年初一个做食品加工的朋友打电话给我，说他已经选好了一个AI需求预测系统，供应商报价120万，问我帮他看看值不值。我说你先别急着签，你先把你们工厂里那台2018年买的包装机的数据接出来我看看。

他说：「那台机器太旧了，连网口都没有，没法接。」

我说：「那你怎么做AI需求预测？AI预测需要的是真实的生产数据：每批订单的实际产能、设备真实稼动率、不同品类的切换时间。这些数据你都没有，你花120万买的AI拿什么来预测？拿Excel里的计划产量来预测实际产量吗？」

电话那头沉默了五秒钟。

这不是个例。工信部数据，67%的中小企业把「数字化」等同于「上线一套ERP或者CRM系统」。72%的企业已经实现了「数据采集」，但只有18%能把数据变成「业务决策依据」。换句话说，大多数企业的「数字化」就是装了一个电子台账。

我去年陪跑的一家东莞电子厂，老板老王一开始也是这个路子——听说AI质检厉害，花50万买了一套视觉检测系统。系统装上去第一个月，误报率高得离谱，良品被当次品踢出来，工人气得差点把摄像头砸了。

供应商说：「你们的灯光环境不行、产线输送带速度不稳、产品摆放角度不统一。」翻译一下：不是AI不行，是你的基础条件没达标。

后来我们改了策略。不先上贵的AI，先做三件事：第一，把车间里那五台2015-2018年的旧设备的运行数据接出来——用的就是加装一个200块钱的传感器；第二，把过去两年的质检记录和返修记录全部电子化；第三，把仓库的发货数据和客户投诉数据打通。

三个月花了不到5万块钱。但效果是什么？我们发现在某一个特定工序上，周一下午班的次品率永远比周二上午班高出一截。查了两个月才发现——周一上午要开班前会，工人站了一个小时，下午操作的时候注意力下降。就这么一个发现，调整了排班制度，次品率直接降了1.5个百分点。

老王后来说了一句话：「原来AI不是先买最贵的，是先把最基础的数据接进来。」

所以，别上来就搞大模型。先把你车间里那台最老的设备的数据接进来。当你的数据能真实反映产线实际状态的时候，AI的效果才不是「锦上添花」，而是「雪中送炭」。