【一线数智评论】
前天有个朋友发来一条消息，说他们公司董事长在战略会上宣布："2026年，我们要成为AI工厂。"他接着说："我现在手里零个AI项目，从哪儿开始？"
我把这个故事讲给李伟听，他说他每周都能遇到类似的情况——老板嗅到了AI的热度，高层已经下了决心，但真正落地的第一步，却不知道该迈在哪里。
这就是2026年制造业AI的真实处境：舆论的温度比实际落地的温度，高了至少十度。
一、先说说为什么"热"这件事是真实的
我不是要泼冷水。
AI在制造业的热度是有充分理由的。从宏观到微观，这股热浪确实已经来了。
2025年年底，工信部发布了《人工智能+制造专项行动实施意见》（工信部联科〔2025〕279号），明确提出要加快人工智能技术在制造领域的深度应用，推动智能制造升级。这不是一个"鼓励探索"的温和信号，这是产业政策的明确方向。
从地方层面看，江苏、广东、上海、山东，几乎每个制造业大省都在批量推进智能工厂认定。仅江苏一省，先进级智能工厂的名单就有上百家，卓越级也有一批。这些企业在政策驱动和竞争压力下，已经把"智能化"纳入了基础建设。
从企业层面，我们正在建设的案例知识库里，已经收录了5000多个制造业AI应用案例。案例来源从国家级灯塔工厂到省级专精特新企业，从传统机械制造到精密电子，跨度极大。这说明，制造业AI的实践，早就不是少数标杆企业的专利了。
所以，热是真的热。
二、但"冷"也是真实存在的
这里的"冷"，不是说AI在制造业没有未来，而是说：真正落地、跑通、产生可量化ROI的项目，比媒体报道的数量要少得多。
我来说几个让我印象深刻的数字。
在我们收录的案例里，超过80%集中在"智能化生产"这个大类。这个比例本身没问题——机器视觉、质量检测、设备预测维护，这些确实是制造业AI渗透最早、最成熟的场景。但有意思的是：即便是这些已经相对成熟的场景，拥有完整量化数据（比如良率提升X%、节省Y个人工、成本降低Z万）的案例，也不到一半。
更典型的是供应链AI——ROI估算在所有场景里最高，但案例占比只有5.4%左右。为什么？因为供应链涉及的系统复杂、数据分散、跨部门乃至跨企业协调难，项目落地周期长，很多企业望而却步。
还有AI Agent（智能体）——现在最热的话题，所有厂商都在讲，所有会议都在演，但真正在工厂里跑通了、不是Demo的案例，目前我们统计到的全国也就几十个涉及生产领域的案例，且不少是刚刚上线，还在验证阶段。
所以你会看到这样一种现象：媒体在讲"AI元年已至"，但工厂车间的实际推进速度，依然是以季度甚至年为单位的。
这不是坏事，这是制造业的节奏。
三、温差来自哪里
我觉得这10度的温差，来自三个错位。
第一个错位：概念和场景的错位。
"AI"这个词太宽了。从ChatGPT到机器视觉，从大模型到传统机器学习，都叫AI。但对一个工厂来说，它们的落地难度、投入周期、ROI预期是完全不同的。
一家工厂如果已经在跑机器视觉做质量检测，它是AI工厂，但它可能还没有用过大模型；另一家工厂上线了一个采购智能体，也叫AI应用，但它可能连机器视觉都没碰过。这两件事不在同一个坐标系上，但都被叫做"AI化"。
这种概念的模糊，造成了大量无效的对话和错误的预期。
第二个错位：宣传和实操的错位。
做AI解决方案的厂商，要生存，要融资，要拿到下一个客户，所以宣传材料里的案例往往是最好的那一批；做媒体的，要流量，要话题，所以报道的也是最亮眼的那一批。真正普通的、成功一半的、还在试错的那些项目，很少出现在公众视野里。
但做决策的工厂CIO，需要的恰恰是那些"普通的"项目——因为那才是他们真实处境的参照系。
第三个错位：期望和现实的错位。
老板看到了OpenAI的演示，看到了某灯塔工厂的案例，心里有了一个参照；然后他回来告诉IT部门："今年要做AI。"但IT部门面对的是：系统孤岛、数据质量差、人才缺口、预算不足、业务部门配合度低……
这个落差，不是AI不好，是期望没有被正确地设置。
四、那这场大会要解决什么
说白了，我们做这场大会，一个很重要的动机就是：想把这10度的温差，当众量一量。
不是让大家泄气，而是让预期回到正常。
6月27日来参加"AI中国行·制造业AI场景应用生态大会"的朋友里，有生产企业的CIO，有AI服务商，有正在观望的企业主，也有已经跑出了结果的实践者。
我希望这一天发生的对话，是真实的。比如：
已经做了AI应用的工厂，来讲讲"我当初以为会解决什么问题，实际解决了什么，还没解决什么"
AI服务商来讲讲"我接了哪些客户，失败了哪些，成功了哪些，规律是什么"
还在观望的人来聊聊"我真正担心的是什么，卡在哪里"
同时，我们会在大会上发布《制造业AI应用场景白皮书（2026）》——这份白皮书不是预测未来的，而是记录现在的：哪些场景已经成熟、哪些还在早期、哪些ROI数据已经可以量化。这是一份可以帮企业高管们做决策的参考材料，不是一份给资本市场看的行业报告。
五、2026年，制造业AI的真实水温是多少度
我来给你一个不严谨但有用的判断：
机器视觉/质量检测： 水温60℃。相对成熟，ROI可验证，但头部渗透率高，中小企业进入门槛和成本依然是挑战。
生产排程/计划优化： 水温45℃。有一批成功案例，但定制化程度高，复制难，每个工厂都需要重新"学"。
设备预测维护： 水温40℃。概念认知度高，但数据质量和传感器覆盖是普遍瓶颈，"预测"变"提醒"的案例不少，真正"预测"的还不多。
供应链AI： 水温25℃。ROI潜力最大，但落地最难，目前仍是少数大型企业的专利。
AI Agent / 智能体： 水温30℃，但上升最快。2026年是真正的起步年，一旦跑通一个，往往会快速拓展。
这些温度，不是我拍脑袋的，是案例库里几千个真实项目告诉我的。
6月27日，我们会更系统地把这张"温度地图"展示出来。那一天，你也许会第一次看清楚：你的工厂，现在处于这张地图的哪个位置，下一步应该往哪里走。
相关链接：
王甲佳，场景学社创办人，AI中国行·制造页AI场景应用生态大会联合发起人。2026年6月写于无锡。
#企业AI #企业级AI #数智化 #数字化 #一线数智 #企业AI应用场景 #企业AI工具
