大家好，我是唐总
约了几个做工业AI创业的朋友吃饭。
这两年AI浪潮起来以后，工业赛道确实出现了很多机会。他们告诉我：现在工厂老板比以前更愿意聊AI了。以前讲数字化,客户觉得太远，现在讲AI，客户愿意坐下来听。
但聊到为什么很多公司有订单，却还是做不起来的时候，饭桌上的气氛从兴奋变成了思考。
有人说：“项目越来越多，但感觉公司没有真正成长。”有人说：“每换一家工厂，都是重新开始。”有人说：“客户认可技术，但很难形成持续收入。”
聊到最后，终于有人把那句大家不想面对的话讲了出来：AI创业最大的困难，是我们正在用互联网时代的方法，解决工业时代的问题。
一、工厂现场告诉我们：AI最难的不是算法
过去几年，制造现场的很多方案在展示阶段非常漂亮，Demo现场，效果也是非常震撼。但是一旦进入真实生产环境，问题开始出现。维修记录靠技术员经验，工艺参数随着订单变化不断调整，车间环境有粉尘、有震动、有人为操作差异。
我见过一个做视觉检测的AI团队，进厂第一个月，算法没调几行，人先蹲在产线边上帮工人重新贴标签。因为原来的标签贴得歪歪扭扭，位置不统一，AI根本学不会。
还有一个做预测性维护的团队，进场以后花了两周时间，不是优化模型，而是帮客户把过去三年的维修记录从纸质本子上一个字一个字过滤进系统。
这些工作看起来不像AI，甚至有些“脏活累活”。但工业AI真正的价值，恰恰建立在这些基础之上。模型没问题，算法也没问题，但是现场基础没有准备好。
二、很多AI公司最大的误区：把算法当成产品
很多创业团队最初的想法是我们有一个优秀的模型，如果能找到几个客户，肯定能实现规模化增长。这个逻辑在互联网时代非常成立，但工业现场第一步就走不下去了。
互联网面对标准化输出，用户自己判断；工业面对的是大量非标准设备，设备不具备判断能力。同样一台设备，A工厂有自己的运行方式、B工厂有自己的维护习惯、C工厂有自己的工艺要求，这些可能完全不同。
我前面写过我们厂那套MES系统的故事，维修员嫌下拉菜单太麻烦，我们就把所有原因和处理方案铺在屏幕上，结果他伸手最容易够到的那个按钮是“外观不良”，于是所有故障全填了“外观不良”。后来我们把“虚焊”挪到那个位置，一个月后系统里全是虚焊。AI学得很快，但它学的是人的行为，不是设备的真相。
一个项目做完，换一家工厂，所有现场适配工作可能要重来一遍。公司看起来订单很多，实际上一直停留在项目交付模式。
三、最危险的状态：订单增长，但资产没有增长
很多AI创业团队不是没有业务，而是业务没有沉淀，也没法沉淀。
做完一个预测维护项目，留下的是：一次合同收入，一些现场代码，几个工程师经验。但这些东西，没有变成公司的长期资产。换一家工厂，重新开始。
于是出现一种奇怪现象公司越来越忙，员工越来越多，客户越来越多，但是规模效应没有出现。
我前面写过一个案例，我们的设备系统最早迭代是增量学习，数据来了就往上堆。后来发现模型越更新越不准。为什么？因为第一次喂的数据里有脏东西，第二次再往上堆新数据，AI是在错误的基础上继续学。它不会自己纠偏，只会越学越歪。后来我们改成了覆盖替换，用干净数据集把旧的模型参数全部替换掉。
我认为真正优秀的工业AI公司，一定要长期深耕某一类设备，持续积累故障案例、维修经验、运行数据、工艺知识。几年以后，它拥有的不只是一个模型，而是一套行业智能资产。使之变成第一次交付是项目，第二次交付是复制，第三次交付是能力输出。
四、未来工业AI创业，拼什么？
一、从卖算法，到卖结果。工厂购买的是减少停机、提高效率、降低成本、稳定生产，不是一个模型参数。
二、从做项目，到建资产。每一个客户项目，都应该留下新的积累：数据、知识库、行业经验、模型能力，否则永远只是在重复创业。
三、从懂AI，到懂工业。未来工业AI最大的竞争力，是懂算法的人理解工厂，懂工厂的人掌握AI，两者真正融合。
最后
那天饭局结束的时候，有一个人问我：“唐总，你觉得我们这样的小公司还有机会吗？”
我说当然有，国家政策给了，市场机会也给了，但机会可能不是属于所有AI公司。
以前大家相信有模型就有机会，现在企业都摸到门道了，机会越来越少了。现在是有场景才有机会，但我更相信未来可能是有智能资产才有长期价值。
AI创业第一破灭的不是工业智能化需求，是靠一个算法快速复制工业AI的幻想。
所有工业AI的创业者，务必要清醒认识到，真正有价值的东西，从来不是看起来最先进的算法，而是能够进入现场、解决问题、并持续积累，最后形成别人无法复制的能力。
因为未来竞争的，不只是人工智能，而是谁拥有持续生产智能的能力。
