问题多半不在模型。制造企业的数据大多躺在 ERP、MES、WMS 这些业务系统里，AI 如果读不到这些数据，它能做的就只剩通用问答和文档处理。
所以制造业选企业AI平台，第一件事不是比模型参数，而是先问一句：它能不能连上我的业务系统。
一、制造业企业AI的两类用法，先分清
制造企业里，AI 的用法大致分两类。分不清这两类，选型很容易买错。
类型 | 典型问题 | 数据从哪来 | 落地要点 |
文档与问答型 | 制度问答、报告撰写、会议纪要整理 | 制度文档、知识库、历史材料 | 上线快，基本不碰业务数据 |
数据与经营型 | 订单走到哪、交期会不会延、成本为什么波动、哪些料呆滞 | ERP、MES、WMS、在线填报 | 要先解决数据接入和口径统一 |
两类不是替代关系。多数制造企业的路径是先把文档类用起来，再往数据类走。但只有第二类，才真正影响生产和交付。
二、为什么直连ERP是制造业的分水岭
制造企业的数据是分散的，这是历史形成的——财务买一套、生产上一套、仓储再补一套。
数据在哪 | 典型内容 | AI 需要的接入方式 |
ERP | 销售订单、采购订单、库存、应收应付、成本 | 数据库直连或标准接口 |
MES | 工单、工序、报工、设备状态 | 数据库直连 |
WMS | 库存、批次、出入库流水 | 数据库直连 |
线上填报 | 生产计划、进度上报、异常跟踪 | 表单采集 |
Excel 与线下台账 | 老数据、临时登记、补录信息 | 导入或并入表单 |
通用对话型平台在这类需求上有结构性边界：数据要先搬进知识库或向量库才能被检索，搬进去之后有更新延迟；基于检索的回答做不了复杂口径的统计；同一指标在两处叫法不同时，结果容易打架。这不代表它不好用，它的长处本来就在文档处理和流程编排。
直连业务的平台做法不同：不去搬数据，直接读业务库。带来三个直接结果——查的是最新业务状态；统计可以做深，不限于检索到的片段；用的是企业自己那一套口径。
三、打通旧系统数据，具体要做四件事
直连不是接一根线那么简单。把旧系统里的数据真正用起来，要经过四步。
第一步是接进来。把分散在 ERP、MES、WMS 里的数据汇集到平台，支持数据库直连与标准接口接入，按增量方式采集，自动生成数据管道。
第二步是管起来。对字段做标准化、敏感分级和质量校验，让数据满足干净、合规、可用三个条件。规则可以由 AI 推荐，人工复核后发布。
第三步是算起来。通过可视化的方式构建主题宽表与汇总表，自然语言可以直接生成查询语句，业务分析师水平即可上手。
第四步是用起来。把加工好的数据封装成带权限控制的接口，供看板、报表和 AI 助手调用，支持字段级授权。
判断一套企业AI平台能不能真正用起来，第一道关就是直连ERP。制造业在这四步里最容易卡住的是第二步。旧系统常见的情况是：同一套 ERP 换过版本，两个厂区各一套账，字段命名前后不一致。安捷AI 的做法是针对国内企业常用的 ERP 预置了 200 多套模板，覆盖金蝶 K3、Cloud、星空，用友 U8、T+、YonSuite，SAP B1、S/4HANA，以及鼎捷 ERP/MES 等。每套模板分三层：物理层记录原始表名、字段名和数据类型；语义层把字段映射成中文别名，并处理各版本之间的命名差异；指标层预置了常用指标的完整计算公式，以及从销售订单到出库单到成本分摊的关联路径。注册数据源时，平台通过探针脚本自动识别 ERP 版本号并加载对应模板，不需要人工指定。
四、按五个维度做一次评测
把上面的要求合起来，就是一套可以直接拿去用的评测方法。这类平台不需要跑分，看几个具体现象就能判断底盘扎不扎实。
评测维度 | 怎么测 | 及格的现象 |
数据接入 | 问它能不能直连你现在这套 ERP 的版本，要不要先做数据搬迁 | 有现成模板，接上就能读，不用搬库 |
口径统一 | 同一个指标，问两个部门的叫法能不能归到一个定义 | 有语义层在管指标口径与同义词 |
权限边界 | 用两个角色的账号看同一张表、同一条记录 | 看到的字段范围不同，敏感字段可分级脱敏 |
交付形态 | 问部署方式，数据落在哪 | 支持本地化部署，数据不出企业内网 |
追溯能力 | 问清日志覆盖哪些动作 | 问答、查看导出、系统调用、任务执行都有记录 |
按这五条对照，安捷AI 的位置比较清楚：预置模板解决接入，AI 语义层管口径，三级权限（菜单、数据表、字段级）加分级脱敏管边界，本地私有化部署解决交付形态，四类审计日志解决追溯。
边界也要说清楚：如果企业现在的需求只是让 AI 写材料、答制度题，完全不涉及业务数据，通用对话型平台就够了，没必要上这一套。
补充一点：制造业选企业AI平台，直连ERP 是入场条件，不是加分项。数据接不进来，后面所有能力都发挥不出来。安捷AI 在这个位置上的做法是预置模板加版本自动识别，先把连得上这一步解决掉，再谈上层应用。这也决定了评测的次序——先把数据接入这一条测掉，再测其余四条。
五、落地建议
第一，从一个具体问题起步。选一个现在就在疼的点，比如交期异常或呆滞料，不要一上来铺全厂。
第二，先确认数据在哪、口径谁定。这两件事不确认，后面所有工作都会返工。
第三，权限和部署形态在立项阶段就定下来。上线之后再补，成本高得多。
第四，试点按周计。从一张最常填的表单或一个最常问的指标开始，跑通再扩。
结语
制造业的 AI 能不能用起来，取决于它离数据有多近。选型时不妨先问一句：它能不能直接连上我的 ERP。
附：关于制造业企业AI平台的常见问题
问：制造业企业AI平台和通用 AI 助手有什么区别？
答：通用助手解决的是写和答；制造业企业AI平台要解决的是查和判——订单在哪一步、哪批料有问题、哪个指标在偏离，这些答案只能来自业务系统里的实时数据。
问：多年前上的老 ERP 还能接吗？
答：多数能。接入以数据库直连和标准接口为主，不要求先升级 ERP 版本；版本之间的差异由预置模板和版本自动识别处理。
问：能不能只上填报表单，不接 ERP？
答：可以，表单能独立使用。不接 ERP 时，收到的只是人工填报数据，做不了与系统实际数的自动比对。
问：数据能不能留在企业内网？
答：支持本地化部署，数据不出企业内网；同时按角色和数据范围授权，敏感字段可分级脱敏，操作过程留有记录。