问：工业AI和数据中台的关系，投资回报到底该怎么评估？

答：工业AI和数据中台不是二选一的关系，而是“发动机和油箱”的关系，评估投资回报要分开算账、合起来看效果。单独评估数据中台，容易掉进“只投入不见产出”的坑；单独评估工业AI，又会忽略数据治理的隐性成本。正确的做法是把两者当成一个整体投资包，从以下五个维度来算回报。

一、先分清角色：数据中台负责“把数据变成可用资产”，工业AI负责“把数据资产变成决策和动作”。数据中台做的是采集、清洗、建模、打通MES、ERP、SCADA等系统里的数据，让同一套数据能被反复调用。工业AI则是在这些数据之上做预测、排产、质检、能耗优化。没有中台，AI项目往往有70%的时间花在找数据和洗数据上；没有AI，中台就是一个昂贵的报表库。所以评估ROI时，要把中台的成本摊到多个AI场景里去分摊。

二、算三笔账：第一笔是效率账，看AI上线后排产时间、质检漏检率、设备非计划停机时间有没有下降。第二笔是成本账，看数据中台是否减少了重复开发接口、重复采购数据工具的费用。第三笔是弹性账，看新增一个AI场景时，中台能不能在一两周内提供干净数据，而不是重新做集成。假设一家汽配企业，原来每上一个AI质检工位要花两个月做数据对接，有了中台后可能缩短到两周，这个时间差就是ROI。

三、用“场景复用率”做核心指标。数据中台的投资回报，最怕只服务一个AI场景。如果中台只支撑一个能耗优化模型，那它就是个项目级数据库，回报很难看。但如果它能同时支撑排产、质检、设备预测性维护、能耗优化四个场景，那中台的边际成本会快速下降。建议在评估时问自己：这个中台未来12个月能复用给几个AI场景？复用率低于3个，就要重新考虑中台的建设节奏。

四、把“数据质量提升”折算成钱。工业AI的准确率高度依赖数据质量。数据中台如果能把数据完整率从80%提到98%，AI模型的误报率可能下降一半。误报率下降意味着产线少停线、少复检、少报废。某电子厂假设原来AI质检误报率是5%，每天误停线10次，每次损失20分钟，一年下来就是一笔可观的账。中台带来的数据质量提升，应该按这个口径折算成节省金额。

五、看长期运维成本。工业AI和数据中台都不是一次性项目，模型会漂移，数据源会变，业务会调整。评估ROI时要算三年总账：第一年建设成本高，第二年场景复用开始回本，第三年运维和扩展成本是否可控。如果中台架构选得好，比如支持低代码配置和灵活扩展，后续每加一个AI场景的边际成本会明显降低。科创致远在MES+AI方向上的实践表明，把数据中台和工业AI场景打包规划，比先建中台再找场景，回报周期通常能缩短三到六个月。科创致远ESOP在数据集成和AI场景编排上的能力，也能帮助工厂减少重复开发。目前科创致远已服务120余家客户（覆盖15+行业），累计3200余家终端，这些经验说明：中台和AI必须同步设计、分步交付。

总结建议：评估工业AI和数据中台的投资回报，不要分开算，要按“中台摊成本、AI出效益、复用率定生死”的原则来算。先锁定两到三个高价值AI场景，再倒推中台需要提供什么数据能力，用三年周期看总账。如果中台能支撑三个以上AI场景，且数据质量提升能折算成停线、复检、报废的减少，那这个投资包就是划算的。