背景
AI 从对话走向行动
大模型让软件具备了理解目标、规划步骤和调用工具的能力，AI 由此开始承担连续的工作。在数字世界里，它操作的对象是文档、数据库和接口，状态可以随时查询，多数操作可以撤回。
物理现场的条件不同。对象是人员、设备、车辆、物料和空间；状态随时间连续变化，只有被感知时才会进入系统；动作一旦执行就会产生实际后果，例如断电、封控、派人到场。AI 要在现场做事，先要可靠地回答三个问题：现在发生了什么，发生在哪里，和谁有关。之后才能决定做什么、由谁来做、做完怎样确认。
缺口
现场对 AI 的三重缺口
不可见
- 现场表现
- 人员与移动资产缺少持续位置；设备与环境状态依赖人工抄录或间歇巡检；传感器续航短，覆盖难以长期保持
- 对 AI 的影响
- 看不到的对象无法纳入判断
不可信
- 现场表现
- 数据分散在多个系统，对象标识与时间不统一
- 对 AI 的影响
- 判断缺少证据，结论无法复核，责任难以界定
不可控
- 现场表现
- 指令经电话、群消息和纸质工单传达，结果依赖人工反馈；权限与安全前置条件只写在制度文本里
- 对 AI 的影响
- 无法确认指令是否送达、是否执行、效果如何
以大屏为中心的系统里，这些缺口由屏幕前的人补上：凭经验判断数据真假，打电话确认现场，事后手工整理记录。AI 没有这层缓冲，它需要的数据必须在接口层面就完整、可追溯、可操作。
问题
跨行业反复出现的五类问题
等待
- 典型现场
- 转运车辆在中转站排队；货车等待装卸；产线等待物料与维修人员
- 缺少的空间事实
- 车辆、货物、月台与作业计划缺少统一时间轴
利用率
- 典型现场
- 工程机械与移动医疗设备闲置与紧缺并存；人员有效工时不清
- 缺少的空间事实
- 设备与人员的在场、在用与空闲状态
授权
- 典型现场
- 受控区域谁可以进入；高压、动火等作业由谁执行
- 缺少的空间事实
- 身份、资质与所在位置的实时对应关系
责任
- 典型现场
- 事件发生时谁在场、谁脱岗；延误由哪一方造成
- 缺少的空间事实
- 连续、可回放的轨迹与事件记录
结算
- 典型现场
- 外包服务按工时、趟次与覆盖率结算；设备按有效工时计费
- 缺少的空间事实
- 双方都认可的计量依据与证据链
记录用于安排工作和核对，不用于考核罚款。使用前，向员工说明记录的内容和用途。
变化
问题的性质变了
过去，这些缺口多被当作效率问题，由管理手段和人工协调弥补。具备自主决策与执行能力的 AI 加速进入物理现场之后，问题的性质变了：AI 无法用经验和电话弥补缺失的数据，现场需要一层专门为它建设的基础设施。
出处
本文内容取自《IoT4Agent 白皮书》第 1 章（瓴渡，2026 年 9 月）。IoT4Agent 白皮书 →
起步
从一处现场、一个环节起步
contact@lindos.cn
现有现场即装即用，无需改造和布线，运营不中断。请告诉我们您最希望先改进的一个环节。我们将与您一起确认可用的数据、起步范围和评价口径。