很多工厂聊 AI,第一句话是"我们该用哪个模型"。这个问题通常问早了。模型是手段,真正决定项目能不能活下来的,是问题选得对不对。

一个适合起步的问题有三个特征:它反复出现,有相对稳定的是非标准,而且解决之后能省下看得见的时间。质检里的外观初筛、设备点检记录的归纳、工艺参数的异常提示,往往比"做一个企业大脑"更容易落地。

反过来,如果一件事靠老师傅看一眼就能定、一年也遇不到几次,或者判断标准本身还在变,那它暂时不适合交给系统。把这类问题挑出去,比多买几张显卡更有用。

我们建议从一张清单开始:把过去一个季度的现场问题按发生次数排序,圈出前五个,再逐个问"有没有稳定标准""解决后节约多少工时"。能同时答上来的,就是第一批候选。