出品｜虎嗅科技组
作者｜陈伊凡
编辑｜苗正卿
头图｜AI生成
“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「58」篇文章，点击这段文字或扫描二维码收听“虎嗅AI 100”完整播客内容。
和姜昌浩聊，最难的，是找到他。
这次交流被安排在他的早餐和上午第一个会议的间隙——这已经是他日程表上能挤出的最大空隙。
35 岁的姜昌浩是这家公司的创始人兼 CEO。和客户开会、和团队开会、开各种会，是他的日常。
几天前的一顿涮羊肉，上一秒他还在桌边涮肉，下一秒人不见了。找了一圈，发现他在餐厅的一个角落里，正跟客户开会，朋友都吃完了，他还没开完。
一大早我们的交流结束，他马上要参加一个巴西企业交流活动。
圆木智能的办公室在清华东门外，一侧是清华大学，再往前是原点社区，这里聚集了一大批 AI 公司。
把公司安在这里，也符合姜昌浩的底色。他既不是工业软件出身，也不是制造业出身，而是 AI 出身：清华计算机系科班，写代码、做算法，此前的职业生涯都围绕着模型和数据展开。在走进工厂之前，他和车间没有任何渊源。
但 AI 出身的人做工业 AI，自有一种旁人没有的优势：没有包袱，也没有设限。他身上有清华理工科生的务实和敏锐，学习能力极强，能很快从看似离散的现象中抽离出共性，只是有时候，务实到有点吃亏。
他把工厂的所有需求切成四个象限，圆木只押其中“通用且复杂”的部分：价值最高，过去只能靠几百万的项目制一单一单交付，而 AI 的推理能力正在把它们变成可规模化复制的标准品。
所有产品最终指向同一件事：压缩工厂从接单到交付的响应周期。在姜昌浩看来，这是中国制造在国际竞争里真正的生存壁垒，也是 AI 在车间里最值钱的用法。
这套思路落到生意上，就是圆木今天其中一款产品形态。圆木智能做的是工厂智能体，核心产品叫“今天排”，正是生产计划领域跑出来的第一个复杂通用标品。
围绕它，圆木沿着工厂价值链布下一串单点智能体，再无缝输送给“今天排”调配资源，形成闭环。
目前，圆木在生产计划场景的的智能体产品“今天排”已经覆盖数十家机加工工厂，下游覆盖航空航天、医疗、半导体等高端装备，此外，圆木在研发设计、供应链管理等场景上也和包括汽车、3C、船舶、PCB等行业近十家百亿级企业落地智能体解决核心场景的问题。
研究中国制造的学者林雪萍，把当下的中国制造业概括为三重浪潮的叠加：内卷、出海，以及扑面而来的 AI 应用。他说工业软件正处在一个从“工具加速化”向“系统级优化”跨越的历史性拐点，AI 改变了工具的属性，也改变了软件进化的方向。在 AI 世界里跑得最快的，是那些把行业老法师的经验体系灌进最先进 AI 工具的“超级个体”。
论名气和体量，圆木智能都算不上明星，融完天使轮，远比不上具身赛道的火热，但工业的AI，却是一个能够切实看到落地和价值的地方。
而圆木智能在其中，是一个典型的观察样本。一个本可以继续赚聪明钱的连续创业者，偏偏一头扎进最难啃也最不性感的制造业，去伺候那些没人理会的中小工厂，最关键的是，去看它是如何在工业场景中创造价值，并赚钱的。
圆木成不成，都是这个问题最诚实的一份答卷：成了，验证的是中国制造从卷体力转向卷脑力的可能；败了，留下的教训同样值得记录。
不赚聪明钱，赚辛苦钱
这是姜昌浩的第三次创业。
前两次都在量化和金融科技领域，聪明人赚聪明钱的经典路径，这也是现在 AI 改造十分火热的赛道。
我的问题是，金融行业数据规整，客户付费意愿强，为什么放着舒适区的聪明钱不赚，为什么偏偏调头去啃工业？
2023 年大模型出现后，姜昌浩说，“之前做什么都不重要了，这是一个新的时代”。
2024年，团队决定做工业。
没有选择金融的原因，一是监管收紧。二是金融行业的同质性。几千家银行，业务几乎一模一样，赢一家就能服务很多家，听起来是个好生意，但大模型出来后，“大家在金融应用上的想法出奇地一致”，创业公司在早期几乎无壁垒可积累。这不是一个初创公司能够充分发挥的土壤。
工业是另一番景象：混乱、复杂、千厂千面。
2024 年，姜昌浩和团队跑了上百家工厂，汽车、3C、PCB、精密加工、航空航天……当时圆木甚至还没正式成立，原有的团队在工厂里跑场景，他们在工厂车间里泡了一年，攒下了一些反共识，用姜昌浩的话说，是找到了“跨越式发展”的机会。
这个机会就是，中国工厂不必先做完数字化，再做智能化。
这与工业软件行业二十年的正统教义背道而驰。传统路径很清楚，先上传感器、采数据、建仓库，然后才配谈智能。
做 AI 的同行里也有一派，专挑数字化基础好的工厂下手。
但姜昌浩的逻辑是：过去必须依赖结构化数据，是因为传统算法只吃结构化数据；现在文档、表格这些非结构化的东西，AI 都能理解。更何况，“原来的数字化更多是从哪些数好采集的角度出发，而不是从哪些数好使用的角度出发”，真正跟工艺、跟复杂脑力劳动相关的信息，传统数采根本采不下来。
圆木自己也在这上面交过学费。
团队最早围绕设备维修检测做尝试：有些行业积攒了海量维修文档，每次故障现象、维修结果都写得清清楚楚。但仔细一读，最宝贵的信息恰恰缺失了。维修人员面对这些现象，究竟是怎么推理出问题所在、又为什么选择这种修法？这些推理过程全在老师傅脑子里，从未被文本化。
“这就是数字化的陷阱，”姜昌浩说，“我们通常理解的数据量大，跟它里面的高价值数据含量，完全是两件事情。”有些公司积累了一大堆结构化数据，对优化工厂的脑力劳动却帮助甚微。训练模型是把已有的能力放大，不能凭空造出没有的能力。智慧还在人脑子里没沉淀下来时，训再多垂类模型也白搭。
怎么做？
圆木的调整方式是，不追求一步到位。
姜昌浩说，现阶段想一步到位搞一个完美的诊断智能体是很难的。所以他们转换了产品思路：既然如此，能不能先做一部分？
先做的这一部分，是给维修工程师一个用起来很舒服的工具，让他们愿意用；在使用过程中，通过 AI 的询问互动，比如增加录音功能、由 AI 萃取核心逻辑，在研讨会和实际作业中，把隐性知识一点点沉淀下来。用姜昌浩的话说，“这是一个渐进式的、逐步产品化的机会。”
这个做法，其实是一家AI基因但之前并没有工业积累的团队做工业AI更务实的方式。
99%和1%的选择
99% 与 1%，是姜昌浩和联合创始人深挖排产市场后发现的错位：99% 的传统厂商，挤在一起服务那 1% 的超级头部客户；反过来，99% 的中小工厂，几乎没人服务。这笔账，是圆木核心产品“今天排”的起点。
工业 AI 的落地，如何改造？每家公司有不同的答案。我们聊过许多不同的工业 AI 公司，发现他们其实都在解决这个庞大场景里不同的事情。
圆木内部把工厂的所有需求切成四个象限：横轴是通用与个性，纵轴是简单到复杂。
通用且简单的（采购、销售管理、工单）会变成标准 SaaS；个性且简单的（数据转换、文案）适合低代码，让工厂员工自己上手；个性且复杂的（比如工艺优化）各行业差异极大，这部分活要做也放最后。
圆木押注的是第四象限：通用且复杂的场景。
姜昌浩看到的最大机会，是 AI 的推理能力正在移动纵轴的边界：过去只能做个性化项目的复杂场景，现在可以做成通用标品了。
解释这种通用性时，他常举一个就地取材的例子，清华机械系的毕业生，掌握了机械设计、结构设计的能力，其实可以去任何行业。AI 也是同样的生产力逻辑，3C、汽车、航空航天都遵循力学规律，都需要做结构设计，智能体天然具备跨行业能力。
姜昌浩说，搞 AI 的人有一个天然优势，就是不受传统工业软件想法的限制：他们从需求、设计研发、工艺实现、生产管理一路看到供应链，全链条扫过去。过去的工业数字化是站在一个偏流程的视角，不同行业甚至同一行业不同的工厂，因为人员结构、习惯不同，流程都是不一样的，但从能力侧来看是一样的。
这里也有写反共识。2024 年，姜昌浩最常面对的质疑是：工业太复杂了，要求严丝合缝，而模型会有幻觉，不靠谱。但在车间里泡久了，他发现工业并非处处严丝合缝。例如产线执行确实容不得差错，可售前报价、工艺选择这些脑力劳动，本来就充满模糊输入甚至错误，没人追求百分之百的绝对值，因为完全准确的成本高得无法承受。他说，客户需要的不是一个 100% 完美的绝对解，而是需要一个比他现在人工能做到的、效率和质量更有提升的结果。
复杂、通用、又不要求绝对精确的脑力劳动，就是圆木智能的 AI 该扎进去的地方。
生产排程就是最好的例子。
姜昌浩身边一批做传统 APS（高级生产排程系统）的公司，全都活在“很痛苦的、不是很轻松的发展轨道上”。他的第一体感是：做的人这么多却没出一家大公司，这个市场一定有巨大的挑战。
据第三方数据机构 e-works 统计，仅服务中国市场的 APS 厂商就超过 50 家，业内形容这是“群雄逐鹿的春秋时代”，热闹，但确实没有霸主。赛道里最强的独立玩家，结局都是卖身巨头：英国的 Preactor 在 2013 年被西门子收入囊中，荷兰的 Quintiq 被达索收编，独立活得久的只剩日本的 Asprova 等寥寥几家；国内的老牌厂商靠项目制过活，新一代运筹优化背景的创业公司，服务的多半还是头部客户。
单一功能的工具软件商被边缘化。
姜昌浩他们去广东肇庆深度调研时，百分之百的工业企业都提到了排产之苦。
大厂为了通过智慧工厂评审必须上 APS，项目一接就是大几百万甚至上千万；传统算法对数据质量要求严苛，厂商还得帮着做半年一年的数据治理，强行改造工厂原有流程。能掏这个钱的公司极少，行业于是困在项目制交付里，无法规模化。
另一面是海量中小工厂，它们数据不全、付不起钱，而且核心痛点是如何快速应对生产异常。排产员中午刚排好计划，下午老板电话打来，大客户的急单必须马上插进去，排产员只能把现有任务全停掉，用 Excel 手调。
圆木的产品“今天排”反其道而行：不做替代人的软件，AI 给出较优解，排产员凭自己对工厂的了解在甘特图上拖拉拽调整；调整产生新冲突，AI 实时重算。
“排产员本身对工厂的了解和主观经验，一定比我们的产品更强”，与其对抗这一点，不如利用它。
效果是可以量化的。用上“今天排”之后，排产员列生产计划的时间节省 90%。过去导进 Excel 顺排、精调一处引发连串冲突的日子结束了，数据传上去，一键生成可用计划。在离散生产环境里，设备利用率平均提升 15%，交期平均缩短 15%，均经落地实测验证。
这款产品的定价被刻意压在每年 10 万元以下，每年5万元到10万元，根据Token的用量浮动。
姜昌浩算过了，这是一个工厂老板“不用纠结、看一眼账目就能立刻算得过来 ROI”的价格。对一家满车间昂贵 CNC 机床的精密加工厂来说，15% 的设备利用率提升，足以让这笔钱显得微不足道。
商业模式上，他们刚刚打通了按Token的用量计费，这件事终于获得了工厂老板的接受。
这是姜昌浩他们做的新的改变，在Token用量计费之前，他们一直维持SaaS年费支付，因为工厂老板更容易接受这样的“年费兜底”方式。此前的这种付费方式，很容易把圆木智能和SaaS联系在一起，而只要和国内投资人提到 SaaS 这个词，它立刻就会变成一个敏感词。
对圆木智能来说，当下最重要的仍然是生存，但有些需求，姜昌浩选择暂时不接。
一些大客户对圆木兴趣浓厚，但要求私有化部署，圆木基本婉拒了。理由是产品目前保持每周迭代两个版本的速度，一旦为营收妥协做私有化，团队就会陷进帮不同客户升级版本、修 Bug 的泥潭。
至于所有 AI 公司都头疼的 Token 成本，圆木用工程化分层解决：复杂场景调一次工具要几块甚至十几块钱，但常规场景固化后成本很低，便宜的微调模型就能顶大用。他打了个自动驾驶的比方：量产没上规模前用通用芯片，跑出量了再换专属芯片降本。
脑力劳动的精益革命
如果你以为圆木智能做的只有“今天排”，那就想小了，排产只是起点。
“今天排”先落在精密机加工领域，原因是，这类工厂设备极贵，人和料都在围着机器转。排产本质上是在协调机器、人、物料三类资源，而 CNC （计算机数控）机床工厂的资源结构最干净：机床是绝对瓶颈，人和料都是围着机器时间安排的配角。把“机器”这一个核心变量建好模，产品就能先跑出价值。
复制的路线也顺着这个逻辑往下走。冲压、注塑、模具、食品加工，人和料在生产约束里的分量重得多，光有机器模型不够用。所以“今天排”的横向扩张的策略，并不是拿着现成产品换个行业卖，而是随着人和料的管理模型逐步补齐，逐渐扩大能力。
数据飞轮在这个地方诞生，在姜昌浩看来，飞轮是一个精心设计的结果。以“今天排”举例：计划员每一次调整的动作，本质上就是把人工的经验作为标签反馈给系统；同时通过对话感知他们对工厂约束条件和规则的偏好，沉淀成记忆，“这样智能体才能越用越聪明”。
从需求到交付的整个工厂价值链，圆木都在做单点布局，每个单点都选择一段复杂、通用、又不要求绝对精确的脑力劳动上。
售前环节，大客户发来的需求往往是图纸、规格书、邮件混在一起的一包非结构化信息，报价要综合材料、工序、产能占用、交期多个因素，过去靠老销售加工艺员的经验拍板；现在由 AI 拆解需求、做多因素融合的智能报价，压缩的是接单响应的第一段。
研发环节，用姜昌浩的话说，“过去工程师有大量的无用工作”，典型的就是 3D 设计图转 2D 图纸——机械重复，却必须由懂设计的人来干。圆木让 AI 学会使用工业软件辅助设计，能帮工程师省下 50% 的时间。
工艺环节，零件进产线之前，要把图纸拆解成具体的工序。圆木用多模态模型来读图拆解，拆完的工序清单，“无缝输送给今天排做资源调配”。这个产品，也有一个特别通俗易懂的名字，叫“图省事”。
这些单点不是孤立的工具，而是互为上下游的数据接口，工艺智能体的输出，就是排产智能体的输入。单点各自成活，又都在往“今天排”这个枢纽输送数据。
所有这些，最终围绕一件事：压缩工厂的交付响应周期。
姜昌浩的论证从富士康讲起：它能源源不断拿到苹果订单，是因为别人从设计到量产要 8 个月，它 6 个月就能做到。
他说过去，我们所有的供应链优化都在卷产线效率、卷工人勤奋和创业精神。再往下极限压缩，就会变成血汗工厂的内卷。而另一条路几乎没人走，也就是对脑力劳动进行精益优化。需求分析、研发、工艺、生产管理，过去优化这些靠叠床架屋的管理制度，反而增加了工厂的复杂度；智能体时代，让 AI 配合人把周期压下来，过去两周才能生产出来的零部件，现在一周干完。
谈到竞争，摆在圆木智能面前的，第一类是西门子、达索、华为这样的跨界巨头，没有边界，Know-how 深厚，自带场景；第二类是做 MES、ERP 和数据报表的传统软件厂商，也在 AI 转型；第三类是同类的纯 AI 智能体创业公司。
姜昌浩说，现阶段是错位竞争，“大家的思路存在代差”，但长期看，硬刚不可避免。“如果你的想法是做一家伟大的公司，你肯定是不惧怕竞争的，该来的就让它来。”
如果你聊的工业 AI 企业足够多，就会发现，不同的企业瞄准不同的垂类场景，有自己的一套数据壁垒。
在工业这种复杂场景落地，考验的绝对不是单点技术上有多强，而是是否具备全栈的算法和工程能力。
下一个会议在等他。中国制造的竞争力，长期建立在产线效率和工人勤奋之上，而这两者的极限都已肉眼可见，圆木赌的是一个尚未被充分开采的矿脉：工厂里的脑力效率。
姜昌浩喜欢王菲的《世界赠予我的》，KTV 必点。歌里有一句词，“世界赠予我拥有，也赠予我回敬”。他选择的回敬，是车间里的机器轰鸣。
本文来自虎嗅，原文链接：https://www.huxiu.com/article/4874139.html?f=wyxwapp
热门跟贴