文章核心观点 - 文章通过剖析工业AI初创公司梅洛迪的案例，揭示了当前工业AI落地面临的真实挑战与机遇，核心观点在于：工业AI的成功关键在于深入业务场景、解决数据孤岛问题，并以“简单、耐用、易上手”为原则，而非追求通用大模型或炫技，公司通过“先体检、再优化”的笨重方式，在制造业的采购和工艺两大核心环节实现了真正的价值创造和效率提升[5][10][11] 公司背景与定位 - 梅洛迪是一家专注于为制造业企业提供AI改造服务的公司，由工程博士许中人创立，公司切入采购和工艺两个核心场景，帮助工厂梳理数据并提升效率[6] - 公司名称“梅洛迪”被创始人调侃为“没落地”，但其手边已有真实客户、盈利账本和一支38人的团队，天使轮估值达3亿元，并正在进行新一轮融资[8][9] - 公司位于制造业密集的无锡长三角地区，该区域聚集了众多制造业企业，但行业存在奇异撕裂：一边是垂类AI Agent加速落地，另一边是工厂仍依赖老师傅的肉眼和经验判断[7] 工业AI落地的方法论与策略 - 拒绝通用方案，深入定制化：公司不提供通用解决方案，而是采用类似Palantir的“先驻场、再建系统”模式，深入理解客户业务后交付定制化数据系统[14] - 先做“体检”，再谈优化：公司选择先帮工厂做“体检”，查清数据来源、流向和断点，这个过程能帮企业解决30%-40%的问题，相当于完成真正的信息化建设[11][20] - 聚焦核心场景：公司认为制造业中采购和工艺两个环节可直接跳过SaaS进入AI改造，采购反映企业管理能力，工艺则是企业技术积累和经验沉淀的核心[11][18] - 销售直达决策层：公司销售方式是与企业老板直接谈，因为只有掌门人拍板才能推动全公司配合，避免陷入“头疼医头、脚疼医脚”的困境[11][22] 面临的挑战与行业现状 - 企业数据基础薄弱：许多企业信息化建设失败，存在数据孤岛，甚至有接近10亿规模的公司图纸手画、技术文件手写，没有任何像样的数据记录[11][28] - 企业主态度两极分化：老板对AI的态度呈两极，一种是“许愿式”认为AI无所不能，另一种因上一轮信息化失败而完全不相信，公司需要降低客户不合理期望并建立正确认知[25] - 上一轮信息化的“烂摊子”：上一轮信息化建设如同“造孤岛”，各部门系统未打通，数据未流转，公司相当于是为上一轮信息化收拾烂摊子[19][20] 技术实施与数据策略 - 数据为核心，啃非标场景：公司已整合六十多类工业数据源，这些数据源并非来自通用数据集，而是在一个个非标项目中硬啃出来的，数据形态完全由产业属性决定[12][13] - 工业数据与通用数据不同：工业AI需要的数据与企业现有的结构化数据往往不是同一种东西，不同行业、场景需要的数据类型（如CAD图、图片、超声波反馈图）和应用范围千差万别[13][24] - 确保确定性输出：公司对大模型的使用保持谨慎和克制，通过优化提示词、锁死部分输出、定制化调优等工程手段，确保十次使用至少有九次达到预期[30] 竞争优势与市场判断 - 对比大厂的先发优势：国内大厂若开展类似业务需至少22个月准备期，而公司通过工程经验和项目积累已有一定先发优势，有信心参与竞争[15][40] - 真正的竞品稀少：目前真正能深入制造业核心流程并具备工程交付能力的团队不多，一些有类似想法的公司也才刚起步规划[14][40] - 简单易用至上：公司认为工业AI应学习AK47，追求“奶奶也能操作”的简单、耐用、易上手，稳定性和可靠性远比炫技重要[6][34] 商业模式与成效 - 收费模式灵活：采用开发费用加季度订阅费用的模式，也可根据客户需求采用结果付费（对赌分成）模式[38] - 显著提升效率：案例显示，原本一个10人工程师小组需80人天、3个月完成的任务，使用公司系统后，4个工程师20天即可完成[39] - 项目周期与优化：单个项目周期目前为三到四个月，目标压缩至两到三个月，随着经验积累，开发工时可持续压缩[13][43] 发展愿景与全球化 - 不局限于单点场景：公司不聚焦单点Agent，而是选择更泛的工业场景，旨在解决企业整体流程问题，创造更大价值并参与产业升级[33] - 立足中国，放眼全球：公司选择在中国起步，因为中国企业场景更复杂、客户要求高，能更快打磨产品，产品足够优秀后再参与全球竞争[44] - “温水煮青蛙”式替换：对于企业原有ERP系统，公司采取渐进改良策略，如同在高速行驶的赛车上更换发动机，让旧系统逐步转变为数据收集系统[36]