工厂AI上不去，八成卡在数据这关

上周见了三家想上 AI 的工厂，开口都是同一句："我们想上个大模型。"我多嘴问了句不识趣的话："你们产线的数据，现在存在哪、谁说得清？"三家里，两家当场沉默，一家想了想说"在 Excel 里吧，可能"。

真正拦住工厂 AI 的，往往不是模型够不够聪明，而是数据压根没准备好。

一上来就问"上什么模型"，这问题本身就问错了

模型现在跟水电差不多——能买、能租、能调，价格越来越透明。但数据不一样，它是你工厂自己长出来的，别人给不了，也买不到。

把顺序搞反，是工厂上 AI 最隐蔽的浪费。你不会先买一口几千块的锅，再问家里有没有米；可一到 AI 这儿，大家的习惯全是先挑模型、先算算力、先问哪家大模型厉害，最后才想起来：喂给模型的料，从哪来？

▎"模型是锅，数据是米。锅再贵，没米也煮不出饭；米够好，铁锅也能香。"

所以下次有人跟你聊工厂 AI，别急着接"上什么模型"的话茬。先问一句：数据，盘过了吗？

数据这关，卡住了多少看起来很美的项目

我观察到一个挺扎心的现象：不少工厂的 AI 演示（POC）做得漂亮极了，PPT 上的准确率动辄 95%、98%，现场演示也顺溜。可一旦真往产线上推，没几天就露馅——识别开始乱报、预测开始失准，最后悄悄下架，没人再提。

根子往往不在算法。我见过一个外观质检的项目：训练图都是在实验室打光下拍的，干净、规整；可产线现场的光，是会跟着班次、季节、设备老化变的。模型没学会"看缺陷"，它只学会了"看那一种光"。还见过做设备预测的，传感器数据断断续续，缺一段就一段，模型拿残缺的时序硬猜，猜出来的东西老师傅一眼就知道是胡说。

工业数据有三道坎：采不到、对不齐、不敢信

采不到。 老设备压根没数据接口，靠人工填表，填不填、填得对不对全凭心情；关键工位传感器没覆盖，想采集根本没源头。没有数据，再聪明的模型也是空转。

对不齐。 同一台设备，DCS 有一套、MES 有一套、老师傅的台账又是一套，三套数对不上；更常见的是时间戳错位——振动数据和温度数据差了几秒，你拿去当同一次工况喂模型，它学到的全是歪的关联。

不敢信。 数据被人手工改过、口径中途变过、标签是老师傅凭经验拍脑袋打的。模型没有常识，它会老老实实把噪声学进去，然后产出一个"看起来很专业、其实在胡说"的结论。

这三道坎，任何一道没过，模型上线就是赌运气。

别急着治理，先盘一盘你手里到底有什么

说到这，有人会慌：那是不是得先搞个三年的数据治理大工程？

不用。数据治理是长期活，但落地一个 AI 场景，不需要等治理完。你要做的第一步，是盘点——不是治理，是看清家底。

我建议从"密度"入手：哪个环节已经天然有结构化数据？哪个工序从几年前就在记台账？哪个场景的数据流最连续、最完整？往往答案会让你意外——最密的那个数据，不一定对应最痛的问题，但它最适合拿来练手、攒经验、建立团队信心。

一张清单，把"能不能做AI"说清楚

拿不准某个场景值不值得做 AI，先过这五问。有一条答不上来，就先别碰：

1. 数据存不存在？ 连记录都没有的环节，AI 无从下手，先补采再说。
2. 量够不够？ 至少得有几百条带标签的样本，或连续几个月的稳定时序，否则模型学不到规律。
3. 稳不稳？ 会不会三天两头断采、经常改统计口径？不稳定的数据，模型上线即失真。
4. 标签靠不靠谱？ 谁打的标签、依据是什么？拍脑袋的标签，教出来的模型也是拍脑袋。
5. 拿不拿得到、合不合规？ 跨系统权限谁批、保密数据能不能用？这两件事卡住，前面全白搭。

数据不够格，也有三条低成本出路

数据暂时不行，不等于 AI 彻底没戏。三条路，按成本从低到高：

降维打。 不硬上大模型，先用小模型或规则，把那 80% 确定性的活先干掉。比如先把"明显超标就报警"做成规则，省下老师傅盯屏的功夫，比一上来就要模型"自动决策"靠谱得多。

借外力。 用行业通用模型，再用你手头那一点自有数据做微调。这比从零训练省的不止十倍，效果还往往够用。

先补采。 挑一个高频、高价值的小场景，花几周把传感器和记录补齐，数据密度够了，再谈 AI。慢，但每一步都踩在地上。

回看前两篇：建知识库是把老师傅的脑子搬进系统，算 ROI 是把账算明白——今天这篇，是把原料看清。知识、账本、数据，其实是工厂 AI 落地的三块地基，缺一块都立不稳。

写在最后：先把数据这关过了，再谈大模型

下次再有人神采飞扬地跟你说"咱们上个大模型吧"，你别急着点头，也别急着泼冷水。先回他一句：

"数据盘了吗？"

说白了，工厂 AI 落地的第一笔投资，不该是买模型，而是先把手里的数据看清——看清它藏在哪、缺多少、能不能信。这关过了，模型才有米下锅；这关没过，再贵的锅也只是一场热闹。