从流程系统到认知系统：制造业在大模型时代的架构重构
在过去二十年，制造业的信息化与数字化建设，本质上是在做一件事：
把线下流程搬到线上，并让流程更高效地流转。
但随着大模型的出现，这一范式正在被彻底改写。
企业不再只是追求“流程自动化”，而是开始走向一个更高阶目标：
决策智能化。
这篇文章将系统梳理：
- 传统制造业系统的四层架构
- 无大模型情况下的核心瓶颈
- 引入大模型后的架构演进路径
- 产品经理在其中的关键改造点
一、传统制造业的“四层架构”
大多数制造业系统（PDM / ERP / MES）可以抽象为四层结构：
1. 业务层（Reality Layer）
这是系统之外的真实世界：
- 生产排程
- 工艺决策
- BOM管理
- 质量检验
其核心特点是：
- 强依赖人工经验
- 决策分散在不同角色中
- 数据只是“结果副产物”
2. 产品层（Product Layer）
这是产品经理发挥作用的核心层：
-
将业务流程抽象为：
- 工单流转
- 审批节点
- 状态机
-
实现“流程标准化”
但这里存在一个关键问题：
产品层的设计目标是“系统可用”，而不是“数据可用”。
3. 前端层（Interaction Layer）
典型形态：
- 表单系统
- 流程节点UI
- 操作路径设计
本质是：
把复杂业务拆解为“可点击”的步骤
4. 后端层（System Layer）
负责：
- 数据存储（数据库）
- 流程引擎（BPM）
- 权限控制
数据流模式为：
人 → 前端 → 后端 → 数据库
二、无大模型架构的三大局限
1. 流程驱动，而非决策驱动
系统只负责“让流程走完”，
但真正的判断仍然依赖人。
2. 数据不可复用
虽然系统沉淀了大量数据，但这些数据：
- 不标准
- 不结构化
- 不具备语义
结果是：
数据无法用于训练，也无法用于智能分析。
3. 系统只是工具，而非能力
传统系统的定位是：
提高效率，而不是提供认知能力
三、大模型带来的本质变化
很多企业在谈“接入AI”，但容易陷入一个误区：
认为接一个API就完成了AI转型
实际上，真正的变化是：
从“流程系统”升级为“数据 + 认知系统”
四、引入大模型后的五层架构
在原有四层基础上，需要重构为“五层架构”：
1. 业务层：逐步被AI重塑
变化不在结构，而在执行方式：
- 人工决策 → AI辅助 / 替代
- 经验判断 → 数据驱动
示例：
- 工艺选择 → AI推荐
- 质量异常 → 自动识别
2. 产品层：最核心的重构层（关键）
这一层的变化决定了AI是否真正落地。
需要从“流程设计”升级为：
可被AI理解和消费的业务语义层
必须完成三件事：
（1）语义建模
不仅定义字段，还要定义“意义”：
- 什么是“合格物料”
- 什么是“异常工艺”
这一步本质类似：
构建企业级“知识体系”
（2）数据结构标准化
每一个业务节点，都要输出：
- 输入数据
- 决策结果
- 决策理由
例如：
{
"task": "工艺评审",
"input": {...},
"decision": "通过",
"reason": "材料符合标准",
"operator": "张三"
}
这类数据，才能被模型学习。
（3）AI Hook点设计（关键能力）
在流程中预埋AI介入点：
- 自动补全
- 风险校验
- 决策推荐
例如：
- 创建工单 → AI自动生成字段
- BOM配置 → AI检测错误
3. AI能力层（新增核心层）
这一层是传统架构完全没有的。
包含四类能力：
1）大模型能力
- 通用模型
- 私有微调模型
2）知识增强（RAG）
- 工艺文档
- 历史案例
- 标准规范
3）Agent能力
- 多步骤推理
- 任务拆解与执行
4）工具调用
- 调用ERP / MES接口
- 查询数据库
本质上：
AI成为系统中的“决策节点”
4. 前端层：从表单走向对话
传统形态：
- 表单填写
- 流程点击
新形态：
- 对话式交互
- Copilot嵌入
例如：
- “帮我创建一个工单”
- 系统自动生成结构化数据
5. 后端层：从存储系统到数据资产平台
新增能力：
1）向量数据库
- 支持语义检索
2）数据清洗与标注
- 支持模型训练
3）行为数据采集
- 记录用户操作与决策路径
五、有无大模型的本质差异
1. 系统目标
| 传统系统 | AI系统 |
|---|---|
| 流程自动化 | 决策智能化 |
2. 产品层定位
| 传统 | AI时代 |
|---|---|
| 流程设计 | 语义设计 |
| 字段定义 | 数据资产设计 |
3. 数据价值
| 传统 | AI时代 |
|---|---|
| 数据是记录 | 数据是生产资料 |
4. 前端交互
| 传统 | AI时代 |
|---|---|
| 点击驱动 | 对话驱动 |
六、一个关键认知升级
制造业的AI化，本质不是技术升级，而是：
把“人脑中的经验”，转化为“可训练的数据资产”
谁能完成这一步，谁就拥有真正的AI能力。
七、总结
可以用一句话概括这次架构演进：
传统制造业系统是“流程驱动的记录系统”，而引入大模型后，正在演变为“以数据和语义为核心的决策系统”。
而这场变革的核心，不在模型层，而在：
产品层的重构能力。
如果你是产品经理，这意味着一件非常现实的事情：
你设计的每一个字段、每一个流程节点，都不再只是“给人用”，而是要“给AI用”。
这，才是大模型时代真正的分水岭。
