模型越大越蠢：一个模具厂的"反向升级"给老板上了一课

讲个反直觉的事

一家服务了 200 多家模具厂的 ERP 公司，客户老板说："人家大厂 ERP 有 AI 助手，能直接对话查数据，你们也搞一个。"条件很现实：机房只有一台 i7、16G 内存的台式服务器，没有显卡，老板明确说"软件费用可以谈，别让我买设备"。

他们的第一反应：上最新最强的 9B 模型。结果呢？在无显卡的环境下，首字延迟 3 到 5 秒，生成速度每秒两三个字。模具厂师傅在车间扫码查进度，等 5 秒才出字——"这 AI 就废了"。

退到 4B，速度好了一些，但出了更致命的问题：听不懂行话。模具行业说"放电"，模型理解成电池放电；说"行位"，模型理解成位置移动。API 参数调错，查出来的数据驴唇不对马嘴。最后他们用了一个 0.5B 的小模型，反而跑通了。

老板该从这件事里拿走什么

第一，AI 的"聪明"和"能用"是两回事。模型排行榜上的分数，跟你的车间师傅愿不愿意用，中间隔着一条河。车间里扫码查进度，等 3 秒人都嫌烦，模型再"强大"也白搭。

第二，你的行业行话，通用 AI 听不懂。"放电""线割""飞模""省模""CNC 开粗"——这些词不在通用大模型的训练语料里。一个听得懂人话但听不懂"你们厂的话"的 AI，在 ERP 里就是个摆设。

第三，小模型在窄场景里可以很够用。如果你的需求是"查订单、查库存、查报价、查工序状态"这类结构化查询，一个调好的小模型，比一个跑不动的大模型有价值得多。

老板明天就能做的测试

供应商演示的时候，别只看它答对了多少。拿三句你们厂老师傅才会说的行话去问它。三句里错一句，就问清楚：模型怎么调、用谁的数据调、调完多久能验收。行话都过不了关的 AI，进 ERP 就是来制造混乱的。

我们怎么接：不吹"大模型万能"，先过"行话关"

我们做落地，第一步不是比参数，是建一个你这个行业的"行话测试清单"：把老师傅嘴里的词、简称、黑话收进来，先测模型听不听得懂，再谈功能。后台回复"行话"，发你一份《行业行话测试清单模板》，你下次让任何供应商演示时直接用。

如果对方说"我们的大模型什么都能听懂"，你反而要警惕；真正能落地的，是先承认行话不在通用语料里，然后说清楚用谁的数据调、调多久、怎么验收。