月省15万电费、自动出图：一家民营材料企业的AI落地账

在山东CIO联盟夏季论坛化工新材料分论坛上，山东伟基炭科技有限公司IT总监张卓分享了企业推进AI与数字化落地的实践。

这场分享没有宏大的概念包装，也没有“AI重构一切”的口号，更多是来自一家民营材料企业一线的真实经验：怎么把车间里最烧钱的电费省下来，怎么把工程部门从重复画图中解放出来，怎么让老板随时看到资金情况，怎么把老员工的经验沉淀成知识库，怎么为未来自有模型准备生产数据。

对山东大量中小制造企业来说，这样的案例格外有参考价值。因为它回答了一个非常现实的问题：没有互联网大厂的预算，没有庞大的研发团队，传统制造企业还能不能把AI用起来？

伟基炭科技给出的答案是：能。关键不是技术多“炫”，而是账算不算得过来，场景是不是真的痛，数据能不能沉淀，结果能不能被业务验证。

一、中小制造企业做AI，第一件事是“算得过来账”

和大型企业谈“流程重构”“AI原生组织”不同，民营中小制造企业推进AI时，判断标准往往更直接：

一个月能省多少钱？

能不能少占用多少人力？

能不能让关键数据随时可见？

能不能解决车间里长期存在的具体问题？

伟基炭科技是一家服务半导体、光伏、光通信等上游领域的材料企业，主要产品包括等静压石墨、炭炭复合材料等关键耗材。董事长曾提出一个非常清晰的数字化目标：用数字描述企业的每一名员工，以及企业的每一个角落。

这句话听起来朴素，但落到实践中，就是把数字化和AI真正做到车间、炉子、图纸、资金、知识库和生产数据里。

张卓分享的多个项目都有一个共同特点：不从概念开始，而从账本开始；不追求大而全，而是先解决一个明确痛点。

二、不盲目采购大系统，先用开源模型和自有代码跑起来

伟基炭科技的AI实践有一个很鲜明的特点：大量能力基于开源模型和自研代码搭建。

据分享，企业使用了千问开源版本、DeepSeek、Claude、智谱GLM、YOLO、百度Paddle等模型和工具能力，并结合企业自己的业务模板和代码实现落地。其中不少代码由AI辅助生成，但核心模板、业务规则和验证逻辑由工程师自己掌握。

这种方式非常适合预算有限、IT团队不大的制造企业。

它的好处在于：不需要一开始就重金采购完整商业系统，不被单一厂商绑定，也能根据自身场景灵活迭代。尤其在自动出图、质检识别、知识库问答等场景中，企业可以把开源模型能力和自己的工程经验结合起来，快速做出可用版本。

这背后有一个重要判断：中小企业做AI，不一定要等成熟大厂方案降价，也不一定要一步到位。只要场景足够清楚，开源模型、自研模板、AI辅助编程和工程师经验结合起来，也能形成很强的落地能力。

三、三年三步：从知识库到决策辅助，再到自动出图

伟基炭科技的AI应用不是一蹴而就，而是经历了一个逐步演进的过程。

第一步，是建设带视频能力的知识库。

企业把文档、SOP、工艺流程、操作经验等内容沉淀到知识库中。例如石墨纸如何裁剪，长条、圆形、方形如何加工，相关操作流程如何执行，都可以通过知识库查询。员工遇到不熟悉的问题，可以在企业微信AI助手中检索或提问，系统给出对应内容和操作指引。

这一步解决的是知识传承问题。对于制造企业来说，很多关键经验长期掌握在老员工手中，一旦人员流动，经验也容易流失。知识库让经验变得可检索、可复用、可培训。

第二步，是结合经营数据和市场数据做决策辅助。

企业围绕半导体、光通信等重点行业，进行市场分析和趋势判断，帮助管理层思考下半年应重点投入什么产品、哪些方向更可能产生收益。这类应用不直接替代决策，但能让决策有更多数据支撑。

第三步，是视觉大模型与工程工具结合，实现自动出图。

通过视觉模型识别、代码能力、SolidWorks VBA宏、自研模板等组合，企业探索直接生成图纸，实现高度自动化。这一类应用如果跑通，对工程部门是非常直接的效率释放。

这条路径非常清晰：先做知识沉淀，再做经营辅助，最后进入工程自动化。它不是为了展示AI能力，而是被一个个业务需求推着往前走。

四、装炉模型：把最贵的炉子装得更满

在张卓的分享中，最有代表性的生产场景之一，是纯化炉装炉模型。

对于材料企业来说，炉子是非常昂贵的生产资源。伟基炭科技的纯化炉温度可达2400度，一次工艺执行需要4000-5000分钟，也就是约70-80小时。高温运行意味着高能耗，炉子装得越满，单位产品成本越低。

企业围绕这一场景做了装炉模型：输入炉子空间、产品价值、交期等约束，系统输出智能装炉方案，并支持多种排产策略，包括价值优先、容积优先、交期优先等。

这类项目的价值非常直接：把企业最贵的设备资源利用率尽量拉满。

对化工、新材料、装备制造、半导体耗材等重资产、长工艺行业来说，这个逻辑很有借鉴意义。很多企业最大的成本不在办公室，而在设备、炉子、产线和能耗里。AI真正应该优先进入的地方，往往就是这些“最贵资源”所在的环节。

五、淬火炉省电：一年省出180万的真金白银

另一个非常典型的案例，是淬火炉省电。

企业通过模拟退火算法，对多台淬火炉运行进行优化：哪些炉子可以同时运行，哪些时间段电价更低，什么时候升温到最高温度，如何避开高电价时段。

系统中会显示全年电价变化，不同时段电价差异明显。简单说，就是红色高价时段尽量少用，绿色低价时段安排高温高功率作业。

据分享，这个项目每月可节约约15万元电费，一年约180万元。

这类项目最打动民营企业老板，因为它的价值不是“可能提升效率”，而是直接体现在电费账单上。对于利润率本就不高的材料企业来说，省下来的电费就是实实在在的利润。

更重要的是，这个项目不一定需要复杂的大模型，核心是实时数据、优化算法和严格执行。这提醒我们：工业AI落地不一定非要从大模型开始，很多真正有价值的项目，是算法、数据和业务规则的结合。

六、FQC质检工具：让AI看懂图纸图片

伟基炭科技还分享了FQC质检工具的实践。

这个工具的关键特点是：它不是基于CAD文件生成质检标注，而是基于图纸图片进行识别。只要拿到一张图纸图片，背后的视觉大模型就可以帮助识别需要关注和标注的位置，提示质检人员接下来要检查什么。

这意味着，质检人员不一定要打开复杂的CAD软件，也不一定要依赖资深工程师逐项讲解。AI可以从图纸图片中提取重点，辅助质检人员更快理解图纸要求。

对于产品图纸复杂、人工看图工作量大的材料、半导体、装备制造企业来说，这是一类非常实用的生产力提升场景。

它的价值不在于“AI替代质检人员”，而在于让质检人员少走弯路、更快抓住关键点，把经验型工作逐步转化成可辅助、可复用的流程。

七、掌上资金：让老板随时看到钱在哪里

张卓提到，企业做的一个资金可视化应用，在客户参观时很受关注。

这个应用的做法并不复杂：本地部署前置机，与银行系统连接，让企业高层和董事长可以随时看到资金进出、银行存款以及多币种账户情况，包括人民币、美元、日元等。

从技术角度看，它未必是最复杂的AI应用。但从企业管理角度看，它非常有价值。

因为它解决的是民营企业老板最关心的问题之一：资金在哪里，是否安全，流动情况如何。

这也提醒我们，数字化的价值不一定都来自高难度技术。有些应用只要能让关键经营信息及时、透明、可信地呈现出来，就能显著提升管理效率和决策信心。

八、数字孪生：为未来自有模型准备数据

伟基炭科技还把多个纯化炉的实时数据做成数字孪生，持续采集温度、功率、工艺气体、压力等关键参数，并实现秒级刷新。

其中一个细节很重要：热电偶在1000度以上存在局限，系统会自动切换到红外测温，数字孪生也会跟随切换。

张卓提到，企业做数字孪生的一个重要目的，是为了拿到数据，为未来训练自己的模型做准备。

这句话非常关键。

很多企业做AI时，第一反应是选哪个模型、买哪个平台。但伟基炭科技的实践说明，中小制造企业更健康的路径，是先把自己的生产数据、设备数据、工艺数据和运营数据沉淀下来。只有数据积累到一定规模和完整度，未来做模型训练、优化算法和智能控制才有基础。

没有数据沉淀，再好的模型也难以真正理解企业。

九、给山东中小制造企业的启示

伟基炭科技的实践，对山东中小制造企业至少有六点启示。

第一，开源模型加自研代码，是中小企业可行的AI路径。

预算有限并不意味着不能做AI。开源模型、AI辅助编程、工程师模板和本地业务规则结合起来，可以跑出很多实用场景。

第二，AI项目要先算账。

能省多少电费，能减少多少人工，能提升多少设备利用率，能不能让老板看到关键数据，这些都比概念更重要。算得清账，项目才有持续投入的基础。

第三，重资产、长工艺行业要优先优化“最贵资源”。

炉子、设备、产线、能耗、交期，是材料和化工企业最值得AI优先切入的地方。装炉模型和淬火炉省电，本质上都是提升昂贵资源利用率。

第四，数据沉淀比模型选型更重要。

不要一开始就纠结用哪个模型。先把生产数据、设备数据、工艺数据和知识数据沉淀下来，企业才有可能形成自己的AI能力。

第五，老员工经验要尽快数字化。

把SOP、操作视频、工艺经验、异常处理方法沉淀成知识库，可以降低培训成本，减少人员流动带来的知识损失。

第六，技术细节里藏着真功夫。

无论是测温切换、装炉策略、自动出图模板，还是图纸图片识别，这些看起来细小的工程细节，才是真正让AI可用、可靠、可落地的关键。

结语

山东是制造业大省，有大量像伟基炭科技这样的民营材料企业：长期深耕一个细分领域，靠技术、工艺和现场经验积累竞争力。

它们未必有大厂的预算，也未必需要讲“AI重构商业模式”的宏大故事。它们更需要的是，把AI用在车间里、炉子旁、图纸上、报表里，用一个个算得清账的小项目，逐步把企业能力数字化、智能化。

伟基炭科技的实践说明，中小制造企业做AI，不必等一个完美的系统，也不必一开始就追求最先进的模型。先从能省钱、能提效、能沉淀经验、能看清经营的场景开始，再逐步走向自动出图、智能装炉、数字孪生和自有模型。

先做有用的，再做先进的；先算清账，再讲故事。

这或许正是山东中小制造企业推进AI落地最务实、也最可持续的路径。