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。