各位,今天聊个实在的。
11 月 12 日,烟台有一场跟工业 AI 有关的会。名字很长,叫数字经济与数字贸易高质量发展促进大会。主办方是山东省工信厅、商务厅和烟台市政府三家。另有十五家单位联合主办,主题是智算协同和数据出海。本次会议的核心专题板块,叫重塑工业智能边界。
这个专题板块的全称是工业 AI 新动能峰会。恒远科技同期办了 AI 新品发布会,并与电科金仓完成战略签约。两家站的位置不一样,正好互补。恒远熟悉的是车间里那一套,设备、产线、工艺参数都在它手里。金仓熟悉的是数据底座,多模、实时同步、异构迁移是它的活。签约只是把这种互补写在了纸面上,能不能兑现还要看项目。
我关注这场会,重点不在那纸协议。是因为它把工业 AI 落地那道坎,摆到了台面上。互补说得再好,落地还是要一关一关过。所以这篇不聊合作愿景,聊难在哪,以及甲方该怎么验。
先把坎说清楚。工业 AI 跟办公场景的 AI 不是一个难度。办公场景数据干净、量小、时效要求低。工业现场反过来,数据脏、量大、还要实时。下面这张表是我见过的三类卡点,按费时间的顺序排。
| 卡点 | 现场表现 | 真正卡住的环节 |
|---|---|---|
| 采集实时性 | 产线每秒几十条上报,落库还慢 | 写入吞吐、连接数、批量提交 |
| 时序数据存储 | 数据一年翻几倍,查询要秒级 | 压缩比、分区、索引维护 |
| 存量系统改造 | ERP、MES 各自为政,窗口很短 | 兼容性、同步链路、回滚方案 |

图 1:三道坎与真正卡住的环节,按费时间的顺序排
这三行不是理论。只要做过一个制造项目,就知道哪一行最费时间。通常是第三行。前两行花钱能解决,第三行改的是流程和人心。所以工业 AI 的项目周期,多半不是被模型拖长的。
一、采集这一关,工业 AI 先看写入撑不撑得住
产线数据的特点是密、碎、不间断。一个车间几百个采集点,一秒一轮上报,落到数据库上就是持续的小事务写入。这类负载最怕两件事:连接数被打满,提交太频繁导致日志刷盘跟不上。很多工业 AI 项目在这里翻车,原因不在数据库本身。是应用端按每条数据一个事务提交,采集程序图省事。改法很土,攒批加上连接池,写入立刻稳住,省下的是一轮停机。
峰会上那场分享按三段讲:高并发采集、时序数据存储、信创迁移改造。讲的人是数据库厂商,切入点是数据怎么落、怎么存、怎么迁。顺序跟制造现场的真实痛点对得上。这三段正好对应制造业最费时间的三个环节。
我判断一个底座厂商懂不懂工业,看它问不问采集频率。上来就聊 TPS 的,基本没进过车间。会问采集点位数量和上报周期的,才算做过现场。这一点屡试不爽,各位可以拿去试。工业 AI 的选题会上,问几句就能分出高下。
二、时序数据,考验的是工业 AI 的压缩和查询两头
时序数据的麻烦在于方向相反。写入要快,压缩要好,查询还得能按时间范围秒回。压缩做狠了,查询就得解压。索引做全了,写入就变慢。这是一道取舍题,没有全都要的答案。
制造企业的数据量增长曲线很陡。一条产线一年的原始点位数据,量级很容易超预期。设备加一轮,采集点翻一倍,存储成本跟着翻。所以压缩比不是技术指标,是预算指标。这条在工业 AI 的方案评审时一定要问。
它的解法是多模承载。关系、时序、文档、向量、图放在一套库里。对制造企业来说,这个思路的实际价值是少维护几套系统。设备台账在关系表,点位在时序,图纸在文档,位置在 GIS 里,最后都能在一个库内关联。工业 AI 要的跨模分析,靠的就是这一层。
多模的价值不在单项顶配,在跨模不搬数据。制造现场的问题往往跨模。跨模就要搬数据,搬一次,一致性和权限就得重做一遍。这笔账比单项指标重要。所以看工业 AI 的底座,别只看某一模的跑分。
三、存量改造,工业 AI 的难点在窗口不在技术
制造业的系统年龄都不小。ERP 跑了十年,MES 七八年,中间还夹着一堆自研工具。这些系统之间靠接口和人工对账连着。改造的难点不是数据库能不能替,是业务能不能停。
能停多久,是这类项目的真实约束。多数工厂给的窗口是夜间几个小时,长一点的给到周末。窗口内要完成切换、验证、回滚准备。窗口外业务照跑,出问题就得等下一个窗口。工业 AI 要接的实时数据,全压在这个窗口上。
所以我在评审时只看三样东西。第一是有没有演练过完整割接,不是模拟,是真跑一遍。第二是有没有回滚方案,回滚要多久。第三是同步链路怎么保证两端一致。这三样齐了,工业 AI 的技术方案才算成立。
KES 在迁移这块的能力口径是实时数据同步和异构迁移。放到项目里,对应的就是割接期的双写与校验,还有切换后的数据一致性核对。这类能力平时看不出来。割接那一晚全看它,装不了假。
四、生态合作,工业 AI 落地先分三档
回到签约这件事。行业里一年签的生态协议很多,含金量差别很大。我按可验证程度分成三档,各位可以拿去对照。三档之外的不必细究,看前三条就够了。
| 档位 | 特征 | 能验证的东西 |
|---|---|---|
| 框架协议 | 双方高层见面,签合作意向 | 只能证明关系存在 |
| 联合方案 | 有产品互认证、有联合测试报告 | 能证明技术可对接 |
| 联合交付 | 有同行业案例、有联合实施团队 | 能证明出问题有人扛 |

图 2:生态合作的三档含金量与验货四问,会上就能对照问
三档里,只有第三档能直接降低甲方风险。第一档不是没用,是只能当背景信息。把框架协议当落地承诺,是甲方最常犯的错。这一条我在政企项目里见过太多次,工业 AI 也一样。
这次金仓跟恒远的合作,按上面的分档落在第二档。签约这步已经走完,后面看联合方案和同行业案例。对方本身有联合方案集,生态组织成员超过七百家。这些是现成的底子,新伙伴接上就能用。方案和案例出来,档位才算补齐。
五、验货四问,工业 AI 项目会上就能问
不管哪家来谈生态,我都建议问四个问题。问题不多,但足够筛。问完基本能判断这次合作跟你有没有关系。四个问题列在下面,会场上就能用。
| 问题 | 合格回答 | 需要警惕 |
|---|---|---|
| 有没有联合测试报告 | 有,能提供 | 说在走流程 |
| 有没有同行业案例 | 有,能说清场景 | 只说某集团 |
| 实施边界谁负责 | 明确到模块 | 说双方协同 |
| 出问题谁先到场 | 有联合值班机制 | 说会及时响应 |
四个问题里,第四个最见真章。系统上线后出故障,最怕两家互相等。制造业停线一小时的成本,比任何服务条款都痛。所以联合交付的价值,主要落在这一条上。
六、区域集群,工业 AI 的节奏比单点更关键
烟台这个样本有意思。它是近代民族工业的发祥地之一。工业占全市经济的一半左右。已经形成汽车、高端装备、生物医药几个百亿级集群。这种结构决定了它的信创推进方式,也决定了工业 AI 先落在哪。
单点项目可以一案一议,产业集群不行。同一区域内,供应链上下游的系统要互相连。一家换了底座,上下游跟着适配,成本会摊薄。反过来,一家先换、别人没动,适配成本就全压在先动的那家身上。
所以区域推进更像排期问题,不是技术问题。先动核心企业,再带动配套企业,最后收口到公共服务平台。这个顺序错了,先动的企业要承担不该它承担的成本。这也是我在工业 AI 项目里最常见的协调难点。
对厂商来说,区域推进的考验是交付能力。不是签约能力,也不是发布会规模。一个省里同时上十个项目,实施团队够不够是个硬问题。会上讲生态协同很容易,交付时人手不够就是事故。这话对所有厂商都成立。
七、四条避坑
第一条,把签约新闻当成选型依据。签约只能说明有人愿意一起做生意。能不能用,要看你自己的场景跑没跑过。这条最省事也最坑。
第二条,时序数据按经验估容量。不同行业的采集密度差好几倍。按同行经验估,通常估小。容量估小的后果不是慢,是半年后要停机扩容。
第三条,割接演练只做数据库一侧。应用不改,光切库没用。我见过演练通过、上线回滚的项目。原因是应用里有写死的连接串和事务边界。
第四条,这一条是我自己的教训。评审时只看技术方案,不看实施排期。方案再漂亮,排期里没有演练和回滚窗口,风险照样在。后来我养成习惯,先看排期表,再看架构图。
写在最后
工业 AI 这件事,模型只是最上面一层。下面还有采集、存储、迁移、交付四层。这四层稳了,模型才有发挥空间。四层不稳,模型再好也只是演示。
金仓在这条链路上的位置比较清楚。高并发采集靠写入侧的优化扛住。时序和多模放在一套库里,企业少维护几套系统。迁移靠实时数据同步和异构迁移,守住割接窗口。这三段能力,正好对上制造业最费时间的三个环节。这也是它相对只做单一模块的产品的优势。
对甲方来说,判断标准可以很简单。看它能不能说清三件事:采集频率、压缩比、割接窗口。说得清,说明做过现场。说不清,说明还在讲概念。工业 AI 的选型,最后拼的就是这几句实话。
各位手里如果有制造类信创项目,欢迎在评论区说说。卡在哪一步,我接着聊。说具体一点,我回得也具体。这类问题我处理过不少,能说的都会说。


