Infor ERP 中文指南
Infor SyteLine / LN 在中国工厂的 AI 落地指南
简要回答
在中国使用 Infor SyteLine 或 Infor LN 的工厂，多为外资、台资、日资或出海制造企业，总部与本地对系统的要求往往不同。较稳妥的做法是在厂内或境内私有云部署开源大模型，通过只读方式连接 ERP 数据，让业务人员用中文提问，同时满足数据安全法与个人信息保护法的要求。
Infor SyteLine（现称 CloudSuite Industrial）和 Infor LN（前身为 Baan）在中国的用户主要集中在外资和台资离散制造企业：机械设备、汽车零部件、电子、医疗器械、航空航天配套等。这些工厂通常由总部统一选型，ERP 界面和字段是英文，而计划员、采购、质量和车间主管日常使用中文沟通，中间存在明显的语言和培训成本。
同时，国内用户普遍面临另一重约束：生产、客户、供应商、工艺和图纸数据，一旦被送到境外的公有云大模型服务，就会牵涉数据安全法、个人信息保护法以及数据出境的合规评估。对有军工、航空航天配套或客户保密协议的工厂来说，更是几乎不可行。
Netray 的做法是把 AI 放到数据所在的地方：开源模型（如 Qwen、DeepSeek 一类）部署在工厂机房或境内私有云，用 vLLM 或 Ollama 提供服务，对 SyteLine 或 LN 做只读检索和问答。本文说明在中国落地这类方案时，各环节应当怎么考虑。
中国工厂使用 SyteLine / LN 的典型痛点
第一类痛点是语言与知识断层。SyteLine 的物料、工单、采购单、销售订单等界面和报表以英文为主，资深用户知道去哪个窗体查什么，新员工则要靠师傅带。人员流动一旦发生，系统里「怎么查」的经验就流失了。
第二类痛点是定制与升级。多数工厂在 SyteLine 上做过大量自定义报表、IDO 扩展和表单，升级到较新版本或迁移到云端时，要先搞清楚这些定制到底改了什么。很多定制没有文档，原开发人员也已离开。
第三类痛点是总部报表与本地需求并存。总部要看统一口径的指标，本地工厂又需要中文的缺料清单、交期承诺、成本差异分析，临时需求往往只能靠 IT 写 SQL 或导出到 Excel。
- 英文界面与中文业务沟通之间的转换成本
- 定制报表和 IDO 扩展缺少文档，升级风险难以评估
- 缺料、交期、成本差异等临时查询依赖 IT 写 SQL 或导出 Excel
- 总部统一系统与本地合规要求之间的张力
可以先落地的几个具体场景
最容易见效的是只读问答。例如计划员问「下周因缺料可能延误的工单有哪些」，系统可以到工单（job）、工单物料（jobmatl）、库存（itemwhse）和采购订单行（poitem）中检索，给出清单，并展示所用的查询，由用户核对。这类场景不写回 ERP，风险最低。
第二类是销售与客服：按客户订单行（coitem）查询交期、已发货与未交数量，用中文回答客户询问，并在回答中附上数据来源和时间点。第三类是对定制代码和报表的解读：把 SyteLine 的自定义存储过程、事件处理和报表定义交给模型做摘要，帮助团队在升级前理解影响范围。这一类对应 SyteRay 的定位。
涉及写回的操作，例如创建采购申请或修改工单日期，建议保留人工确认环节，由有权限的用户在 ERP 内批准，AI 只负责起草。
- 缺料与延误工单查询：job、jobmatl、itemwhse、poitem
- 订单交期与未交量查询：coitem 与发货记录
- 定制存储过程与报表的摘要，用于升级评估
- 中文报表草稿生成，由人工审核后使用
架构与数据留在哪里
推荐的架构是：在 SyteLine 的数据库（通常是 SQL Server）上建立只读账号或只读副本，通过受控的查询层访问；检索增强（RAG）索引放在厂内服务器；模型运行在厂内 GPU 或境内私有云上。整条链路不依赖境外服务，网络可以做到与外网隔离。
权限方面，AI 应继承 ERP 的角色。查询时以提问者的身份取数，只能看到该用户本来就有权限看到的数据。每一次查询、所用的 SQL 和返回的结果都应记录日志，便于审计。
模型选择上，通用中文能力较强的开源模型适合问答和总结，需要时可以针对本厂术语做微调或补充词表。具体选哪一个、需要多大的显存，取决于并发人数和上下文长度，应在评估阶段用真实问题测试，而不是凭参数规模判断。
合规：数据安全法、个人信息保护法与等保
数据安全法要求企业按数据重要程度分类分级并采取保护措施，生产与客户数据中有不少属于需要重点保护的范围。个人信息保护法则对员工、客户联系人等个人信息的处理、跨境提供提出明确要求。把模型部署在境内且数据不出厂，是降低这些合规成本的直接办法。
如果工厂已经通过网络安全等级保护（等保）测评，新增的 AI 服务器和接口应纳入现有的资产清单、访问控制和日志审计范围。生成式 AI 的使用还应参考《生成式人工智能服务管理暂行办法》中对内容安全和数据来源的要求，企业内部使用时重点是输出可追溯、不对外提供服务。
需要说明的是，Netray 不替客户获得任何认证，也不承诺某项合规结论。我们的架构是帮助客户自己满足这些要求，最终的合规判断应由客户的法务和信息安全团队做出。
如何开始：评估、试点、扩展
建议从两到四周的评估开始：确认 SyteLine 或 LN 的版本、数据库类型、可用的接口（如 IDO、REST 或直接只读库）、高频的业务问题清单，以及机房的 GPU 条件。评估的产出是一份数据路径图、模型和硬件建议，以及是否值得做的明确判断。
试点通常选一个部门、一类问题，例如计划部门的缺料查询，用真实问题测试准确率，并与现有人工查询的耗时做对比。试点通过后再扩展到销售、采购和质量。很多项目由 ERP 领域的合作伙伴与 Netray 共同交付，合作伙伴熟悉本地业务和系统配置，我们负责 AI 与部署部分。
什么时候不需要这些：诚实的取舍
如果工厂的需求只是少数固定报表，用 SyteLine 自带的报表和分析功能，或者一个 BI 工具就足够了，没有必要上大模型。如果总部已经决定迁移到 Infor 云端并使用 Infor 提供的 AI 功能，且数据出境已经过合规评估，那么直接使用厂商功能可能更省事。
大模型也有局限：对复杂的多表关联问题可能出错，对数据质量差的字段（比如物料描述不统一）效果会打折扣。所以我们坚持只读、展示查询、人工确认，并在评估阶段如实告诉客户哪些问题适合、哪些不适合。
常见问题
我们是外资工厂，总部不同意把数据传到公有云，可以做吗？
可以。把开源模型部署在厂内或境内私有云，ERP 数据只在内网流动，不依赖境外服务。具体网络隔离程度可以按总部和客户的要求设定，必要时做到完全离线。
AI 会直接修改 SyteLine 里的数据吗？
默认不会。问答与分析使用只读账号。如果需要写回，例如起草采购申请，也必须由有权限的用户在 ERP 内确认后才生效，所有操作留有日志。
SyteLine 和 Infor LN 都支持吗？
SyteLine 和 LN 都是 Netray 目前支持的 ERP。两者的数据结构和接口不同，评估阶段会分别确认可用的访问方式，再设计检索和查询层。
需要多少 GPU？
取决于模型大小、并发用户数和上下文长度。几十人规模的问答场景，通常可以用一到数张服务器级 GPU 起步。我们会在评估阶段用真实问题测试后再给出配置建议。
模型能理解我们工厂自己的术语和简称吗？
可以通过术语表、检索增强和必要时的微调来改善。关键是把物料简称、工序名称、客户代号等整理成可检索的资料，这一步往往比换更大的模型更有效。
和 Infor 自己的 AI 功能是什么关系？
两者不冲突。如果厂商的功能已经满足需求且数据合规可接受，可以直接使用。私有化部署适合对数据位置、模型选择或跨系统问答有额外要求的工厂。
相关指南
基于 ERP 数据的 AI 辅助生产计划排程（APS）
用 ERP 工单、BOM、工艺路线与库存数据支撑 APS 排程：AI 做缺料预警、插单分析与排程解释，排程算法仍由 APS 负责，私有化部署。
ERP + QMS 质量管理基于 ERP 数据的 AI 质量管理：8D、追溯与根因分析
把 ERP 的批次、检验、不合格品与供应商数据接入 QMS 流程，用 AI 辅助 8D 报告、根因分析与追溯，私有化部署，需人工审核。
ERP 数据问答ERP 数据问答：用中文直接向 ERP 提问
用自然语言查询 ERP 里的订单、库存、采购与成本：只读、展示所用查询、继承 ERP 角色权限，模型私有化部署，数据不出厂。
制造业 AI 选型与 RFP制造业 AI 选型与 RFP：评估供应商时该问什么
制造企业评估 ERP 与生产系统 AI 供应商时该问什么：数据位置、模型、权限、只读与审批、评估方法、成本与退出，附 RFP 提问清单。
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。