[人工撰写]AI时代工业数字化的迭代与落地--从AI底座到场景迁移的循环迭代
目 录
1..... 项目趋势
2..... 关于AI产品的一次交流
3..... 认清现实
4..... 人工智能时代还有什么可做的内容
5..... 结束语
项目趋势
现在（2026）项目技术方案基本都包括大模型（以下称：AI）的内容，去年（2025）初有一个项目二期把AI的相关内容写到了技术方案中，这也是基于现在和未来的发展趋势。国家的政策方面就不再赘述了。
回望工业大数据、物联网、工业互联网、数字孪生等走过的路径，看似解决了一些问题，但是又感觉并没有解决实际问题。但是并不妨碍有一批公司借助趋势发展起来了。例如数字孪生，大家都明白就是看着漂亮些（大屏、机理仿真、虚实联动），但物理世界并没有实质的改变，但是又不得不做。就好比你的朋友，突然有一天打扮得特别漂亮，你总会感觉有一种新鲜感。
但是，我认为现在“AI+X”和以往的概念并不一样，它需要更大规模的资金投入，依托业务场景开展长周期迭代，是迈向高自动化智能社会的前期铺垫。所以，以前的概念更偏向基础技术成熟度的积累，而“AI+X”更注重与实际业务的结合。
底层物联网、工业互联网、数字孪生等，解决了 “数据从物理世界到数字空间” 的问题；而 AI 大模型，尝试解决工业知识理解、复杂问题推理这一过去数字化难以突破的卡点。
关于AI产品的一次交流
和别人交流的主题是：更倾向售前/市场，还是更倾向AI产品研发。我更倾向前者，因为现在AI发展越来越快，在它对现实世界冲击下，单纯技术和产品溢价空间越来越低，但不能否认技术和产品同样具备价值。而和人打交道进而促成项目成交落地，更能体现价值。
某头部厂商团队早上8点钟，就到了某集团数字化部的办公室，希望调阅集团全部项目信息。我认为这种积极主动、敢往前冲的劲头是值得所有企业学习的。
这次交流更多的时间聚焦在AI产品研发，双方目标是一致：是基于现有业务系统与AI结合做系统提升，发挥更大价值。
但是，落地思路存在差异。我的思路：选择一个AI底座，在 AI 底座上承载原有业务能力，例如：图表和报表功能、推理机功能、从采集到展示快速配置等场景，这是一个长周期过程，需要循序渐进，推动系统真正跑通到逐步实用落地。就好比种地，得先有锄头，地里种玉米还是高粱，一年锄几遍杂草，但并不代表一定有收成，这是后期逐步完善的。
他的思路：（1）认为AI底座并不重要，有的乙方做项目都白送AI底座；（2）AI就要解决工业现场的实际问题，否则没有意义；（3）梳理现有的业务系统哪些功能能够与AI结合，再选择AI底座；（4）同时调研其他企业AI的业务是如何开展和应用的。
农耕文明，锄头是必备的生产要素，智能时代，AI底座也是必备的生产要素，但并代表选择一个开源的AI底座就一定能够很好的提升业务，需要不断的打磨。业务场景不难找，在现有业务系统中简单、中、高难度功能各选一试点，除此之外，挖掘新业务需求本身是一项长期工作，我们认为的新需求点，并不等同于用户真实的业务诉求。
物联网时代，要把数据采集补全，不要采集数据中断了、程序退出了；工业互联网时代，要把平台体系补全，不要这功能不能做、那功能不能做；数字孪生时代，要把展示/仿真补全，不要素颜出去见人；智能时代，就要把脑子补全，不要说这不会做、那不会做。这就是一个时代有一个时代的使命。
认清现实
我是杂家，什么都会些，有的精些、有的肤浅些。和各行各业的用户也交流的比较多，我发现用户在认知里有一个共性：都认为自己的行业难、业务痛点很痛。但是，跳出自己熟悉的圈子，可能会有不同的感受和认知。
物理公式没有变、化学公式没有变、材料没有变、设备没有变，你做的东西就一定会有局限性，并且这种局限性是没有办法突破的。所以，物理边界不变，数字化只能在信息、控制、协同、优化空间内创造价值，因此不要过度拔高。
所以，要认清现实，我们认为解决用户的痛点，有些痛点本身并不真实存在，只是满足当下用户需求或是技术方案要求，也只是在此范围寻找解决方案的差异化，并且这种差异化也是有限的，但不能自我拔高，认为方案就是高大上。就好比：你看我都会使用AI大模型开发程序了，但是没有汇编语言，不仅AI大模型无法使用，就连开发的程序都无法运行。
但是，不管什么时代，赚钱的本质还是靠信息的不对称，你对 AI 技术和产品碎片化、不成体系认知，可能认为自己很高大上了，殊不知还有很多同行的认知更加薄弱。就算现在大家都扎堆做 AI 产品，物联网的产品同样会有人需要。AI 底座都白送用户，那只是一种商业策略，并不代表AI底座没有实际价值。
人工智能时代还有什么可做的内容
大家都感觉要进入AI时代了，给大家带来并不是乐观，而是焦虑，各行各业都在裁员。当我使用GPT开发一个医院诊断系统时，当天晚上我一直处在兴奋中，但是我也对孩子他妈说：将来孩子找工作确实是一个难题。
现在的项目需求都要有AI的内容，那我们研判将来项目需求的业务系统都包括哪几个方面？
我们回顾原来做信息化系统的情况，开发了一大堆系统功能，常用的功能不足30%，其他的功能说的高大上，一是不好评价，二是不经常使用。无非看着系统饱满一些、项目金额大一些、宣传素材充分一些。
原来有系统结合AI重构及实施项目：
还可做的内容：（1）数据采集肯定是需要人工亲身参与调试；（2）控制系统需要强实时性和准确性，暂时AI是无法代替的；（3）实时监测画面，只需要人工点击，这种短平快的功能还可能存在；（4）业务流程管理，这种和管理业务强相关的功能还会存在；（5）权限、安全策略等，这种强限制条件还会存在。
被AI取代的内容：
规则明确、重复分析、报表生成、原来高大上的功能肯定都会被AI取代。
AI+人工协同的内容：
探索性、辅助决策及控制，最终需要人工审核及决策。
所以，以我的经验粗略判断，原有系统大约 50% 的功能，基本上会被 AI 取代。
结束语
ChatGPT从2022年11月初代发布，到2026年7月GPT5.6系列全面落地，AI技术呈现极速且持续加速的迭代节奏，工程化能力越来越强。对比国内的DeepSeek，除科研外一般工程化应用，完全够用了。
技术的创新最终向工业领域传导是必然的，因为这是社会生产价值最核心的部分，提质提产提效降本，过去总结一个报表要好几天，现在在众多数据中向几秒钟或几分钟就实现了，这种信息传递效率本身就是一种价值，加之生产优化控制，这就是需要基于AI要长期周打磨的过程。
我们讨论先有AI底座，还是先确定业务，本身并不重要，而是先行动起来。因为，AI在进化、同行也可能在进化，就算试错本身也是一种进化。而我们还在讨论什么是核心需求痛点，显然在失去进化的时机。最终是让AI底座与实际业务循环迭代起来：AI底座->场景迁移->试验验证->反馈迭代->扩展。
参考文章
（1）硬件网关：https://mp.weixin.qq.com/s/iKMqn62YIhBlXjGtY2wKXQ。
（2）物联网（IOT）：https://mp.weixin.qq.com/s/5u4L8fItaFpIbVYOlxbmGg。
（3）视觉分析（Vision）：https://mp.weixin.qq.com/s/SiiuXTTGplTAERRYyCmGCQ。
（4）大模型智库（AiMind）：https://mp.weixin.qq.com/s/SH_q2k_zbQ-pcd05zj86-g。
（5）大模型智能问数（AiInsight）: https://mp.weixin.qq.com/s/A1fIQq_w9c8SW9aEWVIsgw。
（6）小i助手：https://mp.weixin.qq.com/s/5UCoYsDAbfFP-ZI2sj_QBg。
（7）视觉模型：https://mp.weixin.qq.com/s/Gq74ITDfEwK88jt8b--1PA。
物联网&大数据技术 QQ群：54256083
物联网&大数据项目 QQ群：727664080
QQ：504547114
浙公网安备 33010602011771号