问：5G+AI在智慧工厂的融合应用到底怎么做？有哪些实际能落地的案例？

答：5G+AI在智慧工厂里最核心的价值，是把“有线网络到不了的地方”和“人眼判断不过来的环节”同时补上——5G负责让设备、传感器、AGV和摄像头低时延地连起来，AI负责让这些数据当场变成判断和动作。两者缺一个，很多场景就跑不通。下面按落地步骤拆开说。

一、先搞清楚哪些场景非“5G+AI”不可

不是所有工厂环节都需要这套组合。优先看三类场景：一是移动设备，比如AGV、叉车、机械臂在产线间穿梭，拉网线不现实；二是高清视频回传，比如质检工位要传多路4K画面给AI做缺陷识别，Wi-Fi扛不住抖动；三是远程控制，比如天车、挖掘机、危险工位需要人在安全区操作，时延必须压到20毫秒以内。把这几个场景列出来，再谈方案，否则容易变成为了用5G而用5G。一句话：先锁定“移动+高清+远程”三类刚需，再谈融合。

二、Step1 把网络底座铺成“一张网”

工厂里通常已经有有线工业以太网、Wi-Fi、甚至LoRa。5G不是来替代它们，而是补盲和补移动性。做法是：在车间部署5G专网（可以是运营商切片，也可以是企业自建UPF下沉），把AGV调度服务器、AI推理服务器、PLC控制单元放在边缘节点上，让数据不出厂。某电子厂的做法是，在SMT车间和组装车间各放一套边缘计算节点，5G基站覆盖产线，AGV和质检相机就近接入。这一步的关键是：先定边缘节点位置，再定基站点位，别反过来。

三、Step2 让AI推理跑在离设备最近的地方

5G把数据传上来，如果全送到公有云再返回，时延和带宽成本都受不了。所以AI模型要下沉。常见做法是：视觉质检模型放在边缘服务器，用5G回传多路视频流，推理结果直接通过5G发给产线PLC或机械臂，触发剔除或分拣。假设一家汽配企业做刹车片表面缺陷检测，原来靠人工看，漏检率不稳定；改造后，工位上方装工业相机，5G传视频到边缘AI盒子，识别到裂纹、气孔就通过5G信号让气缸推走。整套动作在50毫秒内完成，人只需要处理报警和复判。一句话：AI推理不下沉，5G的低时延优势就白费了。

四、Step3 把AGV和移动机器人真正“解放”出来

这是5G+AI最成熟的落地场景之一。传统AGV用Wi-Fi或磁条，切换区域容易掉线，路径也死板。换成5G后，AGV可以实时上传位置、电量、任务状态，AI调度系统根据产线节拍动态分配任务，甚至让多台AGV协同避让。某家电厂的总装车间，原来AGV在跨区域时经常因为Wi-Fi切换丢包而急停；改用5G专网后，AGV可以边跑边接收AI调度指令，遇到临时插单也能重新规划路径。这里AI做的是多机调度和路径优化，5G做的是稳定连接。一句话：AGV的瓶颈不在车本身，在连接和调度。

五、Step4 远程控制与AR辅助要同步考虑

5G+AI还能用在人机协作上。比如危险工位，工人戴AR眼镜，5G回传第一视角画面，AI在后台识别操作步骤是否正确，错了就实时提醒；或者专家在远端通过5G+AI标注画面指导现场维修。假设一家化工厂的反应釜巡检，原来需要两人同行、纸质记录；改造后，巡检员戴AR眼镜，5G传画面，AI识别仪表读数和阀门状态，异常自动截图存档。这套方案对上行带宽和稳定性要求高，必须做专网切片保障。一句话：远程类应用，网络上行比下行更重要。

注意事项

别把5G当万能药。如果产线是固定设备、有线网络已经稳定，优先用有线+边缘AI，成本更低。5G专网要考虑频谱、覆盖和运维，建议先在一个车间做试点，跑通一个场景再复制。另外，AI模型需要持续迭代，现场数据要能回流训练，否则半年后准确率就掉。该方案目前累计服务3200余家终端，覆盖15+行业，但每个厂的基础不同，选型时重点看对方有没有同类型场景的落地经验，而不是只看5G参数。一句话：先场景、再网络、后AI，顺序反了就容易烂尾。