园区巡检正在从「人巡+事后处理」走向「机巡+实时预警」。结合宇树机器狗合作案例，聊聊落地时最容易被忽视的四个问题。
在工业园区、仓储与数据中心等场景，AI 巡检机器狗的想象空间很大，但落地时很多项目卡在了「演示很惊艳、上线用不起来」。结合我们与宇树机器人合作开发 AI 智能巡检系统的实践，总结出四个必须在立项阶段回答的问题。
第一，巡检路线是否足够确定。机器狗按预设路线自动巡检的前提是现场环境可建模、路径可规划。动线复杂、障碍物频繁变化的区域，需要先做路线勘察与点位设计，而不是指望设备自动搞定一切。
第二，检测项是否闭环。AI 视觉能识别温湿度异常、烟雾火焰与设备状态，但识别之后必须接上告警、工单与处置流程，形成「发现-上报-处理-复核」的闭环，否则异常检测再准也只是数据堆。
第三，夜间与恶劣天气的可靠性。巡检的很大价值在夜间与人力难以覆盖的时段，这要求设备在低光照、多尘、温差大的环境下依然稳定回传，也需要边缘计算保证断网可用。
第四，运营与维护成本。机器狗是硬件，意味着充电管理、固件升级与故障维护是长期命题。立项时应把 TCO（总拥有成本）纳入评估，而不是只算采购价。
AI 巡检的本质不是替代人，而是把人的精力从重复巡查中释放出来，集中到真正的异常处置与决策上。把这个问题想清楚，项目才可能从试点走向规模化。