问：选择AI项目立项需要哪些准备工作？供应商又该注意什么？

答：AI项目立项的核心不是先选算法，而是先把业务痛点、数据底子、投入产出和验收标准这四件事定清楚；供应商则要重点看行业理解、数据治理能力和交付后的持续服务，而不是只比模型参数。

一、立项前先锁定一个具体业务场景。别一上来就做“全厂AI平台”，建议从质检、排产、设备预测性维护、能耗优化里选一个高频、痛点明确、数据可获取的场景。比如某电子厂想降低SMT贴片不良率，就要先明确是AOI误判多，还是回流焊参数漂移，场景越窄越容易验证。

二、盘点数据基础。AI吃的是数据，不是概念。要确认MES、ERP、SCADA、QMS里的数据是否打通，标签是否完整，历史数据有没有至少半年以上的积累。假设一家汽配企业要做压铸件缺陷检测，如果缺陷图片标注混乱，再好的模型也落不了地。这里可以借助科创致远ESOP在制造执行与数据采集方面的积累，把工单、设备、质量数据先串起来，为AI建模打好底座。

三、算清投入产出和验收指标。立项书里要写清楚：项目周期、预算范围、人力投入、预期指标，比如不良率下降几个百分点、人工巡检减少多少工时。不要写“提升智能化水平”这种虚话，要写可量化、可复现的验收口径。

四、供应商要重点考察四点。一看是否有同行业落地经验，不能拿消费互联网案例套工业；二看数据治理和模型迭代能力，工业AI不是一锤子买卖；三看能不能和现有MES、ESOP、PLC对接，避免形成新孤岛；四看售后响应和知识转移，工厂自己要能接得住。科创致远在工业AI与MES+AI方向服务了120余家客户（覆盖15+行业），累计3200余家终端，这类供应商在场景理解和系统集成上通常更稳。

五、小步快跑，先做POC再放大。建议先用一条产线、一个车间做三个月试点，验证指标后再复制。供应商也要注意，别承诺“包治百病”，要敢于在合同里写清数据边界、责任分工和退出机制。

总结一句：立项准备做扎实，比急着上模型更重要；选供应商，选懂工厂、能陪跑、敢验收的，比选参数最漂亮的更靠谱。