程序缺陷 AI 审查
用规则库（未初始化变量、双线圈、互锁缺失、定时器复用、急停逻辑依赖软件等）先扫一遍，再用模型对可疑段落做语义复核，输出按严重程度排序的缺陷清单，每条给出位置、原因、建议改法。人工确认后才动程序。
三个已经能落地的场景
都是“输出一份人能复核的清单/建议”，不改变控制逻辑。
报警文本智能处理
把历史报警按“现象/原因/处置”重新归类，合并同义报警、识别误报与连锁误报，生成处置建议草案并支持多语言输出。上线后报警数量通常能降三到五成——不是删报警，是去掉重复与噪声。
设备数据分析
用历史数据做停机归因与参数漂移预警：哪个信号在故障前 N 分钟开始异常、哪个参数组合与不良率高相关。输出的是“值得去看一眼的线索清单”，不是自动调节。
我们不做的四件事，写在前面：不做“AI 自动生成 PLC 程序直接上产线”；不做无人复核的自动改程序；不把大模型接进控制回路；不用客户数据训练通用模型。这四条不是保守，是工业现场的基本要求——一个扫描周期 10 毫秒的地方，容不下“大概对”的推理。
试点怎么跑（2–4 周）
- 选一个点。挑一类反复出现、有历史记录的问题（比如某个工位的误报警、某台设备的偶发停机）。不要一上来做“全厂智能分析”。
- 给数据。程序块、报警历史、必要的趋势数据；脱敏后给我们，或我们远程在你们机器上跑。
- 出基线。先用规则和人工把“正确答案”标一批出来，作为衡量标准——没有基线就没法证明 AI 有用。
- 跑一轮，对一遍。输出清单，和你们的工程师逐条核对：命中多少、误报多少、漏了什么。
- 决定是否铺开。试点结果不好就停，费用只到试点为止。这一条写进合同。
计价（未税）
试点按场景计价；铺开按设备数或年费，另行报价。
| 场景 | 范围 | 参考价 |
|---|---|---|
| 程序缺陷审查（单台） | ≤3,000 行，输出缺陷清单 + 人工复核 | ¥8,000 – 15,000 |
| 报警文本处理 | ≤2,000 条历史报警，含多语言输出 | ¥15,000 起 |
| 设备数据分析试点 | 单台/单线，含基线标注与验证 | ¥30,000 起 |
| 年度（含模型维护） | 持续接入新数据、季度复评 | ¥60,000 / 年起 |
为什么是我们做这件事：做 AI 的团队通常拿不到工业数据，也不知道报警文本为什么这么写；做自动化的团队有数据，但没有把模型调到可用的工程能力。我们两边的人都在这一个屋子里，试点周期能压到两三周，而不是先谈半年合作框架。