第一百七十九章 第三个
赵鸣岐的消息是在周三下午来的。
林知行正在和周然讨论长沙物流公司的调度算法优化，手机震了一下。他瞥了一眼，看到赵鸣岐的名字，愣了一秒。
赵鸣岐已经很久没联系他了。上次聊天还是三个月前，赵鸣岐说他在渡渡科技"学到了一些东西"，语气里有一种说不清的疲惫。
消息很短：知行，有个事想问你。我有个校友，做制造业的，生产线排程一直头疼。你有没有兴趣聊聊？
林知行盯着这条消息看了几秒，回：什么规模？
中型制造企业，年营收两个亿，二十条生产线，上百种产品。赵鸣岐说，他的问题是每天要决定哪条线生产哪种产品，涉及产能、交期、成本、质量，人工排了十几年，越来越跟不上。
林知行的心跳快了一拍。
二十条生产线，上百种产品——这个问题的复杂度，比长沙超市的库存管理和物流公司的车辆调度都高一个量级。
他回：你为什么推荐给我？
赵鸣岐过了几分钟才回：因为这个问题，渡渡做不了。他们的标准化产品适配不了制造业的复杂逻辑。但你可以。
林知行盯着最后三个字，没有马上回。
赵鸣岐继续说：李总是我本科同学，关系不错。他找了三家SaaS供应商，都不满意。我跟他说了你的事，他有兴趣。
你跟他说了我的什么事？
说了你的开源仓库，说了你的方法论，说了你蹲点的习惯。赵鸣岐说，他最感兴趣的是你那个'人工审核层'的理念——AI负责算，人负责判断。
林知行回：好。什么时候见面？
越快越好。他下周要去深圳出差，只有这周有空。
林知行看了看日历，明天下午没有安排。他回：明天下午两点，可以吗？
可以。我把地址发你。
第二天下午，林知行和陈小川坐地铁去李总的公司。
公司在长沙郊区的一个工业园区，厂房很大，门口停着一排货车。陈小川看着那排货车，说："林哥，这个客户跟前两个不一样。"
"哪里不一样？"
"前两个是服务业，这个是制造业。制造业的数据更复杂，流程更长，变量更多。"
林知行点了点头。陈小川说得对。
他们走进办公楼，前台小姑娘把他们带到三楼的会议室。会议室不大，墙上挂着一张巨大的生产流程图，上面密密麻麻的箭头和方块，像一张蜘蛛网。
李总已经在了。
他四十出头，穿着一件深蓝色的Polo衫，头发有些花白，但精神很好。看到林知行进来，他站起来，伸出手："林总，久仰。"
林知行握了握手："李总，你好。这是我的同事，陈小川。"
李总点了点头，示意他们坐下。
"赵鸣岐跟我说了你的事，"李总开门见山，"他说你做AI应用，不走标准化路线，专门给企业做定制化的决策支持。"
"对。"林知行说。
"那你先听听我的问题。"
李总站起来，走到那张生产流程图前面，指着图上的方块说：
"我们公司有二十条生产线，每条线的产能、设备、工人都不一样。我们有上百种产品，每种产品的工艺、工序、用料都不一样。每天早上，我要决定哪条线生产哪种产品，才能在交期内完成订单，同时控制成本、保证质量。"
他顿了顿，继续说："这个问题，我做了十几年。以前是手工排，排一次要两三个小时。后来买了SaaS软件，但软件的算法太简单，只考虑产能和交期，不考虑其他因素。排出来的方案，经常出问题。"
"什么问题？"林知行问。
"比如，软件推荐A线生产X产品，因为A线的产能最大。但A线的工人不会做X产品，他们只会做Y产品。软件不知道这个。"
"再比如，软件推荐B线生产Z产品，因为B线的工时最短。但B线的设备刚做完维护，还在磨合期，如果马上生产Z产品，可能会出质量问题。软件也不知道这个。"
"还有，软件推荐C线生产W产品，因为W产品的利润最高。但W产品的客户催得很急，必须今天发货。如果C线今天生产W产品，就会影响另一个大客户的交期。软件更不知道这个。"
李总说完，看着林知行，眼神里有一种期待，也有一种怀疑。
林知行没有马上说话。他在笔记本上快速记了几行字，然后抬头问："李总，您现在用的SaaS软件，是哪家的？"
"就不点名了，"李总说，"反正市面上的排程软件，我都试过。没有一个能用的。"
"为什么不能用？"
"因为它们的算法太'聪明'了。"李总说，"它们用的是数学上的最优解——在所有约束条件下，找到一个成本最低、效率最高的方案。但问题是，现实中的约束条件太多了，多到算法根本算不完。"
他顿了顿，继续说："而且，有些约束条件是'软'的——不是硬性规定，而是偏好和习惯。比如，某个班组长喜欢在上午做高难度的产品，因为他觉得上午精神好。再比如，某个工人和另一个工人有矛盾，不想在同一班次。这些'软'约束，算法怎么处理？"
林知行看着李总，忽然明白了为什么赵鸣岐推荐他。
这个问题，确实不是标准化SaaS能解决的。
因为它需要的不只是算法，还需要对行业、对人、对业务逻辑的深度理解。
李总说完，林知行没有马上提方案。他问了一个问题：
"李总，我能去您的生产线看看吗？"
李总愣了一下，然后笑了："赵鸣岐说你会蹲点，果然。"
"蹲点是了解问题的第一步。"林知行说。
"好，我安排。"
当天下午，李总带着林知行和陈小川去生产线参观。
厂房很大，机器轰鸣，空气里有一股机油和金属的味道。二十条生产线一字排开，每条线上都有工人在忙碌。有的在操作机器，有的在检查产品，有的在搬运物料。
林知行站在一条生产线旁边，看着一个工人把一块金属板放进机器，按下按钮，机器开始运转。他问旁边的班组长："这条线现在在做什么产品？"
班组长说："在做A型零件。"
"为什么做A型？"
"排程系统排的。"
"排程系统是怎么排的？"
班组长摇了摇头："我不知道。我只知道今天排的是A型，我就做A型。"
林知行又问："如果让你自己排，你会怎么排？"
班组长想了想："我会先看订单的交期，再看哪条线的设备状态最好，再看哪个班次的工人技术最熟练。然后综合考虑。"
"排程系统有没有考虑这些？"
"没有。"班组长说，"排程系统只看产能和交期。设备状态、工人技术，它不考虑。"
林知行点了点头，在笔记本上记下了这段话。
参观结束后，林知行和陈小川回到会议室。
李总问："看完之后，有什么想法？"
林知行说："李总，我理解您的问题了。这个问题的本质，是一个多目标优化问题——要在产能、交期、成本、质量、设备状态、工人偏好等多个维度之间，找到一个平衡点。"
"对。"李总说，"传统的排程软件，只考虑了两个维度——产能和交期。其他的维度，它忽略了。"
"但问题是，"林知行继续说，"这些维度之间是相互冲突的。比如，要保证交期，可能要牺牲成本；要保证质量，可能要延长工时。怎么在这些冲突之间找到平衡，是核心难点。"
李总点了点头："你说得对。所以我一直在找一个能处理多目标优化的方案。"
林知行说："多目标优化在技术上是可以做的。但有一个前提——需要把所有的约束条件都量化。"
"怎么量化？"
"比如，设备状态可以用设备的运行时间、维护记录、故障率来量化。工人偏好可以用工人的技能等级、班次偏好、历史绩效来量化。客户紧急程度可以用订单的交期、违约金、客户等级来量化。"
林知行在笔记本上画了一个表格，列出几个维度和量化指标：
产能：每条线的最大产能、当前产能利用率
交期：订单的交期、违约金
成本：原材料成本、人工成本、设备折旧
质量：产品的质量要求、设备的合格率
设备状态：设备的运行时间、维护记录、故障率
工人偏好：工人的技能等级、班次偏好、历史绩效
客户紧急程度：订单的交期、违约金、客户等级
李总看着这个表格，眼睛亮了："你这个思路，比那些SaaS公司强多了。它们只考虑产能和交期，你考虑了七个维度。"
林知行说："但这七个维度，有些是'硬'的，有些是'软'的。硬的可以量化，软的只能靠经验。"
"什么是软的？"
"比如，班组长喜欢在上午做高难度的产品——这是偏好，不是硬性规定。再比如，某个工人和另一个工人有矛盾——这是人际关系，更难量化。"
李总点了点头："你说得对。这些'软'约束，是排程最难的地方。"
林知行说："所以，我的想法是——AI负责处理'硬'约束，人负责处理'软'约束。"
"什么意思？"
"AI可以用算法，在产能、交期、成本、质量这些硬维度之间找到最优解。但AI不知道哪个班组长喜欢上午做高难度产品，也不知道哪个工人和另一个工人有矛盾。这些'软'约束，需要人来告诉AI。"
李总看着林知行，眼神里的怀疑少了一些，但还有一些："你的意思是，AI和人一起排程？"
"对。"林知行说，"AI负责算，人负责判断。AI给出一个初步方案，人根据实际情况调整。这样既利用了AI的效率，又保留了人的经验。"
李总沉默了几秒，然后说："这个思路，我以前没想过。"
林知行说："这是我从之前的项目里学到的——AI不是万能的，它有盲区。盲区需要人来补。"
回到公司后，林知行和陈小川、周然开了一个会。
林知行在白板上画了一个架构图：
输入层：产能数据、交期数据、成本数据、质量数据、设备数据、工人数据、客户数据
优化层：多目标优化算法，在硬约束之间找到平衡
输出层：初步排程方案
人工审核层：人根据软约束调整方案
最终输出：最终排程方案
周然看着这个架构图，问："林哥，这个'人工审核层'，怎么实现？"
林知行说："设计一个界面，让排程经理可以手动调整AI的方案。比如，把A线的X产品换到B线，或者把某个班次的工人换掉。调整之后，系统重新计算，看看会不会违反硬约束。"
"如果违反了呢？"
"系统提示冲突，让排程经理选择——是坚持调整，还是回到原来的方案。"
周然点了点头："明白了。AI给建议，人做最终决定。"
"对。"林知行说，"这就是'AI负责算，人负责判断'。"
陈小川在旁边说："林哥，这个方案，跟我们之前做的不一样。"
"哪里不一样？"
"之前的方案，AI是主角，人是配角。这次，AI和人是平等的——AI给建议，人做决定。"
林知行看着陈小川，忽然想起了方小满说过的话：AI应该帮人，不是替人。
这次的方案，正是"帮人"而不是"替人"。
林知行花了两周做demo。
demo的核心功能有两个：一是多目标优化算法，在硬约束之间找到平衡；二是人工审核界面，让排程经理可以手动调整方案。
做demo的过程中，林知行遇到了一个技术难题：多目标优化算法的计算量太大，二十条生产线、上百种产品、上千个约束条件，算一次要四十分钟。
周然说："林哥，这个计算量，用普通的优化算法跑不动。需要用启发式算法，比如遗传算法或者模拟退火。"
林知行点了点头："用遗传算法。"
"但遗传算法的结果不是确定的——每次跑出来的方案可能不一样。"
"没关系。"林知行说，"我们不是要找到'唯一最优解'，而是要找到'一系列可行解'，让人从中选择。"
周然明白了："所以，AI不是给出一个方案，而是给出三个方案，让人选？"
"对。"林知行说，"方案A侧重成本控制，方案B侧重交期保障，方案C侧重质量优先。排程经理根据实际情况，选择最合适的方案。"
"如果三个方案都不满意呢？"
"那排程经理可以手动调整，或者要求AI重新计算。"
周然点了点头："明白了。AI给人选择，人做最终决定。"
两周后，demo做好了。
林知行带着demo去李总的公司做演示。
演示在会议室里进行，李总和他的生产总监、排程经理都在。
林知行打开demo，先演示了多目标优化算法。他输入了二十条生产线的数据、上百种产品的数据、上千个约束条件，然后点击"计算"。
系统开始运行，屏幕上显示进度条。大约四十分钟后，结果出来了——三个方案，每个方案都标注了成本、交期、质量、设备利用率等指标。
李总看着三个方案，眼睛亮了："这个比那些SaaS软件强多了。它不只是给一个方案，而是给三个方案让我选。"
林知行说："对。AI不是要替您做决定，而是给您提供选择。"
然后他演示了人工审核界面。他点击方案A，屏幕上显示了详细的排程表——哪条线生产哪种产品，哪个班次的工人负责，什么时候开始，什么时候结束。
"如果我想调整呢？"李总问。
"您可以直接在界面上拖拽。"林知行演示了一下，把A线的X产品拖到了B线，系统立刻弹出提示："B线的设备状态不适合生产X产品，建议选择C线。"
李总看着这个提示，愣了一下："它怎么知道B线的设备状态不适合？"
"因为我们接入了设备的维护记录和故障率数据。"林知行说，"AI根据这些数据，判断设备的当前状态。"
李总点了点头，又试了几个调整。每次调整，系统都会给出提示，告诉他这个调整会不会违反硬约束。
演示结束后，李总沉默了几秒，然后说了一句话：
"小林，你的AI能算出最优排程，但算不出我客户的急单能不能插队。"
林知行愣了一下。
李总继续说："我的客户经常有急单——今天下单，明天就要货。这种急单，排程系统不知道怎么处理。它只知道按交期排序，但急单的交期是一天，它就会把所有资源都给这个急单，导致其他订单延误。"
林知行明白了。
这是一个算法无法自动决策的问题——急单该不该插队，插队会有什么后果，这些需要人来判断。
他说："李总，这就是为什么我们需要人工审核层。AI负责算，人负责判断。"
他演示了一下："当有急单进来时，系统会自动计算插队的影响——哪些订单会延误，延误多久，违约金是多少。然后把这些信息展示给您，让您决定——是插队，还是按原计划执行。"
李总看着屏幕，眼睛亮了："这个功能好。它不是替我做决定，而是帮我做决定。"
林知行说："对。AI负责算，人负责判断。"
演示结束后，李总没有当场签合同。他说："小林，你的方案很好，但我需要再考虑一下。"
林知行点了点头："好。"
李总又说："我有一个问题。"
"您说。"
"你的这个方案，需要多少数据？"
林知行说："需要生产线的历史数据、产品的工艺数据、设备的维护数据、工人的绩效数据。数据越多，AI的建议越准。"
李总皱了皱眉："我们的数据，有些是纸质的，有些是Excel的，有些是手写的。格式不统一，质量也不好。"
林知行说："没关系。我们可以先做数据清洗，把格式统一，把质量问题标记出来。数据清洗之后，再接入系统。"
"数据清洗要多久？"
"大概两周。"
李总点了点头："好。那你先做一个数据清洗的方案，我看看。"
林知行说："好。我三天内给您。"
回去的路上，陈小川问："林哥，李总没有当场签合同，是不是不太满意？"
林知行摇了摇头："不是不满意，是在考虑。制造业的客户，决策周期比服务业长。他们需要看数据、看案例、看风险，才会决定。"
"那我们接下来怎么做？"
"做数据清洗的方案，发给李总。然后等他的回复。"
陈小川点了点头，又问："林哥，你觉得这个客户能签下来吗？"
林知行想了想，说："不知道。但不管签不签，这个项目对我们来说都是一个突破。"
"什么突破？"
"从服务业到制造业的突破。"林知行说，"之前我们做的都是服务业——超市、餐饮、物流。这次是制造业。制造业的问题更复杂，数据更多，变量更多。如果我们能把制造业做通，以后其他行业就更容易了。"
陈小川明白了："所以，这个项目不只是为了赚钱，也是为了积累经验。"
"对。"林知行说，"信任是靠案例积累的。我们做的案例越多，行业越多，客户就越信任我们。"
陈小川点了点头，没有再问。
林知行看着窗外，想起赵鸣岐推荐这个客户时说的话：这个问题，渡渡做不了。他们的标准化产品适配不了制造业的复杂逻辑。但你可以。
他不知道赵鸣岐为什么帮他。但不管原因是什么，这个客户，是他们的第三个大客户。
也是他们的第一个制造业客户。
如果签下来，就证明他们的方法论，不只是适用于服务业，也适用于制造业。
这比签合同本身更重要。
（本章完）