AI投资与行业趋势 - 2024年全球生成式AI私人投资达到339亿美元[1] - 2024年全球风险投资中每3美元就有1美元投向AI初创公司[1] - 行业共识认为，比AI模型更难复制的是数据，比数据更难获取的是真实产业场景下的应用经验[1] 第七届工业互联网大赛概况 - 大赛全国总决赛在北京落下帷幕，领军组获奖项目多来自央国企、省属国企及科研院所[1] - 获奖项目集中于煤炭设备预警、油气管网监测、大型船舶建造仿真等核心工业“硬场景”[1] - 海智在线的《基于AI的非标零部件工厂智能报价系统》获得领军组二等奖，并在该组别中总分排名第二[1] 海智在线智能报价系统的核心价值 - 系统核心价值不在于更快生成报价，而在于将影响报价的关键要素从黑箱中抽离，转化为可解释、可追溯、可复盘的数字化资产[4] - 系统让供需双方首次能围绕同一张“成本地图”进行讨论[4] - 该系统旨在解决工业零部件供应链中长期存在且极难数字化的核心问题——供应链黑箱[2] 供应链中的“成本黑箱”问题 - 在非标零部件交易中，“成本黑箱”表现为报价慢、核价难、合理定价更难[5] - 同一张图纸在不同工厂间的报价差异巨大，采购方难以判断差异来源[5] - 工厂端常依赖老师傅经验和手工表格，缺乏可规模化复用的报价体系[5] - 成本黑箱导致供需双方依赖经验、关系与博弈做决策，报价从“工程计算”退化为“经验博弈”[3][6] 供应链中的“能力黑箱”问题 - 能力黑箱表现为供应商名单很多，但其真正的“能做、愿做、做得好”的能力未被识别[7] - 问题第一层：供应商常用“产品”而非“能力”定义自己，限制了其可用边界[7] - 问题第二层：供应商的能力（如技术、设备）可能一直存在，但从未在供应链中被充分识别与使用[7] - 问题第三层：非标零部件交付的竞争力来自多工艺节点协同的组织能力[7] - 能力不可见导致不确定性差异，进而影响报价的透明度和准确性[8] 供应链中的“风险黑箱”问题 - 风险黑箱直接决定供应链韧性，风险常以合规、原产地、关税等细碎要求形式出现[9] - 企业看不见的三类风险包括：多级合规风险、规则与地缘政治带来的动态成本风险、以及整个生态链路的真实脆弱点风险[9][10] - 风险最终会以交期、损耗、合规成本等形式被写入价格[10] - 应对风险的重点在于建立备用链路（如替代工艺、材料）和快速反应节点[10] 智能报价系统的工作原理 - 第一步：将图纸解析为可计算的工程特征与工艺要求，将经验判断改为结构化输入[12] - 第二步：将工厂产能构建为可配置的“工厂模型”，实现“一厂一模型”，反映真实成本差异[12] - 第三步：将报价生成可解释、可对齐、可复盘的成本结构，明确差价来源与风险所在[12] - 打开成本黑箱为需求侧带来四大确定性：决策、协作、交付及长期的确定性[12] 海智在线的数据与网络优势 - 公司一端连接全球117个国家的30万买家，另一端连接80万家中国工厂[14] - 在长期交易与协作中沉淀出可结构化的数据资产[14] - 网络效应使得数据越丰富，匹配、报价与协作越精准，进而吸引更多主体加入[14] 工业AI的发展路径与意义 - 工业AI与消费AI的分水岭在于：工业AI必须“进入流程”，并在交易与履约闭环中产生价值[13] - 工业AI的胜负手不在于模型参数，而在于能否将AI嵌入真实业务闭环，形成数据、决策、协作与交付的反哺循环[13] - 当AI真正融入场景、深入数据并形成闭环，它将成为制造业的新型基础设施[14] - 海智在线未来将持续构建制造业数字化供应链网络，以更低摩擦、更高确定性的方式服务全球制造[15]