如果你想到「AI 工厂」，
脑中第一个画面可能是：
人形机器人在产在线走来走去。
机械手臂高速工作。
几乎看不到人。
整座工厂像从科幻电影搬出来。
但真正的问题是：
世界上已经存在的那些老工厂怎么办？
里面的机器可能用了 10 年、20 年，
甚至更久。
老板不可能因为 AI 出现，
明天就把几百万、几千万美元的设备全部拆掉重买。
这也是美国新创 Harmoni 想解决的问题。
它没有先做一台人形机器人。
反而做了一件看起来非常普通的事：
把一台平板，装到旧机器旁边。
但真正重要的，
不是那台平板。
而是它正在替「旧工厂」补上一层新的 AI。
Harmoni 刚拿到 1,000 万美元
2026 年 9 月 9 日，
Harmoni 宣布完成 1,000 万美元 Series A，
由 Bessemer Venture Partners 领投。
公司同时公开新的制造业 AI：
HAL。
Harmoni 把自己定位成 Factory Orchestration 平台。
白话一点说，
它不是只替工厂多装一个 AI Chatbot。
它想做的是：
把原本散落在不同地方的工厂信息，
重新接起来。
例如：
现在哪一张工单正在生产？
是哪个零件？
哪一台机器？
工程图在哪里？
正确的加工进程是哪一个？
品质检查做到哪一步？
哪里出了问题？
以前这些数据，
很可能分散在：
ERP。
机器控制系统。
纸本文档。
USB。
工程部门电脑。
现场工人的经验。
甚至某个老师傅的脑袋里。
Harmoni 想先把这些东西串起来。
HAL 才有东西可以理解。
最吸睛的不是 AI，而是那台「磁吸平板」
Business Insider 报导了一个非常具体的设计。
Harmoni 会把客制平板安装在工厂机器旁，
而且平板可以磁吸固定。
它不是只服务最新的智能机台。
报导指出，
Harmoni 的设备可以连接从现代设备，
一路到甚至二战年代的老机器。
这个画面其实很重要。
因为它代表：
AI 工厂不一定要从一张白纸开始。
你可以有一台非常老的加工机。
旁边加上一台现代平板。
再把工作纪录、机器数据、ERP、文档与现场流程接进来。
旧机器本身没有突然变成 AI。
但人开始可以透过这一层新系统，
更容易知道：
它现在在做什么。
下一步该做什么。
哪里可能不对。
工人以前可能要在三个地方做同一件事
Business Insider 提到 Harmoni 的其中一个客户：
WessDel。
这是一家替航太与国防产业制造精密零件的公司。
在使用 Harmoni 以前，
工人可能必须到不同 Kiosk 排队打卡，
再手动输入机器信息。
WessDel 一名主管表示，
这类行政工作一天可能吃掉接近一个小时。
现在工人可以直接在机台旁的 Harmoni 平板上刷识别证，
系统也能同步记录机器活动。
这件事情听起来不像「AI 革命」。
甚至有点无聊。
但这反而是重点。
真正消耗工厂效率的，
很多时候不是：
「机器不会思考。」
而是：
人在找数据、重新输入、确认版本、排队、打电话、问人。
如果 AI 先把这些时间拿掉，
它可能比让一台机器人走来走去更有价值。
HAL 为什么跟一般 Chatbot 不太一样？
假设你今天直接拿一个一般聊天 AI 放进工厂。
工人问：
「为什么这台机器今天跑比较慢？」
AI 第一个问题很可能是：
哪一台机器？
现在跑哪个零件？
正常速度是多少？
上一批状况怎样？
工程要求是什么？
维修纪录在哪里？
因为它根本不知道现场 Context。
Harmoni 的做法不一样。
它原本的平台就已经知道：
现在是哪一个 Job。
哪一个 Part。
哪一台 Machine。
哪一个 Process。
需要符合哪些 Engineering Requirements。
这些 Context 会直接提供给 HAL。
所以工人才可能直接问：
「为什么这台今天比较慢？」
而不用先写一大段 Prompt。
这才是 HAL 真正有意思的地方。
AI 要先知道「你站在哪台机器前面」
我们平常使用 ChatGPT、Gemini 或 Claude，
常常要自己提供背景。
例如：
「这是一份客户合约。」
「这是我们公司的规则。」
「这是昨天的数据。」
因为 AI 不知道你现在在哪里。
但是工厂的工作非常现场化。
一个人站在 A 机器前，
和站在 B 机器前，
问题可能完全不同。
今天加工零件 X，
跟明天加工零件 Y，
标准也可能不同。
所以制造业 AI 真正需要的不只是：
「模型很聪明。」
而是：
它知道现在这个人、这台机器、这张工单正在发生什么。
这也是 Harmoni 一直强调 Context-aware AI 的原因。
工人甚至可以直接「问机器」
Business Insider 描述，
HAL 可以让现场人员直接询问问题，
也可以要求系统创建 Maintenance Request，
或者把问题留给下一位 Operator。
Harmoni 共同创办人 David Caputo 把这件事情形容成：
让工人可以真正「跟机器说话」。
但不要误会。
不是老机器突然长出嘴巴。
而是 HAL 已经把：
机器。
工单。
工程数据。
过去生产纪录。
现场工作流程。
接到同一个 Context 里。
所以人的一句自然语言，
开始可以转成工厂里真正能使用的信息。
为什么不干脆全部换成人形机器人？
因为真实世界没有这么简单。
Harmoni 官方自己也指出，
传统自动化其实很擅长处理高度重复的工作。
问题是很多制造现场仍然存在：
频繁换线。
小量多样。
临时异常。
人机协作。
复杂工程要求。
不同系统之间的协调。
这些东西不是装一台机器人就全部消失。
更现实的是：
很多中小型工厂连基本数据都还没有完全数字化。
Cal Poly Pomona 的制造工程教授 Shokoufeh Mirzaei 接受 Business Insider 访问时也指出，
很多中小型美国工厂仍使用非常老的 Legacy Systems。
企业不一定愿意把昂贵设备全部换掉。
但比较可能接受：
在原本设备上 Retrofit。
也就是改造，而不是重建。
这就像替老房子装智能家庭
假设你住一间 30 年的房子。
你想让它变智能住宅。
最极端的方法是：
把房子拆掉。
重盖。
重新配线。
所有设备全部换新。
另一种方法是：
先装智能门锁。
加传感器。
换几个控制器。
把原本设备慢慢接进同一个系统。
Harmoni 现在对工厂做的事情，
比较接近第二种。
它不是说：
「你的老工厂已经没用了。」
而是：
「先看看能不能让它多活一个 AI 世代。」
这件事其实比人形机器人更可能先大规模发生
人形机器人当然很有吸引力。
画面也最漂亮。
一台机器人走进工厂，
搬箱子。
拿工具。
操作机器。
任何人看一眼都知道：
未来来了。
但全球大量真正正在生产零件、食品、设备与材料的工厂，
不会因为新科技出现，
突然全部消失。
它们已经买了机器。
有既有流程。
有工人。
有 ERP。
有客户规范。
有品质认证。
有几十年的工作方法。
所以 AI 真正进入制造业，
很可能不是：
「新世界把旧世界整个换掉。」
而是：
先在旧世界上，加一层新的智能。
这也改变我们想像 AI 的方式
很多人想到 AI，
第一个问题是：
它能不能把人换掉？
但 Harmoni 这个案例提供另一种方向。
它目前公开的产品逻辑比较接近：
让工人少花时间找数据。
少做重复输入。
少排队。
更快找到正确文档。
更快知道机器出了什么问题。
让下一位操作员知道上一班发生了什么。
Harmoni 官方甚至宣称，
客户使用其自动化后，
每名 Operator 每年可增加超过 200 小时的 Productive Time。
这是公司的客户成果数据，
不是独立产业平均值，
所以不能直接推论每家工厂都能做到一样。
但它至少说明了一个方向：
AI 的价值不一定是多做一件超炫的工作。
有时候只是：
把每天浪费的 10 分钟、20 分钟、30 分钟拿回来。
AI 制造业的竞争，也许会分成两条路
一条路是：
建新的 AI Factory。
高度自动化。
大量机器人。
从设计开始就为 AI 准备。
另一条路则是：
改造已经存在的几十万座工厂。
让老机器接进新系统。
让人、设备与数据重新连在一起。
Harmoni 选的是第二条。
Business Insider 引述的估计显示，
美国大约有 28 万座既有工厂。
如果其中大量设备都不会短期淘汰，
那么「如何让旧机器加入 AI 时代」，
本身就可能是一个巨大市场。
所以真正值得看的不是那台平板
从远处看，
Harmoni 的故事可能很不起眼。
没有会跑的人形机器人。
没有全自动黑灯工厂。
没有一排未来感十足的机械手。
只是：
一台老机器。
一名工人。
旁边多了一台平板。
但也许这反而更接近 AI 真正进入现实世界的方式。
科技革命很少会等到所有旧东西全部消失，
才开始。
更多时候，
新科技真正普及，
是因为它终于学会：
怎么跟旧世界一起工作。
所以今天真正值得问的，
可能不是：
「人形机器人什么时候会接管工厂？」
而是：
在那一天来以前，AI 能不能先让今天这台用了 30 年的机器，变得更容易被人理解、更容易被管理，也更少浪费时间？
这可能才是制造业 AI 更快落地的第一步。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
企业已经买了最强 AI，为什么最后还是卡在二十年前的旧系统？
