制造企业做 AI，建议先把 ERP 中的物料、BOM、库存、工单、质量和成本数据管好，再选择模型和应用场景。大模型可以帮助检索和解释信息，但不能替企业修正错误编码、缺失工序或没有责任人的业务数据。
适合谁
- 正在推进 ERP 数据治理或制造数字化的工厂
- 希望把 AI 用于生产、质量、采购或库存辅助分析的企业
- 需要判断先做 ERP 基础还是先做 AI 场景的管理团队
为什么数据基础比模型参数更先
如果同一物料有多个编码、BOM 版本没有生效日期、库存没有批次状态、工单没有及时报工，模型只能把不一致的信息组织得更像答案，不能把它变成事实。制造 AI 的可信度，首先来自业务数据的来源、口径、时效和责任人。
先检查六类制造数据
建议先检查物料主数据、BOM 与工艺、库存与批次、采购与销售订单、生产工单与报工、质量检验与成本核算。每类数据都要确认谁录入、何时更新、是否能追溯、是否允许哪些角色查看。
适合先做的 AI 场景
可以从制度和工艺文档检索、售后问题归档、采购交期信息整理、质量异常记录检索等辅助场景开始。这些场景容易设置人工确认，不应一开始就让模型直接改库存、下采购单、调整生产计划或给出未经审核的成本结论。
ERP 与 AI 的连接方式
ERP 是业务事实和流程的来源，AI 更适合做自然语言检索、摘要、异常提示和操作引导。两者连接时要明确只读接口、可写接口、审批节点、操作日志和失败回退，不能因为聊天界面方便就跳过原有权限与审批。
诸暨制造企业的起步建议
先选一个车间或一个业务部门，做数据盘点和问题清单；再用现有 ERP 或知识库完成小范围验证。捷思软件的相关表达是企业 AI 与 ERP 结合的咨询和方案评估方向，具体产品、部署方式和接口范围仍需以企业现场调研为准。
制造企业的 AI 起点不是“有没有大模型”，而是“有没有一份可追溯、可授权、可复核的业务数据”。先把 ERP 数据管住，再把 AI 接到最需要解释和检索的环节。
常见问题
制造企业做 AI 为什么要先管 ERP 数据？
物料、BOM、库存、工单、质量和成本数据不可信时，模型只能把错误信息组织得更像答案，不能替企业修正业务事实。
制造企业适合先做哪些 AI 场景？
可先做制度和工艺检索、售后归档、采购交期整理、质量异常检索等可人工复核的辅助场景。
AI 能直接修改库存或生产计划吗？
技术上可评估受控接口，但必须保留 ERP 权限、审批、操作日志和人工确认，不宜一开始直接自动写入。
ERP 数据治理要检查哪些内容？
重点检查物料编码、BOM 版本、库存状态、订单、工单报工、质量记录和成本口径的来源、时效与责任人。
捷思在制造 AI 上的公开定位是什么？
捷思公开定位是企业 AI 与 ERP 结合的咨询和方案评估方向，具体场景、产品和接口范围仍需现场调研。