在这个被ChatGPT、Sora和各种大模型轰炸得眼花缭乱的时代，我们似乎习惯了将目光聚焦在那些能写诗、能画画、能陪聊的通用人工智能上，当我们把视线从炫酷的C端消费互联网移开，投向那些略显冰冷、嘈杂却充满力量的B端工业现场时，会发现另一番景象，那里没有那么多光鲜亮丽的发布会，只有对良品率、对生产效率、对降本增效近乎苛刻的追求。
我想和大家聊聊一家在港股上市，且在“AI+制造”领域深耕已久的企业——创新奇智，它不像互联网大厂那样家喻户晓，但在钢铁、冶金、汽车装配的车间里，它的名字正变得越来越响亮，作为一名长期关注科技与财经领域的观察者，我试图剥开那些晦涩的技术术语，从商业逻辑和产业变革的底层逻辑，去剖析这家公司究竟在做什么,以及它面临的机遇与挑战。
当我们在谈论AI落地时，我们在谈论什么？
让我们先从一个具体的生活实例切入。
想象一下，你是一家大型汽车零配件工厂的厂长，你的工厂里有一条生产精密刹车盘的流水线，为了保证安全，每一个刹车盘在生产出来后，都需要经过一道极为关键的“质检”工序。
在过去，这道工序通常是怎么做的呢？通常是招聘几位视力极好、经验丰富的老师傅，坐在高强度的灯光下，盯着传送带上一个个飞速闪过的金属盘，他们需要在几秒钟内，凭借肉眼和手电筒，判断出刹车盘表面有没有微米级的划痕，有没有沙眼,或者尺寸是否偏差。
这听起来是不是很残酷？这就是现实，人眼会疲劳，人会情绪波动，人会走神，一旦老师傅状态不好，次品就会流向下道工序，甚至流向市场，酿成安全隐患，现在的年轻人愿意去工厂做这种枯燥重复工作的越来越少，招工难、留人难成了厂长的心头病。
这时候,创新奇智的技术就派上用场了。
他们会在流水线旁架设几个工业相机，也就是所谓的“工业之眼”，当刹车盘经过时，相机连续拍照，后台的AI算法——也就是创新奇智的核心ManuVision（工业视觉）平台，会在毫秒级别内分析图片，判断这个产品是合格还是次品，如果有次品,机械臂会自动把它剔除。
这不仅仅是替代了一个工人那么简单，AI系统可以24小时不间断工作，且检测标准始终如一，不会因为“心情不好”而放走一个次品。
我个人非常看好这种“润物细无声”的AI落地方式。 相比于在手机上跟AI聊天，这种直接切入生产核心环节的技术，才真正具备不可替代的壁垒，因为它直接帮企业赚到了钱，省下了成本，创新奇智之所以能被称为“专精特新”小巨人，就是因为它把这种能力做深了,做透了。
从“视觉”到“大脑”：创新奇智的技术护城河
如果说工业视觉是给机器装上了“眼睛”，那么创新奇智正在做的，是给工厂装上“大脑”。
很多人对AI的印象还停留在人脸识别上，但在工业场景里，环境要复杂得多，工厂里的光线忽明忽暗，金属表面反光严重，油污、铁锈随处可见，通用的人工智能模型到了这里，往往水土不服,甚至完全失效。
创新奇智的聪明之处，在于它并没有一开始就试图做一个包打天下的通用大模型，而是选择了“垂直深耕”，他们推出了MMOC（人工智能制造操作系统平台），你可以把这个平台理解成一个App Store,专门针对制造业开发的各种AI应用都在上面跑。
我看过一个关于创新奇智在钢铁行业应用的案例,非常震撼。
在传统的钢厂里，冷轧轧机的操作需要极高技巧，钢板在轧制过程中，板面可能会出现浪形、边裂等缺陷，以前，这完全依赖操作工的经验，看着仪表盘，手忙脚乱地调整参数,一个熟练的操作工需要培养十年八年。
而创新奇智利用机器学习，分析过去几年甚至几十年的生产数据，建立了一个模型，这个模型能实时预测钢板的质量，并自动给轧机下发调整指令，结果呢？不仅减少了废品率,连能耗都降下来了。
在我看来，这正是创新奇智的核心竞争力所在：数据资产。 通用大模型吃的是互联网上的公开文本数据，而创新奇智吃的是钢铁厂、汽车厂数十年积累的私密生产数据，这些数据是拿钱买不到的，也是通过时间积累下来的，这种基于行业Know-how（行业诀窍）的深度理解,构成了他们最宽的护城河。
激流勇进：在大模型时代的转身
任何一家科技公司都不敢忽视2023年以来的生成式AI（AIGC）浪潮,创新奇智也不例外。
如果你关注他们的财报或新闻，会发现他们最近频频提到“奇智孔明”工业大模型，这是一个非常关键的信号，它意味着创新奇智正在从传统的“判别式AI”（比如判断这是好是坏），向“生成式AI”跨越。
为什么要这么做？
虽然传统的计算机视觉很强，但它只能解决“看”的问题，而在工厂里，还有大量的“管”和“理”的工作，产线设备突然报警了，传统的系统只能告诉你“坏了”，但没法告诉你“怎么修”，也没法帮你写维修报告,更没法帮你分析历史数据生成优化建议。
这就是大模型的用武之地。
举个生活中的例子，这就好比以前的手机只能拍照（视觉），现在的手机不仅能拍照，还能帮你修图、写文案、甚至根据照片识别出是哪里并生成旅游攻略（生成式）。
创新奇智正在做的，就是把这种能力赋予制造业，在运维场景下，大模型可以自动读取设备日志，生成故障诊断报告,甚至直接生成维修代码给工程师参考。
但我个人对此保持一种审慎的乐观态度。 为什么是审慎？因为工业场景对“准确性”的容忍度极低，ChatGPT胡说八道也就是个笑话，但如果是给钢厂的炉温控制建议胡说八道,那可能就是安全事故。
创新奇智采取的策略是“大模型+小模型”，用通用的AIGC大模型处理文本、对话、生成报告这类非关键任务，而依然用高精度的传统小模型去控制核心生产设备，这种“混合部署”的策略，我认为是目前工业界最务实、最聪明的做法，既蹭上了大模型的热度，提升了交互体验,又没有牺牲工业现场最看重的稳定性。
财报背后的隐忧与希望：赚钱才是硬道理
作为财经写作者，我们终究要回到数字上来，技术讲得再天花乱坠,最终要体现在财务报表上。
翻看创新奇智上市以来的财报，你会发现一个明显的趋势：营收在快速增长，这说明市场对“AI+制造”的需求是真实存在的，且处于爆发期，随着制造业数字化转型进入深水区，企业主们不再满足于上个ERP系统,而是迫切需要AI这种更高级的生产力工具。
在营收增长的背后，我们也能看到亏损的存在，这在AI行业里是常态，但对于投资者来说,始终是一根刺。
AI公司为什么难赚钱？主要有两个原因： 第一，项目定制化太重。 虽然创新奇智一直在推标准化产品，但面对不同工厂的千差万别的需求，往往还是需要大量工程师去现场做实施、做调试，这也就是所谓的“交付成本”高，卖出一千万的单子，可能要花掉六百万的人力成本。 第二，研发投入巨大。 搞算法的人都很贵，尤其是现在懂大模型又懂工业的复合型人才，简直是“有价无市”。
我的观点是：对于创新奇智这样的公司，现阶段看利润率意义不大，关键要看“客户留存率”和“复购率”。
在B端生意里，获取一个新客户的成本是维护老客户的5到10倍，如果一家工厂用了创新奇智的质检系统，第二年又买了他们的预测性维护系统，第三年还买了大模型助手，那就说明这家公司真正创造了价值，从财报数据看，创新奇智的客户复购率表现不错，这是一个非常积极的信号，说明他们的产品具有粘性，不是“一锤子买卖”。
行业竞争：红海中的差异化突围
我们来谈谈竞争。
“AI+制造”这个赛道，现在已经是人满为患了。 上有百度、阿里、华为这样的云厂商巨头，他们财力雄厚，不仅卖AI，还卖算力、卖云服务； 下有海康威视、大华股份这样的传统安防巨头，他们在硬件（摄像头）上有着绝对的统治力，现在也在往软件算法上冲； 旁边还有商汤、云从这样的AI独角兽,同样虎视眈眈。
夹在中间的创新奇智,凭什么突围？
我认为，“聚焦”是创新奇智唯一的活路，也是他们最大的优势。
巨头们什么都想做，智慧城市要做，自动驾驶要做，医疗也要做，精力必然分散，而创新奇智几乎把所有的赌注都押在了“制造”和“金融”这两个垂直领域，这种All in的姿态，让他们在钢铁、能源、汽车这几个细分行业里,积累的深度甚至超过了巨头。
比如在某头部钢厂的招标中，创新奇智可能比通用云厂商更懂钢卷怎么打包、怎么检测，这种行业Know-how,不是靠砸钱就能短时间砸出来的。
创新奇智的团队基因也很有意思，它脱胎于创新工场，既有李开复博士带来的技术视野，又有一批从谷歌、微软、腾讯等技术大厂出来的工程师，更重要的是，他们吸纳了大量懂工业的专家，这种“技术+行业”的混血基因,让他们在沟通成本上比纯互联网公司要低得多。
做那个在黑暗矿洞里举火把的人
写到这里，我想表达一下我对创新奇智乃至整个“AI+制造”行业的最终看法。
我们生活在一个充满不确定性的时代，互联网红利见顶，消费降级，大家都在寻找新的增长点，很多人把目光投向了元宇宙，投向了Web3，但在我看来，实体经济的智能化升级，才是中国经济未来十年最大的确定性。
创新奇智走的这条路，注定是艰难的，它不像做一款短视频App那样，一夜之间就能日活千万，它需要一家工厂一家工厂地去谈，一个车间一个车间地去改造，一个瑕疵一个瑕疵地去训练模型，这就像是在黑暗的矿洞里挖矿，虽然脏、累、苦,但挖出来的都是真金白银。
对于投资者而言，关注创新奇智，实际上是在押注中国制造业从“大”变“强”的这个历史进程，如果中国能诞生一批世界级的智能制造企业,那么创新奇智极有可能是其中的基础设施提供者。
风险依然存在，大模型技术的迭代速度如果太快，会不会颠覆现有的视觉算法模式？宏观经济下行，制造业客户会不会削减IT预算？这些都是悬在头顶的达摩克利斯之剑。
但无论如何，当我们在享受更安全的汽车、更优质的建筑钢材、更便宜的消费品时，或许应该想到，在那些并不起眼的角落里，有像创新奇智这样的公司，正在用一行行代码,重塑着工业的脉搏。
在这个浮躁的年代，愿意俯下身去，听机器轰鸣声的企业,值得多一份耐心与期待。
还没有评论，来说两句吧...