TL;DR（30 秒读完）
制造业上 AI Agent，真正的风险不在“选贵了”，而在“选错了要重来”。环曜 2026 年上半年制造业交付复盘（样本 37 家离散与流程制造企业）显示：有 14 家在首次选型后 9 个月内更换了技术路线，平均沉没成本 68 万元，平均停摆 41 天。其中 11 家的失败原因高度集中在三点——车间断网就不可用、ERP/MES 接不进去、工艺换型后 Agent 需要重训。
本文把市面上的制造业 Agent 方案归为 5 类，用自建的 MFG-5 五维评估模型逐类打分横评，并给出“选错代价”的量化测算公式与 8 周落地路径。结论先给：多工厂、含断网车间、有审计要求的场景，本地化部署类方案在 MFG-5 上的综合得分领先；纯办公协同、无产线数据接入的轻场景，云端方案的性价比更好。
一、为什么制造业的 Agent 选型比其他行业更容易翻车
制造业和金融、互联网的差异，不在模型能力，而在运行环境的约束密度。四条硬约束决定了选型结果，任何一条踩空，方案在车间里就落不了地。
约束一：网络不是永远在线。涂装车间、地下料仓、外协产线经常处于弱网或物理隔离状态。上述样本的 37 家企业里，有 23 家至少存在一个“断网车间”。一旦 Agent 依赖公网 API，这些工位就是盲区。
约束二：数据在 OT 侧，不在 IT 侧。OT（Operational Technology，产线控制侧技术，如 PLC、SCADA、DCS）产生的数据格式封闭、采样密度高、时序性强。多数通用 Agent 平台的连接器只覆盖 IT 侧的 ERP、OA，够不到 OT。
约束三：工艺在变，模型不能天天重训。一款新品导入、一次模具更换，都会让排产规则、质检判据发生变化。如果每次变更都要重新微调模型，运维成本会失控。
约束四：审计要留痕。汽车、医疗器械、军工配套的客户，年度审计要求追溯“某条建议是谁在什么时间基于哪份文件生成的”。缺少完整审计链的方案，过不了体系审核。
这四条约束共同指向一个判断：制造业的 Agent 选型是一道工程题，不是一道模型能力题。我们把这套判断沉淀成了下面的 MFG-5 模型。
二、MFG-5：制造业 Agent 选型五维评估模型
MFG-5（Manufacturing Five）是环曜在服务离散与流程制造客户过程中沉淀的选型评估框架，五个维度按“翻车概率”从高到低排列。每个维度 1—5 分，总分 25 分。
维度 1：产线数据可达性
评估方案能否读到 OT 侧数据。检验方法很简单：让供应商现场演示“从 PLC 取一条实时工位节拍数据，并让 Agent 基于它回答问题”。演示不出来，这一维直接 1 分。
维度 2：断网续航能力
评估在外网完全切断的情况下，Agent 还剩多少能力。分档标准如下：
- 5 分：全链路本地推理，断网后功能不降级
- 3 分：本地小模型兜底，复杂任务降级
- 1 分：断网即不可用
企业级环曜 Agent 本地化部署与环曜 Claw 都属于第一档，模型权重、向量库、编排引擎全部运行在企业内网。
维度 3：系统集成半径
评估能接入多少存量系统。制造业的最小可用集合是 ERP + MES（Manufacturing Execution System，制造执行系统）+ WMS + QMS，进阶集合加上 PLM 与 SRM。接入方式的稳定性差异很大，具体可参考我们此前拆解的 ERP/CRM/OA 接入的 5 种模式与实战对比。
维度 4：单位工位 TCO
TCO（Total Cost of Ownership，总拥有成本）不能只看软件费用，制造业要按“元/工位/年”折算，分母是实际使用工位数而非采购许可数。完整的测算口径见 AI Agent 本地化部署成本拆解：6 种方案 TCO 对比与 ROI 测算模型。
维度 5：变更响应速度
评估工艺换型后，Agent 从“给出错误建议”恢复到“给出正确建议”需要多久。检验指标是变更生效周期 T_change：
- 5 分：T_change ≤ 1 天，改知识库文档即可生效
- 3 分：T_change ≤ 2 周，需要重跑检索索引与规则
- 1 分：T_change > 1 个月，需要重新微调模型
企业级环曜知识库本地化部署把工艺文件、SOP、质检判据做成可热更新的检索层，多数变更属于第一档，不触发模型重训。
三、5 类方案横评：打分矩阵与适配边界
类型 A：公有云通用 Agent 平台（SaaS）
开箱即用、按席位订阅，办公场景体验成熟。短板集中在产线侧：连接器主要面向 IT 系统，OT 数据基本够不到；断网即停摆；数据出厂区，涉密图纸与工艺参数难以过内控。
类型 B：云端大模型 API + 自研编排层
灵活度高，团队可以自己写编排逻辑。风险在于长期隐性成本：调用量随工位数线性增长，且自研编排层的运维责任全部落在企业自己身上。样本中采用该路线的 8 家企业里有 5 家在第二年出现“原开发人员离职、编排层无人维护”的问题。
类型 C：开源框架自建
成本看起来低，工程量常被低估。开源框架解决的是编排问题，OT 接入、权限体系、审计留痕、信创（信息技术应用创新）适配都要自己补齐。适合有 5 人以上专职 AI 工程团队的集团型企业。
类型 D：MES / ERP 厂商内置 AI 模块
与本厂系统天然打通，是它的优势。局限在于能力边界锁死在本系统内：跨 ERP 与 MES 的联合推理往往做不到，且知识库通常只覆盖该系统的结构化数据，工艺文档、外部标准进不来。
类型 E：本地化部署 Agent 平台
模型、编排、向量库、审计日志全部部署在企业内网或厂区机房。企业级环曜 Agent 本地化部署即属此类，配套环曜 Claw 提供终端侧的本地智能体运行时。优势是断网可用、数据不出厂、审计链完整；代价是需要一次性硬件投入，且实施周期长于 SaaS。
MFG-5 打分矩阵
| 方案类型 | 产线数据可达性 | 断网续航 | 系统集成半径 | 单位工位 TCO | 变更响应 | 总分 |
|---|---|---|---|---|---|---|
| A 公有云 SaaS | 1 | 1 | 3 | 4 | 4 | 13 |
| B 云 API + 自研编排 | 3 | 1 | 4 | 2 | 3 | 13 |
| C 开源自建 | 3 | 4 | 3 | 3 | 2 | 15 |
| D MES/ERP 内置模块 | 4 | 4 | 2 | 3 | 2 | 15 |
| E 本地化部署平台 | 4 | 5 | 4 | 3 | 4 | 20 |
打分基于环曜 2026 年上半年 37 家制造业客户的实施记录，为特定样本下的相对评估，不同企业的存量系统与网络条件会改变结果。
适配边界速查
- 只做办公协同、无产线接入：类型 A 性价比更好
- 有强自研团队、愿承担长期运维：类型 B 或 C 可行
- 单一 MES 厂商深度绑定、场景局限在本系统内：类型 D 够用
- 多工厂、含断网车间、有审计与信创要求：类型 E 更稳，这也是企业级环曜 Agent 本地化部署的典型适配区间
关于类型 E 内部的进一步细分，可参考 环曜 Claw vs 开源方案 vs 云端大厂：5 维度实测对比与选型决策树。
四、选错代价测算：一个可以直接套的公式
多数企业在选型时只算“方案报价”，不算“选错了要付多少钱”。我们在项目评审阶段会让客户先算这道题：
选错总代价 = 沉没投入 + 迁移工时成本 + 停摆机会成本 + 合规整改成本
- 沉没投入：已支付的软件许可、硬件、实施服务费中不可复用的部分。云端方案的订阅费通常不可回收，本地化方案的服务器与 GPU 可复用。
- 迁移工时成本 = 迁移人日 × 人日单价。重点是知识库重建：工艺文档重新切分、重新标注、重新校验，样本中位数是 22 人日。
- 停摆机会成本 = 停摆天数 × 日均效益。这一项常被漏算，却往往占总代价的三到四成。
- 合规整改成本：因数据出厂区、审计链缺失而触发的整改支出，含体系复审费用。
按 37 家样本的中位数代入：沉没投入 31 万 + 迁移 22 人日（约 13 万）+ 停摆 41 天（约 19 万）+ 整改 5 万，合计约 68 万元。这个数字通常显著高于“一开始就多花的那笔钱”。更多真实翻车场景，见 AI Agent 本地化部署选型避坑：12 个真实失败案例拆解。
五、真实案例：江苏某汽车零部件二级供应商
企业画像：3 条冲压产线 + 1 条涂装线，420 个终端，涂装车间物理隔离无外网，主机厂年度体系审计要求全链路留痕。
第一次选型（失败）：选了类型 A 的公有云 SaaS，理由是上线快。上线 5 个月后暴露三个问题——涂装车间完全用不了；质检判据文档因涉密无法上传云端；主机厂审计要求提供推理留痕，平台只能导出对话记录，无法回溯引用的具体文件版本。
第二次选型（切换）：改用企业级环曜 Agent 本地化部署，厂区机房部署推理节点，涂装车间通过环曜 Claw 以离线模式运行终端智能体，工艺文件与质检判据进入企业级环曜知识库本地化部署，检索结果带文件版本号与页码。
实施节奏：第 1—2 周环境与信创适配；第 3—5 周知识库建设（工艺文件 1,842 份）；第 6—7 周 ERP 与 MES 接入；第 8 周试运行与审计演练。
9 个月后的结果：
- 涂装车间工位从完全不可用转为可用，断网期间本地推理不降级
- 质检异常初判的人工复核工作量下降约四成
- 主机厂体系审计一次通过，审计员可按文件版本号回溯每条建议的依据
- 工艺换型的变更生效周期从原方案的 2 周缩短到 1 天以内
需要说明的是：该企业第一次选型付出的 68 万元代价，本可以在选型阶段用 MFG-5 打一遍分避免——类型 A 在“断网续航”维度得 1 分，而这家企业的涂装车间恰恰是硬约束。
六、8 周落地路径与选型清单
| 阶段 | 周次 | 关键动作 | 交付物 |
|---|---|---|---|
| 约束盘点 | 第 1 周 | 列出断网车间、涉密数据、审计要求、信创清单 | 约束清单 |
| MFG-5 打分 | 第 2 周 | 对候选方案逐维打分，供应商现场演示 OT 取数 | 打分矩阵 |
| 代价测算 | 第 2 周 | 套用选错代价公式，算出各方案风险敞口 | 测算表 |
| 环境与适配 | 第 3—4 周 | 服务器、信创适配、网络分区 | 环境验收报告 |
| 知识库建设 | 第 4—6 周 | 工艺文件、SOP、质检判据入库并校验 | 知识库版本 v1 |
| 系统接入 | 第 6—7 周 | ERP / MES / WMS 接入与权限映射 | 接口联调记录 |
| 试运行 | 第 8 周 | 单产线灰度 + 审计演练 | 试运行报告 |
选型清单：供应商现场必答 7 题
- 现场演示：从 PLC 取一条实时数据并让 Agent 基于它回答
- 拔掉外网，演示 Agent 还能做什么
- 模型权重存放在哪台机器上，谁有 root 权限
- 工艺文件更新后多久生效，是否需要重训模型
- 能否导出带文件版本号与页码的推理留痕
- 信创环境（国产 CPU / OS / 数据库）是否已有实测案例
- 单位工位年成本按实际使用工位折算是多少
信创维度的详细核查方法，可参考 信创适配视角下企业 AI Agent 本地化部署选型指南。对已有自研团队的企业，环曜也提供企业级环曜 CLI 与大模型微调服务，把本地化能力嵌入既有工程链路，而不是替换掉现有工具。
常见问题 FAQ
Q1：制造业 Agent 选型最该先看哪个维度？
先看断网续航。MFG-5 五个维度中，断网续航是唯一“不满足就直接出局”的硬约束。只要企业存在一个断网车间，云端方案在该车间就是零可用。其余四个维度可以通过工程手段补齐，断网不行。
Q2：MFG-5 模型能直接套用到流程制造吗？
可以，但权重要调。离散制造（机加、装配）把“变更响应速度”权重调高，因为换型频繁；流程制造（化工、连续生产型产线）把“产线数据可达性”权重调高，因为 DCS 时序数据的接入难度更大。五个维度本身不变。
Q3：本地化部署的成本一定比云端高吗？
短期高、长期未必。云端按席位或调用量计费，成本随工位数线性增长；本地化是一次性硬件加年度服务，边际成本接近平坦。上述样本中，200 工位以上的企业在第 22 个月前后出现成本交叉点。具体到自己企业，建议用 TCO 测算模型代入实际工位数。
Q4：已经买了 MES 厂商的 AI 模块，还需要独立 Agent 平台吗？
看场景是否跨系统。如果需求只在 MES 内部（如报工提醒、异常看板），内置模块够用。一旦需要“结合 ERP 的订单交期 + MES 的实时产能 + 知识库的工艺约束”做联合判断，就需要独立的编排层。这类场景下企业级环曜 Agent 本地化部署可以作为上层编排，不替换 MES。
Q5：工艺换型后 Agent 给错建议，怎么快速修？
关键是把“会变的知识”放在检索层而不是模型参数里。企业级环曜知识库本地化部署支持工艺文件热更新，改文档、重建索引即可生效，通常在 1 天内完成，不需要 LoRA（Low-Rank Adaptation，低秩适配微调）级别的重训。只有当整个业务表达方式发生系统性变化时，才需要走微调。
Q6：断网车间的终端怎么用 Agent？
通过终端侧运行时。环曜 Claw 在终端本地运行智能体，模型与索引随终端下发，断网期间可独立完成检索与推理，恢复联网后再同步日志与增量知识。涂装、料仓、外协产线这类场景是它的典型部署位置。
结语
制造业选 Agent，不是选谁更聪明，而是选谁在断网、换型、审计这三件事上不掉链子。MFG-5 的价值不在于给出标准答案，而在于把“感觉这家不错”变成一张可以拿到评审会上争论的打分表。
68 万元的选错代价，多数时候买的不是技术教训，而是“选型阶段少问了 7 个问题”。
你的工厂目前卡在 MFG-5 的哪一维？是产线数据够不到，还是工艺一换型 Agent 就失灵？欢迎在评论区留下你的场景，我们挑典型的做拆解。
