30 万种零部件、百万级设备 IoT 数据 — 工业大模型的真正用法不是聊天，是把老师傅经验装进机器。
技术 / 服务商：树根互联「根问数」工业大模型
关于本案例： 以下内容据公开报道、厂商客户案例库与企业公告整理，目的是给你的决策提供同业参考。本项目并非由 OneTech 交付。 如果你想了解 OneTech 在类似场景下的可替代方案，请看下方「OneTech 在类似场景能怎么帮你」板块。
STORY
工业场景的大模型有几个独特门槛：数据敏感（产线数据不能出厂区）、知识结构化难（老师傅经验靠口传）、部署形态严苛（机房可能没公网）。「根问数」是少数从生产环境真跑出来的工业大模型。
据公开资料，三一重工把历史工单、设备 IoT 时序数据、工艺手册全部结构化后喂给模型，构建出"工程师助手"。工程师看到设备异常，直接问"38 号机床主轴异响可能原因"，模型基于历史相似工单 + 当前 IoT 数据给出 Top 3 判断 + 处置建议。
私有化部署是关键 — 制造业绝大多数客户不接受 SaaS 大模型，需要本地推理 + 模型权重在自己机房。
这个案例最值得借鉴的：工业大模型 ROI 不在"AI 客服"，在"工程师查询时间从 30 分钟到秒级"。
挑战 · CHALLENGE
工程机械行业涉及 30+ 万种零部件、海量维修工单与设备运行日志；老师傅经验集中在少数厂区，分布式工厂的故障诊断、备件查询、工艺优化高度依赖人。设备出现异常时，工程师需要在多个系统间切换查资料，平均 30 分钟才能给出初步判断。
方案 · SOLUTION
基于树根互联根云平台 + 工业大模型，结构化历史工单 / 设备 IoT 数据 / 工艺手册，构建工程师助手与设备故障问答；接入三一重工内部系统作为生产力工具。私有化部署 + 本地推理，确保产线数据不外泄。
KEY DECISIONS
不接受公有云的客户占工业制造 80%。
单一数据源的工业 AI 都是玩具，融合才有价值。
工业场景客服并非主战场，研发/运维效率才是。
LESSONS FOR YOU
把别人踩的坑变成你的快捷键。
工业大模型必须私有化，不接受这个条件就别做制造业客户。
别只盯"AI 客服"，工程师查询场景的 ROI 高 10 倍。
IoT × 工单 × 手册的三角融合，决定工业大模型有用还是没用。