AI在制造 | 工业AI公司到底有没有未来？

这4件事是：数据、技术、行业Know-How、软硬件及服务的标准化。

他们得出这个结论的逻辑链条是这样的：人们的需求是日益增长的，这会推动制造业发展，尤其是推动制造业高质量发展即智能化、低碳化发展。构建在数据之上的AI技术将会是制造业升级的重要技术抓手。

当然，制造业智能化、低碳化升级转型需要企业、行业甚至国家全力参与、重点布局。对于企业而言，做到、做好上面4件事，就能抓住机会成为一家伟大的公司。

在访谈的最后，罗超提到了另一家伟大的工业公司：西门子。从西门子诞生之初到今天，它早就不是同一个西门子了，百年历程中，它拥有非常强大的自我迭代、进化和扩展的能力。“我觉得工业AI企业也是一样的道理。”对于处在转型时期的制造业企业而言，不也是如此吗？

以下，是沈国辉先生和罗超先生的对谈全文：

沈国辉：在未来10年、20年或者30年后，中国的制造业或者世界的制造业会是什么样子？

罗超：一个最基本的要素可以判断,未来10年中国低端的制造业供给有可能会出现一些冗余走向溢出，向海外的其他供应链区域拓展。

但同时中国的制造业会进行更高端的升级，无论是数字化，全面的自动化，还是更精细化的运维和管理的要求会变得越来越高。而对于下游产品的要求，也会从低端的制造业往更高端的、更技术密集型的产业去集中，这是一定会发生的趋势。

从20年到30年的维度来看，当产业的升级发生之后，制造业会从单纯的制造变成设计、制造、技术、服务，再往更高阶的低碳化制造、可持续制造的维度去发展。

在这个趋势当中，技术又扮演了非常重要的作用。无论是人工智能的技术，IoT的技术，大量的技术会被用于制造业，去配合制造业不只是数字化、自动化的升级，也要往智能化和低碳化升级的路径。

沈国辉：如果制造业要智能化、低碳化，在现在这个时间点，我们该做些什么才能到达那个未来？

罗超：我觉得这里有很多维度，数据的维度，技术的维度，供应链的维度，客户接受度的维度，政策的维度。

从最根本的来说，数据是未来所有数字化和智能化技术的非常重要的土壤和基础，数据也是新时代的石油。如何更好的积累数据，如何更好的挖掘数据价值，这件事情本身很重要。

中国拥有全世界最完备的工业制造体系，因为这套体系和服务全球的制造能力产生了大量的数据。但历史上这些数据并没有被非常好的使用起来，它甚至并没有被很好的结构化的保存下来，所以第一步工作是数字化，需要把大量的数据积累起来，并且基于智能化改造的要求、低碳的要求，去把数据收集并储存好。

这个工作听起来是一个脏活累活，但它非常有价值，这是第一件要做好的事情。

第二是技术的维度。我们的创新一方面在应用层，需要去用好已有的技术，但同时也要在更底层去做更好的创新，无论是大模型的应用，大数据分析的应用等，包括联网的5G技术的使用也非常的重要。

从工业AI的角度，你除了是一个参与者、使用者之外，也应该成为基础理论研究的贡献者。工业企业除了用好已有的技术之外，也要为科技创新作出贡献，而这个贡献反过来不只是对行业，也对企业自身可以产生很大的价值。

第三个维度是供应链的维度。工业和其他产业不太一样，产业链非常长，每一个环节的公司都会去看上下游怎么做，数字化的改造，光切行业其中某一个环节是没有用的。比如说打通某一个产品的全流程追溯，只对组装厂做数字化升级是不够的，需要对它的上游各种元器件、零部件、传感器的供应商也要完成数字化升级，这样才能全链路去追溯数据。

所以整个供应链的上下游的利益一致，在实现数字化这件事情上也是至关重要的。

第四是客户接受度的维度。大多数的客户都会经历一个先跑马圈地签订单，先制造，先养活自己，随着产业的升级，随着公司的升级开始去考虑数字化、精益化制造升级等工作，它是一个要饱暖之后才会去“思升级”的过程。

在这个过程当中，我们需要等待客户逐步成熟，不能一夜之间要求中国所有的制造业企业都开始拥抱互联网、拥抱AIoT、拥抱智能制造。对于很多公司来说，今天还没有到这个阶段，它还在生存的边缘。作为一个行业从业者，我们需要关注客户的接受度，客户的成熟度，一步一步来。

第五是政策。工业是一个很庞大的产业，中国作为一个制造大国，也作为一个能够自上而下去推行很多优秀政策的国家，在政策上需要把智能化、低碳化的目标更清晰的定义在行业里边，通过政府的力量，把精细化的、智能化的、低碳化的目标扎根到行业当中去。长期来看，是让整个行业里所有的公司都受益的事情。

罗超：我一直认为蘑菇物联是一家非常优秀的工业AI企业，你觉得蘑菇物联在这个过程当中扮演什么样的角色？又需要一个什么样的目标来牵引你们的增长呢？

沈国辉：我用两个词来总结我们的角色，叫做推动者和参与者。我们是一个仰望星空的推动者和一个脚踏实地的参与者。我们要推动什么？这取决于我们到底怎么来看待工业以及工业革命。

工业革命的本质是能源革命与控制革命，能源带来动力，让它可以运转起来；控制，让它可以有序的、高效的进行生产作业。既然是能源革命和控制革命，蘑菇物联要做基于AI的控制，基于新能源下的控制，新能源它边际成本等于0，绿色低碳、取之不尽用之不竭，这是新能源。

原来的自动化时代的控制就是只控制，基于AI的控制，应该是先预测再控制，叫做预测+控制。我们把基于AI的先预测再控制用在哪里？这就是蘑菇物联的目标了。

我们的目标就是要聚焦在通用设备以及通用设备构成的动力能源系统里面。所谓动力能源系统，就是工厂里面的水、电、气、冷、热等动力能源系统。我们把AI的技术用在动力能源系统里面，可以让参数更加优化，把各种老师傅的Know-How、几十年的经验变成算法，把老师傅调参数来控设备这件事情变成AI来调参数，软件来控设备，这不就是复制了很多老师傅嘛。

我们就可以在工厂的动力能源系统里面创造可测量的价值，这就是我们的目标。我们就想扎扎实实的把通用设备，把通用设备构成的动力能源系统或者也叫公辅能源系统，把它做深做透。我们也就是未来智能化、低碳化的重要的推动者和参与者，我想这就是我们的角色以及我们的目标。

罗超：如果制造业是大量的消费零售品牌的上游的话，工业的一个重要上游是能源领域，能源的使用效率决定了大量工业企业的整体的经营效率。如何更好的提高能源使用效率，无论是从通用设备去切入，还是通过其他方式去切入，无论是通过现场老师傅的方式去解决，还是通过AI加IoT的方式去解决，都能够解决工业里面一个非常重要的问题，就是能源使用效率、低碳的问题。蘑菇物联的这个定位非常切中未来10年、20年制造业智能、低碳发展的重要愿景。

沈国辉：站在投资人的角度，你觉得要做成一家工业AI公司有哪些关键点？

罗超：我觉得第一件事情是刚才提到的脏活累活——数据。很多公司，尤其是海归、互联网出身的团队，往往喜欢高举高打做算法，做技术，做平台，但是工业恰恰是你光这样做有点浮于表面。工业恰恰是你泥腿子要扎到田里去的一个事情。更好的挖掘数据，标准化的、结构化的储存下来、使用起来，这件事情本身很重要。

这是一个相对偏脏活累活的工作，但如果你要成为一家伟大的工业AI公司，把这个所谓的脏活累活一定要做好，这件事情是非常重要的，你不打地基是盖不起高楼的。

第二个事情是要投入精力、时间和金钱在科研上。很多公司会陷入到一种状态叫做签单、赚钱、养活团队，但是既然你们走上了融资的这条路，意味着你不应该在过短的短期把财务目标作为唯一目标，而是要花更多的精力、时间和金钱投入到更长远的技术研发上。

无论是物联网技术、AI技术的使用研究，它可能短期内对你来说是一个成本项目，但它长期来说是一个价值放大的重要杠杆，这个投入是非常重要的，这是要做一个长期的有价值的行业AI公司。

第三我觉得是垂直行业的知识积累、Know-How。因为你服务的客户有非常多不同产业的，进入到垂直领域之后，对于行业的理解就很关键了。一定要快速的在某一些大的行业当中积累起你的理解和Know-How，并且把它反映到你的产品中，这样才是一个很重要的长期制胜的方法，不要陷入到一个又一个的项目，变成了一个外包公司，这肯定不是一个正确的路径。

我觉得第四是标准化，标准化体现在硬件产品、软件产品和服务能力，这三个维度都要标准化。今天做硬件产品标准化是很直观的，因为没有任何一家公司给不同的客户生产不同的AIoT硬件，所以在这条路上，我觉得要做到的是稳定、标准、兼容。

软件的标准化就已经没有那么容易了，因为大量的客户尤其是头部KA都会提出我要用这个软件，但同时我还希望你帮我实现ABCDEFG，你怎么去兼顾大客户的需求和你自己研发力量的投入，尽量用一个更普适的标准软件包括算法去服务不同行业的非标的需求。

但再往下更难是服务标准化。服务标准化涉及到签约前售前的服务，签约后的部署、安装、施工、交付，还有后续的运维和持续的模型迭代，这里的标准化更难。但这个恰恰是你长期的壁垒和价值，这些工作慢慢的也要把它标准化，这样你才能更好的利用好渠道，包括未来做出海，才能够更好的去扩张你的业务，把价值输出给更多人。这个标准化体现到了硬件、软件和服务能力的标准化，我觉得这是非常非常重要的。

沈国辉：数据的治理是打地基，技术的投入是往上生长，垂直领域的Know-How是你要扎的深，最后就是软件、硬件、服务的标准化。我觉得你这个总结特别的清晰有框架。那工业AI公司的天花板又在哪里？它未来的想象力到底有多大呢？

罗超：工业AI我们还是要联系工业这两个字，那我们要看整个工业的未来会是怎样的？

全球范围来看是非常清晰的，只会越来越大，因为人民日益增长的需求一定会催生更多的制造去满足需求。这些制造无论发生在哪个国家，发生在哪个产业链环节，它一定会发生。所以长期来说，对于工业在可预见的未来，至少在我们这一代人可以看见的未来，我觉得它的价值还是非常大的。

在这个重要的工业土壤之下，会产生一些什么样的变化，会导致工业AI的天花板会怎样？这里就回到了AI这个问题。

我更倾向于认为人是可以很好的把AI作为一个Copilot，我们的伙伴，把工业当中面临的许多复杂的尤其是和大数据相关的任务，人机交互相关的任务完成的更好。

那它的未来是什么？我觉得第一个未来是大数据，原来的大数据分析比较倾向于进行结构化数据分析，但是随着越来越多异构的数据进来，随着越来越多非线性的数据进来，传统的结构化大数据分析框架并不能很好的满足我们用过去数据去分析和预测未来的工作。

我觉得人工智能在这当中可以扮演非常好的角色，因为它可以抓住非常细枝末节，甚至是人类从没有发现过的相关性，去探讨对于未来可预见事件的一个风险的判断，无论是在节能领域的使用，在运维领域的使用，我觉得都是有价值的。

另外一个是人机交互，工业领域当中遇到非常多人机交互的问题，无论是结构化的数据输入输出，还是通过语音的方式、图形的方式，甚至未来可以通过手势、眼球或者表情等等这样的动作捕捉，人机交互更好的去服务工业场景。

所以长期来说我是很看好工业AI的落地，我觉得它天花板非常非常非常高。但在这个非常高的天花板下，工业AI企业需要做到的还是刚才提到的几个问题，只有真正实现了那几个重要进步，才能够让你成为那个胜者。

我觉得所有做工业的同学应该也都知道，像西门子这样的企业诞生了这么长的时间，从它诞生之初到今天的西门子，它不是同一个西门子，它其实需要有非常强大的自我迭代、进化和扩展的能力。我觉得工业AI企业也是一样的道理。

沈国辉：仰望星空，理想足够高；脚踏实地，快速的进行自我迭代。

/ END /