先说结论

这几年我跑了不少制造企业，发现一个很普遍的现象：问老板"你们有数据吗"，答案都很自信——攒了十几年的图纸和文档。可再问一句"以前积累的这些数据，新项目能直接用多少？用起来方便吗？"，办公室会安静几秒，然后有人说："这个得分析一下。"而文件就摊在那里，可哪些能用、能用在哪儿，往往很难说得清。

十几年的积累摊在那里，却回答不了这么一个基本的问题。这就是今天想聊的事：AI 时代，制造业企业到底该攒什么。

结论先放在这里：AI 不会让所有制造企业变强，它只会让"手里有值得 AI 用的东西"的企业变强——而这些东西，就是数字资产。

一、你厂里的，大多是文件，不是资产

很多企业把"我们有数据"当成"我们有资产"，这是最大的误会。

图纸是文件吗？是。是资产吗？多数时候不是。区分它们，我有一把简单的尺子——一个数字文件，满足下面三条，才算数字资产：

1. 可被系统或人直接使用——它写在系统里、文档里，不依赖某个具体的人；

2. 使用成本低——需要的时候找得到、看得懂、调出来就能上手，成本远低于重新做一遍；

3. 用了真的省——省掉一次或多次判断，或者减少人工操作时间和试错返工的成本。

三条缺任何一条，它就还是存货，不是资产。

先澄清一个容易误会的点。 网上的"数字资产"常指虚拟货币、数字藏品那一类——本文与那些无关。官方标准里有明确定义的是"数据资产"：国标《信息技术服务 数据资产管理要求》（GB/T 40685-2021）把它定义为"合法拥有或控制、能进行计量、并为组织带来经济和社会价值的数据资源"，财政部也从 2024 年起允许数据资源记入资产负债表。本文的"数字资产"与它同方向、更具体：指制造业里工程经验的数字化载体——参数化模型、参数规则、图纸标准这些。

拿这把尺子量一量厂里常见的几样东西——左边是存货的常态，右边是它该成为的样子：

图纸：调得出来，但改起来费劲——换了人不敢下手，就算是原作者，反复改模型、重新出图的成本也压不下来。它该是：参数化模型库——新规格改参数就能出图；

改款经验：在老师傅脑子里。它该是：写进系统的规则——谁来都能照着执行；

报价：有时需要额外投入很多人工。它该是：零部件清单加成本规则——按项目参数实时计算，有据可查。

左边那些，每个厂都有，而且不少；右边那些，才是 AI 时代真正值钱的东西。

我在一家直线电机工厂见过这种投入的规模：为了同一个电机的不同型号，他们建了上千个模型，就为了让客户拿到直接可用的模型。这份投入对拿单确实有用，可细看会发现，其中大部分建模是重复劳动——型号之间大同小异，却要一个一个从头建。这种为了成交而做的投入，总体算下来消耗了不少设计工时。建模的功夫并不白费——模型都在，可型号之间的那点差异，至今还是靠人一个一个地建。

二、图纸虽然在，判断留不住

存货和资产还有另一个更本质的区别：往后走的曲线不一样。

先说图纸。图纸本身不会坏，也不会自己作废——十年后打开，图还是那张图。但它只在被交付的那一次完整地发挥过作用。 再往后想用它，你面对的是三个变化：

工具变了。 换了软件、升了版本，图能打开，特征和关联却未必还在，重画一遍不比改一次省事；

标准变了。 材料、标注、公差、合规要求更新，老图不能直接投产，得逐张重审；

场景变了。 上一个项目的前提不在了，尺寸和结构未必还成立。

更要紧的是第四件事：图纸记录的是结果，没记录判断。 为什么这个尺寸取 12 而不是 10，哪个孔可以挪、哪个不能动，当初是怎么权衡的——这些都不在图上。所以图纸虽然在，判断没留下；一旦当初做这张图的人不在，这张图就只能"参考"，不能"复用"。

规则不一样。一条参数规则本来就是从判断里提炼出来的：它把"什么情况下取什么值"写清楚了。所以它每被使用一次，就被验证一次；用的项目越多，越可信、越好用。

图纸的价值，集中在交付那一次；规则的价值，从第一次复用开始累积。

所以"数字资产"这个词，重点不在"数字"，在"资产"。一份数字文件如果不能被反复使用、每次使用都实打实省下时间和返工，它就不是资产，只是仓库里占地方的东西。

还要说清一点：数字资产和品牌、商标这类资产不是一回事。品牌靠时间和口碑慢慢攒，数字资产是工程经验的载体，它有个别的资产没有的特点——建立起来之后，可以便利地生成其他资产：一套参数化模型库，能源源不断产出新的图纸、BOM 明细和报价依据。让资产生资产，这也是数字资产的变现方式之一。

而且资产不是建好就定型的：它能在模型快速修改这类问题上反复发挥作用，也能在使用中不断改进升级、适配更多场景——每多覆盖一类场景，它能发挥价值的地方就多一处。

三、两笔躲不过的账：经验断代与软件更替

有人会说：不搞 AI 不就行了？攒这些干什么？

我的看法是：这两笔账跟 AI 无关。 没有 AI 也躲不过去，有了 AI 只是让代价更快地显现出来。

第一件，人的供给端变了。 经验依附在人身上的模式，正在失去前提。老一代设计师陆续退休，年轻人不愿意花十年去熬一套手感。经验断层不是将来时，是现在进行时——不少企业已经在为"老师傅一走，一条产品线就慢半拍"买单。

第二件，换软件成了常态。 信创推进、CAD 更换、系统升级，这几年很多企业都经历过至少一次。换完之后，最常见的抱怨是同一句："又要重新做一遍。"

这里要先澄清一点：换软件不会把积累清零。 图纸、模型都还在硬盘上，一张没少。真正的问题是它们难以直接用起来——图框和图纸模板要重建，图层、命名、打印标准要重配，参数化模型里的关联和规则要重新实现。更麻烦的是里面最难的那部分：当初为什么这么建、哪个尺寸和哪个尺寸联动，如果不曾被记录下来，就得连判断一起重新摸索一遍。

所以这笔账的名字不叫"资产损失"，叫重复投入：同一份判断，交两遍学费。

真正的浪费从来不是设备投入——设备至少还在产线上转。真正的浪费，是每换一次软件、每走一个人，都要从头再来一遍的那部分。

聊到换软件，不少企业负责人的第一反应不是"学新工具有多难"，而是："图纸模板、图框标准、那些参数关联，全得在新软件里重新搭一遍。"东西都还在硬盘上，可就是难以直接用起来——想接着用，就得照着原来的样子重新搭一回。很多人是在这个时候，才第一次认真想：积累到底应该放在哪里。

四、卡住的地方是"写规则"，AI 接的正是这一段

那 AI 在这件事里到底扮演什么角色？

很多文章把两件事混在一起说，这里得先分开。

一件事是"用规则"。 规则写好了，系统照着执行——改参数出模型、按规则出图、自动生成 BOM。这是参数化系统做了几十年的活，跟 AI 没有关系。它唯一的门槛是：规则得先被写出来。

另一件事是"写规则"。 把老师傅的判断、图纸上的隐含关系、口头交代的做法，整理成明确的参数、约束和命名规则。这件事过去全靠人，一条一条理、一遍一遍试。

卡住的正是这一段。 不是大家不知道规则有用，是"把经验写成规则"太贵——费时间、费人、还得是懂行的人，所以大多数企业做到一半就停了。

AI 改变的正是这一段：它能把整理规则这件事的成本降下来。原来要专家手工做几周的量，现在能压到可以试错、可以迭代的粒度。而规则一旦写清楚，后面每一次调用都是纯收益。

这里说的 AI，指的是这两年大家口中的"大模型"这一类：它能读懂自然语言、图纸说明和技术文档，并从里面归纳出结构和参数。它和工厂过去用过的"专家系统"不是一回事——专家系统的规则是人一条条写好的，机器只负责执行，规则写得越全越贵，碰上没写过的情形就停住。大模型的区别在于：它自己从资料里找规律，把人从"逐条写规则"里解放出来——但规则由机器起草、由人确认，这一点没变。

所以判断一家企业该不该整理数字资产，主要看手里有没有值得被写成规则的经验。有，AI 就是加速器；没有，AI 进去只能空转——这也解释了为什么有些企业"上了 AI 没感觉"：不是 AI 够不够成熟，是现有业务不值得喂给它处理。

要补一句实话：AI 能接走的是"把明确经验写成规则"这一段；那些连老师傅自己也说不清的直觉判断，它接不走，还得靠人。所以资产化的目标不是取代人，而是把可表达的那部分判断交给系统执行，把人腾出来做真正说不清的那部分。

我见过最典型的例子，是给一类定型产品建参数化模型。第一次把结构规则、参数关联、命名规则写进模型，确实要下一番功夫，当时看不出什么即时收益。可建完之后，做这类产品的感觉就完全变了：再来订单，不再是分析哪里需要改、规划最快的修改方式，然后再开始动手改，而是搜出模板、改几个参数，模型、图纸、BOM 就跟着出来了。做过的人都有同一种体会——这一类产品，从此有了一种"一劳永逸"的踏实：框架和规则就摆在那里，要操心的只剩真正需要判断的部分。第一次下的功夫，换来的是这一类活的踏实——这就是数字资产和文件的区别。

五、先盘资产，再决定上什么工具

最后说怎么做。先给一个反常识的提醒：不要从买 AI 开始，要从盘资产开始。 先上工具、再找场景，是这一轮最常见的亏法——工具到位了，才发现手里没有值得它处理的东西。

给你一个 30 分钟的盘点法，今天就能做：

1. 把厂里"每次都要靠人重复判断"的环节列出来，列够 10 条，别提前停笔；

2. 每条按三个维度打分：发生频率、每次耗时、判断错了的后果；

3. 取总分前三；

4. 在前三里挑出那件"不是难，是重复"的事——它就是第一个该资产化的环节。

挑"重复"而不是挑"难"，是有讲究的：难的事缺的是判断力，短期内谁也替不了；重复的事缺的只是一次把规则写清楚的投入。第一年的目标不是建好一个库，是跑通一条。 一条跑通了，你才知道第二条该怎么做。

写在最后：哪些企业适合先做

哪些企业值得立刻做？订单有重复性、项目之间有相似度、经验高度依赖人的企业——非标自动化、模具、装备、结构件、成套设备，基本都在这个范围里。

哪些企业可以先放一放？单件到几乎没有复用度的业务——那类项目里没有"重复"，也就没有可复用的判断。

最后把话说实：这篇文章没有给你任何收益数字，因为每个厂情况不同，数字必须你自己量——报价周期、设计工时、新人上手时间，这三个口径，盘完资产之后各记一次，三个月后对照，你就知道这件事在你厂里值不值。

AI 时代，先攒下资产的企业，先拿到 AI 时代的入场券。你厂里的图纸，算文件还是算资产？评论区聊聊。

（本文是「数字资产」系列第 1 篇。）