AI 要进工厂，先看懂这五层 60+ 套系统
Deep Research 报告 | 2026-04-16 | 面向制造业 CTO、IT/OT 工程师、数字化转型负责人
📚 "AI + 工业"三部曲 · 第二篇
- OpenClaw 工业落地指南：单个 Agent 能干什么、不能干什么
- 本篇 → ISA-95 系统全景：工厂里 60+ 套系统怎么分层、AI 接入卡在哪
- 企业级 OpenClaw 方案：一群 Agent 怎么造、怎么部署、怎么管
为什么写这篇
最近一直在想一个问题：AI 到底能在工业里改造什么？
要回答这个问题，首先得搞清楚工业企业里到底跑着哪些系统——ERP、MES、SCADA、PLC、WMS、QMS……名词一大堆，彼此是什么关系？数据在它们之间怎么流动？哪些容易被 AI 接管，哪些根本碰不了？
这些问题不弄清楚，"AI + 工业"就只是一句口号。
所以我做了一次系统性的梳理，用 ISA-95（IEC 62264） 这个国际标准框架，把制造企业从董事会到车间地面的 60 多个系统/设备全部归位。这篇文章是我思考"AI 如何产业化改造制造业"的知识底盘。
本文做三件事：
- 逐层拆解 — 用 ISA-95 五层模型，把 60+ 个系统的归属和关系理清（第一~六章）
- 跨层基础设施 — 五层之间靠什么连通？网络、数据、安全（第七章）
- 行业对照 — 不同行业在各层的侧重差异，决定了 AI 切入点不同（第八章）
- AI 接入观察 — 这些系统怎么跟大模型、智能体打通？卡在哪？怎么破？（第九章）
一、ISA-95 五层模型：30 秒建立全局感
| 层级 | 名称 | 谁在用 | 时间尺度 | 核心职责 |
|---|---|---|---|---|
| L4 | 企业经营层 | CEO、CFO、部门经理 | 天 / 周 / 月 | 战略规划、资源调配、业务协同 |
| L3 | 生产运营层（MOM） | 车间主任、工艺/质量工程师 | 秒 / 分钟 / 班次 | 制造执行、质量、仓储、设备管理 |
| L2 | 过程监控层 | 中控室操作员 | 秒级 | 实时监视、报警处理、参数调整 |
| L1 | 基础控制层 | 自动运行（工程师调试） | 毫秒级 | 实时闭环控制、逻辑运算 |
| L0 | 现场设备层 | — | 物理实时 | 感知环境、执行动作 |
两条核心流向：
- 数据上行 ⬆️ — 传感器采到的温度、振动、能耗值，逐层汇聚，最终变成经营看板上的 OEE、良率、成本
- 指令下达 ⬇️ — ERP 里的生产工单，经 MES 分解为工序任务，再经 SCADA/PLC 转化为设备的具体动作
理解了这个"两向流动"，接下来就是往每一层里装东西。我们从最上面的 L4 开始，一路拆到最下面的 L0。
关于产品选型：下文列出的软件和硬件是珠三角、长三角乃至全国制造业的共性选择，并非某一城市特有。真正影响选型的核心变量是企业规模——大型集团倾向 SAP/Oracle/西门子，中型企业以用友/金蝶/鼎捷为主，中小企业偏好轻量化的云 ERP 和 SaaS 工具。
二、L4 企业经营层：老板和部门经理每天看的系统
这一层的时间周期是天/周/月，回答的核心问题是"卖什么、造多少、采多少、赚多少"。系统最多、名词最杂，我们按四个功能域来分。
经营管理 — 企业运转的中枢
| 系统 | 一句话说清楚 | 产品选型参考 |
|---|---|---|
| ERP | 企业的中枢神经——财务、采购、销售、库存、生产计划全管 | 大型：SAP S/4HANA、Oracle · 中型：用友 U9/YonSuite、金蝶云星空、鼎捷 · 中小：用友 U8/畅捷通、金蝶精斗云、易呈云ERP |
| BI | 把散落在各系统的数据变成老板能看的图表和看板 | 帆软 FineBI、Power BI、永洪 BI、观远数据 |
| 财务系统 | 总账、成本核算、税务——多数情况内置于 ERP | 独立部署时有用友畅捷通、金蝶精斗云 |
业务协同 — 连接客户、供应商和物流
| 系统 | 一句话说清楚 | 产品选型参考 |
|---|---|---|
| CRM | 管客户的：从线索到成交到售后 | 大型：Salesforce · 中型/中小：纷享销客、销售易 |
| SRM | 管供应商的：准入评估、询比价、协同采购 | 甄云、企企通、SAP Ariba |
| SCM | 管供应链的：需求预测、物流调度、上下游协同 | SAP SCM、用友 SCM；美的"T+3"模式是典型 |
| TMS | 管运输的：派车、路线优化、在途追踪 | 用友 TMS、路歌、G7 |
研发设计 — 从想法到图纸到工艺
| 系统 | 一句话说清楚 |
|---|---|
| PLM/PDM | 产品从构思到退役的全生命周期数据管理：BOM、工艺路线、变更管理 |
| CAD | 画图：二维/三维建模（SolidWorks、AutoCAD、CATIA、中望CAD） |
| CAE | 仿真：有限元分析、力学/热学/流体（ANSYS、Abaqus、COMSOL） |
| CAM | 编程：数控加工路径生成（Mastercam、UG NX CAM） |
| CAPP | 排工艺：工艺路线编制、工时定额（开目、天河） |
| 仿真平台 | 数字孪生/虚拟调试：还没建产线就在电脑上试跑（西门子 Tecnomatix、达索 DELMIA） |
行政支撑 — 让企业日常运转的基础件
| 系统 | 一句话说清楚 |
|---|---|
| OA | 流程审批、公文、报销（致远、泛微、钉钉、飞书） |
| HRM | 组织、招聘、薪酬、绩效、考勤（北森、i人事） |
| DMS | 技术文档受控管理，图纸不会满天飞 |
| PM | 项目管理：新品开发进度跟踪（禅道、Jira、飞书项目） |
| 电子签章 | 合同签署电子化（e签宝、法大大） |
L4 的系统虽然最多，但它们处理的都是"事后数据"——已经发生的订单、已经产生的成本。要知道车间里正在发生什么，就得往下看 L3。
三、L3 生产运营层（MOM）：车间主任和工艺工程师的主战场
从 L4 到 L3，时间尺度骤然缩短到秒/分钟/班次，回答的问题变成了"这一批料怎么排、质量合不合格、设备会不会坏"。
这一层是 IT 与 OT 的交汇处，也是制造业数字化转型投入最密集的区域。
制造执行 — 车间的操作系统
| 系统 | 一句话说清楚 | 产品选型参考 |
|---|---|---|
| MES | 车间的操作系统——工单派发、扫码报工、在制品追踪、工艺参数记录 | 大型：西门子 Opcenter、达索 DELMIA · 中型：用友 U9-MES、鼎捷 · 中小/行业：美云智数、黑湖智造、摩尔元数 |
| APS | 排产大脑——同时考虑产能、物料、交期多约束，算出最优排产方案 | 安达发、永凯、Asprova、SAP APO |
| Andon | 安灯——产线有异常一键报警、信息上屏 | 以定制开发为主 |
质量管理 — 不让不良品出厂
| 系统 | 一句话说清楚 |
|---|---|
| QMS | 来料检（IQC）→ 过程检（IPQC）→ 出货检（FQC）全覆盖，不合格品闭环处理 |
| SPC | 用统计方法监控过程稳定性：控制图、Cpk，在出不良之前就发现趋势 |
| LIMS | 实验室管理：样品登记→检测任务→仪器采集→报告生成全自动 |
仓储物流 — 让物料流动起来
| 系统 | 一句话说清楚 |
|---|---|
| WMS | 仓库的大脑——库位管理、RFID/条码、拣选策略、与 ERP/MES 联动 |
| AGV 调度 | 给搬运小车指路——路径规划、任务分配、交通管理 |
设备与能源 — 少停机、少耗能
| 系统 | 一句话说清楚 |
|---|---|
| EAM/TPM | 设备资产管理——台账、保养计划、故障报修、备件管理，目标是"少停机" |
| EMS | 能源管理——水/电/气/蒸汽的能耗采集、能效分析、碳排放核算 |
安全环保 — 红线不能碰
| 系统 | 一句话说清楚 |
|---|---|
| HSE | 隐患排查、风险分级、应急预案、职业健康档案 |
| 环保在线监测 | 废水/废气/噪声实时监测、数据自动上报环保局——停不得，关不掉 |
L3 管的是"人在车间里干的事"。但车间里还有一层更实时的系统——操作员面前的屏幕和背后的控制器。这就是 L2 和 L1。
四、L2 过程监控层：中控室大屏和操作员面板
从 L3 再下一层，我们到了中控室。操作员通过这些系统实时看数据、处理报警、调参数——周期是秒级。
| 系统 | 一句话说清楚 | 产品选型参考 |
|---|---|---|
| SCADA | 监控和数据采集：把分散在各产线的数据汇到中控室大屏 | 国外：西门子 WinCC、GE iFIX、Ignition · 国内：组态王、力控、KingSCADA、MCGS |
| HMI | 设备旁边的触摸屏：看状态、改参数、确认操作 | 西门子、威纶通、昆仑通态 |
| Historian | 时序数据库：把传感器每秒采一次的数据存下来，存几年都不怕 | OSIsoft PI、AVEVA Historian、TDengine、InfluxDB |
| 工业视觉 | 机器视觉/AI 质检：产品表面缺陷检测、尺寸测量、OCR 读码 | 海康威视 VM、基恩士、康耐视、凌云光 |
国产组态软件（组态王、力控、MCGS）在中小制造企业中应用极广，性价比高、上手快，是很多工厂数字化的第一步。
L2 负责"看"和"调"，但真正让设备动起来的是下面的 L1。
五、L1 基础控制层：毫秒级响应的"肌肉"
到了 L1，人已经基本退场。这里的主角是控制器和驱动，直接跟设备打交道，响应时间在毫秒级——比人眨眼快一千倍。
| 系统 | 一句话说清楚 | 典型厂商 |
|---|---|---|
| PLC | 可编程逻辑控制器——离散制造的标配，管顺序、管逻辑 | 西门子、三菱、欧姆龙、汇川、信捷 |
| DCS | 分散式控制系统——流程行业（化工、陶瓷窑炉）的标配，管连续过程 | 霍尼韦尔、ABB、中控、和利时 |
| PAC | 可编程自动化控制器——PLC + PC 的混血，能跑复杂算法 | 罗克韦尔、倍福(Beckhoff) |
| 安全PLC/SIS | 安全仪表系统——紧急停车、联锁保护，人命关天的事 | HIMA、西门子 S7-F |
| CNC | 数控系统——管机床的（铣/车/磨/线切割） | 发那科(FANUC)、西门子、华中数控、广州数控 |
| 运动控制器 | 伺服/步进控制——多轴协调、精密定位 | 汇川、固高、贝加莱 |
| 变频器 | 电机调速——省电、平滑启停 | ABB、西门子、汇川、英威腾 |
| RTU | 远程终端——放在野外的数据采集前哨站 | 四信、映翰通 |
L1 控制器发出的指令最终落在哪里？落在最底层的物理设备上——L0。
六、L0 现场设备层：一切数据的源头
没有传感器，上面所有系统都是空转。L0 是物理世界的入口，也是所有数据的起点。
| 设备类型 | 干什么的 | 举例 |
|---|---|---|
| 传感器 | 感知物理量——温度、压力、振动、位移、流量 | 热电偶、压力变送器、编码器、接近开关 |
| 执行器 | 把控制信号变成动作——开/关/调 | 电磁阀、气缸、液压缸、电动调节阀 |
| 仪表 | 现场测量与显示 | 流量计、液位计、分析仪、称重模块 |
| 工业机器人 | 搬、焊、喷、装 | ABB、库卡、发那科、埃斯顿、汇川 |
| AGV/AMR | 自主搬运——代替人拉料 | 海康机器人、极智嘉、快仓 |
| 输送线 | 物料自动传输 | 皮带机、辊筒线、链板线 |
| 专机/非标 | 行业定制设备 | 陶瓷压机、铝挤压机、注塑机、贴片机 |
七、跨层基础设施：五层之间的"管道和电梯井"
到这里，L4 到 L0 五层系统全部归位。但如果五层之间的数据流不通，每层再好的系统也是孤岛。跨层基础设施就是那些从底到顶竖向贯穿的东西——不属于任何一层，却决定了整栋楼能不能运转。
这一层也是后面第九章"AI 能不能接进来"的前提：网络不通、协议不统一、安全出不去，AI 就无从谈起。
工业网络与协议 — 让各层"说得上话"
| 类型 | 协议/技术 |
|---|---|
| 工业以太网 | PROFINET、EtherNet/IP、EtherCAT、Modbus TCP |
| 现场总线 | PROFIBUS、DeviceNet、CAN、RS-485 |
| 工业互联标准 | OPC UA（最重要的跨层协议，正在成为"工业世界的 HTTP"） |
| 物联网/无线 | MQTT、5G + MEC、WiFi 6、LoRa、NB-IoT |
数据基础设施 — 让数据"流得动"
| 能力 | 一句话说清楚 |
|---|---|
| IoT 采集平台 | 设备联网的第一步——多协议解析、边缘网关、数据标准化 |
| 边缘计算 | 就近处理低延迟数据，不是所有事都要上云 |
| 数据中台 | 把散在各系统的数据汇聚、清洗、建模，对外提供统一 API |
| IIoT 平台 | 工业互联网平台——设备管理、数据分析、应用开发的一站式底座 |
| 云平台 | 公有云/私有云/混合云，弹性算力与存储 |
| 低代码 | 快速搭建轻量业务应用、移动端表单，降低开发门槛 |
安全与运维 — 让系统"不出事"
| 能力 | 一句话说清楚 |
|---|---|
| 工控安全 | 工控防火墙、入侵检测(IDS)、USB 白名单——OT 网的安全底线 |
| IT 安全 | 防火墙、VPN、终端防护、态势感知 |
| 数据灾备 | 备份、异地容灾、恢复演练——出事了能兜得住 |
八、行业对照：同样的五层，不同的重心
五层模型是通用框架，但不同行业的"重心"差异很大。家电企业可能在 L4 的供应链上投入最多，而化工企业的命脉在 L1 的 DCS 控制。
| 行业 | 代表企业 | L4 经营层重点 | L3 运营层重点 | L2-0 控制与设备层重点 |
|---|---|---|---|---|
| 家电 | 美的、海尔、格力 | IIoT 平台、"T+3"供应链 SCM | 全栈 MES + APS + WMS | 数字孪生、机器人产线、AI 视觉 |
| 汽车零部件 | 福耀玻璃、宁德时代 | PLM 研发协同、SRM 供应商管理 | MES 全追溯、SPC 过程控制 | 机器人焊装、AOI 视觉检测 |
| 陶瓷/建材 | 蒙娜丽莎、东鹏 | 经销商门户、营销数字化 | 配方管理、APS 排产、QMS | 窑炉 DCS 智能控制、色差 AI 视觉 |
| 电子制造 | 立讯精密、富士康 | ERP + SCM 全球协同 | MES + APS 精细排产、AOI | SMT 贴片机、高速 CNC |
| 金属加工 | 兴发铝业、南钢 | 行业专版 ERP、模具管理 | MES + RFID 全程追溯、EAM | 挤压机/轧机 PLC、数字化车间 |
| 定制家具 | 尚品宅配、欧派 | C2M 定制平台 | 拆单排产、板材优化 MES | CNC 开料机、封边产线 |
| 装备制造 | 三一重工、科达制造 | PLM 研发协同 | 液压系统 MES、远程运维 | "黑灯"自动化产线 |
几个标杆数据：
- 美的：数字化投入超 170 亿元，5 座全球灯塔工厂（国内最多），美擎平台服务 40+ 行业、60000+ 中小企业
- 蒙娜丽莎：APS 排产周期从 7 天压到 1 天，订单交付率 70%→95%，单线用工 120→55 人
- 三一重工：树根互联平台连接超 90 万台设备，"18 号工厂"入选灯塔工厂
- 宁德时代：极限制造体系下缺陷率达十亿分之一级，AI 质检覆盖全工序
行业案例已经说明这些系统在"各自运转"时能创造多大价值。但一个新的问题正在浮现：这 60+ 套系统，能接上 AI 吗？
九、AI 接入观察：大模型和智能体打得通吗？
2026 年的现实是——全球只有 7% 的制造企业将 AI 嵌入了核心生产流程，36% 仍停留在 POC 阶段，32% 还在"研究中"。问题不在模型能力，而在数据拿不到、系统连不上、安全不敢碰。
逐层难度：越往下越难
| 层级 | AI 接入难度 | 数据现状 | 主要障碍 | 典型 AI 场景 |
|---|---|---|---|---|
| L4 | ⭐ 低 | 结构化，多数系统有 API | 数据散在多系统，口径不统一 | 自然语言查报表、合同审核 |
| L3 | ⭐⭐ 中 | 半结构化，接口标准各异 | 定制化严重，文档缺失 | AI 排产、质量预测 |
| L2 | ⭐⭐⭐ 高 | 实时时序，协议碎片化 | 数据格式私有，频率不统一 | 异常检测、AI 视觉质检 |
| L1 | ⭐⭐⭐⭐ 很高 | 毫秒级控制数据，封闭协议 | PLC 程序是黑箱，厂商锁定 | 预测性维护、参数自整定 |
| L0 | ⭐⭐⭐ 高 | 原始物理信号 | 传感器老旧、未联网 | 振动/声纹诊断 |
一句话总结：越往下层，数据越实时但越难拿；越往上层，数据越好拿但越碎片化。
五大核心挑战
1. 数据孤岛——不是没数据，是数据"关在笼子里"
一个典型工厂同时跑着 20 年前的 VB 客户端、10 年前的本地 ERP、3 年前的云 MES——它们之间互不通气。传统 API 集成周期 2-3 个月、成本数万到数十万，对老旧系统兼容性极差。更惨的是，有些系统供应商已经倒闭，连接口文档都找不到了。
2. 协议丛林——IT 说 HTTP，OT 说 Modbus，彼此听不懂
L4 的世界是 REST API 和 SQL，L1 的世界是 Modbus RTU、PROFINET、EtherCAT——中间没有天然的翻译层。OPC UA 在努力成为"工业世界的 HTTP"，但实际渗透率仍然有限，大量存量设备只支持私有协议。
3. 实时性鸿沟——大模型太慢，控制回路等不起
大模型推理一次需要数百毫秒到数秒，PLC 控制回路的周期是 1-10 毫秒。AI 在 L1-L0 不可能做实时闭环控制——只能做"离线分析 + 建议"，由人或传统控制器执行最终动作。
4. 安全红线——OT 网的数据"出不去"
工业数据是核心资产，工控网络对外连接有严格策略。把 SCADA 数据送到云端大模型？安全团队第一个不答应。私有化部署成本高，中小企业望而却步。
5. 人才断层——既懂 AI 又懂 PLC 的人，比大熊猫还少
AI 工程师不懂工艺，自动化工程师不懂模型。两拨人说的不是一种语言，项目沟通成本极高。
正在跑通的三条路径
路径一：非侵入式 Agent——不改系统，操作界面
最务实的方案。AI Agent 像"数字员工"一样直接操作系统界面（屏幕语义理解），不需要 API、不碰数据库、不改代码。实测在能耗申报等场景中，12 小时完成部署，替代了原本 2 个月、15 万预算的传统集成方案。适合老旧系统多、接口缺失的工厂。
路径二：边缘侧只读接入——不干预控制，只"听"数据
通过 OPC UA / MQTT / Modbus TCP 以只读模式接入 PLC 和 SCADA 数据，在边缘侧完成 AI 推理（异常检测、预测性维护），不干预控制回路。部署周期可压到 2 周，安全风险可控。这是目前工业 AI 落地的主流路线。
路径三：MCP 协议标准化连接——给 AI 装上"工业插头"
Model Context Protocol（MCP）正在成为"AI 的 USB-C"——通过标准化的 Tool 接口让大模型直接读取 MES 工单、查询 SCADA 报警、调用 ERP 库存。2026 年已有团队实现了 MCP + MES/SCADA 的原型，但离生产级还有距离。
务实建议：从哪一层开始接 AI？
| 推荐起步层 | 推荐场景 | 见效周期 |
|---|---|---|
| L4（ERP/OA/BI） | 自然语言查报表、合同审核 | 1-2 周 |
| L3（MES/QMS） | AI 排产、质量预测 | 1-3 月 |
| L2（SCADA/视觉） | AI 视觉质检、异常检测 | 2-4 周 |
| L1-L0（PLC/传感器） | 预测性维护、振动诊断 | 3-6 月 |
不要从最难的层开始。 先在 L4 用 Agent 跑通几个"查数据、填表单"的轻场景，让团队建立信心，再逐步向 L3、L2 延伸。碰 L1-L0 之前，先确保边缘采集层已经就绪。
写在最后
回到开头的问题："到底需要多少个系统？"
答案是：取决于你在哪一层还有断点。
大部分中小制造企业的现状是——L4 有个 ERP（可能还没用好），L3 基本空白或只有纸质工单，L2 靠人盯屏幕，L1-L0 的设备在"裸奔"（数据出不来）。
数字化不是把 60 个系统全买一遍，而是：
- 画出自己的五层现状图——哪些层有系统、哪些层是断的
- 找到断点最大的那一层——通常是 L3（MES/APS/WMS）
- 优先打通相邻两层的数据流——比如先打通 ERP↔MES、MES↔SCADA
- 高价值场景先接 AI——从 L4 轻场景起步，逐步下沉
ISA-95 不是教条，而是一张导航地图。知道自己在地图上的位置，才知道下一步往哪走。
📚 三部曲导读：本篇回答了"工厂里有哪些系统、AI 接入卡在哪"。上一篇 OpenClaw 工业落地指南 回答"单个 Agent 能干什么"，下一篇 企业级 OpenClaw 方案 回答"一群 Agent 怎么造、怎么部署、怎么管"。
附：全景速查表
L4 ERP · BI · 财务 · CRM · SRM · SCM · TMS · PLM · PDM · CAD
CAE · CAM · CAPP · 仿真 · OA · HRM · DMS · PM · 电子签章
L3 MES · APS · Andon · QMS · SPC · LIMS · WMS · AGV调度
EAM/TPM · EMS · HSE · 环保在线监测
L2 SCADA · HMI · 组态软件 · Historian · 工业视觉/AI质检
L1 PLC · DCS · PAC · 安全PLC/SIS · CNC · 运动控制器 · 变频器 · RTU
L0 传感器 · 执行器 · 仪表 · 工业机器人 · AGV/AMR · 输送线 · 专机
── 工业网络 · IoT采集 · 边缘计算 · 数据中台 · IIoT · 云 · 工控安全