一家家电线束厂发来一份需求书，篇幅很长，仓库、生产、质量、采购，外加 AI，全要装进一套 ERP。我们逐条读下来，把每一处写着「AI」的地方单独标出来，挨个问一句：这件事到底靠什么算出来？
标出来一看，大多是算法
最典型的有四处。缺料预测是 MRP，也就是物料需求计划：按订单和生产计划把物料清单展开，扣掉库存和在途，算出缺什么、缺多少、哪天缺，几十年前就有的运算。库位推荐是按规则排序，看物料属性和进出频次给它排位置。拣货是算最短拣货路线。异常消耗是拿实际用量和标准损耗做对比。这四样在需求书里都叫 AI，没有一样需要大模型。
整份数下来，真用得上大模型的只有两处：用一句大白话查数，从图纸和报价单里提参数。其余写着 AI 的，基本都是规则和运算。
「AI」底下压着四种东西
客户写「AI」，是把所有「希望系统自己会判断」的期待都归到这两个字母下面。同期另一份体育场馆运营方的需求说明，列了好几个「AI 场景」，拆开几乎一个场景一套技术：答疑靠知识库，经营分析靠报表，场内安全靠摄像头，很难指望一套方案全包下来。其中最危险的，恰恰是看着最像 AI 的对话式办业务，它其实是集成的活。
拆开来，是四类完全不同的活：
- 确定性算法。 缺料预测、库位推荐、损耗对比这一类，输入一样，结果就一样，每次都能复算。工作量在理清业务规则，不在模型。
- 真大模型。 大白话查数、从图纸里提参数。同一句话问两遍，答案未必一字不差，要留人工复核的口子。
- 系统集成。 对话式办业务这类，AI 只负责听懂客户要办什么，真正的活是去接现有的票务、预约、支付系统，而老系统多半没开放接口，或者要原厂另付费。车间里物料对不上就锁机，也归这一类：要设备肯开放启停控制的口子，不少压接机并不开放，得看品牌型号。
- 独立视觉项目。 要接摄像头，要专门的显卡服务器，人员在岗这类行为判断还得拿现场真实画面做标注，逐个场景调到不乱报。这是另一个项目，不是一个功能。
不分类，会在两处出事
一处是期待对不上。客户心里的 AI 缺料预测，多半是会自己学习、越用越准的东西；我们能交付的，是按订单、生产计划、物料清单、库存和在途算出来的缺料表。两边都没错，但验收那天会吵，所以要在报价前对齐。
对齐靠的是客户自己写的验收。那份线束需求书的验收只有四句：找得到、拿不错、算得清、提前知道会不会缺料，全是仓库里的实事，分期和报价的锚点就在这里。我们给的分期建议是：一期先把仓库闭环做扎实——编码、标签、库位、收发存、盘点、缺料预警——按客户那四句验收，一期就能兑现，不用碰大模型；真要大模型的那两处，放到最后一期。
另一处是档位定错。我们接过一份水产养殖的需求，差一点就在这上面定错了档。客户原话里没有「系统」两个字，我们一开始给它起的名字，叫「智能化系统」。照这四个字理解，是传感器接入、实时采集、看板预警那类系统；可客户原话是把图片、行为和几项指标关联起来，点名几种相关性分析和机器学习方法，把模型做出来——研究型的建模分析。两种理解，报价差十倍。带偏我们的，是还没归类就先起好的名字。
我们现在的规矩
- 每一处「AI」，报价前先归类。 算法、大模型、集成、视觉，四选一；归不进去的，先用下面两问定档。顺带问清是自己用，还是要做成产品卖给同行，报价和源码归属都跟着这一问走。
- 集成类先要系统清单。 票务、预约、支付、监控各是谁家的、有没有接口，车间设备写到品牌型号；没有这份清单，报出来的数不作数。设备硬联锁默认按降级方案报：扫码校验、首件确认、留痕，签之前说清；能不能自动取数、能不能真联锁，看过清单再定。
- 视觉类单独立项，先勘点再报。 不进总包，没看过现场报不出数。
- 客户没说「系统」，就别替他加上。 四类之外还有一种：研究型建模。定档只问两句：数据有没有、有多少、有没有标签；最后要一份分析报告加代码，还是一个能跑的系统。先要一份样例——几十行指标、几张图、一段视频——一条消息就能分出档。
需求书上写的是「AI」两个字母，验收时要的，是一件件实事。