“乙方泄露數(shù)據(jù)是砸自己飯碗，而甲方最多掉顆飯�！阋娺^哪個(gè)快遞員會(huì)為了個(gè)包裹砸自己飯碗的？誰傻��！”

在談到客戶的數(shù)據(jù)安全問題時(shí)，蘑菇物聯(lián)創(chuàng)始人兼CEO沈國輝給牛透社打了兩個(gè)貼切的比喻。

安全問題確實(shí)是行業(yè)通病，談到數(shù)據(jù)安全，服務(wù)商比甲方緊張多了。

沈國輝坦言：“數(shù)據(jù)從甲方工廠設(shè)備里采出來，我們拿了他的數(shù)據(jù)，借個(gè)膽子也不敢亂來！真要是泄露了，我們公司直接就得關(guān)門大吉，賠都能賠到死無葬身之地�？杉追侥兀瑪�(shù)據(jù)泄露了可能算個(gè)工作失誤，壓根不是一碼事。”

沈國輝說，蘑菇物聯(lián)的護(hù)城河是算法、協(xié)議和數(shù)據(jù)，這三者缺一不可。

算法能力是他們贏得客戶信任的基礎(chǔ)，沒有過硬的算法實(shí)力，客戶根本不會(huì)給服務(wù)的機(jī)會(huì)；通訊協(xié)議是數(shù)據(jù)采集的前提條件，不連接設(shè)備，再好的產(chǎn)品也無法落地應(yīng)用。

過去十年他們積累了超1600種設(shè)備通訊協(xié)議，"蘑菇物聯(lián)連不上的設(shè)備，別人也連不上"。

最后才是數(shù)據(jù)積累。目前，他們?nèi)站幚沓^100GB的工業(yè)數(shù)據(jù)，這相當(dāng)于 5 萬本百萬字書籍的總量，約等于一座中小型圖書館的全部文字信息。這些數(shù)據(jù)都要經(jīng)過嚴(yán)格的處理流程，從數(shù)據(jù)清洗到數(shù)據(jù)標(biāo)準(zhǔn)化，再到提取有價(jià)值的工業(yè)特征，形成了獨(dú)特的數(shù)據(jù)優(yōu)勢(shì)。即使在當(dāng)前市場環(huán)境下，蘑菇物聯(lián)依然保持增長。

最近幾年，沈國輝發(fā)現(xiàn)市場上發(fā)生了一些變化，客戶的預(yù)算變了，需求也變了。

更重要的是，市場出現(xiàn)了“劣幣驅(qū)逐良幣”的現(xiàn)象，部分廠商為了迎合客戶的短期回報(bào)要求，在合同中亂承諾、夸�？冢罱K在項(xiàng)目驗(yàn)收時(shí)卻不了了之，導(dǎo)致項(xiàng)目爛尾。

他看不慣這種現(xiàn)象，對(duì)此很無奈。

以下為牛透社本次訪談內(nèi)容：

牛透社: 蘑菇物聯(lián)早期選擇從工業(yè)設(shè)備智能化切入，當(dāng)前工業(yè)AI領(lǐng)域最值得破局的黃金場景是什么？聊聊你的判斷邏輯。

沈國輝：工業(yè)AI的價(jià)值場景，我認(rèn)為可以分三個(gè)層次：

首先，最優(yōu)的場景是能直接幫客戶拿訂單、創(chuàng)造收入，這才是真正能讓制造業(yè)客戶眼前一亮的。其次，是能創(chuàng)造可量化、可測量的降本價(jià)值，比如省電省人，要能實(shí)實(shí)在在裝電表測出來，或者明確計(jì)算出節(jié)省了多少人力。最后，才是常見的提效提質(zhì)。雖然也有價(jià)值，但說服力相對(duì)弱一些。

簡單來說，制造業(yè)最關(guān)心的就是四個(gè)關(guān)鍵詞：增收、降本、提效、提質(zhì)。其中增收是最難的，但價(jià)值也最大。

目前來看，第二層次的可驗(yàn)證、可量化的降本效果，是客戶最愿意買單的價(jià)值點(diǎn)。

牛透社：在工業(yè)AI領(lǐng)域，既有傳統(tǒng)工業(yè)軟件巨頭也有新興AI公司，蘑菇物聯(lián)的差異化壁壘是什么？

沈國輝：我們的護(hù)城河可以總結(jié)為三個(gè)核心要素：算法、協(xié)議和數(shù)據(jù)。這三者形成了一個(gè)閉環(huán)，缺一不可。

首先是算法能力。這是我們贏得客戶信任的基礎(chǔ)，沒有過硬的算法實(shí)力，客戶根本不會(huì)給我們服務(wù)的機(jī)會(huì)。

很多人以為工業(yè)AI就是大模型，但我們的算法遠(yuǎn)不止于此。如果只用大模型，那根本形不成壁壘——大模型誰都能用，甲方也能用。我們的獨(dú)特之處在于將大模型與傳統(tǒng)AI技術(shù)，比如強(qiáng)化學(xué)習(xí)、馬爾科夫過程、傅里葉變換、隨機(jī)森林、決策樹等深度融合。

大語言模型擅長處理文字和邏輯推理，但對(duì)工業(yè)設(shè)備的時(shí)序數(shù)據(jù)處理效率不高，甚至?xí)a(chǎn)生"幻覺"。而我們結(jié)合傳統(tǒng)算法，能更高效地處理設(shè)備數(shù)據(jù)。

其次是設(shè)備通訊協(xié)議。這是數(shù)據(jù)采集的前提條件，如果連設(shè)備都連接不上，再先進(jìn)的算法也無法落地應(yīng)用。

我們專注高耗能通用設(shè)備，比如空壓機(jī)、中央空調(diào)，這類設(shè)備有兩個(gè)特點(diǎn)：能耗高（節(jié)能需求強(qiáng)）、通用性強(qiáng)（市場空間大）。過去十年，我們積累了超1600種設(shè)備通訊協(xié)議，協(xié)議問題對(duì)別的公司來說絕對(duì)是巨大的障礙，但我們手到擒來，這是實(shí)打?qū)嵉拈T檻。

現(xiàn)在業(yè)內(nèi)有個(gè)說法，"蘑菇物聯(lián)連不上的設(shè)備，別人也連不上"，這就是我們的價(jià)值。

最后才是數(shù)據(jù)積累。通過實(shí)際服務(wù)客戶，我們才能獲得真實(shí)場景下的設(shè)備運(yùn)行數(shù)據(jù)。

目前，我們?nèi)站幚沓^100GB的工業(yè)數(shù)據(jù)，這些數(shù)據(jù)都要經(jīng)過嚴(yán)格的三步處理流程：第一步是數(shù)據(jù)清洗，去除傳感器噪聲和異常值；第二步是數(shù)據(jù)標(biāo)準(zhǔn)化，轉(zhuǎn)換成可分析的統(tǒng)一格式；第三步是特征工程，提取有價(jià)值的工業(yè)特征。

這個(gè)閉環(huán)體系讓我們形成了獨(dú)特的數(shù)據(jù)優(yōu)勢(shì)。即使在當(dāng)前市場環(huán)境下，我們依然保持增長。

牛透社：從設(shè)備監(jiān)控到預(yù)測性維護(hù)、能效優(yōu)化，蘑菇物聯(lián)的產(chǎn)品迭代反映了工業(yè)客戶需求的哪些變化？

沈國輝：這個(gè)問題很好。

讓我用一個(gè)生活中的例子來說明：就像我們買智能手表，有人是為了測心率，有人是為了計(jì)步數(shù)，還有人就是為了好看。

設(shè)備監(jiān)控也是同樣的道理。

最初，客戶的需求很簡單，就是想隨時(shí)知道設(shè)備是否在正常運(yùn)轉(zhuǎn)。這就像給設(shè)備裝了個(gè)"健康手環(huán)"。

但隨著發(fā)展，客戶發(fā)現(xiàn)僅僅知道"設(shè)備現(xiàn)在好不好"是不夠的，他們更想知道"設(shè)備什么時(shí)候會(huì)壞"。這就是預(yù)測性維護(hù)的價(jià)值所在。

以空壓機(jī)為例，突然停機(jī)可能導(dǎo)致整條生產(chǎn)線癱瘓，損失可能高達(dá)上百萬。通過AI分析設(shè)備數(shù)據(jù)，我們可以提前預(yù)警潛在故障，讓客戶有時(shí)間安排維護(hù)，避免非計(jì)劃停機(jī)。

現(xiàn)在，客戶的需求又升級(jí)了，不僅要設(shè)備不壞，還要運(yùn)行得更高效。就像我們不僅希望手表能測心率，還希望它能給出健康建議一樣。能效優(yōu)化就是在保證設(shè)備可靠性的前提下，幫助客戶節(jié)省能耗成本。

這個(gè)發(fā)展過程，本質(zhì)上是從"事后處理"到"事前預(yù)防"，再到"主動(dòng)優(yōu)化"的升級(jí)。每一步都對(duì)應(yīng)著客戶痛點(diǎn)的深化和需求的升級(jí)。

預(yù)測性維護(hù)主要依靠傳感器監(jiān)測數(shù)據(jù)，通過算法預(yù)測故障，這屬于被動(dòng)防御。而能效優(yōu)化則需要主動(dòng)控制設(shè)備運(yùn)行參數(shù)，實(shí)現(xiàn)更高效的能源使用。

這一發(fā)展路徑與行業(yè)特點(diǎn)密切相關(guān)。

2009年"感知中國"戰(zhàn)略催生了一批做設(shè)備監(jiān)測的公司，他們主要解決"設(shè)備會(huì)不會(huì)壞"的問題。但空壓機(jī)、中央空調(diào)這些高耗能設(shè)備占工廠能耗的40%~60%，客戶更需要解決"怎么更省電"的問題。

我們之所以選擇專注于高耗能通用設(shè)備領(lǐng)域，主要基于三個(gè)關(guān)鍵維度的考量。

首先是通用性。這類設(shè)備的應(yīng)用場景極為廣泛，滲透在多個(gè)行業(yè)的生產(chǎn)運(yùn)營環(huán)節(jié)中，由此催生了龐大的市場規(guī)模，為我們的業(yè)務(wù)拓展提供了廣闊空間。

其次是高能耗特性。正因?yàn)槟芎幕鶖?shù)大，所以蘊(yùn)含著巨大的節(jié)能潛力，客戶對(duì)于通過技術(shù)手段降低能耗、削減成本的需求迫切，付費(fèi)意愿也相對(duì)較強(qiáng)。

再者是控制需求。這類設(shè)備在運(yùn)行過程中，往往需要對(duì)各項(xiàng)運(yùn)行參數(shù)進(jìn)行實(shí)時(shí)、精準(zhǔn)的調(diào)節(jié)，以保障其高效穩(wěn)定運(yùn)轉(zhuǎn)，這也為我們的技術(shù)介入提供了重要切入點(diǎn)。

以電子行業(yè)為例，我們通過優(yōu)化空壓機(jī)群控策略，成功幫助客戶實(shí)現(xiàn)了 15%~20% 的能耗節(jié)省。這種節(jié)能效果是完全可測量、可驗(yàn)證的。

牛透社：在當(dāng)前經(jīng)濟(jì)環(huán)境下，工業(yè)客戶普遍面臨經(jīng)營壓力，你們?cè)谑袌錾细惺艿搅四男┳兓?/strong>

沈國輝：第一，關(guān)于客戶預(yù)算的變化。現(xiàn)在的工業(yè)客戶就像手里攥著5000塊錢卻只敢花1000塊的消費(fèi)者，極度謹(jǐn)慎。投資回報(bào)周期要求從原來的3年~4年縮短到2年以內(nèi)。他們對(duì)"增收"類項(xiàng)目持觀望態(tài)度，更看重"降本"，更傾向于可量化的節(jié)能項(xiàng)目，而非模糊的效率提升。

第二，客戶的需求也在變。現(xiàn)在客戶最愿意買單的是"看得見、算得清"的價(jià)值，比如要有精確到度的節(jié)能效果，要具備可驗(yàn)證的故障預(yù)測能力，還要能夠節(jié)省人力。

第三，市場出現(xiàn)了劣幣驅(qū)逐良幣的現(xiàn)象。部分廠商為了迎合客戶的短期回報(bào)要求，在合同中亂承諾、夸海口，最終在項(xiàng)目驗(yàn)收時(shí)卻不了了之，導(dǎo)致項(xiàng)目爛尾。

但我們蘑菇物聯(lián)堅(jiān)持三個(gè)底線原則：一是所有數(shù)據(jù)真實(shí)可追溯，二是效果必須經(jīng)得起第三方驗(yàn)證，三是不承諾超出技術(shù)能力范圍的回報(bào)。

牛透社：你們目前標(biāo)準(zhǔn)化 SaaS 與定制化解決方案的營收占比如何？客戶更傾向于哪種模式？

沈國輝：我們標(biāo)準(zhǔn)化 SaaS 的占比很高，達(dá)到80%以上，定制化解決方案僅占一小部分。

標(biāo)準(zhǔn)化 SaaS 主要面向多數(shù)客戶的共性需求，通過 SaaS 化部署快速落地；而部分大型客戶會(huì)有私有化部署需求，這類項(xiàng)目會(huì)涉及少量定制化開發(fā)。

相比之下，專注高耗能通用設(shè)備的特性，讓我們能以標(biāo)準(zhǔn)化產(chǎn)品覆蓋大部分場景。

如果做專用設(shè)備的數(shù)字化，同行往往不得不依賴私有化部署，大概率會(huì)淪為定制化解決方案，而我們通過聚焦通用設(shè)備場景，避免了這種困境。

牛透社：工業(yè)設(shè)備故障樣本通常較少，蘑菇物聯(lián)如何用少量數(shù)據(jù)訓(xùn)練出高精度模型？會(huì)采用遷移學(xué)習(xí)或合成數(shù)據(jù)技術(shù)嗎？

沈國輝：核心在于數(shù)據(jù)治理。

無論是大模型還是小模型，數(shù)據(jù)質(zhì)量直接決定精度。數(shù)據(jù)治理不到位、結(jié)構(gòu)混亂，模型就容易出 “幻覺”，優(yōu)化效果也會(huì)大打折扣。

我們的路徑很清晰，先通過物聯(lián)網(wǎng)采集數(shù)據(jù)，然后過濾掉傳感器產(chǎn)生的噪點(diǎn)和毛刺數(shù)據(jù)，完成清洗；再將數(shù)據(jù)結(jié)構(gòu)化，完善治理形成數(shù)據(jù)集；最后用高質(zhì)量數(shù)據(jù)集訓(xùn)練模型，不斷迭代提升精度。

物聯(lián)網(wǎng)數(shù)據(jù)量極大，人工清洗不現(xiàn)實(shí)，必須靠算法自動(dòng)化處理，這本身就是技術(shù)門檻。

打個(gè)比方，數(shù)據(jù)就像石油，純度不夠的油會(huì)讓發(fā)動(dòng)機(jī)抖動(dòng)，而經(jīng)過治理的 “純正數(shù)據(jù)” 才能為模型提供持續(xù)動(dòng)力。

只有把數(shù)據(jù)基礎(chǔ)打牢，模型精度才有保障。

牛透社：設(shè)備數(shù)據(jù)存儲(chǔ)在你們這兒，客戶怎么看數(shù)據(jù)的安全性問題？你們又憑什么保證安全？

沈國輝：工業(yè)AI與智能駕駛類似，均采用云邊端架構(gòu)，核心是根據(jù)功能需求分配算力與存儲(chǔ)資源：

云端主要承擔(dān)需要大存儲(chǔ)、大算力的任務(wù)，比如模型的訓(xùn)練、迭代。云端能利用其存儲(chǔ)和算力優(yōu)勢(shì)，處理海量數(shù)據(jù)并優(yōu)化模型，就像特斯拉將攝像頭采集的大量數(shù)據(jù)放在云端訓(xùn)練，不斷提升算法能力。

邊緣端部署的是經(jīng)過“蒸餾”的訓(xùn)練好的模型，負(fù)責(zé)實(shí)時(shí)計(jì)算與控制。邊緣服務(wù)器直接安裝在空壓站、中央空調(diào)機(jī)房等能源站房內(nèi)，與設(shè)備僅相距幾米到十幾米，能實(shí)現(xiàn)毫秒級(jí)響應(yīng)，滿足實(shí)時(shí)性需求。

我們的決策標(biāo)準(zhǔn)是，需實(shí)時(shí)處理、強(qiáng)調(diào)及時(shí)反應(yīng)與獨(dú)立運(yùn)行的任務(wù)，比如設(shè)備控制，必須放在邊緣端，避免依賴無線網(wǎng)絡(luò)。

我們把大存儲(chǔ)、模型訓(xùn)練與迭代的任務(wù)，放在云端。邊緣端與云端每小時(shí)同步一次數(shù)據(jù)即可，模型迭代時(shí)通過OTA遠(yuǎn)程升級(jí)從云端推送至邊緣端，類似特斯拉車機(jī)系統(tǒng)的更新邏輯。

安全問題確實(shí)是行業(yè)通病。但數(shù)據(jù)是從甲方工廠設(shè)備里采出來的，設(shè)備是他的，數(shù)據(jù)自然也是他的。

我們拿了他的數(shù)據(jù)，敢亂來？借個(gè)膽子也不敢！真要是泄露了，我們公司直接就得關(guān)門大吉，賠都能賠到死無葬身之地�？杉追侥兀瑪�(shù)據(jù)泄露了可能算作工作失誤，壓根不是一碼事。

我們比甲方緊張多了。

我們拿數(shù)據(jù)是當(dāng)石油來加工的，是幫他創(chuàng)造價(jià)值的，又不是拿去賣錢。真能賣錢這生意倒好做了，可甲方能答應(yīng)嗎？

甲方真沒必要擔(dān)心，真想放心，簽協(xié)議，加懲罰條款，怎么罰都行，規(guī)矩我們認(rèn)。

乙方泄露數(shù)據(jù)是砸自己飯碗，甲方最多掉顆飯�！阋娺^哪個(gè)快遞員會(huì)為了個(gè)包裹砸自己飯碗的？誰傻�。�

牛透社：能否分享一個(gè)蘑菇物聯(lián) AI 產(chǎn)品在工業(yè)行業(yè)實(shí)際應(yīng)用的案例，講講它是如何解決企業(yè)實(shí)際問題的？

沈國輝：就說德�？萍迹倾~箔行業(yè)的龍頭企業(yè)。生產(chǎn)銅箔，需要空壓機(jī)、中央空調(diào)、水泵這些通用工業(yè)設(shè)備，保障水電氣冷熱供應(yīng)。

但問題來了，這些高耗能設(shè)備管理起來太復(fù)雜了，涉及空氣動(dòng)力學(xué)、機(jī)械制造、電氣工程自動(dòng)化、暖通工程、熱能與動(dòng)力工程好幾個(gè)學(xué)科。

大學(xué)里都沒哪個(gè)專業(yè)能把這些全教了，招人都難，想找能同時(shí)管好這么多設(shè)備的人才，難上加難。而且設(shè)備多了，能耗也跟著飆升，這可是筆大開銷。

這不就正好是工業(yè) AI 能發(fā)揮作用的地方嗎？

我們做的就是把 “老師傅” 軟件化，變成數(shù)字人。我們的“云智控”產(chǎn)品，就相當(dāng)于一個(gè)訓(xùn)練有素的老師傅分身，不僅懂剛才說的那五大專業(yè)，連語數(shù)外、數(shù)理化這些基礎(chǔ)學(xué)科知識(shí)也都掌握，是大模型結(jié)合小模型訓(xùn)練出來的。

德�？萍假I的就是這個(gè) “數(shù)字老師傅”。它產(chǎn)能擴(kuò)張期，既要保證生產(chǎn)不能掉鏈子，又得降能耗，還缺設(shè)備管理的人手，我們這產(chǎn)品全給解決了。既能節(jié)能，又能幫著省人，還不耽誤生產(chǎn)�，F(xiàn)在測下來節(jié)能效果有超過15%。

牛透社：你們最常遇到的客戶認(rèn)知誤區(qū)是什么？

沈國輝：最典型的就是客戶過度自信，用老外的話說叫“OC（Over Confidential）”。

他們太相信自己那套老經(jīng)驗(yàn)了，覺得 “我干這行十幾年，參數(shù)都是手調(diào)的，你一個(gè)軟件能比我強(qiáng)？”

這其實(shí)是對(duì)過往經(jīng)驗(yàn)的過度自信，形成了路徑依賴。

他們一開始就對(duì)你的 POC 做 “有罪推定”，先認(rèn)定你不行，然后到處找理由證明自己是對(duì)的。

說白了，想挑刺還不容易？就像有人會(huì)直接懟 “你又不是干這個(gè)的，你懂還是我懂？”

但他們忘了，現(xiàn)在的 AI 真可能比他懂，只是很多人不愿意承認(rèn)。

牛透社：你曾提到要在“一厘米寬的地方挖一公里深”，堅(jiān)持深耕垂直領(lǐng)域。那為什么不拓展更廣泛的業(yè)務(wù)領(lǐng)域？進(jìn)入新行業(yè)時(shí)，又如何快速適配差異化的設(shè)備協(xié)議和工藝邏輯呢？

沈國輝：我們就是要在窄領(lǐng)域做深做透，讓客戶看到我們的工業(yè)AI軟件，比如云智控，就是比最有經(jīng)驗(yàn)的老師傅還靠譜。

做工業(yè)得有敬畏心，現(xiàn)在在這“一公尺寬”的領(lǐng)域里，都還有人天天挑刺、想證明我們錯(cuò)了，要是貪多求廣，那不就被批得體無完膚了？

至于進(jìn)入新行業(yè)時(shí)適配設(shè)備協(xié)議和工藝邏輯，沒別的捷徑，全靠一點(diǎn)點(diǎn)啃那些臟活累活。

朱嘯虎也說過，工業(yè)領(lǐng)域，把臟活累活干扎實(shí)了，自然就有了護(hù)城河。光靠算法�；茏�，根本成不了事。

這就像毛竹生長，前四年在地下默默扎根，看起來沒動(dòng)靜，可根扎夠深了，一旦破土，就能蹭蹭往上長。

我們蘑菇物聯(lián)快十年了，現(xiàn)在就像剛冒頭的毛竹，碰上行業(yè)環(huán)境不好，時(shí)代的塵埃一層層壓上來，更得把根扎穩(wěn)、把臟活累活干透，才能不管多少土壓著，都能頂破出來。

我們已經(jīng)在做出海的事情，東南亞的越南、泰國、馬來西亞，還有日韓這些地方都在推進(jìn)，先從近距離的市場開始布局。目前這些國家都已經(jīng)有 POC 概念驗(yàn)證項(xiàng)目了。

牛透社：蘑菇物聯(lián)推進(jìn)AI商業(yè)化的過程中，面臨哪些主要挑戰(zhàn)？

沈國輝：我們主要面臨三大挑戰(zhàn)：

一是客戶認(rèn)知與信任問題。部分客戶過度依賴傳統(tǒng)經(jīng)驗(yàn)，對(duì)AI技術(shù)缺乏認(rèn)可，認(rèn)為手動(dòng)調(diào)整參數(shù)比軟件更可靠。針對(duì)這一問題，我們采取篩選客戶的策略，優(yōu)先與愿意尊重專業(yè)分工的客戶合作，同時(shí)借助媒體力量提升行業(yè)認(rèn)知，推動(dòng)客戶接受專業(yè)化的AI解決方案。

二是預(yù)算約束。當(dāng)前工業(yè)企業(yè)普遍面臨資金壓力，對(duì)AI投入的回報(bào)周期要求更為嚴(yán)格，回本周期從過去的三年縮短至兩年以內(nèi)。盡管短期困難，但我們堅(jiān)信制造業(yè)作為中國的經(jīng)濟(jì)支柱，長期來看市場必將回暖。

三是數(shù)科公司對(duì)的行業(yè)沖擊。大量數(shù)科公司以“包工頭”模式運(yùn)作，將研發(fā)外包給技術(shù)公司并獲取利潤，導(dǎo)致真正投入創(chuàng)新的企業(yè)利潤縮減、研發(fā)受限。我們認(rèn)為這種模式不可持續(xù)，未來行業(yè)將逐步回歸良性生態(tài)。