終結(jié)血汗式內(nèi)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(chuàng)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(nèi)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(jīng)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(chuàng)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(fā)現(xiàn)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(jié)束，他馬上要參加一個巴西企業(yè)交流活動。

圓木智能的辦公室在清華東門外，一側(cè)是清華大學(xué)，再往前是原點社區(qū)，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(yè)軟件出身，也不是制造業(yè)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(yè)生涯都圍繞著模型和數(shù)據(jù)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(yè) AI，自有一種旁人沒有的優(yōu)勢：沒有包袱，也沒有設(shè)限。他身上有清華理工科生的務(wù)實和敏銳，學(xué)習(xí)能力極強，能很快從看似離散的現(xiàn)象中抽離出共性，只是有時候，務(wù)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(fù)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(guī)模化復(fù)制的標(biāo)準(zhǔn)品。

所有產(chǎn)品最終指向同一件事：壓縮工廠從接單到交付的響應(yīng)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(chǎn)品形態(tài)。圓木智能做的是工廠智能體，核心產(chǎn)品叫“今天排”，正是生產(chǎn)計劃領(lǐng)域跑出來的第一個復(fù)雜通用標(biāo)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(diào)配資源，形成閉環(huán)。

目前，圓木在生產(chǎn)計劃場景的的智能體產(chǎn)品“今天排”已經(jīng)覆蓋數(shù)十家機加工工廠，下游覆蓋航空航天、醫(yī)療、半導(dǎo)體等高端裝備，此外，圓木在研發(fā)設(shè)計、供應(yīng)鏈管理等場景上也和包括汽車、3C、船舶、PCB等行業(yè)近十家百億級企業(yè)落地智能體解決核心場景的問題。

研究中國制造的學(xué)者林雪萍，把當(dāng)下的中國制造業(yè)概括為三重浪潮的疊加：內(nèi)卷、出海，以及撲面而來的 AI 應(yīng)用。他說工業(yè)軟件正處在一個從“工具加速化”向“系統(tǒng)級優(yōu)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(yè)老法師的經(jīng)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(yuǎn)比不上具身賽道的火熱，但工業(yè)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(xù)賺聰明錢的連續(xù)創(chuàng)業(yè)者，偏偏一頭扎進最難啃也最不性感的制造業(yè)，去伺候那些沒人理會的中小工廠，最關(guān)鍵的是，去看它是如何在工業(yè)場景中創(chuàng)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(zhuǎn)向卷腦力的可能；敗了，留下的教訓(xùn)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(chuàng)業(yè)。

前兩次都在量化和金融科技領(lǐng)域，聰明人賺聰明錢的經(jīng)典路徑，這也是現(xiàn)在 AI 改造十分火熱的賽道。

我的問題是，金融行業(yè)數(shù)據(jù)規(guī)整，客戶付費意愿強，為什么放著舒適區(qū)的聰明錢不賺，為什么偏偏調(diào)頭去啃工業(yè)？

2023 年大模型出現(xiàn)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(yè)。

沒有選擇金融的原因，一是監(jiān)管收緊。二是金融行業(yè)的同質(zhì)性。幾千家銀行，業(yè)務(wù)幾乎一模一樣，贏一家就能服務(wù)很多家，聽起來是個好生意，但大模型出來后，“大家在金融應(yīng)用上的想法出奇地一致”，創(chuàng)業(yè)公司在早期幾乎無壁壘可積累。這不是一個初創(chuàng)公司能夠充分發(fā)揮的土壤。

工業(yè)是另一番景象：混亂、復(fù)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(dāng)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(fā)展”的機會。

這個機會就是，中國工廠不必先做完數(shù)字化，再做智能化。

這與工業(yè)軟件行業(yè)二十年的正統(tǒng)教義背道而馳。傳統(tǒng)路徑很清楚，先上傳感器、采數(shù)據(jù)、建倉庫，然后才配談智能。

做 AI 的同行里也有一派，專挑數(shù)字化基礎(chǔ)好的工廠下手。

但姜昌浩的邏輯是：過去必須依賴結(jié)構(gòu)化數(shù)據(jù)，是因為傳統(tǒng)算法只吃結(jié)構(gòu)化數(shù)據(jù)；現(xiàn)在文檔、表格這些非結(jié)構(gòu)化的東西，AI 都能理解。更何況，“原來的數(shù)字化更多是從哪些數(shù)好采集的角度出發(fā)，而不是從哪些數(shù)好使用的角度出發(fā)”，真正跟工藝、跟復(fù)雜腦力勞動相關(guān)的信息，傳統(tǒng)數(shù)采根本采不下來。

圓木自己也在這上面交過學(xué)費。

團隊最早圍繞設(shè)備維修檢測做嘗試：有些行業(yè)積攢了海量維修文檔，每次故障現(xiàn)象、維修結(jié)果都寫得清清楚楚。但仔細(xì)一讀，最寶貴的信息恰恰缺失了。維修人員面對這些現(xiàn)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(shù)字化的陷阱，”姜昌浩說，“我們通常理解的數(shù)據(jù)量大，跟它里面的高價值數(shù)據(jù)含量，完全是兩件事情。”有些公司積累了一大堆結(jié)構(gòu)化數(shù)據(jù)，對優(yōu)化工廠的腦力勞動卻幫助甚微。訓(xùn)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(xùn)再多垂類模型也白搭。

怎么做？

圓木的調(diào)整方式是，不追求一步到位。

姜昌浩說，現(xiàn)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(zhuǎn)換了產(chǎn)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(yè)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(chǎn)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(yè)積累的團隊做工業(yè)AI更務(wù)實的方式。

99%和1%的選擇

99% 與 1%，是姜昌浩和聯(lián)合創(chuàng)始人深挖排產(chǎn)市場后發(fā)現(xiàn)的錯位：99% 的傳統(tǒng)廠商，擠在一起服務(wù)那 1% 的超級頭部客戶；反過來，99% 的中小工廠，幾乎沒人服務(wù)。這筆賬，是圓木核心產(chǎn)品“今天排”的起點。

工業(yè) 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(yè) AI 公司，發(fā)現(xiàn)他們其實都在解決這個龐大場景里不同的事情。

圓木內(nèi)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(fù)雜。

通用且簡單的（采購、銷售管理、工單）會變成標(biāo)準(zhǔn) SaaS；個性且簡單的（數(shù)據(jù)轉(zhuǎn)換、文案）適合低代碼，讓工廠員工自己上手；個性且復(fù)雜的（比如工藝優(yōu)化）各行業(yè)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(fù)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(fù)雜場景，現(xiàn)在可以做成通用標(biāo)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(yè)生，掌握了機械設(shè)計、結(jié)構(gòu)設(shè)計的能力，其實可以去任何行業(yè)。AI 也是同樣的生產(chǎn)力邏輯，3C、汽車、航空航天都遵循力學(xué)規(guī)律，都需要做結(jié)構(gòu)設(shè)計，智能體天然具備跨行業(yè)能力。

姜昌浩說，搞 AI 的人有一個天然優(yōu)勢，就是不受傳統(tǒng)工業(yè)軟件想法的限制：他們從需求、設(shè)計研發(fā)、工藝實現(xiàn)、生產(chǎn)管理一路看到供應(yīng)鏈，全鏈條掃過去。過去的工業(yè)數(shù)字化是站在一個偏流程的視角，不同行業(yè)甚至同一行業(yè)不同的工廠，因為人員結(jié)構(gòu)、習(xí)慣不同，流程都是不一樣的，但從能力側(cè)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(zhì)疑是：工業(yè)太復(fù)雜了，要求嚴(yán)絲合縫，而模型會有幻覺，不靠譜。但在車間里泡久了，他發(fā)現(xiàn)工業(yè)并非處處嚴(yán)絲合縫。例如產(chǎn)線執(zhí)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(zhǔn)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(xiàn)在人工能做到的、效率和質(zhì)量更有提升的結(jié)果。

復(fù)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(chǎn)排程就是最好的例子。

姜昌浩身邊一批做傳統(tǒng) APS（高級生產(chǎn)排程系統(tǒng)）的公司，全都活在“很痛苦的、不是很輕松的發(fā)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(zhàn)。

據(jù)第三方數(shù)據(jù)機構(gòu) e-works 統(tǒng)計，僅服務(wù)中國市場的 APS 廠商就超過 50 家，業(yè)內(nèi)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(jié)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(dá)索收編，獨立活得久的只剩日本的 Asprova 等寥寥幾家；國內(nèi)的老牌廠商靠項目制過活，新一代運籌優(yōu)化背景的創(chuàng)業(yè)公司，服務(wù)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?nèi)V東肇慶深度調(diào)研時，百分之百的工業(yè)企業(yè)都提到了排產(chǎn)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(tǒng)算法對數(shù)據(jù)質(zhì)量要求嚴(yán)苛，廠商還得幫著做半年一年的數(shù)據(jù)治理，強行改造工廠原有流程。能掏這個錢的公司極少，行業(yè)于是困在項目制交付里，無法規(guī)模化。

另一面是海量中小工廠，它們數(shù)據(jù)不全、付不起錢，而且核心痛點是如何快速應(yīng)對生產(chǎn)異常。排產(chǎn)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(chǎn)員只能把現(xiàn)有任務(wù)全停掉，用 Excel 手調(diào)。

圓木的產(chǎn)品“今天排”反其道而行：不做替代人的軟件，AI 給出較優(yōu)解，排產(chǎn)員憑自己對工廠的了解在甘特圖上拖拉拽調(diào)整；調(diào)整產(chǎn)生新沖突，AI 實時重算。

“排產(chǎn)員本身對工廠的了解和主觀經(jīng)驗，一定比我們的產(chǎn)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(chǎn)員列生產(chǎn)計劃的時間節(jié)省 90%。過去導(dǎo)進 Excel 順排、精調(diào)一處引發(fā)連串沖突的日子結(jié)束了，數(shù)據(jù)傳上去，一鍵生成可用計劃。在離散生產(chǎn)環(huán)境里，設(shè)備利用率平均提升 15%，交期平均縮短 15%，均經(jīng)落地實測驗證。

這款產(chǎn)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(jù)Token的用量浮動。

姜昌浩算過了，這是一個工廠老板“不用糾結(jié)、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(shè)備利用率提升，足以讓這筆錢顯得微不足道。

商業(yè)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(lián)系在一起，而只要和國內(nèi)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(dāng)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(chǎn)品目前保持每周迭代兩個版本的速度，一旦為營收妥協(xié)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(fù)雜場景調(diào)一次工具要幾塊甚至十幾塊錢，但常規(guī)場景固化后成本很低，便宜的微調(diào)模型就能頂大用。他打了個自動駕駛的比方：量產(chǎn)沒上規(guī)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(chǎn)只是起點。

“今天排”先落在精密機加工領(lǐng)域，原因是，這類工廠設(shè)備極貴，人和料都在圍著機器轉(zhuǎn)。排產(chǎn)本質(zhì)上是在協(xié)調(diào)機器、人、物料三類資源，而 CNC （計算機數(shù)控）機床工廠的資源結(jié)構(gòu)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(chǎn)品就能先跑出價值。

復(fù)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(chǎn)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(xiàn)成產(chǎn)品換個行業(yè)賣，而是隨著人和料的管理模型逐步補齊，逐漸擴大能力。

數(shù)據(jù)飛輪在這個地方誕生，在姜昌浩看來，飛輪是一個精心設(shè)計的結(jié)果。以“今天排”舉例：計劃員每一次調(diào)整的動作，本質(zhì)上就是把人工的經(jīng)驗作為標(biāo)簽反饋給系統(tǒng)；同時通過對話感知他們對工廠約束條件和規(guī)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(fù)雜、通用、又不要求絕對精確的腦力勞動上。

售前環(huán)節(jié)，大客戶發(fā)來的需求往往是圖紙、規(guī)格書、郵件混在一起的一包非結(jié)構(gòu)化信息，報價要綜合材料、工序、產(chǎn)能占用、交期多個因素，過去靠老銷售加工藝員的經(jīng)驗拍板；現(xiàn)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(yīng)的第一段。

研發(fā)環(huán)節(jié)，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(shè)計圖轉(zhuǎn) 2D 圖紙——機械重復(fù)，卻必須由懂設(shè)計的人來干。圓木讓 AI 學(xué)會使用工業(yè)軟件輔助設(shè)計，能幫工程師省下 50% 的時間。

工藝環(huán)節(jié)，零件進產(chǎn)線之前，要把圖紙拆解成具體的工序。圓木用多模態(tài)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(diào)配”。這個產(chǎn)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(shù)據(jù)接口，工藝智能體的輸出，就是排產(chǎn)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(shù)據(jù)。

所有這些，最終圍繞一件事：壓縮工廠的交付響應(yīng)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(shè)計到量產(chǎn)要 8 個月，它 6 個月就能做到。

他說過去，我們所有的供應(yīng)鏈優(yōu)化都在卷產(chǎn)線效率、卷工人勤奮和創(chuàng)業(yè)精神。再往下極限壓縮，就會變成血汗工廠的內(nèi)卷。而另一條路幾乎沒人走，也就是對腦力勞動進行精益優(yōu)化。需求分析、研發(fā)、工藝、生產(chǎn)管理，過去優(yōu)化這些靠疊床架屋的管理制度，反而增加了工廠的復(fù)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(chǎn)出來的零部件，現(xiàn)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(dá)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(shù)據(jù)報表的傳統(tǒng)軟件廠商，也在 AI 轉(zhuǎn)型；第三類是同類的純 AI 智能體創(chuàng)業(yè)公司。

姜昌浩說，現(xiàn)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(yè) AI 企業(yè)足夠多，就會發(fā)現(xiàn)，不同的企業(yè)瞄準(zhǔn)不同的垂類場景，有自己的一套數(shù)據(jù)壁壘。

在工業(yè)這種復(fù)雜場景落地，考驗的絕對不是單點技術(shù)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(chǎn)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