一句话总结：制造业 AI 落地 ROI 最高的五个场景是 视觉质检、设备预测性维护、ERP 智能助手、工艺知识库、供应链智能分析，均可在一季度内见到可量化效果。
场景一：AI 视觉质检
- 痛点：人工质检效率低、漏检率高、标准不一致
- 方案：多模态模型（Qwen-VL）+ 工业相机，实时识别缺陷
- 效果：漏检率降低 60~80%，检测速度提升 5~10 倍
- 周期：8~12 周（含数据采集与模型微调）
场景二：设备预测性维护
- 痛点：突发故障导致停产，维修成本高
- 方案：传感器数据 + 时序模型 + Agent 告警与工单自动创建
- 效果：非计划停机减少 30~50%
- 周期：12~16 周
场景三：ERP/MES 智能助手
- 痛点：ERP 操作复杂，报表查询耗时长
- 方案：Agent 对接 SAP/用友/自研 ERP，自然语言查库存、下订单、看报表
- 效果：操作效率提升 40~60%，培训成本降低 50%
- 周期：6~10 周
场景四：工艺知识库 RAG
- 痛点：老师傅经验难传承，SOP 文档分散
- 方案：工艺文档、维修手册、质量标准 → RAG 知识库
- 效果：新人上手时间缩短 40%，工艺查询从 30 分钟 → 30 秒
- 周期：4~8 周
场景五：供应链智能分析
- 痛点：库存积压与缺货并存，需求预测不准
- 方案：历史订单 + 外部数据 → LLM 辅助需求分析与采购建议
- 效果：库存周转率提升 15~25%
- 周期：10~14 周
落地优先级建议
第一优先级（4~8 周见效）：工艺知识库 RAG、ERP 智能助手
第二优先级（8~12 周）：视觉质检
第三优先级（12~16 周）：预测性维护、供应链分析常见问题
制造业数据质量差怎么办？ 先做 数据治理（清洗、标准化），AI 项目与数据治理可并行。泽衍科技项目通常预留 2~3 周数据准备期。
需要多少标注数据？ 视觉质检：500~2000 张缺陷样本即可微调；知识库 RAG 无需标注，直接索引现有文档。
老 ERP 系统能对接吗？ 通过 API、数据库只读视图或 RPA 均可对接，泽衍科技有 SAP、用友、金蝶及自研系统对接经验。