核心观点 - 工厂AI落地的真正瓶颈在于单点提效无法转化为全厂降本，核心挑战是让数据、系统、设备与业务流程形成闭环 [4][5][6] 行业痛点与现状 - 单点项目跑出效果，但全厂效率未同步改善，例如视觉质检发现缺陷未反馈到工艺环节，排产计划因物料状态不准或设备接口不通而无法执行 [5] - Agent接入MES、ERP后，涉及写入系统、调整参数和触发生产动作时，面临权限、安全与责任问题 [5] - 珠三角消费电子、家电、汽车零部件和精密制造企业长期面对多SKU、小批量、高频插单与订单骤增骤减，生产计划变化快，上下游信息不透明，任何环节脱节都可能导致换线损失、物料等待和交付延误 [7] 研讨议题与关键问题 议题一：Agent从监测到控制的落地前提 - AI在云端算出最优参数，但注塑机、贴片机、机器人因协议封闭或传感器精度不够，导致Agent“只能看，不能控” [11] - 在老旧系统不重写的前提下，如何在边缘侧完成闭环控制，谁对最终良率负责 [11] 议题二：上下游协同与柔性排产实践拆解 - 面对高频插单与爆单，传统APS计算慢，供应商不可能开放真实库存数据 [11] - 大模型如何与APS结合实现分钟级调度，供应商数据不可信时如何通过算法反推真实产能 [11] 议题三：车间里Agent多了怎么管 - 单点工具如何接入生产系统形成真正的业务闭环 [12] - 柔性排产如何应对插单、物料变化与供应商数据断点 [12] - 智能体数量激增导致算力成本与Token消耗指数级上升，IT与业务部门拉扯不断 [14] - 业务部门背智能化指标的模式如何落地，非技术人员如何搭Agent，单个Agent的Token成本怎么精细化分摊 [14] 项目评估与成本核算 - 项目投入了多少软件、算力与设备改造成本 [13] - 单点效率提升有没有转化为良率、交付和单位成本改善 [13] - 哪些场景适合使用智能体，哪些用传统自动化反而更划算 [13] - 从试点走向多产线复制，还要增加多少改造与运维成本 [13] - 项目的投资回收周期究竟应该由谁来核算 [13] - 排产建议为什么无法下发执行 [13] - 老旧MES、PLC与新系统如何连接 [13] - 供应商不愿开放库存，如何判断真实产能 [13] - 业务部门频繁人工干预，系统为什么越用越失真 [13] - 项目在一条产线上跑通，为什么无法复制到其他产线 [13] 活动信息与参会企业 - 活动由虎嗅智库于2026年9月4日（周五）14:00—17:30在广东深圳举办，规模15人以内，闭门研讨，80%为甲方业务负责人 [14] - 参会企业包括周大福、万和新电气、安克创新、卡姿兰、华润三九、中用科技等企业的CIO、供应链及IT/AI业务负责人 [14] - 讨论不以Token消耗或模型参数作为结果，而是回到制造企业关心的良率、产能、交付、库存与回收周期 [8] - 活动旨在建立可以讨论失败、成本和内部阻力的交流环境 [10]