AI 在工厂里的真正位置
我一直有个判断：在制造业里，AI 不是你的特种部队，它是你的信息支援部队。
特种部队是什么？是直接替你冲到前线杀敌的。信息支援部队是什么？是给你前线的每一个班组、每一个作战单元，提供准确判断、清晰目标、全局视野的那一支力量。它不替你开枪，但它让你每一枪都打得更准，让你在局部战斗的时候能看到全局的图景。
这个区分听起来抽象，但落到车间里就非常具体。
物料、信息质量、设备状态这些潜在风险一旦发酵，你的产线可能瞬间停摆。质量问题可能在你眼皮底下悄悄累积，直到出货那天才炸开。这些事都不是单点能看见的，它需要有人——或者有东西——能同时感知多个维度的信号，并且比任何一个一线主管都更客观。
AI 能干这事儿。它感知的维度比人多，比人客观。它能把过去所有信息、加上你身边正在发生的信息全部整理在一起，告诉你下一个行动的关键方向。
为什么大多数工厂用错了方向
有意思的是，很多工厂上了 AI 之后并不满意。我看过不少案例，根子上都是一回事：他们想让 AI 来"驾驶"，而不是"导航"。
核心判断
驾驶是行动，导航是判断。AI 在制造业里，是导航，不是驾驶。
你让 AI 替一线主管做决定，AI 就会变成一个不知道上下文的实习生，硬着头皮输出，结果要么过于保守、该冲的时候不冲，要么过于激进、不该动的时候瞎动。你让 AI 给一线主管提供情报——告诉他现在全局是什么样、下一公里往哪拐更安全、哪里有拥堵——一线主管自己就会做对决定。
这背后是一个组织设计的底层逻辑：决策权和信息权要分开。一线主管有决策权，他了解现场、知道怎么打，但他没有全局信息权。AI 给他的，正是这个信息权。给到了，他就能把执行做到战略对齐的水平；给不到，他只能在局部视野里打转，再聪明也只能是局部最优。
一个被严重低估的价值：把局部决策拉到战略层
我反复琢磨这个问题，觉得 AI 在工厂里最值钱的地方，不是替代某个工种，而是把一线主管的每一个决策，悄悄抬高一档。
一线主管的判断，过去受限于他自己能看到的范围。他看不到隔壁车间的物料状态，看不到供应链前端的扰动信号，看不到设备健康度从上周开始的轻微下滑。所以他的决策，再老练，也只能基于自己那一片视野。
AI 把这些信号整合到他面前的那一刻，他的决策维度就变了。他能站在全局看局部，能让短期动作符合长期战略，能在没出问题之前预判问题。这不是"赋能"，这是真正意义上的能力跃迁。
我一直觉得，制造业里很多"战略落地难"的问题，根子不是战略不清楚，也不是一线不努力，是中间信息层断了。战略想得再清楚，传到班组这层已经失真；班组这边遇到的真实情况，又传不到决策层。AI 最该干的事，就是把这一层信息打通。
打通之后会发生什么？执行会变得更正确。不是说执行不出错，而是出错之前能被预判到、能被纠正过来。物料出问题不会瞬间停产，质量风险不会拖到出货才暴露。这才是 AI 真正的价值，不是替代，而是让你的每一个动作都更接近你想要的结果。
现在是窗口期，但要找对人
我的判断是，未来一到两年，制造业 AI 落地的窗口会明显收窄。不是机会没了，而是先动手的那批企业会把数据、流程、模型三者打通，后动手的再想追，追不动了。
但这个窗口只对一类企业有效：那些把 AI 当情报和导航层、而不是当执行替身的企业。如果你还在想"AI 怎么替代人"，你大概率会失望；如果你在想"AI 怎么让我每一个一线主管都变成有全局视野的指挥官"，你就走对了路。
操作上我给三个建议。
- 先别急着上大模型直接做决策。先把数据底座打通——物料、设备、质量、订单这些核心信号能不能实时汇聚到一处。汇聚不了，再聪明的 AI 也是瞎的，给的建议没法落地。
- 把一线主管纳入 AI 系统的设计过程。他们最清楚自己缺什么情报。AI 不是 IT 部门关起门来做的项目，是一线和 AI 团队共建的情报系统。设计师不在一线，做出来的东西永远隔着一层。
- 明确一个原则：AI 提供建议和判断，行动权和责任归人。这条不守住，系统会越走越偏，最后要么没人敢用，要么用了出事没人负责。
写在最后
AI 不会替你把工厂开到终点。它只是让你看得更清、走得更稳的那一个东西。能不能到终点，还是看你自己。但看得清的人，和看不清的人，差距会越拉越大。现在这个差距还在可追赶的范围内，再过一两年，就不一定了。