案例 17 · 非标制造报价

文字由原PDF提取，阅读顺序和表格请以原页为准。

这个项目真正困难的地方，我觉得不完全是技术。立项之前，能不能做、当前模型能力
到什么程度、有什么风险，我们一般会先判断。真正进入项目以后，遇到的坎主要有三
个，图纸识别能不能达到报价要求、企业的数据质量、以及组织里人的接受度。
第一个挑战，是图纸识别在真实场景里达不到报价的要求。
客户图纸远比想象中杂，有PDF、CAD，还有各种扫描件，清晰度参差不齐。模型在干
净样例上效果不错，一旦碰到手写标注、特殊符号、非标准图框，抽取字段就经常出
错。报价是要对外的，一个尺寸抽错会直接影响成本。我们的办法是给识别加一道人工
校准兜底，业务人员只审那些模型把握不大的字段，审完再把修正结果回填到模型和数
据里，识别准确率随着真实数据越滚越高，人工要审的部分越来越少。
第二个挑战，是企业的数据远没有想象中标准。
很多中小制造企业的数据基础比较薄弱，进去以后你会发现，各种资料、历史报价、物
料信息、供应商信息，很少能天然直接给AI使用，所以我们花了大量时间做数据清洗和
结构化。更麻烦的是，要从这些数据里重新还原企业真实的业务逻辑，这个物料为什么
这样映射，这种情况为什么这样报价，老师傅做这个判断到底依据什么。这些东西不解
决，模型再强也没用。
所以FDE在这里做的事情，其实很像经验复盘，要从企业现有的数据和人的经验里，把
那套真正运行多年的业务规则挖出来，再把它重新变成AI能用的东西。
第三个挑战，比数据更难，是人。
这是我现在做企业AI项目感受最深的一点。技术是相对静态的，人的反应是动态的。比
如一个岗位原来要3到5个人完成，现在老板说上AI以后可能只要1到2个人，员工第一反
应常常是担心自己是不是要被优化、系统上线以后还有没有位置、是不是要被调去不想
去的岗位，很少会先想到“这个系统真先进”。这种抵触非常真实。
而作为乙方，我们其实没有权力去安排甲方员工，甚至从员工视角看，我们做的事情本
身就威胁到他的岗位，他天然会对我们有抵触。所以这个问题靠FDE自己解决不了，企
174/243