落地的荆棘：重新审视人工智能产业应用的真实边界

上个月跑南京江宁的装备制造产业园，约了三个做实业的老板喝茶，聊到刚上马的智能改造项目，三个里头两个摇头。其中一个做汽车零配件冲压的，掏出手机翻出检测车间的照片，说花了近三百万搭的AI检测线，现在还在跟供应商扯皮调参数。

从实验室准确率到现场通过率，隔着一堵看不见的墙

供应商投标的时候拍胸脯，说算法检测准确率99.2%，比人工好一大截。上线才发现，这个准确率是拿实验室里摆得整整齐齐、擦得干干净净的合格不合格零件测出来的。到了生产线上，刚冲压完的零件带着切削油，有时候还沾点铝屑，灯光从天窗斜进来还会有反光，换了一批原材料，表面的磨砂纹理都跟训练样本不一样。数据分布偏移这个词，说起来学术，落到生产里就是每天几百件误报，工人要再复检一遍，等于多花了一套设备的钱，还没省人工。 智能制造工厂AI视觉检测工位现场图 很多做算法的团队，习惯了在公开数据集上刷指标，出来创业也拿着指标找投资谈合作，没人愿意提前去现场蹲一个月，收集几千张带油污带反光的真实样本。说实话，只要愿意花这个功夫，准确率掉个三五个点很正常，提前跟客户说清楚，客户也能接受，最怕的就是拿着实验室的结果骗自己也骗客户，最后项目砸了，还说客户不懂技术。 不是没有跑通的例子。长三角很多做光伏硅片检测的，现在AI落地就很顺。为什么？因为硅片生产本身就是标准化程度极高的流程，车间是恒压恒光无尘，每一片硅片的大小、位置完全一致，数据分布几乎没有波动，算法训练好一次，可以跑一两年不用大更。换了做定制家具的板材切割检测，每张板材的纹理都不一样，切割形状每个订单都变，算法的泛化能力就不够用，至今也只有少数头部企业敢批量上。

隐形的改造账单，没人愿意提前说破

去年帮一个区域型的商贸物流园做顾问，他们想上AI分拣设备，预算给了两百万，招标的时候算下来，AI设备本身只要一百八十万，老板觉得划算，当场就拍板了。结果进场要装的时候才发现，原来的分拣传送带是十年前建的，间距比AI分拣要求宽了十公分，扫码的支点位置不对，整个分拣线都要拆了重新焊，改造费用一算，快六百万。 老板当场就懵了。预算早就批下来了，额外加钱要走股东会，原来算的回收周期是五年，加上改造费直接拉到八年，现在谁能保证一套AI系统能用八年？三年后技术迭代淘汰了怎么办？最后项目停了，付了二十万违约金，不了了之。 电商仓储AI分拣设备改造施工现场图 沉没成本才是很多落地项目的头号杀手。现在所有的AI方案商报价，都只报AI算法和硬件的钱，绝口不提现有场景改造的费用。很多传统企业的老板，懂自己的生产，不懂AI，天然会觉得AI可以直接接在现有流程上，没想到要动根基。不过话说回来，就算方案商提前说了，大部分中小企业也掏不起这个钱。一条用了十年的生产线，改造费比买新的AI设备还贵，换你你选哪个？ 哪怕是头部企业，试错成本也不低。我知道有个做日化的大厂，前年想全链路上AI排产，花了一年多对接，改了十几个SAP系统的接口，最后发现原来的供应链数据格式太乱，很多十年前的库存数据根本没有数字化，要整理完这些数据，还要再花半年，投入又加了一倍，最后项目砍了一半，只在新工厂做了试点，老工厂还是用原来的人工排产。

走出误区：找到AI该待的位置

走出误区：找到AI该待的位置 现在很多行业报告都喜欢说AI要全流程替代，要改造整个产业链，听着很激动，落到实地大部分死得很惨。真实的可行路径，从来都是找产业流程里最脏最累最重复的那个环节，切一块小模块进去，先跑通再慢慢扩。 比如现在做临床影像的AI，做得好的都不说替代医生，都说帮医生读片。一个三甲医院的放射科医生，每天要读上百张CT片，大部分都是正常的，AI先把正常的筛出来，只把有异常的挑给医生看，一下子把医生的工作量砍掉七八成，没人会拒绝这个。你要是说AI直接给病人下诊断，别说医院不敢用，病人也不敢信啊。 要谈清楚应用边界，就得先分清楚什么事AI能干，什么不能。AI擅长的是在输入规则明确、数据量足够的情况下，做标准化的重复判断，对异常的敏感度比人高，还不疲劳。但碰到低频次、高不确定性、需要综合经验判断的事，AI就是新手。比如高端数控机床的故障预警，AI可以监测振动和温度数据，提前把大概率会出的故障预警出来，但真要判断故障出在哪，怎么修，还是得靠干了三十年的老师傅，因为很多故障是从来没发生过的，训练数据里根本没有。 未来的趋势一定是模块化嵌入，人机共生，而不是彻底的替换。很多人担心AI抢饭碗，其实在产业里，AI抢的都是那些没人愿意干的重复活，把人解放出来干更需要经验的活。只是这个过程，比前些年AI热的时候大家预测的慢很多，也难很多。 没有万能的技术，也没有放之四海皆准的落地方式。说白了，能帮企业赚到钱，解决真问题，才是站得住脚的应用。