劉好仃把保溫杯從窗台拿下來時，杯底那張紙被陽光曬得微微卷邊。他沒急著進會議室，而是先繞到技術部工位，把平板往小王桌上一放：“昨天說的那三件事，今天全給我騰出時間。”
小王正盯著電腦屏幕發愣，聽見動靜抬頭，發現劉好仃已經走了兩步，隻留下一句：“九點，一個都不能少。”
會議室的燈亮得有點晃眼。白板上“智能升級”四個大字還在，底下那行“目標：讓每一片玻璃，都長出腦子”也原封未動。不同的是，角落多了三張便利貼——技術、成本、人才，每個詞前麵都被畫了個紅圈，像是被誰默默盯上了。
人陸陸續續到齊。劉好仃沒開場，先從包裡抽出一本厚書，啪地一聲放在會議桌中央。封麵是深藍色的，燙金標題寫著《工業4.0下的智能製造係統架構》。
“這本，”他指了指，“三年前我就買過，翻了五頁就放下了。看不懂。”
有人笑了。小王也笑，但笑得有點心虛——他自己那本電子書app裡，收藏了十幾本類似的書，打開次數加起來不超過三次。
“現在不一樣了。”劉好仃翻開書，紙張嘩啦作響，“咱們得看懂。不是為了考試，是為了彆讓彆人甩得太遠。”
他把任務分下去：技術部負責搜集近五年國內外玻璃生產線智能化改造的案例；采購和財務一起梳理設備更新的成本模型；人事則要摸清目前行業裡相關技術人才的流動情況。
“資料越多越好，”他說，“看不懂的也先存著。咱們現在像進了一間黑屋子，燈沒開，但總得先把開關摸到。”
散會後，小王抱著那本書回工位，剛坐下就聽見隔壁工友嘀咕：“咱們這代人，連掃碼點餐都學得磕磕巴巴，現在要搞ai？”
他沒接話，低頭打開電腦，搜了第一個關鍵詞：“智能玻璃生產線”。
三天後，會議室又聚齊了。這次桌上堆滿了打印資料，還有幾台筆記本連著投影。技術部的小李率先發言，放了一段視頻：德國某工廠裡，機械臂自動抓取玻璃原片，通過ai視覺檢測瑕疵，再由無人車運送到下一工序。全程沒人說話，隻有數據流在屏幕上跳動。
“他們這套係統，響應延遲低於0.1秒。”小李說，“咱們上次被馬來西亞客戶吐槽的0.8秒，在人家那兒，連個噴嚏都算不上。”
屋裡安靜了幾秒。有人翻資料的聲音顯得特彆響。
接著是案例分享。有人提到日本某企業用數字孿生技術模擬整個生產流程，提前預測故障；還有人說國內某廠引進國外控製係統，結果因語言和協議不兼容，調試半年才勉強運行。
“最麻煩的不是買設備，”小李總結，“是‘打通’。就像你買了輛進口車，結果發現加油站全是另一種油。”
大家開始爭論：有的說應該先局部試點，改一條線試試水；有的認為必須一步到位，否則改來改去反而浪費錢。
“關鍵是，”財務老陳推了推眼鏡，“咱們有沒有這個‘油錢’？”
沒人接話。預算表擺在桌上，光是中央控製係統的授權費，就夠發全廠半年獎金。
劉好仃一直沒說話。他聽著，記著，偶爾在本子上畫個箭頭或圈個詞。等大家吵得差不多了，他才開口：“吵得好。說明咱們真在想這事，不是應付。”
他站起身，走到白板前，拿起紅筆，在“技術”下麵寫了個詞：“生態”。
“咱們以為買套係統就能升級，其實不是。”他說，“就像你想學會遊泳，不能光買泳衣。得學換氣、蹬腿、劃水，還得適應水溫。”
他指著德國工廠的視頻截圖：“他們不是突然變聰明的。十年前就開始鋪傳感器，五年前建數據中心，兩年前才上ai。咱們現在想跳過前麵幾步，直接遊到對岸？”
會議室又靜了。
“那怎麼辦？”有人問。
“先學。”劉好仃說，“像小學生一樣，一個字一個字認。”
他提議請專家來做一次線上分享。不是講大道理，而是幫他們理清這些資料裡的“人話”和“黑話”。
兩天後，視頻會議開啟。專家姓周，是某智能製造研究院的副所長。他沒講ppt，直接打開一張架構圖：“你們關心的，無非三件事：能不能用、好不好用、劃不劃算。”
他一條條拆解：從數據采集到邊緣計算，從協議轉換到雲端協同，甚至連“為什麼德國工廠能實現0.1秒響應”都講了——因為他們用的是專用工業網絡，不是普通ifi。
“你們現在的係統，”周教授說，“相當於用手機熱點打電競。不是手機不行，是網不行。”
小王聽得直點頭。他忽然想起廠裡那台老壓模機，連usb接口都沒有，數據全靠人工抄表。
“那有沒有‘便宜又好用’的方案？”有人問。
周教授笑了：“有，但還在試驗階段。比如用輕量級ai模型做本地決策，不依賴雲端；或者用開源框架自己搭係統，省授權費。”
小主，這個章節後麵還有哦，請點擊下一頁繼續閱讀，後麵更精彩！
“風險呢？”
“高。”他坦白，“就像自己造發動機，造得好是省錢，造不好是燒錢。”
會議結束後，劉好仃沒讓大家立刻走。他把白板擦了，重新寫下三個問題：
我們到底差在哪？
能不能自己搭？
第一步踩哪兒？
“今晚每人寫一頁紙，”他說，“不用多，說真話就行。”