麻省理工学院媒体实验室Project NANDA在《The GenAI Divide: State of AI in Business 2025》报告中审查了300多项公开披露的AI计划，并开展52次结构化访谈和153份高管调查。报告称，企业已投入300亿至400亿美元，但只有约5%的生成式AI试点产生可衡量的损益影响。对工厂而言，瓶颈往往不在模型，而在从未按机器可读方式构建的数据层。
问题可以从最基础的设备字段看出：一台FANUC数控机床和一台西门子PLC都能报告主轴负载，却可能分别使用SP_LOAD_PCT和SPINDEL_AUSLASTUNG；Haas、SINUMERIK和FANUC也会用不同字段表示同一个主轴转速。人能判断这些字段含义相同，但智能体面对大规模设备机群时，缺少跨品牌比较的共同语义基础。
目前，每一对设备供应商通常都需要独立适配器、数据字典和漫长的集成项目。若各OEM设备映射到统一的规范词汇，维护智能体便可用一次查询比较不同品牌设备的退化曲线，在故障发生前发现异常，而不必为每家供应商重新定制接口。
统一语言还可让跨OEM工作单元协同运行。KUKA机械臂、FANUC数控机床和ABB码垛机可以围绕同一生产订单共享状态，由智能体统一协调任务和交接，而不再依赖逐台设备编程与人工看护。提升不只是局部效率，而是消除设备之间长期存在的“翻译税”。
共享词汇也能支持按真实运行结果自动结算的参数化合同。设备机群产出一旦跌破约定阈值，系统即可基于经过验证的数据触发合同动作，减少索赔、查勘和数据口径争议。没有统一字段，不同设备甚至无法用可比方式报告生产率。
在设备融资和保险中，传统风险定价依赖制造商规格和假设的退化曲线；统一词汇与可信遥测则可让承保人查看每台融资设备的实时运行状况，并据此评估风险。这并非简单提高效率，而是为设备金融形成新的数据产品。
相关基础组件已经存在。FoundryNet发布的开放规范包含366个标准字段，以及覆盖18个OEM系列的16908项供应商标签映射，并采用MIT许可证；智能体模型、参数化合同结算基础设施，以及跨组织身份和信任框架也已具备。尚未完成的是把统一翻译层部署到足够多的工业设备上。
Gartner预计，到2027年底，超过40%的智能体AI项目可能因成本、价值不明确或风险控制不足而取消，并认为市场上大量自称“智能体AI”的供应商中，真正具备相应能力的约有130家。结合Project NANDA的调查结果，许多工业AI项目失败的原因可能不是模型不够强，而是底层数据无法被可靠读取和比较。
一旦机器数据语言得到统一，预测性维护、自主工作单元、参数化设备金融和实时资产组合分析，便可在现有工业基础设施上更快落地。
作者：Ryan Gordon（Foundry Labs）。开放规范：github.com/FoundryNet/canonical-schema。