作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）
物女皇：讓AI穿工裝
這是我的第400篇專欄文章。
1月7日，八部門(mén)聯(lián)合印發(fā)《“人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見(jiàn)》。1月12日，工信部部長(zhǎng)李樂(lè)成在接受新華社訪談時(shí)表示要“培育一批重點(diǎn)行業(yè)智能體、智能原生企業(yè)”。種種最新定調(diào)，這幾天在圈子里激起了不小的浪花。
大家的眼睛通常盯著那些顯眼的數(shù)字：“3-5個(gè)通用大模型”，“1000個(gè)高水平工業(yè)智能體”。但在我看來(lái)，只盯著這些KPI還不夠完整。這份文件，連同李部長(zhǎng)的講話，實(shí)則是國(guó)家層面發(fā)出的一個(gè)極其強(qiáng)烈的“糾偏信號(hào)”，更是一次對(duì)行業(yè)價(jià)值的“重估信號(hào)”。
這讓我聯(lián)想到1月10日下午由清華大學(xué)基礎(chǔ)模型北京市重點(diǎn)實(shí)驗(yàn)室、智譜AI發(fā)起的AGI-Next前沿峰會(huì)上，楊強(qiáng)（加拿大皇家科學(xué)院院士）、唐杰（智譜首席科學(xué)家、清華大學(xué)教授）、林俊旸（阿里巴巴Qwen技術(shù)負(fù)責(zé)人）、姚順雨（騰訊“CEO/總裁辦公室”首席AI科學(xué)家）這些頂尖專家們?cè)趫A桌對(duì)話中的真實(shí)發(fā)聲。
圖源：01Founder
如果將政策的風(fēng)向和專家的冷思考放在一起，坦誠(chéng)的說(shuō)，我們必須承認(rèn)一個(gè)聽(tīng)起來(lái)有些刺耳和殘酷的現(xiàn)實(shí)：中國(guó)的AI，正在玩一場(chǎng)“約束下的游戲”。
這里所說(shuō)的“約束”，是指相對(duì)于OpenAI這類頂級(jí)玩家，我們?cè)谒懔?chǔ)備和探索性研究上存在的數(shù)量級(jí)差距。正因?yàn)槭艿礁鞣N“約束”，我們玩不起“百模大戰(zhàn)”那種燒錢的消耗戰(zhàn)，也賭不起AGI不知何時(shí)才會(huì)降臨的隨機(jī)涌現(xiàn)。
李樂(lè)成部長(zhǎng)提出的“以萬(wàn)千小場(chǎng)景匯聚形成融合大場(chǎng)面”，恰恰是這種“資源集約、工程極致”戰(zhàn)略的最佳注腳。
這句話的分量很重，它實(shí)際上宣告了那個(gè)僅僅依靠“堆算力、煉大模型”來(lái)講故事的時(shí)代，在制造業(yè)已經(jīng)徹底結(jié)束了。我們需要透過(guò)政策的字里行間，看到工業(yè)AI正在發(fā)生的三個(gè)根本性的價(jià)值遷移。
從“模型競(jìng)賽”到“模數(shù)共振”：工業(yè)AI的護(hù)城河在遷移
過(guò)去兩年，資本市場(chǎng)的熱錢像瘋了一樣涌向基礎(chǔ)大模型層，仿佛誰(shuí)擁有了最大的參數(shù)量，誰(shuí)就擁有了未來(lái)。然而，《意見(jiàn)》里那句看似輕描淡寫(xiě)的“推動(dòng)3-5個(gè)通用大模型在制造業(yè)深度應(yīng)用”，實(shí)則力透紙背。
這不僅僅是篩選，更是在給過(guò)熱的“百模大戰(zhàn)”按下暫停鍵。
林俊旸在圓桌上的那個(gè)比喻，至今讓我回味無(wú)窮。他說(shuō)：“富人（OpenAI）拿算力做Research探索無(wú)人區(qū)，窮人（我們）拿算力做業(yè)務(wù)賭確定性?！边@話聽(tīng)著扎心，卻道出了中國(guó)工業(yè)AI的生存法則。
李樂(lè)成部長(zhǎng)在最新的講話中，特意用了“牽住工業(yè)數(shù)據(jù)這個(gè)‘牛鼻子’”這樣接地氣的表述，并提出啟動(dòng)“工業(yè)數(shù)據(jù)筑基行動(dòng)”。這背后的邏輯再清晰不過(guò)：未來(lái)的競(jìng)爭(zhēng)高地，已經(jīng)從單純的“擁有模型”，不可逆轉(zhuǎn)地轉(zhuǎn)向了“擁有高質(zhì)量數(shù)據(jù)集”和“模型微調(diào)能力”。
在這個(gè)邏輯下，我們必須告別“智商焦慮”，轉(zhuǎn)而擁抱“工程極致”。在To C的聊天窗口里，模型智商從92分提升到98分，用戶可能只是覺(jué)得它“變得更機(jī)靈了一點(diǎn)”，甚至感知不強(qiáng)；但在To B的工業(yè)現(xiàn)場(chǎng)，這6分的差距，就是“良品”與“廢品”的天壤之別，是利潤(rùn)與虧損的分水嶺。要填平這6分的鴻溝，不能靠盲目擴(kuò)大參數(shù)規(guī)模，那是富人的玩法，我們玩不起。我們要走的，是“算法與基建的極致聯(lián)合優(yōu)化”這條窄門(mén)。
這也倒逼著我們修正投資和實(shí)施人工智能的邏輯。說(shuō)實(shí)話，我現(xiàn)在不再迷信那些動(dòng)不動(dòng)就聲稱要“超越GPT-5”的通用模型團(tuán)隊(duì)。相反，我們應(yīng)該開(kāi)始拿著放大鏡尋找那些“摳門(mén)”的團(tuán)隊(duì)。他們懂得在有限的算力下，通過(guò)蒸餾、量化，甚至是看似笨拙的硬編碼結(jié)合，把模型性能在缺陷檢測(cè)、排產(chǎn)優(yōu)化這些特定工業(yè)場(chǎng)景里壓榨到極致。這種“摳”，才是工業(yè)AI真正的性感之處。
最后，我們不得不談到數(shù)據(jù)的定價(jià)權(quán)重估。正如李部長(zhǎng)所言，要“建設(shè)一批高質(zhì)量行業(yè)數(shù)據(jù)集”。在算力受限的大背景下，數(shù)據(jù)質(zhì)量成了唯一的杠桿。誰(shuí)能用更少的數(shù)據(jù)、更小的模型解決問(wèn)題，誰(shuí)就擁有了工業(yè)AI時(shí)代的生存權(quán)。這不再是關(guān)于誰(shuí)的模型更大，而是關(guān)于誰(shuí)的數(shù)據(jù)更“純”，誰(shuí)的工程更“精”。
從“輔助工具”到“數(shù)字員工”：工業(yè)軟件的商業(yè)模式正在崩塌與重建
《意見(jiàn)》里提到的“1000個(gè)高水平工業(yè)智能體”，以及李樂(lè)成部長(zhǎng)直接拋出的培育“智能原生企業(yè)”的概念，在我看來(lái)，這絕對(duì)是一個(gè)極具深遠(yuǎn)影響的信號(hào)。
很多人還在慣性思維里打轉(zhuǎn)，把“智能體”看作是更高級(jí)的軟件功能，或者是一個(gè)更聰明的對(duì)話機(jī)器人。但在我看來(lái)，智能體絕非改良，它是傳統(tǒng)工業(yè)軟件的“革新者”。
傳統(tǒng)的MES、ERP本質(zhì)上是“工具”，是給人用的，其商業(yè)模式簡(jiǎn)單粗暴：賣License，按人頭或按節(jié)點(diǎn)收費(fèi)。而AIoT智能體具備感知、決策、執(zhí)行的閉環(huán)能力，它不再是工具，而更像是一個(gè)“數(shù)字員工”。當(dāng)軟件的角色發(fā)生質(zhì)變，商業(yè)模式的崩塌與重建就在所難免。
不過(guò)，我必須給現(xiàn)在市場(chǎng)上火熱的智能體創(chuàng)業(yè)潮潑一盆冷水：“套殼”做工業(yè)智能體，注定是死路一條。
一個(gè)非常冷酷但真實(shí)的結(jié)論：“模型即產(chǎn)品”。在工業(yè)場(chǎng)景中，智能體遇到的長(zhǎng)尾問(wèn)題，比如某種極其特殊的焊接瑕疵，或者特定溫濕度下的材料形變，靠修修補(bǔ)補(bǔ)提示詞是根本解決不了的。解決這些長(zhǎng)尾場(chǎng)景的唯一路徑，是必須回到模型層，通過(guò)“燒卡”重訓(xùn)來(lái)修復(fù)。這意味著，那些沒(méi)有底層訓(xùn)練能力、只能調(diào)用API的“中間商”，將徹底失去響應(yīng)工廠現(xiàn)場(chǎng)千奇百怪需求的能力，最終被市場(chǎng)淘汰。
更深一層的變革在于對(duì)“Coding能力”的重新定義。李部長(zhǎng)在講話中特意提到了“破解工業(yè)標(biāo)準(zhǔn)協(xié)議兼容互通等瓶頸”，這與AI專家們?cè)趫A桌對(duì)話中提到的“下一場(chǎng)硬仗是Coding”不謀而合。在制造業(yè)，Coding不僅僅是寫(xiě)幾行Python代碼，更是生成控制邏輯，是直接生成PLC或CNC代碼。未來(lái)的工業(yè)智能體，如果不能跨越IT與OT的鴻溝，不具備直接驅(qū)動(dòng)機(jī)器的能力，就只能是紙上談兵。
這一切最終將重塑商業(yè)模式。當(dāng)軟件變成了“數(shù)字員工”，收費(fèi)模式將自然而然地從“按賬號(hào)收費(fèi)”轉(zhuǎn)向“按結(jié)果收費(fèi)”。雇傭一個(gè)工人是按產(chǎn)出付錢，雇傭一個(gè)數(shù)字員工亦然。資本的嗅覺(jué)是最靈敏的，他們將毫不猶豫地拋棄那些只會(huì)做漂亮對(duì)話和演示界面的公司，轉(zhuǎn)而擁抱那些“左手懂垂類模型訓(xùn)練，右手懂工業(yè)控制協(xié)議”的硬核技術(shù)公司。因?yàn)橹挥泻笳?，才真正拿到了通往“智能原生企業(yè)”的入場(chǎng)券。
從“單點(diǎn)突破”到“生態(tài)主導(dǎo)”：中間層的機(jī)會(huì)與“死亡之谷”
圓桌上林俊旸那個(gè)關(guān)于“3-5年后中國(guó)AI全球領(lǐng)先概率僅20%”的判斷，確實(shí)聽(tīng)得人心里一沉。算力鴻溝擺在那里，而我們文化基因里那種“太愛(ài)確定性”的慣性，似乎也成了阻礙顛覆性創(chuàng)新的絆腳石。
但如果換個(gè)角度，辯證地看，這未必全是壞事。
因?yàn)橹圃鞓I(yè)，恰恰是一個(gè)最需要“確定性”的行業(yè)，也是最容不下“幻覺(jué)”的地方。
OpenAI那種天馬行空的探索精神，固然適合科學(xué)發(fā)現(xiàn)的“從0到1”，但中國(guó)工程師骨子里那種“求穩(wěn)”和“死磕”的精神，恰恰是工業(yè)AI“從1到100”落地的最佳土壤。
李樂(lè)成部長(zhǎng)反復(fù)強(qiáng)調(diào)的“萬(wàn)千小場(chǎng)景匯聚”，其實(shí)正是這種確定性在產(chǎn)業(yè)層面的具體體現(xiàn)。我們也許對(duì)于做出最驚艷的通用大模型并沒(méi)有十足把握，但我們完全有能力把每一個(gè)細(xì)分場(chǎng)景打磨得最透徹。
這就引出了騰訊姚順雨提到的“To B的智商溢價(jià)”理論。在消費(fèi)互聯(lián)網(wǎng)，用戶可能因?yàn)楹猛娑萑毯f(shuō)八道，但在工業(yè)市場(chǎng)，邏輯完全不同。企業(yè)愿意為一個(gè)能把10個(gè)任務(wù)做對(duì)9個(gè)的模型支付200美金，卻不會(huì)為一個(gè)能寫(xiě)詩(shī)但偶爾報(bào)錯(cuò)的模型付一分錢。這就是工業(yè)市場(chǎng)的冷酷邏輯：我們不需要模型風(fēng)花雪月，我們需要它在判斷設(shè)備故障、預(yù)測(cè)良率時(shí)絕對(duì)準(zhǔn)確。這種對(duì)精準(zhǔn)度的極致追求，正是中國(guó)技術(shù)公司擅長(zhǎng)的戰(zhàn)場(chǎng)。
然而，從實(shí)驗(yàn)室的模型到工廠的產(chǎn)線，中間橫亙著一道著名的“死亡之谷”。這次《意見(jiàn)》中特別強(qiáng)調(diào)了“中試驗(yàn)證環(huán)節(jié)”，可謂切中要害。我非?？春媚切┠軌蚶肁I技術(shù)縮短中試周期、降低試錯(cuò)成本的技術(shù)服務(wù)商。在未來(lái)的生態(tài)中，他們有可能是連接科研與產(chǎn)業(yè)的關(guān)鍵橋梁，是幫助制造業(yè)跨越“死亡之谷”的擺渡人。
說(shuō)到底，既然我們?cè)贏GI那場(chǎng)仰望星空的“登月競(jìng)賽”中勝算未定，那么在“工業(yè)落地”這場(chǎng)腳踏實(shí)地的陣地戰(zhàn)中，我們就必須贏，也輸不起。這需要一種“笨笨的堅(jiān)持”。
這種堅(jiān)持，不是站在聚光燈下發(fā)布炫酷的Demo，而是沉下心來(lái)，深入充滿油污和噪音的車間，去把每一個(gè)數(shù)據(jù)標(biāo)注好，去把每一個(gè)反饋回路打通。這聽(tīng)起來(lái)不性感，甚至很枯燥，但這才是中國(guó)工業(yè)AI真正的護(hù)城河。
寫(xiě)在最后
此次發(fā)布的《“人工智能+制造”專項(xiàng)行動(dòng)實(shí)施意見(jiàn)》，在我看來(lái)，與其說(shuō)是新一輪競(jìng)賽的發(fā)令槍，不如說(shuō)是一聲尖銳的“清場(chǎng)哨”。它吹響了投機(jī)者離場(chǎng)的終章，也吹響了實(shí)干家集結(jié)的號(hào)角。
篩選和培育AI團(tuán)隊(duì)的策略已經(jīng)非常清晰，甚至可以說(shuō)有些“冷酷”：果斷避開(kāi)那些還在講“通用大模型”宏大敘事的腰部團(tuán)隊(duì)，因?yàn)槟鞘蔷揞^的戰(zhàn)場(chǎng)；重倉(cāng)那些擁有“模型重訓(xùn)能力”且真正打通了“工業(yè)數(shù)據(jù)閉環(huán)”的垂類AIoT智能體公司；支持那些坦承自己資源“受限”的創(chuàng)業(yè)者。正因?yàn)橘Y源有限，他們才被逼練就了極致的工程落地能力，而不是靠燒錢堆算力。
未來(lái)的萬(wàn)億級(jí)工業(yè)AI市場(chǎng)，注定屬于那些敢讓大模型脫下西裝、穿上工裝，真正下沉到車間，去解決一個(gè)個(gè)具體、瑣碎甚至看起來(lái)乏味的工程問(wèn)題的企業(yè)。
這才是“人工智能+制造”真正的中國(guó)敘事。
