鼎捷 T100
鼎捷 T100 AI 集成：在不改动核心的前提下做问答与分析
简要回答
给鼎捷 T100 加 AI，最稳妥的路径是用只读账号读取数据，在企业内网部署开源大模型，做自然语言查询、异常分析和单据草稿，写回 ERP 一律由人工审批。这样不碰 T100 的标准程序，升级时也不会被定制代码拖住。
鼎捷 T100 面向中大型制造企业，覆盖销售、采购、库存、生产、成本、财务等模块，常见于电子、机械、汽配、精密加工等行业。很多使用 T100 的工厂已经有了 BOM、工单、委外、检验和成本这些结构化数据，真正缺的是让业务人员不写报表、不找 IT 就能问到答案的入口。
鼎捷自己也在推出面向 T100 的 AI 能力（例如雅典娜平台上的应用）。如果您的需求只是标准场景，比如平台内置的智能问数或助手，优先用原厂能力，成本和维护都更低。本文讨论的是原厂能力覆盖不到的部分：跨系统数据、自定义字段、客户专属流程，以及必须全部留在厂内网络的场景。
T100 工厂里最常见的几类痛点
第一类是取数慢。计划员想知道某个料号未来三周的缺料，需要在工单、采购单、库存和替代料之间来回切换，或者等 IT 出报表。第二类是异常追溯慢：一张工单成本差异偏大，要拆到领料、工时、委外和报废才能找到原因。
第三类是历史知识散落。ECN 变更原因、供应商交期承诺、客诉处理记录分别在 ERP 附件、邮件和共享盘里，新人很难拼出完整上下文。这些问题的共同点是数据其实都在，只是查询和关联的成本太高。
- 缺料与齐套：按工单、料号、日期自然语言追问
- 采购交期偏差：对比承诺交期与实际入库
- 工单成本差异：按领料、工时、委外、报废拆解
- 库存呆滞与替代料建议，附查询依据
- 客诉与 ECN 记录的检索与摘要
具体用例：问数、对账与草稿单据
自然语言问数是第一个落地点。用户输入「下周三条线缺哪些料」，系统把问题转成只读 SQL 或视图查询，返回结果的同时展示所用的表和条件，用户可以核对。关键是答案必须来自实时数据，而不是模型凭记忆回答。
第二个用例是对账与异常归因，例如把采购收货、检验和应付发票做三方比对，列出数量或价格不一致的单据，并给出可能原因。第三个是草稿单据：模型根据邮件或询价内容生成请购或采购单草稿，放在待审区，由采购员确认后再通过 T100 标准接口写入。
架构：数据留在哪里，模型跑在哪里
推荐的结构是：在数据库层建立只读账号和一组业务视图，只暴露需要的表和字段；中间层负责权限映射、SQL 校验和审计日志；模型服务用 vLLM 或 Ollama 部署在厂内 GPU 服务器上，可选用 Qwen、DeepSeek 等开源权重模型。整个链路不需要访问公网。
权限要沿用 T100 的角色。财务可见的成本数据，不能因为换了一个聊天入口就让采购员看到。中间层按登录用户映射数据范围，并记录每次问题、生成的查询和返回的行数，便于内审。涉及个人信息的字段（例如员工薪资）默认不进入问答范围。
- 只读数据库账号加业务视图，不直接开放全库
- SQL 生成后先校验再执行，限制行数与超时
- 模型本地部署，提示词与结果不出厂
- 写回只走 T100 标准接口，并经人工审批
合规与数据安全
国内制造企业需要关注《数据安全法》《个人信息保护法》以及行业客户（如汽车、军工配套）对数据外发的合同约束。把 ERP 数据发到公有云大模型接口，往往同时触发这几类风险，所以私有化部署通常是更容易通过审查的方案。
Netray 不替您取得任何资质，我们做的是让架构本身便于您满足自己的合规义务：数据不出内网、访问可审计、模型权重与日志都在您的控制之下。具体到等保测评或客户审核，仍需由您的安全团队与审核方确认。
如何起步：评估、试点、再扩展
建议先做一到两周的评估：确认 T100 版本与数据库类型，梳理最想解决的三到五个问题，检查视图和权限是否可行，估算 GPU 需求。然后选一个只读场景试点，例如缺料问答或采购交期分析，用真实问题验证准确率，而不是演示数据。
试点通过后再考虑扩展到草稿单据和跨系统关联。每一步都保留人工确认，并在上线前用一批已知答案的问题做回归测试。
什么时候不需要我们
如果您只需要标准报表增强或平台内置的智能问数，且数据允许使用鼎捷提供的云服务，原厂方案最省事。如果团队没有人维护 GPU 服务器，也要先评估运维成本。AI 并不适合替代 T100 里已经明确的业务规则，比如成本核算逻辑，它更适合做查询、解释和辅助决策。
常见问题
接入 AI 会改动 T100 的标准程序吗？
不需要。推荐方式是只读账号加业务视图，AI 层独立于 T100 部署，升级 T100 时只需确认视图是否受影响。
AI 能直接在 T100 里下采购单吗？
技术上可以通过标准接口实现，但我们建议只生成草稿，由有权限的人员确认后再写入，避免模型错误直接变成业务单据。
数据会传到公网吗？
私有化部署方案中，模型和检索服务都运行在厂内或您指定的私有云，不需要把 ERP 数据发送到外部模型接口。
需要多大的 GPU？
取决于模型大小和并发。问数类场景用中等规模的开源模型，单台多卡服务器通常即可起步，具体需要在评估阶段按并发量和响应时间测算。
鼎捷原厂 AI 和你们的方案怎么选？
标准场景优先用原厂能力。需要跨系统数据、自定义字段或完全不出厂时，再考虑私有化的定制方案，两者也可以并存。
相关指南
易飞 ERP 接入 AI：中小工厂的低成本落地路径
中小制造企业的易飞 ERP 如何用本地大模型做问数、库存与交期分析：低成本起步，数据留在自己的服务器。
ERP 与 MES 集成工厂 MES 与 ERP 集成：数据对齐之后，AI 才有用
MES 与 ERP 集成怎么做：工单下达、报工回传、物料与质量数据对齐，以及在集成之上加 AI 做异常分析。
设备数据采集设备数据采集：从 OPC UA 到 ERP，再到可提问的分析
设备数据采集（OPC UA、Modbus、MQTT）如何与 ERP、MES 联动，并用本地大模型做停机与良率分析。
DeepSeek 与 Qwen 本地部署DeepSeek、Qwen 本地部署：让大模型读懂 ERP 数据
制造业私有化大模型如何选型与部署：DeepSeek、Qwen 的显存估算、vLLM 服务、检索增强与 ERP 数据权限。
用友 U8 / U9 Cloud用友 U8 / U9 Cloud 的 AI 集成：数据不出厂的做法
在用友 U8、U9 Cloud 上落地私有化 AI：用自然语言查库存、采购、生产订单与缺料，数据不出厂，默认只读，写入需人工确认。
用友 BIP用友 BIP 之上的企业 AI：私有化问答与智能体
用友 BIP 之上如何加 AI：基于开放平台与 API 做自然语言查询和智能体，开源模型本地部署，权限沿用 BIP 角色，写入需人工审批。