工厂把决策权交给 AI 前，先想清楚人管哪一段

一家炼油厂的优化算法正在悄悄调低某条产线的温度，操作员盯着屏幕，只在超出边界时才出手。这不是科幻，是现在就在运行的半自主工厂。

一、发生了什么

麻省理工科技评论 10 月 28 日刊文，讨论工业 AI 的自主边界。核心变化是「活」的数字孪生：早期的数字孪生只会做仿真和推演，慢现实半拍；新一代把实时传感数据和控制系统接进来，AI 不止能看，还能直接调设备。行业意愿不小，2026 年一份制造业调查显示，66% 的制造企业在用或计划用带执行能力的 AI，40% 预计 2030 年前实现某种程度的工厂自治。但顾虑同样真实，德勤 2025 年的智能制造调查里，65% 的高管把运营风险列为头号担忧。泰国化工企业 SCG 用 AI 数字孪生监测设备健康，官方称工厂可靠率达 99%、半年拿到九倍回报；美国一家国家实验室则在电网调度室里部署生成式模型，帮操作员做可再生能源预测。文章还引述麦格里维的判断：AI 在可预见的未来主要处在建议模式，完全自主只限于狭窄、高度重复的任务。他把这比作工业控制系统的老传统——那个缩写里的 S 本义就是「监督」，监督的意思是中间有个人。

二、跟你有什么关系

如果你在工厂做运维，日常会从逐条审批变成划定运行边界，盯异常比按按钮更重要。原来守一条产线的技工，现在可能同时管好几个工序。如果你是管理层，真正的功课是回答哪些决策 AI 可以单独拍板、出了事审计找谁。如果你做企业 IT，传感器、遥测和平台打通是绕不开的前置工程，数据不流动，自主无从谈起。

三、怎么判断

1. 先分级。把操作分成三档：AI 直接执行、AI 建议人来批、AI 只做监测，明确写进制度，而不是默认全交给系统。
2. 学现成案例。沙特阿美的两座炼油厂是同一套思路的两种剂量：延布厂算法闭环自动调产，人只做监督；拉斯坦努拉厂算法只提建议，人来决定采不采纳。先从后者起步更稳。
3. 留一条能溯源的审计线。雀巢在奶粉工厂用 AI 调干燥机，能耗降了 16%，前提是每次调整都有记录可查。没有日志的自动化，出了问题连复盘都做不到。

四、三个别信的说法

上了数字孪生就能无人化。 调查里那些预期工厂自治的企业，多数连基础的数据共享都没做通。AVEVA 与 IMD 的研究显示，只有 23% 的组织认为 AI 明显改变了跨伙伴的决策与问责。先补数据地基。

人越来越闲，最后会被替换。 实际趋势相反：单工序技工在变成多面手，工作重心从执行转向定义「什么算正常」。AI 会强化数据里的既有模式，人越早发现它跑偏，损失越小。

监管还没管到工厂。 欧盟 AI 法案已把关键基础设施里的部分 AI 安全组件列为高风险，强制要求人类监督。把它当成负担不如当成 checklist，和自家制度对一遍。

五、一句话结论

AI 能不能自主，不取决于模型多聪明，取决于你敢把哪条线画在人手里。

信息来源

• MIT 科技评论：工业 AI 自主性与人的控制

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。