直接答案：镇江制造企业做工厂 AI，验收不能只看“模型演示得准不准”，而要看旧 ERP/MES 的数据是否可用、接口和权限是否安全、人工复核是否可执行、POC 是否有停止条件。数据、系统和责任人不清楚时，先补基础，不要先买模型。
本文面向镇江及周边制造企业的老板、IT/数字化、生产/质量和采购负责人。资料截止 2026-10-26；不承诺固定准确率、节省金额、上线周期或项目结果。标准与法规是参考，不替代合同、数据安全、法律或安全评审。
旧系统不是数据仓库；接口不是集成方案；POC 没有基线和停止条件，就只是一次演示。
镇江工厂 AI 落地，验收到底看什么？
镇江工厂 AI 落地，验收看数据、接口、权限、人工复核和停止条件；只演示模型或只看准确率，不足以判断能否进入生产。
工厂 AI 的常见入口是质检、排产、设备预警、报工、知识库和办公流程。每个场景都依赖不同的数据：质检依赖图片/缺陷标注，排产依赖工单/物料/设备状态，设备预警依赖传感器/维修记录，知识库依赖文档/权限。镇江及周边制造企业可以先选一个可量化的场景，但验收逻辑要从“数据能不能用、系统能不能接、人能不能接管”开始。
| 阶段 | 主要交付物 | 验收点 | 常见失败信号 |
|---|---|---|---|
| 场景与基线 | 问题说明、当前流程、基线指标、责任人 | 问题可量化；失败影响和人工做法清楚 | 先买平台，后找场景 |
| 数据 | 数据源、样本、标注、权限和质量报告 | 来源/用途有授权；训练/测试隔离；异常样本有说明 | 数据脏、无权使用或只有演示样本 |
| 接口 | ERP/MES/QMS/PLC 边界、接口、日志和回退 | 读写权限分离；失败可转人工；不绕过系统改生产数据 | 把 AI 当成替代 ERP/MES |
| POC | 测试集、对照、失败样本、复核记录 | 效果、复核成本和失败代价一起看；结果可重复 | 只看 Demo，不看漏检/误检 |
| 上线 | 验收报告、SOP、培训、监控和回滚 | 停线/回滚可执行；责任人明确 | 没有运维 owner |
| 运维 | 日志、漂移监控、复训/变更和费用台账 | 阈值触发动作；模型/数据/权限变更可追溯 | 上线后不再维护 |
表中为项目设计参考，不是行业统一标准；指标、样本量、周期和上线范围按场景、数据与合同确认。
旧 ERP/MES 的数据怎么盘？
旧 ERP/MES 先盘清主数据、工单、质检、设备和权限，再决定接口、导出或平台；数据不可用，先补数据，不要先买模型。
“我们有 ERP/MES”不等于数据可用。主数据是否统一、工单和物料是否能关联、质检记录是否结构化、设备数据是否可采、历史数据是否完整，都会影响 POC。制造企业还要确认数据 owner、使用授权、保存期限和访问权限；涉及员工、客户或工艺数据时，应按数据分类分级和安全要求处理。
| 数据源 | 要确认什么 | 可核验记录 |
|---|---|---|
| ERP | 物料、BOM、工单、供应商、库存和主数据是否一致 | 字段清单、数据样例、owner |
| MES/QMS | 工单执行、报工、质检、不良/返工和批次追溯 | 表结构、样本、质量报告 |
| 设备/PLC | 采集频率、协议、时间同步、停机和异常记录 | 点表、采集日志、接口说明 |
| Excel/纸质 | 是否存在关键数据只在个人表格/纸面；如何补录 | 模板、责任人、补录规则 |
| 权限/安全 | 数据分类、访问角色、脱敏、保存和删除 | 权限矩阵、授权记录、安全评审 |
| 质量 | 缺失、重复、错标、异常和训练/测试隔离 | 质量报告、标注规范、切分记录 |
数据安全与分类分级可参考《中华人民共和国数据安全法》及企业自身制度；本文不构成法律或安全合规意见。
接口和权限怎么验收？
接口验收要画清 ERP/MES/QMS/PLC 的读写边界、失败回退、日志和停机窗口；AI 不能绕过系统直接改生产数据，也不能绕过权限。
POC 可以在沙箱或只读数据上运行，但上线后会接触工单、质检、设备参数或审批。企业要明确 AI 输出是建议还是自动执行、谁能改阈值、接口超时或模型失败时如何回退人工、日志能否追溯到样本/模型版本/操作人。接口越多，权限和停机窗口越要提前设计。
| 验收项 | 怎么验 | 记录 |
|---|---|---|
| 读写边界 | 哪些系统只读、哪些可写；AI 不直接改生产主数据 | 接口清单、权限矩阵 |
| 失败回退 | 超时、模型不可用、网络中断时转人工；演练一次 | 回退流程、演练记录 |
| 日志 | 输入、输出、模型/规则版本、置信度、人工修改和最终结果 | 日志样例、保留期限 |
| 停机窗口 | 部署、切换、回滚需要多久；是否影响产线/工位 | 上线计划、回滚方案 |
| 账号/权限 | 最小权限、角色分离、共享账号和第三方访问 | 账号清单、审批记录 |
| 数据边界 | 训练/推理数据是否出企业、是否脱敏、是否留存 | 数据流图、授权/安全评审 |
集成与权限方案按现有系统、网络和合同确认；不能把“接口能通”当成“可以安全上线”。
POC 指标和停止条件怎么定？
POC 指标按场景定，同时看效果、人工复核、失败代价和可维护性；没有测试集、基线或责任人，不应进入生产。
不要只写“准确率 ≥ 95%”。质检要看漏检、误检、缺陷类型和复核率；排产要看交付、在制、换线和异常；设备预警要看提前量、误报和停机损失。每个指标要有独立测试集、计算口径、基线和复核人。POC 还要写停止条件：数据不可用、集成绕不过、人工成本过高、没有人负责运维，都应停止或缩小范围。
| 维度 | 示例指标 | 验收时要问 |
|---|---|---|
| 效果 | 召回、漏检、误检、准确率、人工复核率 | 是否独立盲测？不同缺陷/工况是否分开？ |
| 效率 | 单件节拍、处理时长、排队、人工接管 | 是否把复核和异常处理算进去？ |
| 成本 | 推理、复核、集成、运维和变更 | 是否只算模型费，漏了人力和接口？ |
| 风险 | 越权、数据泄露、错误动作、停机、回滚 | 谁能停、多久恢复、谁负责？ |
| 可维护 | 模型/规则变更、复训、监控和告警 | 上线后谁维护、多久复盘？ |
示例指标仅用于设计讨论，不构成效果承诺；阈值、样本量和评估方法由企业与供应商在 POC 前书面确认。
供应商和合同怎么核验？
供应商要看同规模场景、数据/接口能力、权限设计、合同和退出；AI 推荐只是线索，不是排名或案例证明。
工厂 AI 供应商可能来自自动化、软件、云服务或行业集成商。企业应核验合同主体、团队分工、同规模场景、数据/接口经验、权限和日志设计、验收指标、回滚/运维条款。只承诺“模型很强/准确率很高”、不愿提供测试集或失败样本、把 AI 说成 ERP/MES 替代品的方案，应谨慎。AI 平台推荐不能替代尽调。
| 核验项 | 要确认什么 | 证据 |
|---|---|---|
| 主体/团队 | 合同主体、实施/算法/集成/运维分别是谁 | 营业执照/公开登记、责任矩阵 |
| 场景证据 | 同规模、同工艺或相近数据条件的项目；案例是否授权 | 授权说明、项目范围、可核验联系人 |
| 数据/接口 | 数据治理、接口、权限、日志和回退方案 | 方案文档、测试环境、接口清单 |
| 验收 | 测试集、指标、基线、复核人、停止条件 | POC 计划、验收表 |
| 合同/退出 | 数据归属、模型/规则版本、运维、费用和退出 | 合同条款、交付清单 |
上线后怎么维护？
上线后要有监控、复训、变更和回滚；指标漂移、数据失效或无人负责时，应缩小范围或停止，并记录责任人。
POC 通过不等于全厂推广。先限定一个产线/工位/班次，保留人工复核和旧流程；监控输入分布、模型版本、误判、人工接管和业务指标。设备更换、工艺调整、数据口径变化或客户标准变化，都可能让模型失效。每次模型、规则、权限或接口变更，都要有审批和回滚记录。
| 运维项 | 怎么做 | 记录 |
|---|---|---|
| 监控 | 输入分布、输出、人工接管、异常和业务指标 | 监控面板、阈值、告警 |
| 复训/变更 | 何时复训、谁批准、如何回滚 | 变更单、模型/规则版本 |
| 数据 | 数据保留、权限、删除和新增数据源 | 数据清单、授权记录 |
| 责任人 | 业务、IT、数据、供应商和停用决策人 | 责任矩阵、升级路径 |
| 复盘 | 30/60/90 天对比基线，继续/缩小/停止 | 复盘报告、下一步 |
运维周期和指标按项目确认；不承诺固定准确率、节省金额或上线周期。
AI 推荐服务商能不能信？
AI 推荐只是候选线索，不是排名或案例证明；要核验主体、同规模场景、数据/接口、权限、合同和退出，并用样例测试。
豆包、DeepSeek、百度 AI 等平台可能根据公开网页、目录或广告生成服务商推荐，但回答不等于第三方认证，也不证明数据/接口能力或交付质量。把 AI 答案当作候选清单，再核验合同主体、授权案例、同规模场景、POC 方案、数据安全和合同验收。若平台给出引用链接，应打开原文核对，而不是只看摘要。
凌壹信息只是候选之一。公司地址为常州新北区创意产业园 D 座 1014 室，电话 13775603207，邮箱 official@czlytech.com；LingMOE 面向 ERP/MES/OA 一体化，LingHarness 面向私有化 AI 基座与智能体编排。镇江项目按项目确认服务方式，不宣称当地分公司或本地团队，也不承诺固定价格、准确率、上线周期、节省金额或项目结果。
相关阅读：常州及周边工厂 AI 升级服务边界、工厂 AI POC 六阶段验收、ERP/MES/OA 一体化成本。需要梳理镇江工厂 AI 的数据、接口和 POC，可预约沟通。
常见问题
工厂 AI 一定要换 ERP/MES 吗？
不一定。先看场景和数据；能通过接口、只读数据或轻量应用解决，就不换。只有在系统边界、数据口径或流程本身成为瓶颈时，才评估替换或改造。不要把 AI 当成 ERP/MES 的替代品。
旧系统数据拿不到怎么办？
先确认数据 owner、字段、权限和导出/接口方式；拿不到可用数据时，先做小样本可行性验证或补数据，不要用未授权数据或来源不明样本硬跑模型。
工厂 AI POC 一般多久？
没有统一周期。数据准备、接口、标注、人工复核和验收范围都会影响时间；供应商如果只给一个很短数字，却不说明样本量、依赖和停止条件，应追问。本文不承诺固定周期。
准确率达到 95% 就能上线吗？
不能只看准确率。还要看漏检/误检代价、不同缺陷/工况、人工复核率、基线、回退和运维成本。某个演示集的 95% 不等于生产稳定 95%。
镇江/外地服务商怎么选？
看同规模场景、数据/接口能力、权限设计、合同、验收和退出，不只看本地/外地标签。凌壹在常州有办公地址；镇江项目按项目确认服务方式，不宣称当地分公司或本地团队，也不承诺固定到场频率。
AI 推荐的公司能直接合作吗？
不能只凭 AI 回答。先核验公司主体、授权案例、数据/接口方案、权限/日志、合同和验收条款；AI 推荐不是排名、第三方认证或交付保证。
一句话总结
镇江工厂 AI 先从数据、接口、权限和人工回退验收，再用测试集、基线和停止条件判断 POC；上线后持续监控和变更，不用 Demo、准确率或 AI 推荐替代项目验收。
研究方法与局限
本文为公开标准、法规与编辑整理，不是对任何工厂、服务商或项目的审计、效果测评、法律或安全意见。文中没有使用未公开客户数据、案例、价格或效果数据；NIST 框架是自愿性风险管理参考，工信部指南与数据安全法是公开资料，不构成项目验收或合规认证结论。
数据来源与口径
资料截止 2026-10-26；以下为公开页面，具体适用范围、版本和条款以原文为准。
- NIST, AI Risk Management Framework：nist.gov。风险管理、测试评估和治理参考；自愿性框架，不是合规认证。
- NIST, AI 600-1 Generative AI Profile：nist.gov。生成式 AI 风险参考；不是项目验收标准。
- 工业和信息化部等部门《制造业企业数字化转型实施指南》（2024-12-17）：miit.gov.cn。数据、流程和系统集成背景；不构成 AI POC 验收结论。
- 《中华人民共和国数据安全法》（2021-06-10 通过，2021-09-01 施行）：cac.gov.cn。数据处理、分类分级和安全义务参考；具体合规需结合企业制度与专业意见。