AI 能直接操控设备了？我们走进车间看了看
这半个月，AI 圈和制造业圈都在聊同一件事：8 月底，一家海外头部 AI 公司发布了一套新的硬件接口标准。
简单说，它给 AI 和设备之间定了一套通用接口。
过去想让 AI 控制一台设备，工程师得为每台机器单独写对接程序，一套系统集成下来少则几周、多则几个月。这套标准加了一层驱动层：设备能被 AI 自动“发现”，用“读”“写”这样的简单指令就能操作，集成时间被压缩到小时级。设备还能用自然语言给自己打标签——能测什么、能调什么、安全边界在哪。
所以很多人的第一反应是：AI 能直接操控设备了，工厂是不是可以自己跑起来了？
这一步确实迈得不小。但现实是——现在还做不到。
01 成绩单很漂亮，但都在实验室
它目前公开的早期案例，长这样：
某高校实验室用它协调机械臂和检测仪器，实验速度提升约 3 倍；
一家国际药企的蛋白检测流程，周期缩短到原来的三分之一；
一家量子计算公司让 AI 管理激光器，故障恢复从 150 秒压到 6 秒，700 次盲测成功率 99.3%。
数字很漂亮。但请注意场景——实验室，不是车间。
02会调用设备，不等于能管好产线
把它放进车间，会碰到四个现实问题：
①它还只是研究预览版。申请制、尚未开源，物理安全规范还在建设中。
②老设备接不上。这套标准只认有编程接口的设备。可工厂里大量机床、注塑机用了十几年，压根没有接口——这类“哑设备”它管不了。
③AI 没有“手感”。标准发布方自己也提到，模型对物理世界的理解有限，需要专家盯着。官方公布的案例里有一个很典型：样品起泡导致的结果异常，最后是人判断出这是物理故障，不是软件 bug。
④最关键的一条：会调用设备，不等于能管好产线
03产线的答案，不在设备协议里
一条产线要转起来，AI 在按下任何一个按钮之前，得先回答这些问题：
这批订单卡在哪个工序？
下一班的人，会不会这道工序？
模具还能撑多久，要不要提前换？
料够不够撑完这个班次？
这些答案不在设备的通讯协议里，在企业的管理流程里。
所以设备协同从来不只是技术问题，它本质上是个管理问题——企业要的是提效、降本、增质、减存，让车间任务流转得更快。设备控制只是这个目标落到最末端的一步。
跳过管理这一层直接去连设备，连得再顺，现场也协同不起来。
04天枢：架在OT和IT之间的桥
车间缺的不是更多连接，而是一个既接得住设备、又读得懂管理的角色。这也是鼎捷做天枢的出发点。
天枢是鼎捷工业 AIoT 方案里的设备底座，由边缘控制器和 AIoT 指挥中心两部分组成。可以把它理解成 OT（车间设备）和 IT（管理系统）之间的那座桥：往下，把不同品牌、不同年代的设备接进来、管起来；往上，把生产计划、工艺纪律这些管理逻辑翻译成设备能执行的指令，让设备与设备、人与设备真正协同起来。
具体拆成三层：
01
协议中心——先把设备连上来。
天枢已支持 450 余种生产、物流、厂务、办公设备，累计联网超 4.2 万台，单客户最高 1600 台并发。没有接口的老设备，用硬采方式一样能接。通讯加密、容灾、安全联锁都内建在协议层。
02
指挥对象——不只给设备建模。
加工单、产品、工艺、模具、人员、生产任务，也一起建进同一套模型。设备对象和管理对象在同一个模型里，才算真正“可被指挥”。
03
指挥策略——同时驱动三件事。
驱动人（排班、技能匹配）、驱动设备（实时反控、异常处置）、驱动系统（数据回流、经营看板）。三者一起动，而不是只动设备。
而且不用一次上全套。天枢可以分阶段实施：先把设备连上网，再一层层往上加数据、加组态、加 AI 应用，每加一层都能单独验证效果。一条产线的改造，最快数日到数周就能看到闭环。
落地看的是经营数字
不是连了多少台
几个已经跑起来的场景：
某汽车零部件企业：AGV 柔性产线 + “良品才放行”的反控纪律，交期 15 天 → 9 天，物料员 26 人 → 4 人，良率提升 26%
某精细化工企业：反应釜加料量与反应时间强制管控，工艺执行精准度 76% → 95%，人为原因废料浪费下降 65%
某电子零部件企业：103 台设备、5 个厂家 13 种 PLC 机型，全部联网，2 个月上线，设备云交付仅 15 人天
这些数字没有一个是“设备连上了”，全是交期、良率、成本、人力。
把设备连起来，只是起点
这套新标准把 AI 和硬件之间的接口往前推了一大步，这是好事。
但工厂要的从来不是“AI 能不能碰设备”，而是“AI 碰完之后，交期、良率、成本交代得过去”。
这两件事之间，隔着一整个对车间的理解。
把设备连起来是起点，让设备按管理的逻辑动起来，才是答案。