一、注塑机旁边那个灰盒子，比机器人更值钱
去年秋天，我在常州一家做汽车内饰件的厂里待了两天。
车间主任老周带我绕圈。走到角落，他拍了拍一台灰扑扑的铁盒子：“就这玩意儿，一年顶六个人。”
那东西是边缘计算网关。不到两万块。它干的事很简单——把十七台注塑机的合模压力、料筒温度、周期时间全抓出来，三秒一次，扔到本地服务器上。
数据以前也有。躺在机器面板上，操作工瞄一眼，飘了也就飘了。现在某个模腔保压时间偏了0.2秒，手机就震。
我问他，这算智能制造吗。
他笑：“我不懂什么叫智能制造。我只知道上个月废品率从2.7掉到1.4。”
这大概是这两年我跑工厂最常见的一幕。真正的变化，往往藏在很不起眼的地方——不是无人工厂，不是黑灯车间，是一台谁都不会拍照发朋友圈的小盒子。
二、卡住项目的从来不是技术
我在苏州见过一个更“标准”的项目。八百多万的预算，MES、AGV、车间大屏一股脑配齐。
半年后我再去，大屏还亮着。里面的数据，靠两个文员手工录入。
为什么？
因为工艺参数根本没有标准。老师傅调机靠手感——听声音、看料头、摸温度。你让他把“手感”翻译成字段，他给你写三个字：凭经验。
系统要的是结构化数据。车间给的是经验。两边僵在那儿。
还有个更现实的问题：谁来填表。
产量压在头上，谁愿意每做完一批货先点三分钟屏幕？于是就有了各种“聪明”的应对——一次性把一天的数补录完；把报废数量拆到几个批次里平掉；扫码枪往抽屉一锁，人眼熟记。
说白了，很多智能制造项目死掉，不是算法不行，是那条数据链上没人愿意当那个“多做事的人”。
三、失败的试点，长得都很像
跑得多了，你会发现这些项目有共同的长相。
一种是范围铺得太大。一上来就要打通全厂，从原料入库到成品出库，恨不得连食堂刷卡都接进来。结果三个月过去，连一条产线都没跑顺。
另一种是没人对结果负责。IT说是生产部门的事，生产说是IT的活，老板只看年底那张汇报PPT——曲线很好看，都是手工画的。
还有一种，指标选错了。盯着“设备联网率”“数据采集点位数量”这种数字，谁都能刷。真正该盯的是什么？换线时间、在制品周转、一次通过率。这些不涨，联网十万个点也白搭。
老周那句话我记了很久：“上系统之前，先想清楚你要解决哪个具体的疼。”
四、一家五金厂的笨办法
我更喜欢讲另一家的故事。
浙江有家做五金冲压的小厂，两百来人，老板五十多岁，电脑只会用来看报价单。
他的做法很土：不做全厂数字化。先挑一条最堵的线。
那条线的问题具体到什么程度呢——换一副模具，平均四十七分钟。其中二十多分钟花在找工具、找图纸、等叉车。
他们没买什么高级货。就干了两件事：把模具按使用频次重新摆在离机台最近的位置；给每台压机配一块便宜平板，换模开始和结束各点一下。
三个月，换模时间从四十七分钟降到十九分钟。
就这一条线，一年省出来的产能，够他们把那台老压机换掉。
后来他们才开始做别的：模具寿命预警、冲压件视觉检测、设备点检打卡。一步一步来，每一步都能算出钱。
我觉得这才是智能制造实践最真实的样子。它不是一次采购，是一连串很小的、没人愿意干的脏活：贴标签、量尺寸、填表、把老师傅的经验一句一句抠出来写成规则。
顺便说一个反直觉的观察。真正跑通的项目里，那个负责推动的人，往往不是IT出身，也不是生产出身。是那种既懂一点设备、又愿意泡在车间、还能跟老板把投入产出说清楚的人。这种人很少，所以复制很难。
还有个细节挺有意思。有家做电机的厂，视觉检测上线之后，早期挑出来的“不良品”里，有三成是误判——因为样本里没包含那批换过涂层的新料。模型不是不聪明，是它没见过。
这事提醒我：数据堆到天上，也不如把边界条件想清楚。
回到开头那台灰盒子。
我问老周，下一步打算干什么。他说准备把十七台机器的能耗也接进来，“电费太贵了，心里没底”。
你发现没有——他从来不谈转型，他只谈心里有没有底。
可能这才是所有智能制造实践的起点。不是技术，是那种“我想看清楚到底发生了什么”的焦虑。
