从一张图纸开始，企业AI落地首先要把需求说清楚

9月5日，“工业AI进车间：2026山东工业AI落地应用峰会（烟台）”将同步开展企业AI应用需求调查

过去一段时间，围绕企业AI落地，我们听到最多的问题是：

企业应该从哪个场景开始？知识库、智能体、机器视觉和行业大模型应该怎样选择？现有ERP、MES、PLM等系统如何与AI连接？项目做了试点，又该怎样评价效果、控制风险并进一步推广？

这些问题很难通过一场演讲得到统一答案。

因为不同企业的业务流程、数据基础、设备环境和组织条件并不相同。工业AI真正进入企业以后，面对的也不只是模型能力，而是场景、数据、流程、系统、设备、人员和安全要求共同构成的一项落地工程。

这也是山东CIO联盟AIHUB持续开展“落地应用面对面”的原因：先听企业正在解决什么问题，再讨论AI能够做什么。

几次面对面交流之后，我们看到了什么

在前期交流中，不同企业所处的阶段差异很大。

有的企业尚未正式启动AI应用，关注知识库、办公助手、智能客服和RPA+AI，但还不清楚应该从哪个业务场景切入。

有的企业已经开展试点，开始思考Agent、Workflow和Skill如何分工，企业级Skill由谁建设、审核、发布和管理，以及怎样判断一个需求是否真正属于AI项目。

还有的企业已经把问题推进到生产环节，希望AI能够理解工程图纸、辅助生成加工工艺，进一步连接设备程序和制造过程。

这些交流的效果并不完全相同。需求比较宽泛时，专家能够帮助企业厘清方向，但很难在有限时间内形成具体方案；当企业提出的问题足够明确，又恰好有专家做过高度相似的实际项目时，交流就可能从观点讨论进入技术路线、验证范围和下一步行动。

这让我们更加确认：

企业AI落地的起点，不是先选择一个模型或平台，而是先把真实问题定义清楚。

一张PDF图纸背后，不只是一个识别模型

近期，AIHUB组织技术专家走进一家重型装备制造企业，围绕一个具体的工业AI场景进行了现场交流。

企业希望以PDF图纸为输入，由系统识别关键工程信息，辅助生成加工工艺；工艺结果不要求完全替代人工，而是由工艺人员审核确认；在此基础上，系统还希望进一步生成适配机床的NC代码。

企业已经积累了较为完整的历史图纸、工艺资料和设备数据，也自主开展了知识库、工作流、模型调用和工业软件原型方面的探索。

• 复杂图纸中的尺寸、公差、粗糙度和技术要求如何准确关联到具体加工特征？
• 通用模型、专用模型微调和CAD代码解析，哪种路线更适合企业现状？
• 哪些环节可以使用大模型，哪些计算和规则必须通过确定性程序完成？
• 外部模型API无法进入正式生产环境时，算力、私有部署和数据安全如何解决？
• 工艺生成应从完整产品开始，还是先选择一道典型工序进行验证？
• NC代码如何通过模板、参数、后处理、仿真和人工审批控制风险？
• 项目由业务部门、信息化部门还是技术团队牵头，最终由谁负责验收和持续维护？

这次交流没有把一个复杂问题简单归结为“换一个更强的大模型”，而是进一步明确：工业AI的价值，来自知识、数据、流程与工程语义的连接；真正可用的系统，往往需要模型、规则、软件和人工审核共同完成。

为什么这次报名必须填写AI需求调查

9月5日，山东CIO联盟与烟台工业互联网联盟将在烟台联合举办“工业AI进车间：2026山东工业AI落地峰会（烟台）”。

与以往单纯收集单位和参会人员信息不同，本次报名专门设置了企业AI需求调查，并要求报名人员完整填写。

这不是增加一道报名手续，而是希望把参会企业的真实问题带到会议之前。

调查将重点了解企业当前的AI应用阶段、关注场景、数据与系统基础、推进障碍以及希望交流的问题。相关信息将用于：

1. 形成参会企业工业AI需求的匿名整体画像；
2. 提炼论坛现场最需要讨论的共性问题；
3. 提高场景交流和供需对接的匹配度；
4. 识别适合会后继续开展“AIHUB落地应用面对面”的具体需求；
5. 为后续专题闭门交流、现场调研和项目验证提供依据。

企业提交的信息将主要用于内部分析、会议组织和后续沟通。未经企业同意，联盟不会对外公开单家企业的具体需求、项目数据和内部情况。

让论坛从企业问题出发

本次峰会将围绕生产制造、质量检测、设备运维、工艺优化、供应链、研发设计、知识工程和企业智能体等场景展开。

我们希望，现场讨论的不只是“AI能够做什么”，还包括企业推进过程中更现实的问题：

• 哪些场景值得优先投入？
• 企业需要提前准备哪些数据和系统条件？
• 如何设置人工审核、安全边界和项目责任？
• 怎样从小范围验证走向生产系统？
• 如何评价项目价值，避免“试点很多、落地很少”？

报名调查中形成的共性需求，也将成为论坛内容组织和会后跟进的重要参考。

从一次交流，走向持续行动

AIHUB开展需求调查和面对面交流，并不是希望把每个问题都变成一个项目，也不承诺通过一次沟通给出完整解决方案。

我们更希望逐步建立一条务实的工作路径：

需求征集 → 初步诊断 → 专家匹配 → 深度交流 → 现场调研 → POC验证 → 结果复盘

需求还不清楚的企业，可以先通过交流梳理场景；已经有明确问题、数据基础和内部负责人的企业，可以进一步讨论技术路线和验证范围；具备项目条件的场景，再进入更深入的现场调研与POC。

对于工业AI而言，真正重要的从来不是展示多少模型和概念，而是能否进入车间、进入流程、进入系统，并最终产生可以验证的业务价值。

9月5日，我们希望从参会企业提交的每一个真实问题开始，把这场论坛办得更接近企业，也更接近落地。