[{"data":1,"prerenderedAt":172},["ShallowReactive",2],{"blog:detail":3},{"id":4,"title":5,"body":6,"description":143,"extension":152,"meta":153,"navigation":167,"path":168,"seo":169,"stem":170,"__hash__":171},"content/blog/0136-2026-10-23.md","制造业数智化水平报告里的 34.2%：AI 场景普及受限于现场记录的结构化程度",{"type":7,"value":8,"toc":142},"minimal",[9,13,17,20,23,26,29,32,35,38,41,44,47,50,53,63,71,79,82,85,88,91,94,98,101,109,117,125,133,136,139],[10,11,12],"h2",{"id":12},"数智化水平的两组数字",[14,15,16],"p",{},"国家工业信息安全发展研究中心发布《制造业数智化转型能力水平（2026）》，给出了两组数字。",[14,18,19],{},"一组是 34.2%，即今年上半年我国制造业人工智能重点场景应用普及率。",[14,21,22],{},"另一组是 67.1，即全国两化融合发展水平。报告的判断是整体进入数字化、网络化、智能化协同推进的阶段。",[14,24,25],{},"两项指标衡量的并非同一件事，但放在一起可以看出节奏差异。两化融合推进二十余年达到 67.1，AI 场景普及为 34.2%，数字化与网络化相对成熟，智能化仍在扩散过程中。",[14,27,28],{},"落差的原因通常被归结为模型能力不足或场景界定不清。这两种解释都成立，但都不完整。更常见的情况是，场景本身清楚，模型也可用，支撑该场景的数据尚未到位。",[14,30,31],{},"落到车间层面，缺少的往往是同一类内容，即人员在现场填写的那部分记录。",[10,33,34],{"id":34},"已落地场景的数据来源",[14,36,37],{},"目前落地效果较好的 AI 场景，共同点较为明确。",[14,39,40],{},"智能排产依赖工单、工序、设备状态与交期的结构化数据。视觉质检依赖图像、缺陷类型标注与判定阈值。设备预测性维护依赖运行参数、故障现象与维修记录。",[14,42,43],{},"质检类的数据主要来自视觉系统，采集环节已经成熟。排产与预测性维护则不同，其数据一半来自设备，另一半来自人员的记录。巡检单上填写的\"异响\"\"温升偏高\"，维修记录中填写的\"更换轴承\"，决定模型能否积累可用的样本。",[14,45,46],{},"AI 场景能否实施，取决于输入数据的形态；形态不由模型决定，而由记录方式决定。FlashTable 处理的是记录方式这一环。",[10,48,49],{"id":49},"未落地场景缺少的字段",[14,51,52],{},"剩余 65.8% 的场景中，有一批属于同一类问题：需要判断，但判断依据未留下结构化痕迹。",[54,55,56],"article-callout",{},[14,57,58,62],{},[59,60,61],"strong",{},"质量判定场景。"," 记录中只有合格或不合格的结论，缺少实测值、允差与判定依据。模型既无法学习，也无法解释结论。",[54,64,65],{},[14,66,67,70],{},[59,68,69],{},"异常处置场景。"," 现象记录在点检单上、原因记录在交接班本中、措施依靠口头传达。三者无法对应，处置经验难以沉淀。",[54,72,73],{},[14,74,75,78],{},[59,76,77],{},"工艺优化场景。"," 参数调整了什么、为何调整、调整后效果如何，分散在不同的表格与不同人员手中，无法构成可回溯的记录序列。",[14,80,81],{},"这一类场景的共同点是缺少字段，而非缺少目标。字段之所以缺少，是因为记录方式长期停留在供人阅读的层面，表格空间够用即可，填写方式以方便为先，未曾要求按机器可读的格式落地。FlashTable 的落点即在此处。",[10,83,84],{"id":84},"表单数量的失控",[14,86,87],{},"许多企业的 AI 试点是成功的，选定一个工序、完成一个场景，效果可以看见。从一个工序推广到整个车间时，常会遇到一项未预料到的障碍，即表单数量失控。",[14,89,90],{},"原因较为清楚。不同产品、不同客户、不同标准各有一版单据，信息化项目通常为每一版制作一张线上表。表格数量增加之后，维护、字段对齐与后续改版的成本同时上升，最终无人愿意改动。",[14,92,93],{},"FlashTable 的做法是把检测点位、样品数量、回路编号这些会变化的部位做成按需增减的行，不必为每种规格单独制表。表单数量不随产品型号增长，这是场景能从一个工序扩展到一个车间的必要条件。",[10,95,97],{"id":96},"flashtable-在记录环节的作用","FlashTable 在记录环节的作用",[14,99,100],{},"FlashTable 是一款 AI 驱动的表单开发组件，以组件形态嵌入企业已有的 MES、QMS、LIMS、ERP 等系统。它处理的是各类 AI 场景共同的上游环节，即现场记录能否在写下的同时就成为结构化数据。",[54,102,103],{},[14,104,105,108],{},[59,106,107],{},"1:1 像素级还原。"," 采用 DOM 树映射算法，Word、Excel、WPS 中的表格复制粘贴即可生成格式 1:1 还原的线上表单，跨页表格、合并单元格与复杂公式均可精准还原，解析精度 92%，行业平均约 75%。车间不需要先学习新工具，改造成本较低。",[54,110,111],{},[14,112,113,116],{},[59,114,115],{},"AI 智能组件匹配。"," 解析字段语义后自动匹配输入框、日期选择器、下拉列表与计算公式，并绑定校验规则。同一字段的不同写法，在录入环节即被统一。",[54,118,119],{},[14,120,121,124],{},[59,122,123],{},"公式计算与自定义函数。"," 允差、阈值与合格率用类似 Excel 的公式表达，计算过程写入记录。质量判定类场景所需的判定依据，在录入时即被保存。",[54,126,127],{},[14,128,129,132],{},[59,130,131],{},"数据直回业务数据库。"," 通过标准 API 写入企业自有数据库，与 MES 工单、设备台账、检验任务对应，不需要二次转录。",[10,134,135],{"id":135},"场景扩展的条件",[14,137,138],{},"67.1 与 34.2% 的落差，通常被归因于模型不够好用或场景不够清楚。这两个解释都成立，但都不完整。已落地的场景大多依赖机器采集的数据；还没落地的那些，缺的是人在现场填写的那部分记录。合格与不合格的结论、异响与温升偏高这类现象、参数为何调整，这些内容长期以\"写给人看\"的方式存在，模型读不到。数据清洗能修格式，修不了本该有却没有的字段。",[14,140,141],{},"FlashTable 处理的是记录方式这一环。作为 AI 驱动的表单开发组件，它嵌在 MES、QMS、LIMS、ERP 等系统里，把车间每天在填的表按原版式搬到线上，字段在录入时就带上类型与校验，判定公式和计算过程随记录保存，数据写回企业自有数据库。字段在记录产生的那一刻就存在，后面的场景扩展才有基础，这也是 34.2% 往上走时绕不开的一段工作。",{"title":143,"searchDepth":144,"depth":144,"links":145},"",2,[146,147,148,149,150,151],{"id":12,"depth":144,"text":12},{"id":34,"depth":144,"text":34},{"id":49,"depth":144,"text":49},{"id":84,"depth":144,"text":84},{"id":96,"depth":144,"text":97},{"id":135,"depth":144,"text":135},"md",{"slug":154,"order":155,"date":156,"tag":157,"summary":160,"keywords":161},"manufacturing-ai-scenario-34-2-percent",136,"2026年10月23日",[158,159],"行业热点","应用场景","国家工业信息安全发展研究中心发布《制造业数智化转型能力水平（2026）》，今年上半年我国制造业人工智能重点场景应用普及率为 34.2%，全国两化融合发展水平达到 67.1，整体进入数字化、网络化、智能化协同推进的阶段。67.1 的两化融合水平与 34.2% 的 AI 场景普及率之间存在明显落差，落到车间里，往往是同一类内容尚未到位，即人员在现场填写的记录没有被结构化。",[162,163,164,165,166],"数智化转型","两化融合","AI场景","现场记录","FlashTable",true,"/blog/0136-2026-10-23",{"title":5,"description":143},"blog/0136-2026-10-23","2vXBESBIfYyen7av9t4-OFkq_gALWNwpPDLxeSJtRhE",1794363091562]