一个济南企业AI应用开发的真实经历

“张总，这批质检报告我们三个工程师加班一周都不一定搞得定。”

去年九月，团队里小李跟我说这话的时候，我正坐在济南高新区办公室的落地窗前发呆。窗外是汉峪金谷的塔楼，楼下就是浪潮的算力中心，谁能想到我下一步要做的决定，竟然是被一个传统制造企业的质检难题逼出来的。

那是一家做汽车零部件的济南本地企业，年营收不算大，但老板挺较真。他们有二十多年的历史，积累下来的产品检测报告堆满了三个档案室。数字化？做过。上了ERP，上过MES，但质量分析这块一直卡在”人工看报告”的阶段。三个高级工程师，每人每天能审8到10份，一周下来累得半死，还时不时漏掉问题。

我第一反应是：这不就是典型的文档智能场景吗？

济南AI应用开发的第一步：别急着写代码

我见过太多AI项目死在”上来就训练模型”这一步。济南这帮做实业的朋友尤其实在——”你给我搞个能用的，别整那些花里胡哨的。”这是他们原话。

所以我们花了整整两周时间，啥模型都没碰，就干了一件事：把工程师们过去三年处理过的报告全部翻出来，逐份标注。他们审核的逻辑是什么？关注哪些字段？什么算异常？这个过程比想象的枯燥得多，但坦白说，这一步省掉的钱，后期能补回来三倍。

据我观察，济南做AI应用开发的企业里，能沉下心做数据治理的不多。大部分人觉得”我有数据就能跑模型”，结果训练出来的东西一塌糊涂。

选对算力，济南本地其实有底气

模型选型阶段我们没走弯路。直接用了开源的Qwen2.5做底座，做了行业微调。算力方面，济南本地资源其实够用——高新区这边聚集了不少AI企业，算力调度比想象中方便。我们没有自建机房，而是采用了混合算力方案：日常推理走云端，敏感数据训练用本地私有部署。

这套打法的好处是什么？成本可控。济南目前AI算力总规模超过2000P，对中小企业来说，这已经是个不错的起点。

微调阶段花了大约三周。数据集是从历史报告里清洗出来的，大概有4000多份高质量样本。说实话，这部分工作占据了整个项目60%的时间，但没办法——AI应用开发这事，垃圾进就是垃圾出，这个规律从来没变过。

济南AI应用开发落地后的真实效率

系统上线那天我没去现场，是小李盯的。他后来跟我说，三个工程师下午就把平时一周的活干完了，表情像是见了鬼。

具体数据是这样的：单份报告审核时间从45分钟压缩到3分钟，准确率稳定在96%以上。工程师们从重复劳动里解放出来，开始真正做质量分析和工艺改进。老板请我们吃饭的时候说了句：”早知道这么简单，三年前就该干。”

简单吗？一点都不简单。但标准化之后，确实就没那么玄乎了。

最近我跟济南几个同行交流，发现一个有意思的现象：济南AI产业的生态其实挺扎实的——大模型备案数量全省第一，AI企业530多家，产业规模接近500亿。浪潮、神思电子、众阳健康这些企业，每个都在自己领域做出了标杆案例。神思电子在齐鲁软件园做的政务AI，日均处理业务超过8000笔，准确率99.7%，这种数据放在全国都拿得出手。

做AI应用开发这些年，我总结的几条笨办法

第一，永远从业务痛点出发，不要从技术出发。客户要的是解决问题，不是看你用了几层Transformer。

第二，数据治理的时间不要省。哪怕多花一个月，也比模型跑偏之后返工强。

第三，落地要小步快跑。先做一个人工环节的替代，跑通了再扩展。我们那个项目后来又延伸到了供应商资质审核、工艺异常分析，都是一个逻辑复制出来的。

第四，别迷信大模型。小场景用小模型，性价比反而更高。

说到底，AI应用开发这件事，技术只占三成，剩下的七成是行业理解、数据准备和工程化能力。济南这些年制造业底子厚，场景多，缺的其实不是算力也不是算法，是愿意沉下去把脏活累活干完的人。

如果你也在济南做AI落地，我的建议是：少看论文，多跑工厂。技术再先进，解决不了车间里那个老师傅二十年积累的经验问题，就是废铁一堆。