玫德集团数智化之路：工业AI落地，先把流程、数据和价值讲清楚

在山东CIO联盟夏季年会上，玫德集团董事局助理主席、流程与IT部总裁李明江先生作了题为“玫德集团数智化之路”的主题分享。

这场分享的价值，不在于展示了多少炫目的AI概念，而在于它来自一家典型制造企业的真实实践：从传统管件制造，到为市政、建筑与工业领域用户提供流体输送系统的整体解决方案；从内部信息化、流程治理，到数据底座、AI平台和工业场景应用；从成功案例，到推进中的难点和失败复盘，都讲得非常坦诚。

对山东工业企业而言，玫德集团的经验有一个清晰启示：数智化不是单点上系统，工业AI也不是简单接入大模型。它真正要解决的，是企业如何用数据、流程和算法，重新组织生产、经营和管理能力。

一、从“制造产品”到“提供整体解决方案”

玫德集团是一家以管道、管件、阀门、连接件等产品为基础的制造企业，服务场景覆盖供水、供暖、燃气、消防、暖通、工业流体等领域。

李明江先生在分享中用了一个很形象的类比：如果说华为做的是数字信号传输的“数字管网系统”，玫德做的则是水、汽、气、电等流体和能源传输的“物理管网系统”。前者传输的是数字信号，后者传输的是现实世界中的流体介质。

这也解释了玫德为什么要从传统产品制造，走向整体解决方案。客户需要的不只是一个管件、一个阀门、一个连接件，而是更稳定、更安全、更智能的系统能力。

在这一转型过程中，数字化和AI不再只是内部管理工具，而成为支撑产品升级、解决方案交付和客户价值创造的重要能力。

二、流程IT不是后台部门，而是企业运转的“组织能力”

玫德集团的流程与IT团队规模较大，承担的不只是传统IT运维和系统开发工作，更重要的是帮助企业把流程理顺、把业务系统打通、把数据能力沉淀下来。

李明江先生提到，玫德做了二十多年信息化，历史上形成了大量业务系统，系统之间的集成关系复杂。今天再推进数智化，不能只是在旧系统上叠加新工具，而是要从端到端流程出发，重新梳理业务、应用、数据和组织之间的关系。

因此，玫德把流程IT的工作包含了几个方面：

一是信息化，用IT固化流程、支撑业务标准化作业；

二是数字化，以数据为核心，反哺业务作业、流程运营和经营管理；

三是智能化，基于算法模型和AI工具，深入业务场景，提升质量、效率、降本和决策能力；

这背后有一个关键判断：流程IT不是被动接需求的部门，而是企业业务设计和业务创新的重要参与者。

三、业务不能只提需求，必须先把业务方案讲清楚

分享中有一个非常值得CIO共鸣的观点：业务部门不能只提一个需求，必须把业务方案写出来。如果方案写不出来，往往说明业务自己还没有想清楚。

很多企业做信息化、数字化项目时，最大的问题不是技术不行，而是业务规则不清、流程边界不清、责任机制不清。业务没想清楚，IT就开始开发，最后必然反复修改、不断返工。

玫德通过业务IT一体化产品运作和4A架构方法，推动业务在提需求前先完成业务方案梳理。这一机制的价值在于，让业务部门先判断：这个事情到底该不该做？价值在哪里？规则是什么？投入是否值得？未来如何运行？

这对AI项目尤其重要。因为AI不是万能工具，如果业务边界不清，模型只会放大混乱。

四、AI落地的基础，不是模型，而是高质量数据和语义底座

李明江先生特别强调，大模型竞争背后有一个核心要素：数据质量。只有高质量的数据，才可能形成高质量的模型和应用。

玫德正在建设数据资产管理平台，把集团业务系统中的结构化数据、非结构化数据等通过数据架构方法纳入统一管理。这里最重要的不只是“存数据”，而是建立统一的数据语义和数据关系。

换句话说，AI要理解企业数据，不能只看到一张张表。它必须知道这些数据代表什么，数据之间有什么关系，业务含义是什么。

因此，玫德的数据平台重点承担两类功能：一是数据资产目录，知道企业有哪些数据；二是数据模型，知道数据之间如何关联。只有建立这一层逻辑底座，AI才有可能真正服务企业业务，而不是停留在表面问答。

这也是工业企业推进AI绕不过去的基本功：没有数据治理，就没有可靠AI；没有语义层，AI就难以理解业务。

五、AI应用还在探索期，但必须面向高价值场景

玫德并没有把AI包装成一个已经完全成熟的体系。李明江先生坦言，目前AI应用仍处于多点探索阶段，还没有形成完全统一的顶层规划，但整体架构和方向已经逐步清晰。

玫德选择AI场景有一个务实标准：优先寻找高价值场景。

什么是高价值场景？一类是高消耗场景，能直接降低成本；一类是高耗时场景，能明显提升效率；还有一类是高风险、高复杂度场景，能减少人工判断失误。

例如，客户订单处理涉及大量人工，产品型号众多，客户需求与产品匹配耗时长；底层制造环境高温、高强度，适合通过智能装备和机器人把人从恶劣环境中解放出来。这些都是AI优先切入的方向。

这说明，工业AI不是先问“模型能做什么”，而是先问“企业哪里最值得做”。

六、在业务管理流程中，AI先在可量化场景中见效

玫德对准高价值场景，围绕大模型、机器视觉和运筹学技术，以“1厘米切口，1公里深度”的原则，在多个高价值业务场景中落地AI应用。

在招投标场景中，AI用于识别招标文件中的关键要求，帮助业务快速提取投标策略信息。据分享，部分招标关键信息可以在较短时间内完成提取，大幅提升前期分析效率。

在供应商标书审查中，AI可以辅助识别标书内容和异常线索，为采购合规、围标风险识别提供支持。

在客户需求与产品匹配场景中，面对几十万级产品编码和复杂客户描述，AI可以帮助销售人员更快定位合适产品，缩短响应时间。

在海外销售和物流场景中，玫德探索集装箱装载优化和配送装车优化。装得更多、装得更合理，不仅提升内部效率，也能帮助客户降低运输成本，形成客户价值。

这些场景有一个共同特点：流程相对清楚、数据可以获得、结果容易衡量。这类场景往往是工业AI最适合先落地的地方。

七、在生产过程中，真正考验工业AI的现场能力

相比业务管理场景，生产现场的AI应用更复杂，也更能体现工业企业的真实能力。

玫德在排产优化中取得过明显效果。例如某排产项目通过优化材料使用和生产安排，减少废料约50%，并带来成本下降。但李明江先生也坦诚，并不是所有排产项目都成功。有些场景效果不好，原因在于业务部门配合不足，IT对业务理解不够深入，同时缺少权威、明确的排产规则。

这给制造企业一个重要提醒：排产优化不是单纯算法问题，而是业务规则、组织协同和执行机制问题。

在钢板切割场景中，玫德通过算法优化排板，减少排板时间，提高材料利用率，但后续还需要进一步打通激光切割设备，实现更深层的设备联动。

在温度控制场景中，玫德探索闭环控制，通过实时调节参数，使温控效果相比人工配置更加稳定，并减少班次人工投入。

在机器视觉场景中，玫德推进了尺寸识别、抓取装箱、装箱识别、焊枪姿态检测等应用。有些项目已经上线并取得效果，有些则因产品规格复杂、现场规则不稳定，仍难以完全替代人工。

这说明，工业AI落地不能迷信“一个模型适配所有规格”。在真实工厂里，产品、工位、光照、设备、工艺和规则都在变化。模型必须贴近现场，才能真正可用。

八、AI投入要积极，但必须经过方法论和实践验证

玫德集团对AI有积极态度，也愿意投入人才和资源。但李明江先生强调，投入不能只看技术热度，也要考虑运营成本。方法论和实践没有验证前，不宜盲目扩大投入；只有技术成熟、实践可行，才适合进一步引入和推广。

这是一种非常适合工业企业的AI推进方式：敢试，但不盲目；允许失败，但必须围绕价值；能跑通就放大，跑不通就复盘，必要时及时放弃。

工业AI项目不可能每一个都成功。关键是企业要建立试错机制，而不是把试点做成长期消耗。

结语：工业AI的答案，在工厂里，也在流程里

玫德集团的数智化实践给山东工业企业提供了一个有价值的样本。

它告诉我们，工业AI不是一场技术秀，而是一项系统工程。它既需要数据底座、算力平台、算法能力，也需要流程治理、组织协同、业务规则和价值评估。

从招投标识别、产品匹配、物流装载，到排产优化、钢板切割、温度控制、机器视觉和水厂药剂优化，玫德的实践说明：AI只有进入真实业务，进入生产现场，进入可衡量的经营指标，才真正有意义。

对山东制造企业来说，数智化转型最值得坚持的方向，不是追逐概念，而是把每一个业务场景讲清楚，把每一份数据治理好，把每一个AI项目的价值做出来。

工业AI的路，最终不是走在PPT里，而是走在产线、流程和客户价值里。