智能制造的数据孤岛，AI智能体能打通吗?

车间里ERP说"能做"，MES说"做不了"，WMS说"不知道"——这是很多制造企业的日常。系统之间各说各话，数据对不上，流程接不住。AI智能体被寄予厚望，但它到底能解决到什么程度，需要拆开看。 孤岛是怎么形成的 制造企业的系统往往不是一次性建成的。ERP先上，MES后补，WMS再跟，设备层还有PLC、SCADA各自为政。不同时期、不同厂商、不同接口标准，拼在一起就是一套"异构系统群"。 2026年的行业调研显示，超过70%的制造企业拥有3套及以上互不联通的IT系统，59%的企业存在3套以上独立业务系统，数据靠人工导出导入，准确率低、滞后严重。同一个物料编码，在ERP、MES、WMS里可能完全不同；同一张订单的状态，三个系统给出的答案可能互相矛盾。 这不是技术问题，是历史问题。每一套系统上线时都没错，但拼在一起就断了。 AI智能体能做什么 AI智能体的价值，在于它不只是"搬运数据"，而是能"理解任务、拆解步骤、调用工具、执行操作"。 具体来说，它可以在三个层面发挥作用： 第一，非侵入式连接异构系统。 传统集成要改接口、写代码、做映射，周期长、风险高。新一代智能体可以通过屏幕语义识别、适配网关等方式，不改动原有系统架构，直接读取ERP订单、MES进度、WMS库存，把数据链路接起来。 第二，跨系统自动执行流程。 比如订单来了，智能体自动从ERP拉取订单信息，到MES校验产能，到WMS核对物料，再回写交期。整个过程跨三套系统，但不需要人工在系统间来回切换。 第三，主动发现异常并协调。 传统系统只能报警，智能体可以判断原因、推荐处理方案、触发工单、通知责任人，甚至自动调整排产计划。 万达宝LAIDFU（来福）在这方面有自己的思路：通过数据分区设计，根据数据的敏感程度和使用频率划分存储区域，既保障核心工艺参数的安全，又提升数据调用效率；同时支持企业自主构建AI应用场景，让业务人员自己配置智能体在不同环节的行为。 AI智能体不能做什么 说清楚边界，比夸大能力更重要。 它不能替代数据治理。 如果ERP和MES里的物料编码本身就是两套体系，智能体可以帮你对接，但无法自动判断哪个是对的。主数据不统一，智能体看到的仍然是"脏数据"。 它不能绕过权限和合规。 财务数据、客户信息、工艺配方涉及安全红线，智能体必须在企业设定的权限边界内运行，不能自行突破。 它不能一次性解决所有问题。 跨系统协同是一个持续优化的过程，不是一次上线就一劳永逸。智能体可以加速这个过程，但企业仍需建立管理机制和数据看板，让协同越来越好。 务实的落地路径 先做主数据治理 ：统一物料编码、客户编码、订单状态定义，这是所有后续工作的基础，1—2个月可以完成； 选一个高价值流程试点 ：比如订单到交付、采购到付款，不要一上来就全厂打通； 用智能体补连接层 ：在现有系统之上加一层智能编排，而不是推倒重来； 保留人工确认环节 ：涉及金额、合同、工艺调整的操作，智能体执行前需要人工确认； 用数据验证效果 ：库存准确率、订单准时交付率、跨系统数据差异量，这些指标每月看一次变化。 一家年产值1.5亿的电器企业按上述思路完成系统协同后，库存准确率从76%提升到97%，订单准时交付率从72%提升到91%，补料/重工/错料年损失从约180万降到约30万。 AI智能体不是万能钥匙，但它确实提供了一条比"推倒重建"更轻、更快的路径。先把主数据理顺，再用智能体把流程串起来，最后让智能体在后台持续优化——这条路，中小工厂也走得通