车间里的人工智能，为什么总是死在第九个月？

会议室里，供应商的演示刚刚结束。大模型对答如流，数据大屏流光溢彩，连最挑剔的高管都挑不出毛病。首席执行官当场拍板：签。

九个月后，这个项目死了。

不是轰轰烈烈地死，是悄无声息地死。系统还在跑，服务器还开着，只是没有任何一个业务部门真的在用。供应商交付了合同里的每一项功能，企业付清了合同里的每一笔钱——唯一没有到货的，是”价值”。

如果你觉得这只是运气不好，MIT NANDA 实验室 2025 年的报告《The GenAI Divide》会告诉你：这才是常态。他们访谈了 52 家组织、收了 153 份高管问卷、翻了 300 多个公开的企业 AI 项目，结论一句话：过去三四年全球企业烧进去的三四百亿美元里，约 95% 没有产生任何能写进财务报表的回报。

（口径说明：这份报告把”失败”定义为六个月内没有可衡量的财务影响，方法论有争议——观察窗口偏短。但兰德公司、标普全球的独立调研指向同一幅图景。方向是对的，精确值别较真。）

杀死项目的，没有一条是技术问题

报告里有个细节，值得每个准备上 AI 的老板贴在办公桌上。它统计了企业 AI 项目规模化路上的五大路障，按出现频率排：

1. 员工不愿用新工具——而这些人每天私下用 ChatGPT 用得飞起；
2. 对模型输出质量的担忧；
3. 糟糕的用户体验；
4. 缺乏高管支持；
5. 变革管理困难。

看清楚了吗？模型不够聪明、算力不够便宜、技术不够先进——一个都不在列。杀死这些项目的，几乎全部发生在”问题定义”和”组织现实”层面。

还有一组更扎心的数字：只有约四成企业给员工配了官方 AI 工具，而多达九成员工，日常在用个人消费级 AI 干活。大量”成功上线”的项目，实际处于官方系统空转、员工绕道而行的状态。

一句话：上线走的是采购和验收的行政流程，激活发生在用户的行为里。 中间隔着的那道坎，叫”没有人对结果负责”。

三个制造业现场，答案出奇一致

空客：两年查不出的故障，两周破案。

图卢兹工厂，A380 的一个燃油泵故障反复发作。空客自己的工程师查了整整两年，没头绪。Palantir 的人进场，把传感器数据接进平台，两周破案——飞机爬升时，燃油晃离了泵体。一个微不足道的修复，保住了据报道价值数百亿美元的订单。空客数字化负责人后来公开说：“同样的问题，我们以前要花二十四个月。“（据 Challenges 杂志报道）

美国海军：排产计划从 160 小时到 10 分钟。

2025 年 12 月，美国海军把一份 4.48 亿美元的合同给了 Palantir，改造潜艇工业基地。造船业的数据环境是教科书级的灾难：ERP、几十年前的数据库、纸质图纸并存。试点阶段的数字让所有人闭嘴：在核潜艇制造商电船公司，排产计划从 160 个人工小时压到 10 分钟以内；在朴茨茅斯海军船厂，物料审核从几周压到一小时。（据 USNI News 报道）

约翰迪尔：先跟农艺师下地，再谈模型。

OpenAI 的工程师飞到爱荷华州，跟着农艺专家下田，看他们怎么做施药决策；先和专家一起评审几百个真实作业案例，把”什么叫好的施药建议”变成一套能打分的评估体系，然后才迭代模型。结果：化学品用量最高降 70%，农户互动频率提升 6 倍。（OpenAI 官方案例口径）

三个现场，三个国家，三种业务，答案一模一样：模型从来不是瓶颈，“把模型接进现实”的那段工程才是。

那段工程到底在干什么

拆开看，就是些不起眼的脏活：

第一，把问题变成能量的问题。“提升车间效率”是愿望，不是问题。“计划员每天早上花两小时在三个系统里对排产表，还老对不上”才是问题。前一种 AI 帮不了你，后一种两周就能见效。

**第二，把数据从三个系统里捞出来。**ERP 里一份、Excel 里一份、老师傅脑子里一份。格式不一样、版本不一样、新旧不一样。不把这些对齐，模型进来也是垃圾进垃圾出。

**第三，定义什么叫”好”。**模型答对了多少算够用？错了谁来兜底？客户问”能不能保证 100% 准”，诚实的回答是：不需要 100%，需要的是”错了能被发现”。这些标准不提前写死，验收的时候就是一笔糊涂账。

**第四，让人愿意用。**车间主任不推、老师傅不点头、员工觉得”这是来抢我饭碗的”——再好的系统也是摆设。得让第一批用的人尝到甜头，让他们的意见被采纳，让系统帮他们而不是盯着他们。

这四件事，没有一件发生在算法里。这就是为什么空客的故障、海军的排产、迪尔的施药，最后都不是 AI 公司解决的，而是”泡在现场的工程师”解决的。

给制造业老板的三个自查问题

不用急着找供应商，先自己过一遍：

1. **有没有哪个岗位，重复的文字工作占了一半以上？**报价、跟单、对账、售后记录——有的话，这里有账可算。
2. **这个岗位的规矩，能不能写下来？**能写下来，AI 就能学；只在老师傅脑子里，得先做知识库，别急着上模型。
3. **你能不能脱口说出这个岗位一年花多少钱？**说得出，投多少钱、多久回本就有得算；说不出，先把这个数搞清楚。

三个问题过两关，就值得认真看看了。

写在最后

我在制造业现场干的就是这个：进厂，沿着一张报价单从收到核走一遍，把能自动化的部分找出来，先用最小试点验证，数字说话，成了再扩。

不合适的项目我会直说。30 分钟，微信聊清楚你的场景，值不值得做、先做哪块，聊完就有答案。

（微信：caishide ｜ h2-home.com）