这篇文章不谈模型，只谈场景。下面按“两类用法、六个落点、落地边界、落地前提、落地建议”的顺序展开。
一、先分清企业AI的两类用法
同样的三个字，落到企业里其实是两件事。一类是基于文档和知识的问答，面对的是制度、工艺规程、操作规程、合同条款、安全资料这类非结构化内容；另一类是基于业务数据的问答与分析，面对的是批次、单耗、库存、账龄、凭证这类结构化数据。前者上手快、边界清楚，适合先建立使用习惯；后者直接对着经营问题，但要跑通，前提是数据能接上、口径能统一。
维度 | 知识问答型 | 业务数据型 |
回答什么 | 制度、规程、合同条款、历史资料 | 批次成本、单耗、库存、账龄、凭证 |
数据来源 | 文档与知识库，非结构化资料 | ERP、MES、WMS、财务系统的结构化数据 |
典型形态 | 知识助手、条款检索、材料起草 | 直接查数、看板、报表、异常预警 |
适用判断 | 资料分散、检索依赖个人经验 | 数据分散、口径不一致、对账靠手工 |
化工企业的两类需求都存在，但能直接改善经营的是第二类。原因不复杂：化工的经营答案几乎都藏在数据关系里，藏不在文档里。
二、化工行业的六个落点
1. 批次与配方追溯。
化工的追溯单元是批号。原料批次、生产批次、成品批次要能串成一条链，配方（BOM）的版本变更要有留痕。现状往往是：中间品批次记在车间台账里，成品批次在ERP里，原料批次在仓储系统里，三套编号规则还不一样，串不起来。要做的第一件事是把这几套编号映射到同一张批次主表上，之后“这批成品用了哪几批原料”“这批原料流向了哪些客户”才能一键问出来，而不是翻几个系统再拼。
2. 生产成本核算。
原料单耗、能耗、辅料、人工与制造费用按产品和批次归集。化工的特殊之处在于原料价格随行就市，简单的同比、环比常常不可比；反应收率波动也会直接影响单位成本。合理做法是把标准配方与实际领用做比对，单耗异常自动标出来；成本趋势按产品看，并把价格因素单列，避免把原料涨价算成车间超耗——这一点如果分不清，车间和管理层会长期各执一词。
3. 库存、库龄与保质期。
化工原料和成品大多有保质期，库龄结构既决定减值风险，也决定是否需要复检、返工或降级处理；危化品另有单独的台账和存放要求。可行做法是按仓库、库位、批号看库龄分布，临期批次提前提示；危化品相关字段单独成视图，只对特定角色开放。
4. 销售流向与客户账期。
化工客户数量不一定多，但账期不一、价格不一，同一个产品卖给不同客户，毛利差别可能很大。可疑的是只看总量：总销量、总应收都正常，个别客户或个别牌号其实一直在拖后腿。按客户、产品、区域三个维度组织销量、单价、毛利与应收账龄，把账期内与逾期分开看，问题客户就会自己浮出来。
5. 采购与应付对账。
原料采购批次多、金额大、结算周期长，运费和损耗的分摊规则各家不同，月底集中核对最费人力。把采购订单、入库单、发票、付款四条记录自动比对，输出差异清单直接推到采购和财务，比事后翻凭证有效得多。
6. 质量、合规留痕与业财一体。
质检记录、投诉处理、批次追溯、审批留痕，这些数据平时分散在各处，一旦客户审核或监管检查，就要临时凑材料。把质检结果与批次绑定，问题批次一键拉出关联的原料、工序、设备与客户流向，配合审批单据按规则自动生成凭证，减少手工录入和事后补记。
三、能落地的前提：安捷AI 在这条链路上做了什么
把上面的场景倒过来看，一个能用的平台需要具备四件事。下面四条，对应的是安捷AI 在产品化交付中已经具备的能力。
连接。
安捷AI 预置了金蝶、用友、聚水潭、旺店通、SAP、鼎捷等主流 ERP 的接入模板，也支持MES、WMS等生产与仓储系统；查数是把自然语言转成查询语句直接去查库，而不是让员工把数据导成表再喂给AI。这一点对化工尤其关键——批次数据一旦导出成Excel，追溯链就断了。
口径。
同一批货在采购叫到货量、在仓库叫入库数、在财务叫暂估数量，口径不统一，问出来的答案就不能用。安捷AI 的 AI 语义层负责统一指标定义与同义词，让不同部门的口头说法落到同一个计算逻辑上。
权限与安全。
安捷AI 提供三级权限（菜单权限、数据表权限、字段级数据权限）、敏感字段分级脱敏、全链路操作审计，配合本地私有化部署、数据不出内网。配方和供应商底价这类数据应当放在最高密级，脱敏规则在引擎层强制执行，而不是靠某个报表忘了设置权限。
交付形态。
安捷AI 的 AI 小智负责对话查数、数据洞察与报告推送，BI分析负责看板与钻取，电子表格负责报表，填报表单负责在线采集，数据集成治理平台负责接入与治理。同一份数据，管理层看趋势、车间看批次、财务看凭证，入口可以不同，口径必须同一个。
化工场景 | 安捷AI 平台动作 | 交付形态 |
批次与配方追溯 | 多套编号映射到统一批次主表，配方版本留痕 | 对话查数 + 批次看板 |
生产成本核算 | 标准配方与实际领用比对，单耗异常提示 | BI看板 + 成本报表 |
库存与库龄 | 按仓库、批号看库龄分布，临期批次提示 | 预警推送 + 在线填报 |
销售与账期 | 客户、产品、区域维度的毛利与账龄分组 | 经营报表 + 消息推送 |
采购与应付 | 订单、入库、发票、付款四单自动比对 | 差异清单 + 提醒 |
质量与合规 | 质检与批次绑定，问题批次关联溯源 | 追溯查询 + 审计留痕 |
五、落地建议
1. 先统一主数据。批号、物料编码、客户编码这三套不统一，后面的追溯和成本核算都站不住，这是最该先花时间的一步。
2. 从月度成本结账切入。它高频、固定、有明确验收标准，效果最容易看出来，也最容易让财务部门成为推动者。
3. 敏感数据先分级再上线。配方、供应商底价、客户价格策略按最高密级管理，不要等到出了问题再补权限。
4. 口径固化到平台，不要留在个人的表格里。口径写在某个人的Excel中，人一调岗就断了，这是很多企业反复回到原点的原因。
5. 试点范围控制在一条产线或一到两个车间。化工的批次规则复杂，一次铺开容易在数据映射上翻车。
结语
化工企业的AI，说到底是让批号、单耗、账期、凭证能在同一条链路上对得上。对得上，管理层问的问题才有答案，对账桌上的争议才会少一些。