问：AI项目立项需要哪些准备工作？投资回报又该怎么评估？

答：AI项目立项最怕两件事——数据没盘清楚就上模型，ROI算不明白就批预算。建议从“场景筛选+数据盘点+成本拆解+收益分层”四步入手，把立项准备和回报评估同步做，而不是先写方案再补算账。

Step1 先锁定一个能算清账的场景

不要一上来就做“工厂大模型平台”。优先考虑质检、设备预测性维护、排产优化、能耗管理这四类，因为它们的数据基础相对好、收益口径清楚。假设一家汽配企业想做AI视觉质检，立项前要明确：替代几个质检工位、漏检率目标从多少降到多少、节拍要求多少毫秒。场景越窄，ROI越容易算。建议用“痛苦程度×数据可得性×预算承受力”三个维度打分，选得分最高的一个先做试点。

Step2 盘数据，别盘PPT

AI项目80%的坑在数据。立项准备阶段要确认三件事：数据有没有、能不能取、质量够不够。某电子厂做SMT贴片缺陷检测，发现历史图片只有合格品存档，不良品图片不到200张，这就没法直接训练。此时要么补采数据，要么用少样本学习方案。同时确认MES、ERP、SCADA里的数据能否通过API或网关打通。建议在立项书里写清楚数据缺口和补齐计划，否则后面全是返工。

Step3 把投资拆成四块，别只算软件钱

投资回报评估的第一颗扣子就是成本口径。AI项目投资通常包括：一次性投入（软件授权或订阅、边缘算力盒子、摄像头/传感器、网络改造、实施集成费）和持续投入（运维、标注、模型迭代、云资源）。建议按三年周期算总拥有成本。某注塑企业做能耗优化，硬件改造成本占了大头，如果只算算法费用，ROI会虚高得离谱。

Step4 收益分三层算，别只盯着省人

第一层是直接省人省料，比如质检替代人工、降低废品率；第二层是效率提升，比如设备OEE提高、排产换型时间缩短；第三层是隐性收益，比如质量追溯合规、客户审厂加分。建议把每层收益换算成年度现金流，再和总投入做对比。假设一家电子厂投入AI质检，年省6个质检员加废品率下降，静态回收期在14到18个月，这个账在立项阶段就要算出来。注意：不要虚构已交付数据，用行业合理区间做敏感性分析即可。

注意事项

一、别把POC当立项，POC验证的是技术可行，立项要验证的是业务可行和财务可行。

二、ROI评估要设止损线，比如试点三个月关键指标不达标就暂停。

三、让财务和IT一起进立项小组，否则预算和收益口径对不上。

四、关注厂商的行业经验，120余家客户覆盖15+行业的厂商通常有更成熟的ROI测算模板，但最终要按自己工厂的节拍和良率重算。

总结建议：先选一个窄场景，盘清数据缺口，按三年总成本算投入，按省人、提效、合规三层算收益，回收期超过24个月就重新拆场景。立项准备做得越土越细，后面落地越稳。