传统制造企业美国仍有约28万家，大量设备已使用几十年。Harmoni不更换设备与工人，而是在每台机床旁加装平板，把车间真实情况变成数据再引入AI，目前服务约40家客户，9月完成1000万美元A轮融资。

今天分享一个帮助传统制造企业 + AI 的案例， Harmoni，https://harmoni.io/

过去两年，AI+ 制造最容易吸引注意力的故事，基本都长一个样子。

机器人越来越像人，AI 开始控制整条产线，新工厂从设计第一天就尽可能减少人工。

Hadrian、Machina Labs 这类美国制造创业公司，甚至直接从零建设高度自动化的新工厂。

但现实世界里，绝大多数工厂根本不是这样。

美国现在大约还有 28万家制造工厂，很多工厂里的设备已经用了几十年，一台机床只要还能稳定加工零件，老板就不会因为 AI 出现了把它扔掉。有些设备甚至可以追溯到二战时期。

工厂的软件环境也没有想象中先进。

工人早上排队在公共终端打卡，生产程序装在 U 盘里拿到机床旁边，纸质作业指导书放在桌上，ERP 里是一套数据，机器自己又是一套数据，真正出了问题，主管还得走到车间里问人。

2023 年成立的 Harmoni，就盯上了这些工厂，它的思路甚至有点反潮流：

机器不用换，工人也不用换。先在每台机器旁边装一块平板，把旧工厂真正发生的事情变成数据，然后再让 AI 进来。

公司目前大约有 40家客户，主要集中在航空航天和国防制造，9月刚完成一轮 1000万美元 A 轮融资。

01 创始人第一次进工厂，发现工人还在拿U盘跑来跑去

Harmoni 的联合创始人 David Caputo 原本并不是做工业软件的。

他学的是电气工程，后来转去华尔街做了大约十年投资银行，主要覆盖大型工业企业。2013年，他又参与创办了一支专门收购制造企业的私募基金。

真正开始运营工厂之后，他发现实际车间和资本市场描述的“智能制造”完全是两个世界。

设备本身可能价值几十万美元甚至上百万美元，但设备旁边的信息流仍然非常原始。

一个采访中提到一个让 Caputo 印象很深的场景：工人排队在终端打卡，然后拿着装有加工程序的U盘去不同设备之间移动。

ERP 知道今天应该生产什么，机器知道自己正在干什么，工程部门知道最新的图纸和程序版本，工人知道现场到底发生了什么。

但这四件事情并没有真正连在一起。

Caputo 后来和长期从事制造咨询的 Adam Ellis 合作，2020年前后开始尝试解决这个问题，最终在 2023年成立 Harmoni。

他们没有先做 AI，甚至一开始做的东西，看起来相当“不性感”，他们做了一块平板。

02 给每台机器贴一块平板

Harmoni 最核心的硬件，是一台可以直接磁吸安装在机器或工位旁边的定制平板。

它不要求客户购买新的机床，也不要求客户先完成一整轮数字化改造。新机器可以通过标准协议连接；一些没有现代接口的老设备，则通过额外硬件采集必要信号。

Harmoni 称，它可以连接 Fanuc、Siemens、Mazak、Haas、DMG Mori 等主流控制系统，同时也能处理非常老的设备。单个工位的硬件安装通常不到一小时，完整工厂一般可以在两到四周内上线。

真正重要的并不是“机器旁边多了一块屏幕”，而是原来散落在不同地方的工作，都开始经过这个入口。

一个工人来到机床前，用 RFID 身份卡识别自己。系统已经知道他是谁、这台机器是什么、接下来准备生产哪个订单。

对应订单的最新图纸、作业指导书、检查表和加工程序直接出现在机器旁边。

如果工程部门刚刚更新了版本，旧程序可以被锁住，不再允许继续使用。

生产开始以后，设备状态、循环时间、停机、操作人员、订单、质量检查等数据继续被记录下来，再同步回 ERP。

也就是说，Harmoni 做的并不是传统意义上的“一块数据看板”，它试图把：

人、机器、订单、程序、质量和ERP，在每一个具体工位上绑在一起。

Harmoni 给这套东西起了一个新名字：Factory Orchestration，工厂协同。

说得简单一点，就是 ERP 告诉工厂“应该发生什么”，机器告诉系统“正在发生什么”，Harmoni 负责把中间那段长期依赖工人走路、打电话、找文件和手动输入的流程连起来。

这个定位听起来不如“无人黑灯工厂”刺激，但客户效果反而很好量化。

03 一个工人每个月光“少走路”就多出了17小时

Harmoni 有一个比较典型的客户叫 WessDel。

这是一家位于圣何塞的精密制造企业，给航空航天和国防客户生产复杂零部件，包括使用钛合金、铍合金制造的卫星组件。

它其实并不是一家数字化特别落后的公司。WessDel 已经使用 Epicor Kinetic 这种成熟 ERP，也部署过机器监控系统。

问题恰恰出在：系统很多，但是现场没有被真正连起来。

过去工人每次换订单、上下班或者切换工作状态，都需要走到共享终端进行 ERP 操作。

公司做过时间研究，一次完整的时间记录流程平均要消耗大约 11分钟。

而机器监控系统又要求另外记录一次数据，于是为了得到更准确的生产数据，公司反而要求工人做了更多录入工作。

Harmoni 上线以后，工人在机器旁边通过 RFID 直接完成操作，相关数据自动回写 ERP。

11分钟，被缩短到几秒钟，WessDel 自己测算的结果是：平均每名员工每个月多出 17小时有效生产时间。

仅这一项节约带来的持续收益，就超过 Harmoni 持续使用成本的 5倍。系统上线后的后续改造还包括数字作业指导书、自动程序加载和电子检查表。

这组数字很有意思，因为 Harmoni 并没有让机床加工速度提高 20%，也没有让一个工人突然变成三个工人。

它只是发现：一个熟练技工每天其实花了大量时间在走路、打卡、找文件和填系统上。

这恰恰是很多“ AI 提高生产率”的讨论容易忽略的一点：真正可以被自动化掉的，未必是一个人的核心工作，很多时候，是围绕核心工作存在的那些碎片。

Harmoni 另外一个只有两名员工、九台设备的客户 Midway Swiss Turn，也用它做程序版本管理、数字检查表和刀具磨损跟踪。

对于这种小型精密制造企业来说，最现实的问题不是“什么时候买人形机器人”，而是两个人怎么稳定地管理九台设备，而且不要因为拿错一个旧程序就直接产生废品。

04 然后，AI 才终于有用了

直到今年，Harmoni 才把AI真正推到产品核心，新产品叫 HAL。如果单独看 HAL 提供的功能，其实没有什么特别神奇的地方。

工厂主管可以直接问 HAL：

“今天哪几个订单已经落后了？”“4号产线为什么低于目标？”“今天哪台机器停机时间最长？”“哪些订单还在等质量审批？”“哪些设备正在使用旧版本程序？”

系统也可以识别停机、质量、人员和计划风险，并解释导致问题的可能原因。

这些事情，用大模型做一个聊天界面并不难，难点在另外一件事情上：HAL 为什么知道答案？

因为在它出现之前，Harmoni 已经花了几年时间，把人、机器、订单、ERP、作业指导书、质量数据和工程变更接起来了。

假设一个工人站在 12号机床前问：“为什么今天这台机器比平时慢？”普通 ChatGPT 们根本不知道“这台机器”是什么。

你首先得告诉它：

机器型号；正在生产什么零件；当前订单；标准节拍；实际节拍；今天换了哪个操作员；有没有停机；刀具有没有变化；最近有没有工程变更；历史生产这批零件是什么表现。

信息输入完，问题可能已经解决了，而 HAL 不需要重新问这些。

因为当操作员站在那个工位时，系统已经知道：

谁，在什么机器上，生产哪个订单，用哪个程序，目前运行到了哪一步。

创始人 Caputo 把这种体验概括得很形象：工人开始可以“直接和机器说话”。

比如发现异常，可以直接告诉 HAL：“给维修团队创建一个工单。”或者：“把这个问题留给下一班操作员。”

05 工业 AI 真正难的，根本不是 AI

过去两年很多企业 AI 项目都有一个类似的问题：大模型能力已经很好了，Demo 也很好看。

但真正上线以后，很快会遇到一句话：数据在哪？

生产计划在 ERP、机器状态在设备控制器、SOP 在文件服务器、质量结果在另一个系统、维修记录可能在 Excel、人的经验甚至根本不在任何系统里。

一个大模型即使再聪明，也只能对它能够看到的信息进行推理。

如果输入给它的只是几个 Excel 和 PDF，它最终很容易退化成一个“会聊天的知识库”。

Harmoni 的路径恰好反过来，它先用了几年时间做最不起眼的事情：装平板、接ERP、连机器、识别员工、统一程序版本、收集停机数据。

等到这些基础数据开始形成以后，再把 AI 放在上面，所以 HAL 真正的壁垒一定不是模型。

06 AI 改造制造业，远没有想象中那么科幻

过去两年，我们看到太多未来工厂的想象：

人形机器人搬货、机械臂自动生产、AI 自动排产、黑灯工厂 24小时运行。

这些东西当然会发生，但全球制造业里还有大量设备不会因为 GPT 又升级了一代就突然消失。

一台几十万美元、还能稳定运行的机床，可能继续工作十年、二十年。

一个用了十年的 ERP，也不会因为 CEO 看了一场 AI 发布会第二天就被换掉。

所以真正巨大的市场，不是为 AI 重新造一座工厂，而是怎么让已经存在的工厂，也能够用上 AI。

Harmoni 给出的答案非常朴素，不要先换机器、不要先买机器人、甚至不要先讨论大模型，先让系统知道：

谁站在这台机器前、这台机器正在加工什么、应该使用哪个程序、实际生产得怎么样、哪里出了问题。

等这些最基本的问题能够被准确回答以后，AI 才真正开始有意义。

以上，祝你今天开心。

作者：张艾拉 公众号：Fun AI Everyday