工厂AI智能体搭建：投产的平均回报171%，76%的项目却死了

投了产的工厂AI智能体平均回报171%，但超过76%的项目没活下来。

这是IoT Analytics八月下旬发布的跟踪数据。一边是西门子Erlangen电子工厂靠AI智能体把产能拉上去20%，资本支出降了10%到15%，设计验证接近100%；罗克韦尔自动化说一年内42%的制造流程都会有AI参与。另一边是Gartner的预测，到2027年底超过四成的agentic AI项目会被直接砍掉。

为什么差距这么大？报告里有个数很扎眼，76.4%的制造业AI项目失败了，其中84%跟领导层决策有关。不是技术不行，是方向没选对。

常见的死法有几种。上来就要搞全厂统一平台，结果集成工作量估少了，数据散在十几个系统里对不上，预算烧完还没跑出一个能用的场景。有的买了套系统就觉得完事了，后续数据清洗、模型调优、员工培训一概不投，智能体上线三个月还在答非所问。还有的连成功标准都没定义，到底省了多少人、提了多少效、降了多少成本，一笔糊涂账。

活下来的项目反而是那些小切口。

安徽应流集团做航空发动机铸件，每年百万张射线探伤胶片全靠十几个评片工程师在暗室里手工读。他们没搞什么大平台，就跟科大讯飞合作盯这一个场景，训练AI来当读片医生，能自动识别铸件内部缺陷并按行业标准评定质量级别，现在已经进了安徽省人工智能场景创新项目榜单。六钢集团更直接，在热轧产线上部署AI表面缺陷检测，高分辨率相机加激光扫描，中厚板表面缺陷自动识别，人工检测成本降了30%，耗材少了20%，能耗还降了15%，被工信部当成数字化转型典型案例。

武汉前几天办AI智能体创新大赛，格创东智做的制造场景自主智能体拿了一等奖，核心就一句话，感知、分析决策、行动，形成闭环。不是花架子，是在工厂里真能自己发现问题、自己判断、自己动手。

韩国中小企业研究院同期发布的数据更能说明问题。韩国制造中小企业的AI采纳率只有0.1%，92.4%的企业虽然在收集数据，但75.7%还在靠人工手抄，只有19.7%能做到实时采集，99.2%没有专门的AI团队或人员。不是不想用，是真不知道从哪下手，也养不起算法团队。

这就是中小工厂做AI智能体搭建最现实的处境。大厂有西门子、霍尼韦尔给做整体方案，小厂怎么办？

答案是别学大厂。别一上来就谈平台、谈生态、谈全栈智能。找到工厂里最痛、最重复、最有数据基础的那一个点，先做一个能跑起来的智能体，四到八个月见到回头钱，再往下一个场景滚。

这个点可能是质检，可能是设备维护预警，可能是报价和询盘跟进，甚至可能是客服自动回复。哪个环节最耗人、最容易出错、数据最现成，就从哪开始。

还有一点容易被忽略。AI智能体不是只给产线用的。很多工厂把生产管得井井有条，销售端还在靠业务员手动回消息、Excel记客户、展会收名片回来没人跟。一个能自动应答询盘、整理客户需求、提醒跟进节奏的智能体，投入可能比产线质检还小，见效反而更快。

IoT Analytics的数据里，成功项目从上线到见到正向回报的中位数是四到八个月。方向对了、切口小了、有人持续迭代，大半年就能看到真金白银的效果。方向错了，摊子铺大了，一年烧进去几十万，最后只剩一个谁也不用的演示账号。

工厂AI智能体搭建这件事，不怕起步小，就怕想太大。