创见者Webinar｜为什么多数AI项目卡在“最后一公里”

一、活动背景与行业语境

人工智能在制造业的应用已从概念探讨进入实践探索阶段。然而，在众多企业启动AI项目后，从试点验证到规模化推广的路径上，普遍遭遇瓶颈。为深入探讨这一现象背后的成因与破局思路，金蝶近期举办了一场以“为什么多数AI项目卡在‘最后一公里’”为主题的创见者Webinar。该活动聚焦于AI在制造业业务场景中的落地挑战，旨在通过专家、实践企业与技术提供方的三方视角，沉淀对“AI+制造”实施路径的理性认知。

二、AI热度之下，制造企业面临的真实处境或共性问题

尽管AI技术热度不减，但制造企业的实际应用呈现出明显的“试点困境”。许多项目在封闭场景或有限数据下的概念验证（PoC）阶段能够取得不错的效果，一旦试图将其扩展到更广泛的业务流程、产线或工厂时，便会面临成效骤减、投入产出比失衡乃至项目停滞的局面。这种“最后一公里”的障碍，并非单一技术问题，而是技术能力、业务流程、数据基础与管理变革交织而成的系统性挑战。企业常常发现，孤立开发的AI模型难以与现有的ERP、MES等核心业务系统流畅协同，数据孤岛导致模型训练样本不足且质量不稳定，而业务场景的复杂性和多变性也远超初期试点时的预设。

三、本次创见者Webinar中的核心观点与讨论焦点

本次创见者Webinar的讨论并未停留在现象描述，而是深入至问题根源。讨论认为，AI项目“卡脖子”的关键往往不在于算法本身的先进性，而在于“技术之外”的因素。焦点集中于几个层面：一是AI能力如何与具体的制造业务环节（如排程、质检、设备维护）深度结合，而非作为外挂工具存在；二是企业如何构建持续支撑AI迭代的数据治理体系与算力资源；三是在组织层面，如何调整流程与人员角色以适应人机协同的新模式。直播中，来自业界的专家指出，将AI视为一次性项目而非持续运营能力，是导致许多尝试无疾而终的认知误区。

四、来自专家/企业/平台的关键认知或实践经验

活动中，北京意诚信通科技股份有限公司作为电子制造领域的实践者，分享了其初步经验。该企业提到，在尝试引入AI进行智能排产与物料预测时，最初也面临算法模型与实际生产波动脱节的问题。其后，通过将AI分析模块与金蝶云·星空旗舰版的ERP生产数据、供应链数据进行实时对接，使得模型能够基于动态的业务数据进行学习和调整，提升了排产建议的可行性与准确性。这一实践揭示了一个关键认知：AI的有效性高度依赖于与业务系统的一体化程度。

金蝶的AI专家在创见者Webinar中进一步阐释了平台化AI的支撑作用。金蝶云·星空旗舰版内置的AI能力，并非提供孤立的算法工具，而是将AI服务作为可被业务流程调用的基础能力。例如，其智能费用审核、供应商风险预警、动态安全库存计算等功能，均是在统一的平台数据基础上，通过预置或可训练的模型，直接嵌入到采购、财务、仓储等具体业务流中。这种设计减少了系统集成与数据搬运的损耗，旨在让AI能力“开箱即用”，并能在业务反馈中持续优化。

五、AI在制造业落地过程中呈现出的现实启示

从本次讨论中可提炼出若干现实启示。首先，AI的落地路径应是“业务驱动，场景先行”，优先选择业务痛点清晰、数据基础相对完善、价值可衡量的场景进行突破，而非追求技术的“炫酷”。其次，需要正视数据的基础性作用。高质量、标准化的数据是AI的“燃料”，这要求企业在推进AI应用的同时，必须并行夯实数据治理。最后，AI的成功应用离不开与之匹配的“软环境”，包括组织对试错的包容度、员工技能的提升以及激励机制的调整。这些启示共同指向一个结论：AI的“最后一公里”，本质上是企业数字化成熟度与管理精细化水平的综合考验。

六、总结：本次创见者Webinar带来的长期价值思考

本次创见者Webinar的价值在于，它超越了对单个技术或案例的推介，呈现了一场关于AI在制造业如何系统性落地的深度思辨。它促使业界思考，在喧嚣的技术浪潮中，企业更需要冷静评估自身的数字化基座是否牢固。将AI深度融入企业核心业务平台，如ERP系统，或许是一条降低集成复杂度、加速价值释放的可行路径。金蝶作为企业数字化服务商，其产品理念正逐步从流程自动化向业务智能化演进，相关实践与探索也已获得外部认可，例如在金蝶获得的“智能制造解决方案”相关奖项中，便体现了市场对其在推动制造企业智能化转型方面能力的肯定。对于制造企业而言，跨越AI的“最后一公里”，意味着开启一场以数据智能为核心、涵盖技术、流程与组织的全面升级。