作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）
物聯(lián)網(wǎng)智庫(kù) 原創(chuàng)
這是我的第372篇專(zhuān)欄文章。
當(dāng)AI遇上工業(yè)，真正的挑戰(zhàn)才剛剛開(kāi)始。
在A(yíng)I大模型席卷全球、生成式AI持續(xù)刷新公眾認(rèn)知的當(dāng)下，工業(yè)界的智能化進(jìn)程，卻仍處在一個(gè)“熱在云端、冷在現(xiàn)場(chǎng)”的臨界點(diǎn)。
模型可以繪畫(huà)、寫(xiě)作、生成代碼，卻難以真正嵌入一條產(chǎn)線(xiàn)、控制一臺(tái)設(shè)備、優(yōu)化一個(gè)流程。與消費(fèi)級(jí)AI的爆發(fā)相比，工業(yè)AI的落地始終顯得緩慢、復(fù)雜，甚至令人沮喪。
但這一次，或許真的不一樣。
在COMPUTEX 2025展會(huì)期間，研華科技舉辦了一系列重量級(jí)產(chǎn)業(yè)主題會(huì)議，邀請(qǐng)多位業(yè)界意見(jiàn)領(lǐng)袖、技術(shù)專(zhuān)家與合作伙伴，共同探討技術(shù)如何驅(qū)動(dòng)新一輪的數(shù)字化轉(zhuǎn)型浪潮。而在這一系列對(duì)話(huà)中，最為核心的正是研華科技董事長(zhǎng)劉克振（KC）與我之間的一場(chǎng)深度交流。
在對(duì)話(huà)中，KC不僅回顧了物聯(lián)網(wǎng)平臺(tái)十年前的泡沫與幻滅，更坦率地指出：“工業(yè)智能不是不會(huì)發(fā)生，而是還缺一個(gè)催化劑?！?/strong>而這個(gè)催化劑，正是AI與邊緣計(jì)算的融合。
在這次對(duì)談中，研華首次提出其最新的品牌宣言：Edge Computing & WISE-Edge in Action，并宣告將在五大垂直產(chǎn)業(yè)全面推進(jìn)工業(yè)智能化的落地布局。
作為全球工業(yè)物聯(lián)網(wǎng)領(lǐng)域的領(lǐng)導(dǎo)廠(chǎng)商，研華長(zhǎng)期深耕邊緣硬件與工業(yè)軟件平臺(tái)，在過(guò)去十年默默積累、持續(xù)打磨。如今，她試圖在A(yíng)I成為“可部署智能”的關(guān)鍵節(jié)點(diǎn)上，完成一次戰(zhàn)略重構(gòu)：不是空談“平臺(tái)夢(mèng)想”，而是構(gòu)建“軟硬協(xié)同、云邊閉環(huán)”的現(xiàn)實(shí)路徑。
本文將圍繞這次對(duì)話(huà)中的核心觀(guān)點(diǎn)進(jìn)行深入解析：工業(yè)AI為何遲遲無(wú)法落地？模型強(qiáng)大為何在工廠(chǎng)難以找到用武之地？AI與邊緣的融合，究竟帶來(lái)了什么根本性改變？更重要的是，對(duì)于整個(gè)產(chǎn)業(yè)鏈來(lái)說(shuō)，我們?cè)撘允裁礃拥男膽B(tài)、節(jié)奏與策略走進(jìn)這場(chǎng)被稱(chēng)為“物理AI”的新時(shí)代？
工業(yè)AI的“第二次機(jī)會(huì)”來(lái)了，但這次不一樣
“我們?cè)?018年熱烈討論物聯(lián)網(wǎng)平臺(tái)的機(jī)會(huì)與合作，當(dāng)時(shí)大家都相信這會(huì)是一場(chǎng)產(chǎn)業(yè)革命。但現(xiàn)實(shí)是——沒(méi)人真正成功?！毖腥A科技董事長(zhǎng)劉克振（KC）在本次對(duì)話(huà)中直言不諱，也是對(duì)過(guò)去十年“工業(yè)智能化”熱潮最真實(shí)的注腳。
的確，大約十年前，工業(yè)物聯(lián)網(wǎng)（IIoT）被視為下一個(gè)“萬(wàn)億級(jí)風(fēng)口”，全球無(wú)數(shù)科技與制造巨頭紛紛推出平臺(tái)戰(zhàn)略：GE的Predix、西門(mén)子的MindSphere，以及研華自己的WISE-PaaS…但幾年過(guò)去，大多數(shù)平臺(tái)要么停滯、要么轉(zhuǎn)型，工業(yè)智能化的承諾并未如期兌現(xiàn)。
KC用一句話(huà)總結(jié)了原因：“…不是不會(huì)發(fā)生，而是缺了一種催化劑?！边@個(gè)催化劑，正是AI，特別是AI與邊緣計(jì)算的融合。
過(guò)去十年，工業(yè)界所期待的“平臺(tái)革命”之所以難以落地，一個(gè)根本問(wèn)題是：工業(yè)現(xiàn)場(chǎng)的復(fù)雜性、異構(gòu)性、實(shí)時(shí)性、安全性，讓傳統(tǒng)云平臺(tái)的邏輯在工廠(chǎng)、醫(yī)院、電網(wǎng)等物理場(chǎng)景中失效。AI雖強(qiáng)，卻始終“落不了地”；模型雖大，卻始終離現(xiàn)場(chǎng)太遠(yuǎn)。
這正是我們?cè)诒敬螌?duì)話(huà)中反復(fù)強(qiáng)調(diào)的觀(guān)點(diǎn)：工業(yè)場(chǎng)景并不缺模型，缺的是“能跑得起來(lái)的AI”。
AI再?gòu)?qiáng)，如果它只能在云端運(yùn)行、需要海量算力、耗時(shí)數(shù)秒才能出結(jié)果，那么它對(duì)一條需要毫秒級(jí)決策的產(chǎn)線(xiàn)來(lái)說(shuō)是毫無(wú)意義的。真正能改變工業(yè)的，不是“更聰明的算法”，而是“更貼地的智能”。
這也正是邊緣計(jì)算的意義所在。Edge，不是一個(gè)新的硬件形態(tài)，而是一種新型智能部署方式：讓感知、決策、執(zhí)行三者，在現(xiàn)場(chǎng)完成閉環(huán)。
邊緣計(jì)算讓模型“跑在現(xiàn)場(chǎng)”，讓算法“嵌入流程”，讓AI從一個(gè)“技術(shù)插件”變成“系統(tǒng)能力”。這不是讓AI更強(qiáng)，而是讓系統(tǒng)本身更主動(dòng)、更響應(yīng)、更安全、更穩(wěn)定。
這一次與研華的對(duì)話(huà)讓我感覺(jué)到：工業(yè)AI的第二次機(jī)會(huì)，正在到來(lái)。但這一次，它不再是云端的熱鬧實(shí)驗(yàn)，而是地面上的系統(tǒng)戰(zhàn)。
它的本質(zhì)不在于是否擁有“更大的模型”，而在于是否能夠構(gòu)建“更小的閉環(huán)”；不在于算法能處理多少語(yǔ)義，而在于它能否控制一個(gè)具體的物理變量；不在于能否驚艷演示，而在于能否穩(wěn)定運(yùn)行。
換句話(huà)說(shuō)：這次的工業(yè)AI，不需要“看起來(lái)很強(qiáng)”，它需要“跑得起來(lái)”，能夠“嵌入現(xiàn)場(chǎng)”。
工業(yè)AI的落地邏輯：軟硬協(xié)同+云邊閉環(huán)+垂類(lèi)模型
如果說(shuō)工業(yè)AI的“第二次機(jī)會(huì)”已經(jīng)到來(lái)，那么接下來(lái)的問(wèn)題就是：它將以怎樣的路徑真正落地？
這不只是一個(gè)技術(shù)問(wèn)題，更是一個(gè)系統(tǒng)工程——它需要軟硬件的協(xié)同演進(jìn)，需要計(jì)算架構(gòu)的重新部署，更需要模型范式的重新定義。而在我與KC的對(duì)話(huà)中，三個(gè)關(guān)鍵詞逐漸清晰地浮現(xiàn)出來(lái)：軟硬協(xié)同、云邊閉環(huán)、垂類(lèi)模型。它們構(gòu)成了工業(yè)AI落地的“三段式推進(jìn)邏輯”。
軟硬協(xié)同：AI不是“云里飛”，而是“地上跑”
KC在對(duì)話(huà)中反復(fù)強(qiáng)調(diào)，研華的戰(zhàn)略定位從來(lái)不是做“最終方案”，而是做“系統(tǒng)組件的供應(yīng)者”。這背后，其實(shí)是一種深刻的路徑選擇：工業(yè)AI的落地，不是靠一個(gè)完美的解決方案，而是靠一套可組合、可復(fù)制、可演進(jìn)的系統(tǒng)組件。
研華的三層架構(gòu)非常值得借鑒：
第一層是邊緣硬件——涵蓋超過(guò)1000個(gè)SKU的現(xiàn)場(chǎng)級(jí)運(yùn)算設(shè)備，適配各種工業(yè)環(huán)境；
第二層是WISE-Edge容器化軟件平臺(tái)——提供驅(qū)動(dòng)接口、容器工具、API對(duì)接能力；
第三層是垂直領(lǐng)域應(yīng)用模組——將AI能力封裝成可直接部署的行業(yè)模塊。
這個(gè)架構(gòu)的關(guān)鍵，并不在于“誰(shuí)做出了AI”，而在于誰(shuí)能把AI嵌入到工業(yè)系統(tǒng)的日常運(yùn)行中。
工業(yè)現(xiàn)場(chǎng)不是一張白紙，它是一個(gè)高度復(fù)雜、冗余、多源異構(gòu)的生態(tài)系統(tǒng)。任何AI能力，都必須通過(guò)“軟硬協(xié)同”的方式，與已有系統(tǒng)無(wú)縫對(duì)接、穩(wěn)定運(yùn)行。
這意味著：工業(yè)AI不是“云里飛”的模型，而是“地上跑”的系統(tǒng)工程。
云邊協(xié)同：閉環(huán)比算法更重要
很多AI項(xiàng)目失敗的根源，不在于算法不行，而在于它們從未真正跑過(guò)一條完整的閉環(huán)。我在對(duì)話(huà)中提到，工業(yè)AI的核心，不是“能不能訓(xùn)練出一個(gè)好模型”，而是“能不能讓這個(gè)模型在現(xiàn)場(chǎng)執(zhí)行”。這就要求系統(tǒng)具備四個(gè)關(guān)鍵特性：
實(shí)時(shí)性：工業(yè)系統(tǒng)不能等云端運(yùn)算結(jié)果，它要在現(xiàn)場(chǎng)秒速響應(yīng)；
可靠性：即使斷網(wǎng)、掉電，也要本地繼續(xù)運(yùn)行，不能癱瘓；
安全性：數(shù)據(jù)不能隨意上傳，必須保障本地隱私與合規(guī)性；
適應(yīng)性：每一個(gè)工廠(chǎng)、每一條產(chǎn)線(xiàn)，都是獨(dú)一無(wú)二的，需要“專(zhuān)屬智能”。
這些能力的核心，不在云，而在邊。邊緣計(jì)算的價(jià)值，正是讓感知、決策、執(zhí)行三者形成物理反饋閉環(huán)，而不僅僅是邏輯鏈條。
我經(jīng)常說(shuō)，“工業(yè)不是語(yǔ)文題，也不是數(shù)學(xué)題，而是物理題?！?/strong>通用大模型能理解語(yǔ)義，但工業(yè)現(xiàn)場(chǎng)需要控制變量；它不是開(kāi)放世界，而是多約束系統(tǒng)；不是生成知識(shí)，而是執(zhí)行邏輯。
因此，工業(yè)AI的落地，不是“跑得更聰明”，而是“跑得更完整”。模型再?gòu)?qiáng)，如果不能閉環(huán)，就是空談。
垂類(lèi)模型：小模型才是大機(jī)會(huì)
AI之所以在工業(yè)場(chǎng)景“水土不服”，還有一個(gè)根本原因：通用模型的抽象邏輯，與工業(yè)的具體性天然沖突。
工業(yè)不是“理解世界”，而是“控制系統(tǒng)”；不是“生成答案”，而是“規(guī)避故障”。比起一個(gè)大而全的通用模型，工業(yè)更需要一個(gè)垂直、專(zhuān)用、可控的小模型。
比如為數(shù)控機(jī)床預(yù)測(cè)刀具磨損而訓(xùn)練的模型，它的參數(shù)量或許只有幾千萬(wàn)，但它對(duì)傳感器數(shù)據(jù)、設(shè)備接口、工藝邏輯、報(bào)警機(jī)制都深度定制，真正能在產(chǎn)線(xiàn)中長(zhǎng)期穩(wěn)定運(yùn)行。它的價(jià)值，不在于“能生成”，而在于“能運(yùn)營(yíng)”。
如果比喻通用大模型是“百科全書(shū)”，那么垂類(lèi)模型需要成為工業(yè)的“操作手冊(cè)”。
工業(yè)AI的未來(lái)，屬于這些能嵌入流程、跑通閉環(huán)、綁定客戶(hù)的小模型。它們可能不驚艷，但極具粘性；可能不萬(wàn)能，但極具效率。真正有價(jià)值的模型，不是最強(qiáng)的，而是最“接地氣”的。
從軟硬協(xié)同，到云邊閉環(huán)，再到垂類(lèi)模型，這三者構(gòu)成了工業(yè)AI落地的系統(tǒng)三角。它不是技術(shù)的疊加，而是邏輯的重構(gòu)；它不是風(fēng)口的敘事，而是能力的閉環(huán)。
這也意味著，工業(yè)AI的未來(lái)，不屬于“最聰明的模型提供者”，而屬于“最能跑通系統(tǒng)閉環(huán)的能力構(gòu)建者”。
生態(tài)角色重新劃分，工業(yè)智能體的價(jià)值鏈將重構(gòu)
如果說(shuō)軟硬協(xié)同、云邊閉環(huán)與垂類(lèi)模型共同構(gòu)成了工業(yè)AI的落地邏輯，那么接下來(lái)的問(wèn)題是：誰(shuí)來(lái)做這件事？?jī)r(jià)值鏈如何重構(gòu)？產(chǎn)業(yè)鏈上的不同玩家又該如何參與？
在我們的對(duì)話(huà)尾聲，KC給出了一幅清晰的產(chǎn)業(yè)角色圖景：未來(lái)工業(yè)AI生態(tài)將由三類(lèi)核心角色組成：組件供應(yīng)商、系統(tǒng)集成商，以及垂類(lèi)智能體開(kāi)發(fā)者。
這不是一個(gè)靜態(tài)分工，而是一個(gè)動(dòng)態(tài)協(xié)同的系統(tǒng)架構(gòu)，預(yù)示著工業(yè)智能價(jià)值網(wǎng)絡(luò)的重構(gòu)邏輯。
組件供應(yīng)商：做對(duì)“底層”，不爭(zhēng)“頂層”
研華選擇了最樸素也最具戰(zhàn)略縱深的位置——成為全球工業(yè)AI生態(tài)的組件供應(yīng)者。這意味著它不追求“閉環(huán)終端”的控制權(quán)，而專(zhuān)注于提供可復(fù)制、可集成、可定制的邊緣硬件、容器化軟件、行業(yè)模組三大類(lèi)核心模塊。
正如KC所說(shuō)，研華的角色不是“做菜”，而是“提供最好的食材、調(diào)料和食譜”，讓系統(tǒng)集成商能夠快速交付場(chǎng)景化的工業(yè)AI方案。這種角色定位有兩個(gè)巨大優(yōu)勢(shì)：
一是避免價(jià)值鏈“碰撞”，與更多伙伴形成互補(bǔ)而非競(jìng)爭(zhēng)；
二是形成規(guī)?；爸信_(tái)能力”，在多項(xiàng)目、多行業(yè)之間積累平臺(tái)級(jí)能力。
對(duì)于其他硬件廠(chǎng)商、工具平臺(tái)提供者而言，這是一種可借鑒的思路：在工業(yè)AI中占據(jù)一個(gè)結(jié)構(gòu)性位置，而不是追逐短期的客戶(hù)訂單或全棧解決方案的幻覺(jué)。
系統(tǒng)集成商：連接“最后一公里”，但別試圖吃下全程
工業(yè)智能化的復(fù)雜性決定了沒(méi)有任何一個(gè)玩家可以獨(dú)立完成從硬件到模型、從部署到運(yùn)維的全棧閉環(huán)。這正是系統(tǒng)集成商（SI）不可替代的價(jià)值所在——他們最了解客戶(hù)現(xiàn)場(chǎng)、工藝流程、行業(yè)規(guī)范，能夠?qū)⑼ㄓ媚芰Α胺g”為特定場(chǎng)景下的可執(zhí)行方案。
但新的挑戰(zhàn)也隨之而來(lái)：傳統(tǒng)的“項(xiàng)目制交付”已無(wú)法滿(mǎn)足工業(yè)AI的持續(xù)演化需求。未來(lái)的SI必須具備平臺(tái)思維、產(chǎn)品意識(shí)和持續(xù)運(yùn)營(yíng)能力。這意味著：
從“一次性交付”轉(zhuǎn)向“持續(xù)集成+數(shù)據(jù)閉環(huán)”；
與組件商、模型商建立長(zhǎng)期協(xié)同機(jī)制，而非一錘子買(mǎi)賣(mài)；
更要認(rèn)清邊界：不要幻想成為“AI模型公司”，而是成為“AI系統(tǒng)的整合節(jié)點(diǎn)”。
垂類(lèi)智能體開(kāi)發(fā)者：誰(shuí)能“吃透場(chǎng)景”，誰(shuí)就掌握閉環(huán)
最后一個(gè)關(guān)鍵角色，是垂類(lèi)智能體的開(kāi)發(fā)者。這可能是初創(chuàng)公司，也可能是大型企業(yè)的行業(yè)子公司，甚至可能是某些傳統(tǒng)工業(yè)軟件廠(chǎng)商的“重生體”。他們的任務(wù)，是圍繞某一類(lèi)工藝、流程或設(shè)備，開(kāi)發(fā)出可運(yùn)行、可演進(jìn)、可收費(fèi)的工業(yè)AI模型與Agent智能體系統(tǒng)。
KC在對(duì)話(huà)中提到，未來(lái)的工業(yè)客戶(hù)更傾向于在現(xiàn)場(chǎng)部署小型私有云，并在其上運(yùn)行專(zhuān)屬垂類(lèi)模型。這意味著：
通用大模型不再是唯一解，“工藝級(jí)智能體”將成為新常態(tài)；
模型價(jià)值不在于參數(shù)規(guī)模，而在于“是否能跑通數(shù)據(jù)-決策-反饋閉環(huán)”；
誰(shuí)能吃透一個(gè)行業(yè)的知識(shí)圖譜、傳感器邏輯、控制接口，誰(shuí)就能構(gòu)建出不可替代的場(chǎng)景智能。
這將是工業(yè)AI最激烈也最有價(jià)值的戰(zhàn)場(chǎng)。
無(wú)論是組件供應(yīng)商、系統(tǒng)集成商，還是垂類(lèi)智能體開(kāi)發(fā)者，就產(chǎn)業(yè)鏈整體而言，我們的建議是：放棄“全棧幻想”，建立“協(xié)同機(jī)制”。
在消費(fèi)級(jí)AI領(lǐng)域，“全棧自研”或許是一種豪情；但在工業(yè)AI領(lǐng)域，這更可能是一種幻想。
工業(yè)智能系統(tǒng)需要感知、控制、邊緣計(jì)算、領(lǐng)域知識(shí)、運(yùn)維體系、閉環(huán)反饋、合規(guī)機(jī)制等多項(xiàng)能力協(xié)同，任何一個(gè)角色想“包打天下”，最終都將陷入系統(tǒng)性不可持續(xù)。
真正的策略，是認(rèn)清自己的結(jié)構(gòu)性?xún)r(jià)值，找到最佳生態(tài)位，并與上下游建立清晰、穩(wěn)定、長(zhǎng)期的協(xié)同機(jī)制。工業(yè)AI的成功，不屬于孤膽英雄，而屬于協(xié)作網(wǎng)絡(luò)。
寫(xiě)在最后
工業(yè)AI，不需要急著爆發(fā)，而是更該慢慢變深。
回到文章開(kāi)頭的問(wèn)題：為什么我們?cè)谑昵板e(cuò)判了工業(yè)互聯(lián)網(wǎng)平臺(tái)的爆發(fā)？也許答案并不復(fù)雜——我們高估了短期變革的速度，卻低估了系統(tǒng)演進(jìn)的難度。
如今，工業(yè)AI正迎來(lái)“第二次機(jī)會(huì)”。但這一次，我們不該再用“平臺(tái)革命”或“模型奇跡”的眼光來(lái)看待它。工業(yè)智能化不是某一項(xiàng)技術(shù)的突破，而是一場(chǎng)系統(tǒng)性的認(rèn)知重構(gòu)與能力重構(gòu)。它無(wú)法一蹴而就，但一旦扎根，將深刻重塑整個(gè)產(chǎn)業(yè)的底層邏輯。
真正值得關(guān)注的，不是下一家“發(fā)布大模型”的工業(yè)AI公司，而是那些在看似緩慢的節(jié)奏中，持續(xù)構(gòu)建閉環(huán)能力、不斷打磨軟硬協(xié)同、深耕垂直場(chǎng)景的長(zhǎng)期主義者。他們可能不會(huì)最先出現(xiàn)在新聞?lì)^條，但他們將是最晚離場(chǎng)的贏(yíng)家。
這也是我在與KC深度對(duì)話(huà)后的最大感觸——工業(yè)AI的未來(lái)，不屬于最炫目的技術(shù)，而屬于最扎實(shí)的系統(tǒng)能力；不屬于“AI替代人”的幻想，而屬于“AI與行業(yè)知識(shí)深度融合”的現(xiàn)實(shí)。
我們正走進(jìn)一個(gè)新階段，AI不再只是智能的象征，而正在成為產(chǎn)業(yè)的“新常識(shí)”。它不再是實(shí)驗(yàn)室里的高光時(shí)刻，而是每天每秒都在設(shè)備、流程、工藝中默默運(yùn)行的生產(chǎn)力工具。
所以，是時(shí)候放下對(duì)“爆發(fā)性奇跡”的執(zhí)念，轉(zhuǎn)而堅(jiān)定投入到“漸進(jìn)式深耕”的路徑中。讓AI不僅能看懂世界，更能改變工廠(chǎng)；不僅能生成答案，更能執(zhí)行決策；不僅能飛在云端，更能扎根現(xiàn)場(chǎng)。
這才是工業(yè)AI真正的意義。
