先说结论：仓库的 AI 异常诊断，对我们这种 3000 平的小仓，十有八九用不上——但剩下那一两成，真香，省下的钱够你笑醒。关键是分清：什么时候它是真本事，什么时候它是来收智商税的。
我先讲讲我们差点交的那笔钱。去年冬天，我们那条用了六年的小输送线三天两头卡货，扫码枪一停、报警灯一闪，现场就乱套。销售电话来得比卡货还勤：某家做 AI 诊断的厂商上门，给我们现场演示——摄像头一架，屏幕上自动跳出"根因分析：3 号转弯段皮带偏移，置信度很高"。那界面做得是真漂亮，我当场心动了。演示那天，销售还现场演了一出"报警→根因→派工单"全流程，手机推送一条龙，看得我直咽口水。我问了一句："要是误报呢？"他说系统会自己学习、越用越准。我心里嘀咕：拿我家这点报警量学，学到猴年马月去。然后报价单递过来：一年服务费，够我发大半年的工资。销售临走还留了一句："马总，用上我们这套 AI 诊断，停机时间至少降一半。"我差点就信了——直到我问他这"一半"是在哪家仓测出来的，他支支吾吾说"行业平均"。行业平均？我们小仓的"平均"，跟大仓的"平均"，那是一个物种吗？我把报价单合上，笑嘻嘻送客："我们小仓可烧不起这个钱。"
这不是酸。回来我盘了盘账：这套 AI 异常诊断要吃的东西可不少，摄像头、传感器、联网，一个不能少；更要命的是它要"喂"——每天就几十条报警，AI 拿什么学你家这条线的脾气？大厂人家每天几千条报警喂着，模型当然准。我们呢？一个月卡货二十来次，它拿什么找规律？靠猜。猜对了是运气，猜错了你还得陪它折腾，越修越错。
土办法：墙上的小本本，吊打了"根因分析"
赶走销售之后，我干了件特土的事。买了个小白板挂在分拣口旁边，跟小李说：以后每次报警，你手机拍一张，写一行字贴上去——几点、哪一段、什么现象。每天下班花五分钟，咱俩对一下。
一个月下来，白板贴了四十多条。有一天我站在那儿看，乐了：贴纸里八成写的都是"纸箱卡在 3 号转弯"。再往细看，出事的基本都是周二和周四傍晚。再往到货单一翻：这两天到货的都是同一家供应商的新包装箱，比标准箱宽了那么一指。根因找到了：不是皮带偏移，不是电机老化，是进货的纸箱超规。
有意思的是，白板还"破"了另一个案子：红色贴纸（我们规定红色代表卡货）里，有几张散落在周一早上。小李一拍大腿：周末没人巡检，输送线积了两天灰，周一早上滚筒打滑。我说你早干嘛去了，他说"我也是看了白板才串起来的"。你看，数据不用多，摆在眼前，人脑自己就会找规律。
给供应商打了个电话，换了包装规格，卡货从每月二十多次掉到两三次。成本？一块白板加一支笔。这就是我想说的第一个反常识判断：你以为你缺的是 AI，其实你缺的是记录。小仓的异常，十有八九是重复犯的错，重复犯的错不需要算法，需要眼睛和本子。
什么时候真值得让 AI 帮你找根因？
别误会，我不是来砸 AI 场子的。今年春天，我们试了一回真 AI，还真香了。事情是这样的：我们的扫码枪开始随机漏扫，一天两三单，查了两周没头绪——换过枪、擦过镜头、重启过系统，时好时坏。我本来都准备认命了，朋友介绍了一个按次收费的 AI 异常诊断服务，一次几百块，查不出根因不收钱，死马当活马医。
人家怎么查的？把扫码枪的日志、WMS 的扫描记录、现场温湿度、甚至班次排班表全导进去一跑，结论是：漏扫都发生在每天下午两点到三点，阳光从西边窗户直射进来，扫码枪被干扰了。拉上窗帘，问题消失。小李还补了一刀："早说啊，我早就觉得下午那会儿枪不好使。"人工直觉有时候比算法还快——但直觉靠不住、谁也说不清的时候，AI 就值钱了。
这事给我上了一课：AI 异常诊断真正值钱的场景，是"多变量纠缠"——人脑一次只能盯两三个变量，它能同时盯十几个。小仓值不值得为它掏钱，看下面这张表就够了：
| 异常长什么样 | 举例 | 该怎么办 |
|---|---|---|
| 高频、重复、肉眼可见 | 卡货、标签贴歪、漏扫 | 土办法：拍照加小本本加白板，成本最低、效果最好 |
| 低频偶发、损失不大 | 一年碰上一两次的小毛病 | 别查了，查一次的人工比出一次事的损失还贵 |
| 多变量纠缠、人找不出规律 | 随机漏扫、系统间歇性抽风 | AI 异常诊断值钱，一次几百块的按次服务最划算 |
| 单点明确、师傅一眼能看出来 | 灯坏了、线松了、皮带裂了 | 叫师傅，别叫算法 |
哪几种"根因诊断"，你最好别信
最后说说什么时候别信。第一，数据量不够的时候别信。报警太少，AI 找不出规律，它会"硬编"一个——把巧合说成因果。你信了，越修越错。第二，卖你整套平台、按年收费的，多半别信。小仓的异常量，撑不起一个平台的胃口，按次付费才是我们的姿势。朋友老陈的仓，咬牙买了一套按年付费的诊断平台，用了半年，平台给出的根因一半是"疑似人为操作不当"——废话，仓里本来就全是人操作。他现在把那套系统当报警大屏用，"根因分析"那一栏，再也没点开过。第三，张口闭口"准确率百分之九十九"的，别信。连他自己都说不清这数字是在谁家仓里测出来的。
所以我的建议很简单：先土后洋。先把小本本立起来，八成问题自己就现了原形；剩下那两成"人实在看不懂"的，再花小钱请 AI 出马。AI 不是来替代你找根因的，它是来帮你看那些你看不见的变量的。
给同类小仓的三条建议，拿去就能用：第一，报警先记再说。别管土不土，先坚持记一个月，分类贴纸一贴，规律自己跳出来。第二，算笔账再掏钱。问自己三个问题：这异常一个月犯几次？犯一次损失多少？土办法能不能搞定？三个问题答完，该不该上 AI 异常诊断心里就有数了。第三，真上也别买断。按次付费、查不出不收钱，服务商敢这么承诺，说明他对自己的模型有信心；不敢的，你也不用信。
小仓有小仓的活法：大厂用 AI 是因为他们有数据喂，我们用土办法是因为我们有眼睛看。把钱花在刀刃上，把本子记在墙上，一样能活得挺滋润。这篇文章你要觉得有用，转给隔壁仓的老王——他家上个月刚被销售忽悠着签了三年合同，现在肠子都悔青了。
作者：小马｜小仓创业者
