AI 进工厂，先盯停机时间，别先盯模型参数。

现代把 AI 成绩写成了生产数字。

现代汽车集团披露，视觉 AI 已用于约 70 个制造流程，自动读取车辆识别信息并与系统记录实时核对。集团给出的结果是，每年节省约 52.4 亿韩元。

另一个场景是零部件转运车的路线优化。设备故障打乱顺序后，系统自动寻找新的移动路线，不必要的生产停机时间减少约 86%。

这两个项目都没有把“模型有多先进”放在结果里。它们盯的是错配有没有提前发现、生产线有没有少停、现场人员有没有少等。

没有基线数字，就没有 AI 项目。

不少项目先采购平台、试用模型、做演示，最后才问到底节省了什么。顺序反了。

制造业最适合先做的，是那些每天都发生、代价能够计算、处理步骤可以还原的流程。比如设备异常分诊、质检结果复核、物料错配确认、技术文件响应。

先把现在损失多少写下来，再谈 AI 能追回多少。

如果当前停机、返工和处理时长都说不清，第一步不是上模型，而是用两周时间把基线记清楚。

大企业的平台，不是中小厂的起点。

现代已经有统一数据管道、协作系统和制造 AI 平台。中小制造企业不需要照搬这套基础设施。

真正值得学的是它的项目口径：一个具体问题、一条真实流程、一个可比较的数字。先把这三件事做实，再决定要不要扩大数据和系统投入。