工业 AI 试点为何在集成阶段失败？如何评估落地条件

要点：工厂 AI 试点可能在集成环节失败，而不只是模型出了问题。训练之前，先核对数据是否可信、机器接口是否有文档、允许的动作是否有限制，以及验证与维护是否有明确负责人。

为什么离线准确率高不等于具备投产条件

离线准确率只回答一个问题：在别人已经采集并清洗好的数据集上，模型的输出与标签是否一致？生产提出的是另一些问题。来自相机、传感器或工厂数据库的数据，能否按时并以相同的格式到达？结果迟到或缺失时，产线怎么办？夜里某个结果看起来不对时，该找谁？试点，也就是范围有限的试验性项目，通常在集成阶段失败，原因是这些问题被推迟了，而不是模型太弱。

明确模型可以决定什么

在试点开始之前，先把决策边界写下来：是提示性的告警、剔除某个工件的建议、工艺参数的建议值，还是在固定限值内已获批准的动作。对每一个会改变工艺状态的步骤，都要写明谁或什么拥有最终决定权：PLC（可编程逻辑控制器）、操作人员，还是上层系统。这一点很重要，因为范围往往会在不知不觉中扩大；一个最初只是看板的试点，不应该悄悄开始写入设定值。安全功能始终在模型之外，由机器的风险评估来决定。

在有代表性的生产条件下测量

一周干净的数据，漏掉的可能正是让生产变得困难的那些因素：其他班次、换型、返工、新的材料供应商、照明变化、传感器漂移和设备老化。评估周期要足够长，以覆盖这些条件；并且要在相同的工件、相同的时间窗口上，把模型与它将要替代的决策流程进行比较。既要统计漏检，也要统计误报，并记录每次操作人员介入所花的时间。被忽视的告警，或过于频繁地让产线停下来的告警，都有离线指标反映不出来的成本。

为 AI 不可用的情况和责任归属做好设计

要事先决定：当推理变慢、推理计算机重启、某项输入缺失，或者模型收到与训练数据不相似的内容时，产线怎么办。一个简单且限值明确的回退措施（例如把工件转入人工检验），加上清晰可读的日志，往往比最后那一点准确率更有价值。然后，把责任归属当作一项交付物：谁对模型负责，谁批准重新训练和版本回滚，谁给软件打补丁，谁负责网络安全和事件响应，谁承担维护费用。与 MES 或 ERP 的接口应当像其他接口一样写入规格；ISA-95 系列标准是企业系统与控制系统集成的常用参考。只有当被指定的人员能够说明在最初的开发者离开之后他们将如何运行这套系统时，才应验收该试点。

在确定预算或范围之前的检查清单

• 验收指标事先商定，并在真实班次和真实产品型号上测量。
• 书面的决策边界：模型可以建议什么、可以更改什么，以及谁拥有最终决定权。
• 数据接口已写入规格，并与真实的 PLC、MES 和传感器一起测试，而不是用导出的文件测试。
• 针对结果过慢、缺失或超出范围的情况，有经过测试的回退措施。
• 变更控制：模型有版本管理，重新训练需经批准，并有回滚方案。
• 数据、模型、软件补丁、网络安全和维护预算都有指定的负责人。

本指南不能确立的内容

这份清单是规划辅助材料，不是审核、测试报告，也不保证试点一定能够推广。它没有给出准确率阈值，因为可以接受的错误率取决于工艺以及每一类错误的代价。下文列出的 NIST《人工智能风险管理框架》和 ENISA 指南属于参考资料；其中是否有内容对您的工厂构成法律义务，取决于您所在的行业和司法辖区。功能安全和机器合规性必须由合格人员针对实际系统进行评估。

资料来源与进一步核实

• NIST — AI Risk Management Framework (AI RMF 1.0), Core: Govern, Map, Measure, Manage（人工智能风险管理框架的核心部分；2023-01；访问日期 2026-10-12）。
• ENISA — Technical implementation guidance on cybersecurity risk management measures, version 1.0（网络安全风险管理措施的技术实施指南；2025-06；访问日期 2026-10-12）。
• ISA — ISA-95 Standard: Enterprise-Control System Integration（关于企业系统与控制系统集成的系列标准；未注明日期；访问日期 2026-10-12）。

下一步建议

请列出您的试点模型目前做出的各项决策、每项决策使用的接口以及对应的负责人；这张表里的空白，就是您的集成工作。如果试点涉及机器人工作站或机器视觉，请把这张表带到机器人与自动化页面。从那里开始的项目通过 Eurobots/ReBots 确定范围并交付，并且从可行性和责任边界入手，而不是预设一套交钥匙安装。AYXWORKS 作品集介绍了这些指南背后的工程背景。