終結血汗式內卷：他想讓中國工人們不再卷工時

出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創新欄目，這是本系列的第「58」篇文章，點擊這段文字或掃描二維碼收聽“虎嗅AI 100”完整播客內容。

和姜昌浩聊，最難的，是找到他。

這次交流被安排在他的早餐和上午第一個會議的間隙——這已經是他日程表上能擠出的最大空隙。

35 歲的姜昌浩是這家公司的創始人兼 CEO。和客戶開會、和團隊開會、開各種會，是他的日常。

幾天前的一頓涮羊肉，上一秒他還在桌邊涮肉，下一秒人不見了。找了一圈，發現他在餐廳的一個角落里，正跟客戶開會，朋友都吃完了，他還沒開完。

一大早我們的交流結束，他馬上要參加一個巴西企業交流活動。

圓木智能的辦公室在清華東門外，一側是清華大學，再往前是原點社區，這里聚集了一大批 AI 公司。

把公司安在這里，也符合姜昌浩的底色。他既不是工業軟件出身，也不是制造業出身，而是 AI 出身：清華計算機系科班，寫代碼、做算法，此前的職業生涯都圍繞著模型和數據展開。在走進工廠之前，他和車間沒有任何淵源。

但 AI 出身的人做工業 AI，自有一種旁人沒有的優勢：沒有包袱，也沒有設限。他身上有清華理工科生的務實和敏銳，學習能力極強，能很快從看似離散的現象中抽離出共性，只是有時候，務實到有點吃虧。

他把工廠的所有需求切成四個象限，圓木只押其中“通用且復雜”的部分：價值最高，過去只能靠幾百萬的項目制一單一單交付，而 AI 的推理能力正在把它們變成可規模化復制的標準品。

所有產品最終指向同一件事：壓縮工廠從接單到交付的響應周期。在姜昌浩看來，這是中國制造在國際競爭里真正的生存壁壘，也是 AI 在車間里最值錢的用法。

這套思路落到生意上，就是圓木今天其中一款產品形態。圓木智能做的是工廠智能體，核心產品叫“今天排”，正是生產計劃領域跑出來的第一個復雜通用標品。

圍繞它，圓木沿著工廠價值鏈布下一串單點智能體，再無縫輸送給“今天排”調配資源，形成閉環。

目前，圓木在生產計劃場景的的智能體產品“今天排”已經覆蓋數十家機加工工廠，下游覆蓋航空航天、醫療、半導體等高端裝備，此外，圓木在研發設計、供應鏈管理等場景上也和包括汽車、3C、船舶、PCB等行業近十家百億級企業落地智能體解決核心場景的問題。

研究中國制造的學者林雪萍，把當下的中國制造業概括為三重浪潮的疊加：內卷、出海，以及撲面而來的 AI 應用。他說工業軟件正處在一個從“工具加速化”向“系統級優化”跨越的歷史性拐點，AI 改變了工具的屬性，也改變了軟件進化的方向。在 AI 世界里跑得最快的，是那些把行業老法師的經驗體系灌進最先進 AI 工具的“超級個體”。

論名氣和體量，圓木智能都算不上明星，融完天使輪，遠比不上具身賽道的火熱，但工業的AI，卻是一個能夠切實看到落地和價值的地方。

而圓木智能在其中，是一個典型的觀察樣本。一個本可以繼續賺聰明錢的連續創業者，偏偏一頭扎進最難啃也最不性感的制造業，去伺候那些沒人理會的中小工廠，最關鍵的是，去看它是如何在工業場景中創造價值，并賺錢的。

圓木成不成，都是這個問題最誠實的一份答卷：成了，驗證的是中國制造從卷體力轉向卷腦力的可能；敗了，留下的教訓同樣值得記錄。

不賺聰明錢，賺辛苦錢

這是姜昌浩的第三次創業。

前兩次都在量化和金融科技領域，聰明人賺聰明錢的經典路徑，這也是現在 AI 改造十分火熱的賽道。

我的問題是，金融行業數據規整，客戶付費意愿強，為什么放著舒適區的聰明錢不賺，為什么偏偏調頭去啃工業？

2023 年大模型出現后，姜昌浩說，“之前做什么都不重要了，這是一個新的時代”。

2024年，團隊決定做工業。

沒有選擇金融的原因，一是監管收緊。二是金融行業的同質性。幾千家銀行，業務幾乎一模一樣，贏一家就能服務很多家，聽起來是個好生意，但大模型出來后，“大家在金融應用上的想法出奇地一致”，創業公司在早期幾乎無壁壘可積累。這不是一個初創公司能夠充分發揮的土壤。

工業是另一番景象：混亂、復雜、千廠千面。

2024 年，姜昌浩和團隊跑了上百家工廠，汽車、3C、PCB、精密加工、航空航天……當時圓木甚至還沒正式成立，原有的團隊在工廠里跑場景，他們在工廠車間里泡了一年，攢下了一些反共識，用姜昌浩的話說，是找到了“跨越式發展”的機會。

這個機會就是，中國工廠不必先做完數字化，再做智能化。

這與工業軟件行業二十年的正統教義背道而馳。傳統路徑很清楚，先上傳感器、采數據、建倉庫，然后才配談智能。

做 AI 的同行里也有一派，專挑數字化基礎好的工廠下手。

但姜昌浩的邏輯是：過去必須依賴結構化數據，是因為傳統算法只吃結構化數據；現在文檔、表格這些非結構化的東西，AI 都能理解。更何況，“原來的數字化更多是從哪些數好采集的角度出發，而不是從哪些數好使用的角度出發”，真正跟工藝、跟復雜腦力勞動相關的信息，傳統數采根本采不下來。

圓木自己也在這上面交過學費。

團隊最早圍繞設備維修檢測做嘗試：有些行業積攢了海量維修文檔，每次故障現象、維修結果都寫得清清楚楚。但仔細一讀，最寶貴的信息恰恰缺失了。維修人員面對這些現象，究竟是怎么推理出問題所在、又為什么選擇這種修法？這些推理過程全在老師傅腦子里，從未被文本化。

“這就是數字化的陷阱，”姜昌浩說，“我們通常理解的數據量大，跟它里面的高價值數據含量，完全是兩件事情。”有些公司積累了一大堆結構化數據，對優化工廠的腦力勞動卻幫助甚微。訓練模型是把已有的能力放大，不能憑空造出沒有的能力。智慧還在人腦子里沒沉淀下來時，訓再多垂類模型也白搭。

怎么做？

圓木的調整方式是，不追求一步到位。

姜昌浩說，現階段想一步到位搞一個完美的診斷智能體是很難的。所以他們轉換了產品思路：既然如此，能不能先做一部分？

先做的這一部分，是給維修工程師一個用起來很舒服的工具，讓他們愿意用；在使用過程中，通過 AI 的詢問互動，比如增加錄音功能、由 AI 萃取核心邏輯，在研討會和實際作業中，把隱性知識一點點沉淀下來。用姜昌浩的話說，“這是一個漸進式的、逐步產品化的機會。”

這個做法，其實是一家AI基因但之前并沒有工業積累的團隊做工業AI更務實的方式。

99%和1%的選擇

99% 與 1%，是姜昌浩和聯合創始人深挖排產市場后發現的錯位：99% 的傳統廠商，擠在一起服務那 1% 的超級頭部客戶；反過來，99% 的中小工廠，幾乎沒人服務。這筆賬，是圓木核心產品“今天排”的起點。

工業 AI 的落地，如何改造？每家公司有不同的答案。我們聊過許多不同的工業 AI 公司，發現他們其實都在解決這個龐大場景里不同的事情。

圓木內部把工廠的所有需求切成四個象限：橫軸是通用與個性，縱軸是簡單到復雜。

通用且簡單的（采購、銷售管理、工單）會變成標準 SaaS；個性且簡單的（數據轉換、文案）適合低代碼，讓工廠員工自己上手；個性且復雜的（比如工藝優化）各行業差異極大，這部分活要做也放最后。

圓木押注的是第四象限：通用且復雜的場景。

姜昌浩看到的最大機會，是 AI 的推理能力正在移動縱軸的邊界：過去只能做個性化項目的復雜場景，現在可以做成通用標品了。

解釋這種通用性時，他常舉一個就地取材的例子，清華機械系的畢業生，掌握了機械設計、結構設計的能力，其實可以去任何行業。AI 也是同樣的生產力邏輯，3C、汽車、航空航天都遵循力學規律，都需要做結構設計，智能體天然具備跨行業能力。

姜昌浩說，搞 AI 的人有一個天然優勢，就是不受傳統工業軟件想法的限制：他們從需求、設計研發、工藝實現、生產管理一路看到供應鏈，全鏈條掃過去。過去的工業數字化是站在一個偏流程的視角，不同行業甚至同一行業不同的工廠，因為人員結構、習慣不同，流程都是不一樣的，但從能力側來看是一樣的。

這里也有寫反共識。2024 年，姜昌浩最常面對的質疑是：工業太復雜了，要求嚴絲合縫，而模型會有幻覺，不靠譜。但在車間里泡久了，他發現工業并非處處嚴絲合縫。例如產線執行確實容不得差錯，可售前報價、工藝選擇這些腦力勞動，本來就充滿模糊輸入甚至錯誤，沒人追求百分之百的絕對值，因為完全準確的成本高得無法承受。他說，客戶需要的不是一個 100% 完美的絕對解，而是需要一個比他現在人工能做到的、效率和質量更有提升的結果。

復雜、通用、又不要求絕對精確的腦力勞動，就是圓木智能的 AI 該扎進去的地方。

生產排程就是最好的例子。

姜昌浩身邊一批做傳統 APS（高級生產排程系統）的公司，全都活在“很痛苦的、不是很輕松的發展軌道上”。他的第一體感是：做的人這么多卻沒出一家大公司，這個市場一定有巨大的挑戰。

據第三方數據機構 e-works 統計，僅服務中國市場的 APS 廠商就超過 50 家，業內形容這是“群雄逐鹿的春秋時代”，熱鬧，但確實沒有霸主。賽道里最強的獨立玩家，結局都是賣身巨頭：英國的 Preactor 在 2013 年被西門子收入囊中，荷蘭的 Quintiq 被達索收編，獨立活得久的只剩日本的 Asprova 等寥寥幾家；國內的老牌廠商靠項目制過活，新一代運籌優化背景的創業公司，服務的多半還是頭部客戶。

單一功能的工具軟件商被邊緣化。

姜昌浩他們去廣東肇慶深度調研時，百分之百的工業企業都提到了排產之苦。

大廠為了通過智慧工廠評審必須上 APS，項目一接就是大幾百萬甚至上千萬；傳統算法對數據質量要求嚴苛，廠商還得幫著做半年一年的數據治理，強行改造工廠原有流程。能掏這個錢的公司極少，行業于是困在項目制交付里，無法規模化。

另一面是海量中小工廠，它們數據不全、付不起錢，而且核心痛點是如何快速應對生產異常。排產員中午剛排好計劃，下午老板電話打來，大客戶的急單必須馬上插進去，排產員只能把現有任務全停掉，用 Excel 手調。

圓木的產品“今天排”反其道而行：不做替代人的軟件，AI 給出較優解，排產員憑自己對工廠的了解在甘特圖上拖拉拽調整；調整產生新沖突，AI 實時重算。

“排產員本身對工廠的了解和主觀經驗，一定比我們的產品更強”，與其對抗這一點，不如利用它。

效果是可以量化的。用上“今天排”之后，排產員列生產計劃的時間節省 90%。過去導進 Excel 順排、精調一處引發連串沖突的日子結束了，數據傳上去，一鍵生成可用計劃。在離散生產環境里，設備利用率平均提升 15%，交期平均縮短 15%，均經落地實測驗證。

這款產品的定價被刻意壓在每年 10 萬元以下，每年5萬元到10萬元，根據Token的用量浮動。

姜昌浩算過了，這是一個工廠老板“不用糾結、看一眼賬目就能立刻算得過來 ROI”的價格。對一家滿車間昂貴 CNC 機床的精密加工廠來說，15% 的設備利用率提升，足以讓這筆錢顯得微不足道。

商業模式上，他們剛剛打通了按Token的用量計費，這件事終于獲得了工廠老板的接受。

這是姜昌浩他們做的新的改變，在Token用量計費之前，他們一直維持SaaS年費支付，因為工廠老板更容易接受這樣的“年費兜底”方式。此前的這種付費方式，很容易把圓木智能和SaaS聯系在一起，而只要和國內投資人提到 SaaS 這個詞，它立刻就會變成一個敏感詞。

對圓木智能來說，當下最重要的仍然是生存，但有些需求，姜昌浩選擇暫時不接。

一些大客戶對圓木興趣濃厚，但要求私有化部署，圓木基本婉拒了。理由是產品目前保持每周迭代兩個版本的速度，一旦為營收妥協做私有化，團隊就會陷進幫不同客戶升級版本、修 Bug 的泥潭。

至于所有 AI 公司都頭疼的 Token 成本，圓木用工程化分層解決：復雜場景調一次工具要幾塊甚至十幾塊錢，但常規場景固化后成本很低，便宜的微調模型就能頂大用。他打了個自動駕駛的比方：量產沒上規模前用通用芯片，跑出量了再換專屬芯片降本。

腦力勞動的精益革命

如果你以為圓木智能做的只有“今天排”，那就想小了，排產只是起點。

“今天排”先落在精密機加工領域，原因是，這類工廠設備極貴，人和料都在圍著機器轉。排產本質上是在協調機器、人、物料三類資源，而 CNC （計算機數控）機床工廠的資源結構最干凈：機床是絕對瓶頸，人和料都是圍著機器時間安排的配角。把“機器”這一個核心變量建好模，產品就能先跑出價值。

復制的路線也順著這個邏輯往下走。沖壓、注塑、模具、食品加工，人和料在生產約束里的分量重得多，光有機器模型不夠用。所以“今天排”的橫向擴張的策略，并不是拿著現成產品換個行業賣，而是隨著人和料的管理模型逐步補齊，逐漸擴大能力。

數據飛輪在這個地方誕生，在姜昌浩看來，飛輪是一個精心設計的結果。以“今天排”舉例：計劃員每一次調整的動作，本質上就是把人工的經驗作為標簽反饋給系統；同時通過對話感知他們對工廠約束條件和規則的偏好，沉淀成記憶，“這樣智能體才能越用越聰明”。

從需求到交付的整個工廠價值鏈，圓木都在做單點布局，每個單點都選擇一段復雜、通用、又不要求絕對精確的腦力勞動上。

售前環節，大客戶發來的需求往往是圖紙、規格書、郵件混在一起的一包非結構化信息，報價要綜合材料、工序、產能占用、交期多個因素，過去靠老銷售加工藝員的經驗拍板；現在由 AI 拆解需求、做多因素融合的智能報價，壓縮的是接單響應的第一段。

研發環節，用姜昌浩的話說，“過去工程師有大量的無用工作”，典型的就是 3D 設計圖轉 2D 圖紙——機械重復，卻必須由懂設計的人來干。圓木讓 AI 學會使用工業軟件輔助設計，能幫工程師省下 50% 的時間。

工藝環節，零件進產線之前，要把圖紙拆解成具體的工序。圓木用多模態模型來讀圖拆解，拆完的工序清單，“無縫輸送給今天排做資源調配”。這個產品，也有一個特別通俗易懂的名字，叫“圖省事”。

這些單點不是孤立的工具，而是互為上下游的數據接口，工藝智能體的輸出，就是排產智能體的輸入。單點各自成活，又都在往“今天排”這個樞紐輸送數據。

所有這些，最終圍繞一件事：壓縮工廠的交付響應周期。

姜昌浩的論證從富士康講起：它能源源不斷拿到蘋果訂單，是因為別人從設計到量產要 8 個月，它 6 個月就能做到。

他說過去，我們所有的供應鏈優化都在卷產線效率、卷工人勤奮和創業精神。再往下極限壓縮，就會變成血汗工廠的內卷。而另一條路幾乎沒人走，也就是對腦力勞動進行精益優化。需求分析、研發、工藝、生產管理，過去優化這些靠疊床架屋的管理制度，反而增加了工廠的復雜度；智能體時代，讓 AI 配合人把周期壓下來，過去兩周才能生產出來的零部件，現在一周干完。

談到競爭，擺在圓木智能面前的，第一類是西門子、達索、華為這樣的跨界巨頭，沒有邊界，Know-how 深厚，自帶場景；第二類是做 MES、ERP 和數據報表的傳統軟件廠商，也在 AI 轉型；第三類是同類的純 AI 智能體創業公司。

姜昌浩說，現階段是錯位競爭，“大家的思路存在代差”，但長期看，硬剛不可避免。“如果你的想法是做一家偉大的公司，你肯定是不懼怕競爭的，該來的就讓它來。”

如果你聊的工業 AI 企業足夠多，就會發現，不同的企業瞄準不同的垂類場景，有自己的一套數據壁壘。

在工業這種復雜場景落地，考驗的絕對不是單點技術上有多強，而是是否具備全棧的算法和工程能力。

下一個會議在等他。中國制造的競爭力，長期建立在產線效率和工人勤奮之上，而這兩者的極限都已肉眼可見，圓木賭的是一個尚未被充分開采的礦脈：工廠里的腦力效率。

姜昌浩喜歡王菲的《世界贈予我的》，KTV 必點。歌里有一句詞，“世界贈予我擁有，也贈予我回敬”。他選擇的回敬，是車間里的機器轟鳴。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4874139.html?f=wyxwapp