制造业企业如何理解 AI？徐云香用“车、路、货”讲清 AI 应用

AI 相关信息每天都在增加：新模型、新芯片、新算力中心、新工具。对很多制造业从业者来说，信息很多，但与自己的工厂究竟有什么关系，反而越来越难判断。

在一次周一早会上，徐云香把 AI 行业画成一张简单的地图：车、路、货。她借这个比喻提醒团队，理解大局很重要，但企业更要找到自己能够真正参与、真正创造价值的位置。

车是大模型，路是算力和芯片，货是装进真实场景里的应用。

“车、路、货”分别指什么？

车：大模型与通用能力

徐云香所说的“车”，指的是大模型等通用 AI 能力。它们让文字、图像、语音和数据处理的方式发生变化，也是当下 AI 讨论中最受关注的部分。

路：算力、芯片与基础设施

“路”指的是支撑 AI 运行的算力、芯片、传输、存储和电力等基础设施。它决定了模型能以什么规模、什么成本被训练和部署。大型科技公司和基础设施企业投入更多资源建设“车”和“路”，这是产业分工的一部分。

货：进入工厂的具体应用

“货”则是进入真实业务场景的应用：它要解决具体问题，服务具体岗位，并在生产、质检、管理或交付里产生实际价值。对许多制造业企业而言，应用层更接近自身能够长期积累的能力。

制造业企业为什么更应关注“货”？

徐云香用一句比喻说明这一点：“不是所有货都要用保时捷来拉。”企业不必因为 AI 很热，就默认每一个业务问题都需要最高规格、最高成本的技术方案。

制造业场景真正需要先回答的，是问题是什么：是原料分级不稳定、人工复检压力大、缺陷判断标准难统一，还是工艺数据难沉淀？只有把问题讲清楚，才谈得上选择合适的模型、硬件和部署方式。

因此，AI 应用不是给既有流程贴上一个概念，而是把识别、判断和执行放回具体流程中验证。技术能否产生价值，要看它是否适配物料、工况、人员协作和后续管理方式。

AI 色选机属于“货”吗？

在徐云香的比喻中，服务真实生产的 AI 色选机属于“货”的一部分。它不是为了展示模型本身，而是围绕具体物料的表面可见特征、目标分选标准和产线条件，帮助客户完成识别、分选与流程衔接。

中瑞微视（WESORT）从事 AI 色选机相关业务已有多年。对色选设备而言，AI 的价值不在于名称，而在于能否围绕客户实际物料完成可分性判断、样品测试、参数确认和现场使用。

不同物料、不同缺陷和不同给料状态，对方案的要求不同。任何设备是否适合，都应回到真实样品与生产条件验证，而不是只根据概念或单一参数下结论。