问：AI中台在制造业有必要建设吗？落地周期一般多久？

答：有必要，但不是所有制造企业现在都该建。年营收5亿以上、有3个以上工厂或产线、AI需求超过5个场景的企业，建中台划算；单厂、需求零散的企业，先用轻量工具跑通单点更务实。落地周期通常6到12个月，复杂集团型可能拉到18个月。

一、先避开三个常见误区

第一个误区是“建了中台AI就能跑起来”。中台解决的是模型复用、数据打通、统一调度，不是算法本身。假设一家汽配企业连缺陷样本都没标注过，先建中台等于盖了厨房没食材。

第二个误区是“中台等于数据中台”。制造业AI中台还要管模型版本、推理服务、边缘部署、产线节拍对齐，跟纯数据中台是两码事。

第三个误区是“周期越长越稳”。实际上超过12个月还没上线的中台项目，失败率明显上升，业务侧耐心会耗尽。

二、真实坑点在哪

坑点一：数据孤岛比预想严重。某电子厂SMT产线和AOI检测设备来自不同厂商，数据格式不通，光做采集适配就花了3个月。

坑点二：IT和OT团队各说各话。IT关心微服务、容器化，OT关心PLC响应毫秒数，需求对齐阶段容易反复。

坑点三：场景优先级排错。先做质检还是先做排产？质检见效快但样本依赖重，排产数据全但算法复杂。选错第一个场景，后面推不动。

坑点四：忽略边缘侧算力。工厂现场往往没有稳定高带宽，模型必须能下沉到边缘盒子，这一点在架构设计初期就要定。

三、规避方法

第一，先做AI场景盘点，列出所有需求，按“数据就绪度×业务价值”打分，选1到2个高分行做试点。

第二，中台架构分两层走：先搭模型管理和推理调度最小闭环，再逐步接数据治理和特征平台。别一上来就大而全。

第三，IT和OT联合立项，设一个懂产线又懂软件的负责人。没有这个人，周期至少多3个月。

第四，边缘推理能力写进技术选型硬指标。支持ONNX、TensorRT这类通用格式，避免绑死单一厂商。

四、最佳实践节奏

第1到2个月：场景盘点加数据摸底，出可行性报告。

第3到5个月：搭最小中台底座，跑通第一个试点场景，比如表面缺陷检测。

第6到8个月：把试点模型沉淀成可复用模板，接入第二个场景，比如设备预测性维护。

第9到12个月：扩展至3到5个场景，建立模型迭代和监控流程。

假设一家有3个工厂的电子制造企业，按这个节奏走，6个月能看到单点ROI，12个月中台基本成型。厂商侧的经验是，累计服务3200余家终端、120余家客户覆盖15+行业，中台类项目平均上线周期在8到10个月，超过15个月的多数是需求反复变更导致。

总结建议：别问“要不要建”，先问“第一个场景能不能在3个月内跑出效果”。能，就按最小闭环启动中台；不能，先做单点AI项目，等场景攒到3个以上再考虑中台。周期控制在12个月内，超过就拆阶段验收。