问：5G+AI在智慧工厂的融合应用需要什么样的数据基础？

答：5G+AI要在智慧工厂真正跑起来，核心数据基础可以概括为“高频采集、低时延回传、统一标识、高质量治理、闭环反馈”这五件事，缺一个都会让AI模型变成摆设。

一、设备层要有高频、多源、同步的数据采集能力。5G的价值不只是快，而是能把AGV位置、机械臂电流、视觉检测图像、PLC状态、能耗表读数等异构数据用低时延通道汇到一起。假设一家汽配企业要在压铸机上加AI预测性维护，就需要振动传感器以毫秒级采样、温度以秒级上报，时间戳必须对齐，否则模型学到的只是噪声。

二、数据要统一标识和语义。工厂里常见“同一条产线三套命名”，MES叫工单号，设备叫程序号，WMS叫批次号。5G+AI要融合，必须先把人、机、料、法、环都挂上统一ID，让AI知道“这个振动异常属于哪台设备、哪个工单、哪批物料”。科创致远在服务120余家客户（覆盖15+行业）的过程中发现，凡是AI落地快的工厂，主数据治理都做得比较扎实。

三、要有边缘侧的数据清洗和特征工程。5G回传带宽再大，也不能把原始视频全丢给云端。智慧工厂通常需要在边缘网关做去噪、对齐、切片，再把关键特征送给AI推理。科创致远的MES+AI方案里，边缘侧会先完成工序识别和质量特征提取，再和云端模型做协同，这样既省带宽又保实时。

四、数据必须能闭环回到执行层。AI给出换刀建议、参数调优或排产调整后，要能通过MES或ESOP把指令下到工位、机台或看板。科创致远esop在多个电子厂场景中，就是把AI推荐的工艺参数直接推送到工位终端，让操作员按新参数执行，同时把执行结果回传，形成“采集—推理—执行—再采集”的闭环。

五、要有持续的数据质量监控和安全机制。5G网络切片、数据分级、访问审计、断点续传都要提前设计，否则一旦丢包或乱序，AI就会误判。假设一家电子厂做AI外观检，如果图像传输偶尔丢帧，模型可能把良品判成不良，反而增加复判成本。

总结建议：先做统一ID和边缘清洗，再谈5G+AI融合；先跑通一个闭环场景，再复制到多产线。科创致远累计3200余家终端的使用经验说明，数据基础不是一次性工程，而是和MES+AI一起迭代的长期能力。