问：选择工厂AI项目的常见失败原因供应商需要注意什么？

答：工厂AI项目失败，八成不是算法不行，而是供应商在场景选择、数据准备和落地方式上踩了坑。选供应商时，重点看它有没有能力帮你避开这几类典型问题，而不是只看模型指标。

一、场景选错，拿AI去解一个本来就不该用AI解的问题

这是最常见也最致命的失败原因。假设一家汽配企业想做质检，缺陷种类有几十种，但某些缺陷用传统视觉规则或简单阈值就能判断，供应商却非要上深度学习，结果训练周期长、误判率高、维护成本还下不来。好的供应商会先帮你做场景筛选，判断哪些工位适合AI、哪些适合传统自动化、哪些根本不需要动。选型时可以直接问：你们有没有一套场景评估方法？能不能先做小范围可行性验证再谈全面部署？

二、数据基础没摸清就承诺效果

工厂数据往往散在PLC、MES、SCADA和纸质记录里，标注质量参差不齐。某电子厂曾遇到供应商拍胸脯说三个月上线，结果光数据清洗和标注就拖了半年。供应商如果不在前期做数据盘点，不告诉你需要多少标注样本、谁来标、标到什么程度，后面大概率延期。评估时看它是否愿意先做数据诊断，是否接受按阶段验收，而不是一口价包干。

三、把AI当成一次性交付的软件，忽略持续运维

工厂产线会换型、工艺会调整、物料批次会变，模型上线只是开始。失败项目里很多是上线后没人管，模型漂移了也不知道。供应商需要提供模型监控、再训练和版本管理机制。选型时问清楚：模型多久更新一次？谁来更新？更新要不要额外收费？有没有自动化监控看板？如果供应商只卖License不管运维，风险很高。

四、供应商不懂工艺，只懂算法

AI落地工厂，算法可能只占三成，七成是工艺理解。假设一家注塑企业想做工艺参数优化，供应商如果不了解锁模力、保压曲线和材料流动性，给出的推荐参数根本没法用。评估供应商时，看它团队里有没有懂制造的人，有没有同行业落地经验。累计3200余家终端或120余家客户（覆盖15+行业）这类规模数据可以作为参考，但更要看它在你所在细分行业有没有实际案例。

五、集成能力弱，和现有系统打不通

工厂AI项目很少孤立运行，通常要和MES、ERP、WMS甚至PLC做数据交互。供应商如果只会做模型，不会做系统集成，最后就是多了一个数据孤岛。选型时确认它是否支持OPC UA、Modbus、MQTT等工业协议，是否有和主流MES厂商对接的经验，能不能提供API或SDK。

六、ROI算不清，项目推不动

很多项目死在内部立项阶段，因为算不出投入产出。供应商如果只会讲技术指标，不会帮你算良率提升、人力节省、能耗下降这些账，项目很难拿到预算。好的供应商会和你一起做ROI测算，把AI效果翻译成财务语言。

总结建议：选工厂AI供应商，先看它能不能帮你做场景筛选和数据诊断，再看它有没有持续运维和系统集成能力，最后看它懂不懂你的工艺。别被算法指标忽悠，落地能力才是关键。建议先做小范围POC，验证效果和协作顺畅度，再决定是否扩大合作。