行业影响：AI 落地的门槛，正在从「买设备」变成「喂文档」

这条新闻的价值不在技术多先进，而在它证明了一条路线跑得通：不买硬件、不做定制开发、不上一整套系统，只靠「现成的大模型 + 自己公司的资料」，就能在制造业里干正经活。这对我们这种两个人的厂是决定性的——我们买不起也用不动一套完整的 ERP/MES，但我们完全做得到把自己的东西喂进去。

第二点值得琢磨的是「喂文档」这个动作。五征的设计师不是直接用通用大模型问尺寸，而是先让 AI 学一份他们自己的《后桥总成尺寸认可》文档，再去识别图纸。顺序很关键：先有行业和自家的规矩，再让机器照着规矩干活。这跟我们厂的情况一模一样——不锈钢的展开、折弯回弹、切缝补偿，每个厂都有自己的经验值，通用的东西不喂进去就不好使。

第三点是那个 5 分钟响应率。五征客服过去也是「要求 5 分钟响应，但没法量化统计」，上了 AI 巡检后才第一次有了数。这件事对我们触动最大——我们天天跟客户说「配合度高」，可配合度到底是多少，从没算过。没有数，就谈不上改进。

当然要留个心眼：这篇报道是媒体深调研性质的，没有给出识别准确率，也没有给出投入金额。39 项尺寸识别到底靠不靠谱，得拿自己的图去试，不能听个数字就信。

解读：三个场景，我们能抄哪一个

我把五征这三个场景，跟我们厂的实际情况对了一遍。

第一个场景是图纸尺寸提取，这个最对症。我们做旋转楼梯、异形装饰件，客户来图经常是不规范的截图，人工看尺寸既慢又容易漏。这条路用现成大模型就能试，成本接近零：拿两三套我们做过的真实图纸截图喂进去，让它输出尺寸清单，再和师傅手工量的结果对偏差。偏差能控制在 5% 以内，就可以固化成日常工具；超了就停，不丢人。

第二个场景是客服响应量化。我们现在跟进客户，靠的是记性和自觉，漏跟了往往到客户再问才想起来。把客户群里的日常消息按关键词（报价、图纸、交期、改尺寸、投诉）自动筛进表格，每天早上推一份待跟进清单——这件事不涉及任何采购，先把「5 分钟响应率」这个基线记起来，跑两周看漏跟率有没有降。

第三个场景是故障分析。我们海目星 12000W 切割机、折弯机的历史故障记录，现在散在微信聊天和维修单里。把它们整理成文档喂进去，看能不能归纳出像样的根因——这跟我们昨天聊的「给设备记停机账」正好是一件事情的两头：一头记数据，一头析原因。

要强调的是顺序：先跑通，再谈钱。现在市面上智能体厂商上千家，真正具备完整核心能力的没多少，被砍掉的项目一大把。我们的策略很简单——没在我自己的图纸和工件上跑出可量化的结果，一分钱不付。

我们的态度：先拿自己的活儿试，跑通了再说

超然拿捏做不锈钢定制加工，来图来询是家常便饭。「配合度高」这四个字，落到具体动作上就是图纸来了接得住、接得快、接得准。看完五征这个案例，我们打算这么干：

• 拿真图做偏差测试——挑旋转楼梯异形件、钣金机柜、管架各一套真实图纸截图，让大模型输出尺寸清单，跟师傅手工量的结果逐项对偏差；达标线先定 5%，达标才往下走
• 先建自己的规矩文档——把展开系数、折弯回弹、切缝补偿这些老师傅脑子里的经验值整理成一份文档，喂给机器当规矩，而不是指望通用模型自己猜
• 响应率先量起来——从今天开始记「客户消息 5 分钟内响应率」，这是判断后面所有投入值不值当的唯一硬指标；没基线就别谈改进

我们不怕被人说土，怕的是花冤枉钱还耽误活。新技术愿意第一个试，但试的方式是先拿自己的图纸、自己的工件、自己的客户去跑，跑出了能算的数再谈别的——这比喊一百句口号都实在。来图来询，先让我们把尺寸看准。