AI产品经理的真实战场不在高档写字楼，而在产线和仓库。本文通过碳纤维制造业的三大实战案例，揭示B端AI如何通过质检协同、知识库构建和垂直预测模型，实现效率提升与成本优化。这些“土味”项目证明，理解业务痛点比追求技术炫酷更重要。

最近面试了不少打着“AI 产品经理”旗号的候选人。一问做过什么，基本都是“调过大模型 API”、“做过企业智能助手”。再往下深挖业务逻辑和成本控制，往往一问三不知。

很多人以为 AI 产品经理就是坐在高档写字楼里写写奇招百出的提示词（Prompt）。但说句大实话，真正能为企业赚回真金白银的 AI 落地，往往诞生在轰鸣的产线旁、杂乱的仓库里和厚厚的 Excel 报表中。

我在碳纤维汽车/摩托车零部件制造业干了 4 年。从传统产品经理一路蹚水摸爬滚打，完成 AI 转型。今天不聊前沿的 Transformer 架构，就拿我亲手在工厂和业务线里跑通的三个“土味”项目，聊聊 B 端 AI 产品的务实与克制。

01 承认 AI 的无能，才是落地的开始：质检产线的“半人半智”协同

我接手第一个 AI 质检辅助系统时，车间的日均产能需求是 500 件，但人工质检漏检率高达 8%。

很多刚入行的 PM 看到这个场景，脑子里立马会蹦出一个极其丰满的方案：上视觉大模型！全自动质检！干掉所有人！

但当你真正去产线蹲了 3 周后就会发现，碳纤维表面的微小裂纹和纤维方向偏差，在目前低成本的 AI 视觉下根本无法做到 100% 识别。强行全自动，误报率会把产线逼停。

所以我做了一个极其克制的设计：AI + 人工协同。

我把缺陷标准切分。让商汤视觉 AI 只负责初筛明显的缺陷（比如大于 5mm 的大面积气泡、表面明显划痕），准确率做到 85% 就够了。对于置信度在 50%-80% 之间的，系统自动标为“疑似问题件”，流转到下一道工序，由质检员在专业光源下进行重点复检。

结果呢？AI 帮人挡住了海量的低级初筛，人工工作量直降 30%。整体质检效率提升 40%（日均处理飙到 700 件），而漏检率从 8% 断崖式降到了 2%。

理解技术边界，不盲目追求 100% 自动化。把好钢用在刀刃上，把兜底的权力交还给人类，这是 B 端 AI 落地必须要跨过的第一道心魔。

02 干掉“老带新”的隐形税：把知识库变成只答疑的哑巴机器

我们销售团队以前有个极其昂贵的痛点：新人培训周期长达 2 周。产品手册、报价规则全靠老员工口口相传。新人碰到询盘不敢回，老员工被问得烦死。

很多公司解决这个问题的思路是买一个外部的“AI 销售助手 SaaS”。但在制造业，内部报价逻辑和客户痛点是绝对的核心机密，一旦数据出境或者对接外部平台，合规风险极大。

我的解法是：自己动手，丰衣足食。用 Claude API + Pinecone 向量数据库，搭一个纯内部闭环的 RAG（检索增强生成）系统。

我没有给这个系统设计什么花里胡哨的闲聊功能，它就是一个没有感情的答疑机器。我把 200 多份产品手册、报价 Excel 和历史邮件拆解成结构化知识点喂进去。新人输入客户问题，AI 直接在后台匹配答案并推荐标准话术。

没有炫酷的 UI，但结果极其暴力：新销售上手周期从 2 周缩短到 3 天。以前遇到冷门询盘需要等老员工半小时才能回复，现在 2 分钟搞定。

做内部工具，合规和效率永远大于噱头。解决真实场景的痛点，哪怕底层只是个简单的 RAG 检索，也比一个只会说漂亮话的空壳机器人强百倍。

03 懂行业，才能打败百万级的成熟 SaaS：写给碳纤维的专属算命盘

碳纤维原材料的采购极其痛苦。周期长达 45 到 60 天，单次采购几十万美金。欧美订单一波动，人工经验判断极容易导致缺货或者库存积压。

当时老板看了一眼 SAP 的成熟供应链方案，报价百万级，直接放弃。而那些几万块的轻量级 ERP，预测模型又蠢得可怜，根本不考虑汇率和物流。

最关键的是，通用 SaaS 根本不懂碳纤维行业的特殊性。它们不知道欧美车展的档期在哪个月，不知道改装季什么时候到来。

既然买不起也买不到合适的，那就自己算。

我拉着数据分析师，写了一个 5 万块钱成本都不到的时序预测模型（Prophet）。我们清洗了 3 年的 12000 多条真实订单数据，硬生生把汇率、物流时效、甚至海外车展的档期参数全部加了进去，生成未来 90 天的需求曲线，并设定触发采购的红线。

这套极度垂直的“土味”引擎上线后，库存周转率从 60 天降至 42 天，缺货导致的订单延期下降了 75%，直接给公司账面释放了约 200 万元的现金流。

结语

这几年在制造业做 AI 落地，我最大的感触是：千万别为了 AI 而 AI。

那些坐在高档写字楼里，讨论大模型参数和跑分的，是科学家。而我们产品经理的归宿，是去满是灰尘的业务线里，把大模型拆解成一行行规则、一个个脚本，去干掉那 8% 的漏检率，去缩短那 11 天的培训周期，去省下那 200 万的现金流。

别去迷信什么大厂的通用解决方案。你在这个行业里踩过的坑、摸爬滚打积攒下来的业务 Know-how，才是你给 AI 赋予灵魂的终极武器。