做”转向了“我手里的业务该怎么拆”。这个变化，也许比任何宏大判断都更有意义。
几位参会者在现场找到了可以继续合作的伙伴。懂企业咨询的人、熟悉制造业工艺的人、能够完成软件开发的人，开始将各自的能力放到同一个项目里讨论。一场学习分享会的价值，也就在这样的交流中继续生长。
交流仍在继续：不同经验和能力在现场发生连接
∞THE END
### 写在最后
制造业的 AI 改造不会由一个模型或一次演示完成。它需要人走进一线，把产品流程拆开，把规范和公式写清楚，把老师傅凭经验做出的判断问明白，然后用一个又一个小环节验证。
这场分享没有把 AI 讲成一个无所不能的答案。它让大家看到了更实在的路径。找到真问题，拆出小步骤，守住工程安全和人工审核的底线，再让技术去改变时间、成本和交付方式。
期待下一次学习分享会，也期待更多来自真实业务现场的问题和案例。
END
我是星阙运营小助手，星阙是一个专注于 OPC（一人公司 / 超级个体）的投资与孵化平台。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。