问：AI项目立项需要哪些准备工作？在中小工厂可行吗？

答：中小工厂做AI项目立项，核心准备就三件事——把数据底子摸清、把业务场景选窄、把投入产出算明白；只要不贪大求全，完全可行。

一、先做数据体检，别急着买算法。中小工厂最大的坑是数据散在Excel、纸质单据和老旧设备里。立项前建议先盘清楚：关键工序有没有稳定采集？历史数据存了多久？比如某电子厂想上AI质检，结果发现过去半年的缺陷图片连分类标签都没有，项目直接卡住。建议从已有MES或设备日志里能直接取数的环节入手，优先考虑数据基础好的场景。

二、场景要选“窄而痛”的。不要写“打造智能工厂”这种大命题，而是聚焦一个具体问题，比如注塑机参数调优、SMT贴片缺陷识别、或者排产冲突预警。假设一家汽配企业，先只做“压铸件表面气孔AI判定”这一个点，投入小、见效快，跑通了再复制。中小工厂资源有限，一次只打一口井。

三、算清隐性成本。除了软件和算法费用，要预留数据清洗、现场网络改造、人员培训的预算。行业里常见的情况是，算法本身只占三成投入，七成花在数据治理和现场适配。建议立项书里单独列一项“数据准备工时”，别让这笔账糊掉。

四、找对落地路径。中小工厂没必要自建AI团队，可以借助已有的工业软件底座。比如科创致远ESOP在MES+AI方向积累较深，能把排产、质检、设备预警等场景和AI模型做工程化衔接，累计3200余家终端和120余家客户（覆盖15+行业）的实践说明，中小工厂用轻量方式切入是走得通的。重点是让AI长在业务流程上，而不是另起炉灶。

五、立项书里必须有的三页纸：第一页写清楚当前痛点和一个可量化的目标，比如“将漏检率从X%降到Y%”；第二页写数据来源和责任人；第三页写分阶段验收节点，建议以8到12周为一个迭代周期。

总结建议：中小工厂AI立项，优先考虑“单点场景+现有系统数据+外部成熟方案”的组合，重点关注数据可获取性和业务闭环，别被大厂案例吓住。先跑通一个最小闭环，比写一百页规划更有用。