来源：市场资讯
（来源：AGI接口）
1600℃的炉边，正在孕育下一场工业革命
出品｜虎嗅科技组
作者｜陈伊凡
编辑｜苗正卿
头图｜视觉中国
“具身100”呈现最具成长性的具身智能公司，这是本系列的第「03」篇文章。
一个叫做“钢包热修”的技术，被认为是最艰苦也最依赖经验的岗位。
走进唐山曹妃甸的首钢工厂，这个岗位的危险程度被瞬间具像化，每一炉钢水倒空之后，几十吨乃至数百吨的钢包并不会冷却，内衬耐火砖经历了1600℃的洗礼，依然烧得通透，呈现出亮橘色，向外辐射着上千度的余热。
空气扭曲的热浪里，混杂着令人窒息的各类粉尘，噪声和气味。工作台高低错落，一不留神就会踢到突起的钢板。底砖吹扫，烧氧通渣、引流砂加沙、氩气管插拔、耐火泥的涂膜，滑板的更换与安装，残渣清理，内衬侵蚀检查……
一年前，在首钢乃至全行业，这件事都是由工人在这类环境下拿着长长的氧枪和各种作业工具来完成，这个岗位的工人经常会冒着灼伤或碰撞的安全风险。而且这个行业还有一个铁律，是所有资深工人都清楚的：越是这类高温现场的危险工作越是需要用现场熟练的见过各种异常状况的经验丰富的老工人。一旦几百吨高温钢水在运转过程中突然穿包或其他安全风险，后果将不可想象。
在这些场景里，人形机器人根本站不住脚、轮式机器人随时可能被地上的土疙瘩或者钢板卡住。
中国每年生产超过10亿吨钢铁，占全球产量的一半以上。这一个已经被传统自动化持续升级了七十年的行业。但热修这道工序，从未能实现被机器替代。
但如今走进首钢工厂，在热修作业区旁，已经能看到极为科幻的一幕：6台大型的智能机器人带着长长的执行机构，探入巨大“发光鼎”，靠一系列感知系统、执行系统和决策大脑在火花四溅中精准地搅动、修补、烧氧、通渣、更换滑板、加引流砂……。而在旁边的高温与热浪和粉尘中，人已不在那里。
过去依赖人类经验积累和环境判断的柔性能力，正在被智能机器接管。这正是工业智能化真正的奇点时刻。
一家名为瓦特曼的公司，正在成为其中的关键变量之一。
创始人谭胜虎把他对未来的构想放进了这家公司的名字里：工业智能革命的推动者——做“像瓦特一样的男人”。这家公司近期即将完成一笔C轮融资。
车间里，天车移动的刺耳警报声、巨型排风扇的轰鸣声，以及高压气管喷射烤包时的“嘶嘶”尖啸声交织在一起，震耳欲聋。进现场要“全副武装”，安全培训、戴头盔、穿工服，还要穿劳保鞋、严格行走规范。在瓦特曼所在的世界，没有CTO、CMO，互称“刘工”、“李工”、“王工”。
有一件事需要理清楚，在过去很长一段时间里，工业自动化对固定操作岗位实现了替代，却替代不了对人和经验的依赖，在许多重工业的关键环节，依然依赖老师傅的经验和对现场工况环境的应变。他们的能力，往往具备三个特征：经验积累、环境识别与判断、柔性执行。比如钢包热修，什么时候该修？烧氧通渣的力度深度如何判断？钢包内衬侵蚀层度？哪里最危险？这些问题，没有简单固定程序答案。
还有类似的很多场景，在电解铝、矿山、冶炼等行业普遍存在：粉尘环境中的异常判断、高温环境中的材料状态识别、复杂工况下的操作决策。一个经验丰富的工人，可能只看一眼，就能判断风险。但对过去经典工业自动化确是很难且无法解决的问题。
谭胜虎说，瓦特曼做的事情，其实很简单。就是把那些只能靠人的感知、判断和经验积累才能干好的事情，变成机器也能干。这是工业自动化和智能化的区别。
这些问题往往集中在几个特征明显的岗位中：高温、高粉尘、高风险、情况复杂，也就是典型的“3D场景”（Dangerous, Dirty, Difficult）。这些场景非常多都是过去工业自动化没有解决的问题。
“工业智能化的奇点时刻真正到来”，谭胜虎如此解释他的感受。首先是技术条件成熟，多模态感知、算力提升、视觉识别，算法模型能力大幅增强，这些技术，过去并不具有完备的工程化能力。另外则是产业条件变化：人力成本上升、招工难、安全与环保要求提升，对AI新技术的认识和接受度提升，这些过去还能够将就的“痛点”变得足够痛。
过去十年，中国以钢铁为代表的基础工业广泛进入“技改”周期——技术改造。国家环保标准升级，产能整合加剧，产业工人代际更换，从规模追求到效率/效益追求，以前简单成熟设备买卖的采购负责人走向幕后，懂工艺、要效率的总工程师、技术专家，生产专业管理者话语权越来越重。这批人不在乎供应商是否来自大厂或高校，只在乎这个东西在我的产线上能不能真正用起来？能不能真正解决问题，权力结构的微妙转移，意味着愿意真正解决问题的科技公司，有了越来越多进门的机会。这也给了瓦特曼市场前提。
当然，数字化转型已经喊了许多年，这些头部工业巨头企业每年数亿的转型升级或技改投入，怎么最后落到了一家甚至没有任何行业资源背景的科创公司头上。
因为“扎下来”这件事本身，就是重要的壁垒之一。
今天，中国前20的钢铁集团，中国前30的有色金属集团，瓦特曼的产品已经进入超过一半以上，更重要的是：他们积累了全世界最大的钢包内衬腐蚀数据库，建立了国内最大的电解铝正极材料质量数据库等。
和重工业打交道，没有什么参考，要你扎根在现场，要你摔跤，要你被客户“虐”，要积累上百次失败。“我们的每一个第一台，一定要跟他（客户）一起经历多次失败才能搞出来的，”谭胜虎说。
技术和产品的研发积累过程，催生了瓦特曼的另一套壁垒。谭胜虎在内部把这称为“全栈自研AI技术模块库”，从单一产品出发，把共性能力沉淀成可复用的模型或技术组件，每开拓一个新场景，技术体系和模块组件库就厚一层。比如3D感知模块、高温防护模块、粉尘处理模块、视觉识别模块、智能控制模块，力控算法模块，虚拟仿真模块等等，这些核心技术模块又可以在不同场景下复用和迭代。这意味着：每进入一个新场景，不再从0开始。
第三个条件是组织积累，谭胜虎说，他花了5年时间，终于把瓦特曼的组织搭建满意，团队里既有大量L4无人驾驶背景和互联网大厂背景的算法工程师，软件工程师，数据科学家，也有深耕工业几十年的工艺专家，电气自动化专家，硬件专家。
瓦特曼的融资经历非常简单，早期的产业天使投资人，然后2021年亦联资本领投了A轮；2022年云晖资本领投了B轮，再后来，国投证券，中移基金相继投资了瓦特曼，每一轮的投资方都很简单、专业且纯粹。谭胜虎说这和他的风格有关，瓦特曼未来也不想引入多而散的大批量财务投资人，理解产业，理解公司，长期陪伴是选择伙伴最重要的要素。谭胜虎的计划，下一步融资，将投资合作伙伴瞄向了那些有业务协同的产值千亿级的行业龙头集团，持续深度绑定，一起挖掘数据和工艺，一起持续研发产品并推动行业技术进步。
谭胜虎说，瓦特曼至今，才真正跨过了他心目中的从0到1。他不想把瓦特曼做成一个没有想象力的公司，如果在未来15年甚至更久保持持续、健康的增长、有内生活力，那才叫成功；只是“活着”，是失败的另一种写法。
一头扎进工厂，本身就是壁垒
虎嗅：那段时间有很多工厂搞技改、数字化转型、提升效率，不少会和高校、科研院所合作，找教授做横向课题，你们接触得也多，为什么他们没做这件事？
谭胜虎：在钢厂的技改体系中，高校与科研机构通常承担的是前沿研究与局部工艺优化的角色，例如材料成分分析、工艺参数优化等。这些工作在技术探索阶段具有重要价值，但在进入复杂生产现场后，真正的智能化还需要经历一个更长周期的多学科能力的复杂产品工程化过程。很多系统在实验室或测试环境中可以跑通，但要在实际产线上长期稳定运行，需要持续的现场验证和反复迭代。
虎嗅：在2021年左右，互联网大厂、科技大厂都有专门的产业化和工业化部门或者说军团，他们不做吗？
谭胜虎：2021到2023年，工业数字化经历了一轮明显的投入高峰。大型科技公司在这一阶段推动了“上云”、“数据化”的基础设施建设，这为行业打下了重要底座。
但在更复杂的核心生产环节中，单纯的数据上云，并不能直接转化为生产效能的提升。
工业现场的很多问题，依然停留在“工艺执行”这一层——比如在高温、粉尘等极端环境中，如何完成判断与操作。这些问题，不是数据采集或系统连接可以直接解决的，而需要深入到具体工序中，重构感知、决策与执行能力。可以理解为，过去几年更多是在建设基础设施，而现在开始进入能力重构阶段。
在这一阶段，真正的难点不在于系统连接，而在于是否能够深入现场，把具体工艺做透。
虎嗅：这是一个很吃资源的行业，你们是怎么切入的？而且你过去的经历是互联网，没有任何重工业的积累。
谭胜虎：我没有资源，这个行业的门槛很高，最本质的门槛不是关系门槛，而是信任门槛。信任门槛的逻辑是：先认识，再了解，再认可，最后才是信任，任何行业都跳不开这个过程，但工业行业还有一个特殊的信任门槛，就是产品和技术——我们的产品不是在家就能造出来的。
我们的第一台产品，必须和客户一起研发、一起打造。产品从0到1的过程最难，没有案例，还要让客户和你一起造，甚至还要向客户收钱，这个过程很不容易
虎嗅：凭什么这些封闭的大厂愿意给一家初创公司机会，做“第一次吃螃蟹”的事情？
谭胜虎：只有一个原因：你解决的是他真正想解决、且没人能解决的问题。我们每款产品都是这么来的。
别人给你机会，你必须把事情做好；再给机会，再做好，甚至能让他在同行面前有面子、争光。钢铁行业内部，前30、前50的大企业之间，很多人都是朋友，他们会互相问“那家公司做得怎么样”，如果得到“还挺好”的评价，慢慢就形成了公司层面的信任。
所以我总结，信任分三个层级：信任个人、信任产品、信任公司，一步都不能少，而且这三个层级相互关联、相互叠加。这就是我们干的活早期特别难的原因，不管是谁进来，都要经历这个过程。
我们认识的人越来越多，得到的认可也越来越多，还有人主动把我们推荐到更多场景。同时，我们的案例和成功产品也在不断积累。
虎嗅：怎么磕出第一个客户的？
谭胜虎：我们先做了山东的的一家铝用阳极企业。之所以选择电解铝行业切入，一方面因为它的市场规模很大，一年产值差不多2万亿，我们找到了一个行业通用的核心痛点切入口需求。当时有一个行业资深的老大哥前辈带着我们去见了工厂的相关负责人并介绍说，“这是我兄弟，北大毕业的，想来帮你解决问题”。对方本身就有痛点，所以很欢迎我们。但对方也明确说了，“你们要是做砸了，我不管”。他还说2012年、2015年、2017年都有人来尝试做过这个事，都没做成。
至少对方给了我们场地和机会。我们还签了一个试用期合同，约定做成后再付钱。这就是我们的第一次机会，要是没抓住这个机会把事情做成，公司也就死了。
虎嗅：最难的那个时点是什么时候？
谭胜虎：我感觉过去这些年都一样。直到2025年，我们才迈过了从0到1的阶段，最难的时刻才算过去。
虎嗅：怎么定义迈过了从0到1？
谭胜虎：我对从0到1的定义是，在此之前，你随时可能死掉，没有真正把商业循环跑通并建立可持续的内生力和组织体系。
虎嗅：为什么会觉得2025年你们迈过了从0到1？
谭胜虎：过去五年，我们真正完成的不是某一个产品，而是一件更基础的事情——搭建起一支能够跨越AI与工业边界的核心骨干团队。这个过程比技术研发更慢，也更难。
工业智能迎来了奇点时刻
虎嗅：你为什么觉得是现在工业智能才迎来了奇点时刻？站在瓦特曼的角度，怎么理解工业的智能化？
谭胜虎：在过去很长一段时间里，工业的自动化投入是积极且成功的，但智能化并没有真正发生。我们做的事情，其实很简单，就是把那些过去自动化还不能解决的问题，那些需要依靠人的经验和判断能力去干的事情，变成让机器也能干。
很多人过去理解工业机器人，大多停留标准固定重复作业动作的在“机器替代”上。但其实工业生产中（尤其是在基础重工业领域），因为环境，条件，工况，原料，工艺等的限制，大量的核心生产工序的控制和执行依然需要人来操作，甚至特别需要经验丰富的老师傅来控制，瓦特曼做的，正是这一件事。
在过去工业自动化时代，伺服、电机、驱动、PLC、电气控制等是核心。在智能领域，数据，感知，算法，模型，环境理解，任务决策，柔性执行才是内核，当然也不少了自动化的控制基础。而这些内核，在过去存在明显的数据不全（甚至是没有），算法不优，模型不强，算力不足，柔性不够，人才不足等明显问题，在今天，这些问题正在被一个个解决或快速提优。
同时，用户认知，行业接受度，政策鼓励，行业发展阶段的需求迫切性倒逼等要素也在这一两年应该来重要拐点。
虎嗅：我发现我们的这些场景里，其实没有现成数据可以参考，但算法和AI又离不开数据，这又是另外一个困难？
谭胜虎：过去几年，我们在多个产品中，围绕钢包内衬侵蚀状态识别、电解铝阳极质量评估等场景，持续积累了大量现场经验和数据样本。这些数据并不是孤立存在的，而是与具体工艺、设备运行和现场环境深度绑定，在长期运行中不断被验证和优化。我们更看重的，不仅是数据本身，更是基于这些数据形成的智能判断能力。当不同设备之间能够打通实时数据与状态信息，前后工序之间的关联关系才有可能被识别和优化，从而解决过去依赖人工经验、难以系统化的问题。如果没有这种打通，数据就只是记录。只有进入决策环节，数据才真正变成生产力。
今天，中国前二十的钢铁集团，中国前30的有色金属集团，瓦特曼的产品已经进入超过一半以上，在这个过程里，我们积累了全世界最大的钢包内衬腐蚀数据库，建立了国内最大的电解铝正极材料质量数据等。现在我们上百台设备每天都在运转，还在持续积累中。这个东西就是我们说的进一步智能化的基础。未来要实现产线级智能机器和数据的全打通，让所有机器靠环境数据和生产数据驱动，而不是程序和人为经验控制，机器之间数据实时打通后，数据和工艺才能进一步耦合关联，前道和后道工艺的关联因素才能更好理清，这时候AI更大的真正系统化智能的价值创造才得以实现这个。
虎嗅：我们之前做电解铝，后面做钢厂，现在还开始进入煤炭电力，场景的选择和进入顺序，有什么规划吗？比如选哪些场景、哪些场景绝对不会去？
谭胜虎：我们给自己的定位是基础工业，更准确地说是基础原材料工业，比如有色金属，钢铁、煤炭、化工，电力等基础工业领域。我们一直在围绕产业链延展，从电解铝到钢铁、铜、铅、锌，再到煤炭，电力，现在还逐步延展到金属加工、焦化等领域，且场景切入上还选择有很大的通用或迁移性的场景切入，这里每个行业产值都很大，比如焦化行业产值接近1万亿。
我每周至少能收到一个新场景、新需求，一年下来至少有50个，但我们一年只挑1到两个。我选产品的三个标准：第一个是用户价值，第二个是通用性，第三个是技术储备和竞争壁垒。
用户价值是重中之重，比如我们今年暂时新启动的一个项目，就是高炉的智能化控制，我心里计划投入3年时间。很多跨界进入工业领域的企业，容易在这一步走弯路，因为判断不准需求的“痛度”，客户找我们，肯定是有痛点的，但这个痛点是真刚需，还是“手有点痒、发抖”的小困扰，两者完全不一样。
第二个指标是通用性，核心就是判断这个需求是客户的个性问题，还是行业共性问题。
第三个指标是技术储备和竞争力。我们只做“人无我有”或“人有我优”的事，比如机械臂的“胳膊”，现在行业卷得厉害，已经非常成熟了，我们肯定就不会去做了，合作就好。但有些关键环节如果有人开始做了，但做得很不成熟，我们也愿意去攻坚。
我们在2023年做过一个重要调整——核心技术模块化重组。就像先把火锅做好，能吃且味道不错，再像做预制菜一样，把底料、食材拆分模块化，这些模块不仅能用于这一款产品，还能迁移到其他场景。
虎嗅：随着行业技术的不断发展，有哪些场景和我们解决的问题，是技术和行业发展到现在才得以实现的？
谭胜虎：我们今年才开始启动去做智慧高炉项目，真正的原因是，现在从大模型算法能力的快速演进，到算力条件的充分，到工艺知识积累沉淀等等，这些基础设施和技术条件和场景认知都已经具备了。
其实我第一次思考和接触高炉这个场景是2022年。当时钢铁行业形势比较好，是河北的一家民营钢铁厂，他们老板说，只要我们能解决他们的问题，就愿意支付一个亿。
这件事核心是让高炉实现智能化的稳定顺畅运行，不能停。就像农村原来烧柴的土锅，你得一直往里面加柴，但怎么能让燃料消耗更少、不浪费，高炉要常年稳定运行、不熄火，还要保证最高的燃料比。
2022年的时候，我们听了客户的需求，去调研了一下，回来后根本不敢想。我咨询了行业内的专家，他们是设计高炉的，结果他们都嘲笑我们，说这事儿根本不可能，他们搞了几十年都没做到。
当时的技术条件也不具备。传感器的类型和精度都不够，而且高炉运行产生的大量数据、相关的机理模型，我们都无法掌握。
去年下半年开始重新思考这件事，年底启动项目。现在从算力到模型，我们有很多可以借鉴的资源，而且我们也是边做边对接相关人才。
而且我们这6年一直扎根在这个行业，对钢铁工业、对现场情况有深入了解；另外这两年我们已经找到了最专业的学术专家团队；第三，我们现在合作的钢厂不止一家。不能只拿一家钢厂的数据，中国前二十的钢铁集团，我们已经合作超过一半以上。通过这些客户的真实情况，我们可以找到行业共性问题，拿到全行业的产业数据，这是很关键的一点。
我们这几年融资比较克制，不能说抠，但确实很审慎，瓦特曼的创业过程中，除了研发的持续投入试错，我们几乎没怎么浪费过钱，每一分钱都花得很认真。因为这对我来说是第三次创业，我很清楚，虽然每个企业的死因不同，但最终的结果大多是因为没钱。
“我不想把瓦特曼做成一家‘不死不活’的公司”
虎嗅：如果有一天，你的这次创业失败了，可能会是什么原因？
谭胜虎：我觉得现在瓦特曼已经不容易死了，只要我们想让它活着，它就能活着。
但这种“不死”并不是我想要的，也不是什么性感的东西。所谓的“失败”，对我来说是指瓦特曼不能实现我预期的健康可持续增长。比如保持15年以上30%的增长率，像汇川那样三百亿营收之后依然能继续持续稳健高增长。这也是我们看到过去全世界范围内优秀工业头部企业的共性特征，当然，这个可持续增长是结果，支撑可持续健康增长的内生力和组织体系才是核心。
如果我看不到它健康可持续增长的希望，看不到它的内生活力，不管是因为团队、技术，市场，还是出现了全新的技术颠覆我们或其他任何其他原因，在我心里这就是失败，我可能就会选择放弃或改变。
中国有很多上市公司，其实是“不死不活”的。它们有几十亿市值，业务有些规模但没有想象力和持续增长性，每年不好不坏，我不想把瓦特曼做成这样的公司。
虎嗅：瓦特曼从成立到现在已经6年了，回想起来，有没有一两个比较后悔的决定？
谭胜虎：有的，但都过去了。一类是与人相关的，涉及团队层面，我承认在这方面，有些决策不够有魄力。
另一类是与事相关的，不能说后悔，更多是走过一些弯路、得到一些教训。现在我们对产品选择、场景选择有清晰的答案，正是因为过去走了很多弯路，浪费了一些时间，而时间是最大的代价。这些弯路主要源于对行业认知不够深入。
虎嗅：有吃到这波具身泡沫的红利吗？
谭胜虎：这两年我们没有刻意去追逐融资节奏，更多精力还是放在项目落地和产品打磨上。但如果从产业视角来看，这两年我们已经变化很多了。外界讨论的很多具身智能，还停留在通用能力探索，而我们面对的是已经在生产线上持续运行的系统。
在钢铁、有色金属等场景中，这些系统需要在高温、粉尘等复杂环境下稳定运行，并直接参与生产决策，这类问题的复杂度与验证门槛，与实验室或标准化场景有明显差异。某种程度上，我们是在工业场景里，把具身智能真正落到了生产环节。
虎嗅：那你觉得未来5到10年，瓦特曼可能会出现的竞争对手是哪一类企业？会不会担心新进玩家越来越多？
谭胜虎：我觉得会有两类玩家：一类是在传统工业领域干了几十年的企业，他们正在转型，虽然现在技术水平和认知还不够，但这只是时间问题；另一类是新的人工智能创新企业。工业是个大门类，市场足够大，这两类企业都会进来，而且已经在加速进来，这是确定事实。
我们完全不但心有新的玩家入场，我甚至更希望且经常在国内外的AI圈呐喊，呼吁更多的真正有水平的人工智能企业进来，多往工业看看。“十五五”期间预计人工智能+产业预计会有10万亿规模，我相信这里面最大且最有价值的领域之一就会是人工智能+工业。
热门跟贴