如果你常讀這個網站，腦子裡大概已經有了一幅美國工廠的畫面：人形機器人在生產線上滑行，機械臂比人還快，整整一個班次被自動化抹成回憶。這裡有個數字，應該會把這幅畫攪亂一點。五分之四的美國製造業工廠，零自動化。不是「不如它們想要的那麼多」，是零。據Manufacturing Dive報導，約80%的美國工廠根本沒部署任何自動化——儘管多數高管都說，打算在兩年內擴大AI應用。
多數打算擴，多數還沒動手。這道鴻溝，才是2026年自動化的真實劇情，而不是那些展示影片講的那個。
攔路的不是價籤
最直覺的解釋——機器人對普通工廠太貴了——結果是錯的，至少不是主因。那些真正把AI鋪開的製造商，有一個跟預算毫無關係的共同點：在買任何一套系統之前，他們先把資料理順了。
NIST的製造業研究記錄過、IBM的工業AI工作也印證過這個不體面的現實：多數工廠的營運資料是一團亂。按機器年代各自為政，各班次採集口徑不一，存成AI根本讀不進去的格式。於是典型劇情是這樣的：工廠買了個亮閃閃的預測性維護或視覺品檢工具，餵給它一堆支離破碎的感測器資料，得到的結果不靠譜到沒法拿來用，然後束之高閣。工廠得出的教訓是「AI在製造業不管用」。更準確的教訓是「AI在爛資料上不管用」。
熬過試點階段的工廠，通常先花了12到18個月清理資料管線、統一設備標註方式，才讓供應商登場。這活兒枯燥、隱形、放不進任何主題演講——而這恰恰就是為什麼，採用曲線比炒作曲線平坦得多。
如果你在生產線上，這意味著什麼
老實說，結論是雙刃的，兩面都得看。
讓人鬆口氣的一面：對多數工廠來說，體力活被整體自動化並不迫在眉睫。八成還沒起步，而試過的那批，大多卡在「管線」上，而不是卡在什麼超人機器人上。對大量體力和生產線職缺而言，那隻倒數計時的時鐘，比人形機器人發布影片暗示的要慢——因為一台能在實驗室裡捏起葡萄的機器人，一旦鎖到餵不出乾淨資料的工廠上，就一文不值。
讓人不安的一面：這道鴻溝是資料問題，而資料問題是會被解決的。領先者贏，不是因為買了更好的機器人，而是因為先把整合的活兒幹了，而這活兒是一次性成本，會不斷複利。一旦一家工廠的資料乾淨了，加裝自動化就不再是科研項目，而變成一張採購單。那80%不是一條永久護城河，它是一份待辦清單——很多營運總監如今終於開始一項項劃掉了。
那個沒人提的第二個問題
結尾還藏著一根刺，多數工廠還沒在討論：安全。當AI系統被接進過程控制網路，它擴大攻擊面的方式，是老一套的OT安全從沒設計來應對的。研究人員已經演示過：攻擊者把一個AI客服系統「說服」到去做它不該做的事——不需要攻破任何防火牆，只要把模型唬弄到錯誤的決定上。工業安全公司Dragos為工廠車間標出了同一類「邏輯操縱」風險。所以，另外那80%被催著趕緊上的自動化，帶來的帳單不只用機器人來算——它還用一類多數工廠目前還掃不出來的新型風險敞口來算。
以上沒有一句是在說自動化不會來。它是在說：把時間表讀誠實一點。未來工廠是真的，但對五分之四的美國工廠來說，它現在還是一份簡報、一堆資料清理的欠帳，和某個角落裡蒙著防塵罩的一條機械臂——等著那些枯燥的活兒先被幹完。
