在通過AIoT技術(shù)輔助并改造制造業(yè)的賽道上，蘑菇物聯(lián)是行業(yè)的先鋒。

AIoT技術(shù)正在驅(qū)使制造業(yè)發(fā)生巨變，大家終于有了趁手的技術(shù)工具，可以挖掘工業(yè)數(shù)據(jù)的價值，讓數(shù)據(jù)成為工業(yè)的生產(chǎn)力。如高能耗的空壓機(jī)、電機(jī)、風(fēng)機(jī)、水泵等設(shè)備在AI+IoT 技術(shù)的輔助下，正在變得更智能、更節(jié)能。

自2016年創(chuàng)辦蘑菇物聯(lián)并陸續(xù)推出“蘑菇云盒”等硬件與“AI云智控”等軟件產(chǎn)品體系之后，創(chuàng)始人&CEO沈國輝的想法成為現(xiàn)實，并希望在通用工業(yè)設(shè)備一站式AIoT SaaS服務(wù)的賽道上繼續(xù)探索。這其中的產(chǎn)品演變不僅符合技術(shù)趨勢，也進(jìn)一步勾勒出蘑菇物聯(lián)的商業(yè)化思考。

01產(chǎn)品升級的背后：客戶需求不同

最先嘗到數(shù)據(jù)甜頭的是“S”。

蘑菇物聯(lián)口中的“S”是誰？它們是通用工業(yè)設(shè)備產(chǎn)業(yè)集群中的中間角色：設(shè)備運維商。它的上游設(shè)備廠商（F），它的下游是設(shè)備使用商即制造工廠（U），這些分布全國的設(shè)備運維商就如汽車行業(yè)的4S網(wǎng)點一樣，為在工廠里運行的設(shè)備提供運維服務(wù)。

蘑菇物聯(lián)從S端的痛點切入行業(yè)。“人停機(jī)不?！钡目諌簷C(jī)、吸干機(jī)、水泵、冷干機(jī)等設(shè)備在長時間的運行中難免出現(xiàn)異常，一旦設(shè)備出現(xiàn)故障，工廠便會聯(lián)系S報修，在電話里向S描述故障情況，但因為S沒有設(shè)備運行的數(shù)據(jù)，也難以根據(jù)客戶的描述精準(zhǔn)判斷故障，容易出現(xiàn)誤判，出現(xiàn)帶錯配件而白跑一趟的情況，這不僅降低了客戶滿意度，也增加了售后運維成本。

這種一次維修跑個四五次的情況，在設(shè)備搭載蘑菇物聯(lián)的軟硬件產(chǎn)品之后得到了顯著的改觀。單臺設(shè)備的運行數(shù)據(jù)被精準(zhǔn)采集和分析，出現(xiàn)問題立刻報警，售后維修師傅人還沒到工廠，就已經(jīng)可以在手機(jī)上對故障進(jìn)行定位，小一些的故障，師傅都不用上門解決，遠(yuǎn)程即可解決，嚴(yán)重一些的故障，也能做到帶齊正確的配件，一次上門就解決好問題，不僅讓客戶滿意，還節(jié)約了運維成本。

這就是業(yè)內(nèi)常說的“救火式售后”，被數(shù)智化技術(shù)改變了，變成了“精準(zhǔn)售后”。

工程師在手機(jī)上查看設(shè)備運行情況

隨著蘑菇物聯(lián)逐漸從S進(jìn)軍到F和U端，沈國輝意識到，僅做設(shè)備數(shù)據(jù)的采集與分析遠(yuǎn)遠(yuǎn)不夠。每家F都能夠生產(chǎn)幾百到上千臺設(shè)備，他們的需求是希望設(shè)備變得智能化，并且能對設(shè)備進(jìn)行全生命周期的維護(hù)。U的需求更為“挑剔”。

在工廠里，蘑菇物聯(lián)所面對的不再是“散裝”的一臺臺設(shè)備，而是空壓機(jī)、干燥機(jī)、冷卻塔等各類設(shè)備組合而成的空壓站或公輔能源車間。以由制冷主機(jī)、冷卻泵、冷卻塔、冷凍泵、集水器、分水器末端的組合式空調(diào)柜等構(gòu)成的大型制冷系統(tǒng)為例，僅僅是設(shè)備數(shù)據(jù)的采集很難滿足客戶的需求，這些高能耗設(shè)備組成的車間能耗巨大，客戶最迫切的需求一是安全供能，二是節(jié)能降碳。

換句話說，客戶期待一套智能化的解決方案，因此蘑菇物聯(lián)自研了AI云智控，融合IoT、AI技術(shù)，實現(xiàn)了“感知，認(rèn)知，決策，執(zhí)行”的數(shù)據(jù)閉環(huán)，讓數(shù)據(jù)從設(shè)備中來，再回到設(shè)備中去，智能控制設(shè)備運行。

這樣的蛻變，對沈國輝來說，不僅是客戶需求的進(jìn)一步滿足，也符合一家工業(yè)生態(tài)鏈之中數(shù)智化解決方案商的商業(yè)邏輯。

對蘑菇物聯(lián)商業(yè)模式的思考，沈國輝一直沒有停止。2016年蘑菇物聯(lián)切入S端，2018年進(jìn)入F端，2019年逐漸開始與U端客戶直接對話，他試圖抓住每類客戶的痛點。全國S端服務(wù)商在3萬家以內(nèi)，F(xiàn)端廠商雖然數(shù)量更多，但每個品類的廠商數(shù)量都有限，例如空壓機(jī)的設(shè)備廠家全國只有300余家，中央空調(diào)更是不到100家。若想要在商業(yè)版圖上占據(jù)重要的位置，蘑菇物聯(lián)必須關(guān)注U端工廠的需求。在中國，僅規(guī)上工業(yè)企業(yè)就已經(jīng)超過40萬家。“我們想要服務(wù)這最大的群體，但也一直不知道什么時候才能夠服務(wù)它們，飯要一口一口吃，路要一步一步走，只能腳踏實地?！?/strong>

為了滿足各行各業(yè)工廠的需求，蘑菇物聯(lián)把IoT升級為AIoT，不僅需要采集數(shù)據(jù)，而且需要對數(shù)據(jù)進(jìn)行建模分析，然后做出決策，并將控制指令下發(fā)到設(shè)備中，控制設(shè)備運行，幫助工廠實現(xiàn)安全供能、無人值守、節(jié)能降碳三大可測量的價值，這需要IoT的技術(shù)，更需要AI的技術(shù)。而只有產(chǎn)品能滿足不同客戶的需求，尤其是把價值做深做厚，客戶才有為蘑菇物聯(lián)的產(chǎn)品組合買單的動力。

02AIoT為客戶創(chuàng)造可測量的價值

在廣州的一家制藥工廠里，藥品在生產(chǎn)的過程中，壓縮空氣直接與藥品接觸，對壓縮空氣的質(zhì)量提出了非常高的要求。黃部長卻面臨兩個頭痛的問題，一個是經(jīng)常出現(xiàn)的不明原因氣壓偏低，另一個是壓縮空氣的質(zhì)量檢測。AI云智控上線后，黃部長根據(jù)詳盡的數(shù)據(jù)監(jiān)測分析，終于解決了問題。

根據(jù)數(shù)據(jù)分析，有一臺空壓機(jī)，能正常開關(guān)啟停，但是空壓機(jī)出口的的單向閥卡死了，若沒有數(shù)據(jù)可供對比分析，僅憑人工經(jīng)驗，這類故障極難發(fā)現(xiàn)，因為從外表看，設(shè)備運行沒有任何問題。黃部長笑稱他借助AI云智控捉到了站房里的“鬼”。有了詳盡的數(shù)據(jù)監(jiān)測分析，黃部長能實時掌握壓縮空氣的質(zhì)量，也不用在擔(dān)心壓縮空氣質(zhì)量不達(dá)標(biāo)的問題。AI云智控不僅僅解決了安全供氣的問題，還實現(xiàn)了站房節(jié)能20%。

在北方一家汽車生產(chǎn)工廠，工廠占地面積192萬㎡，相當(dāng)于269個足球場的大小，建設(shè)了38個公輔車間，公司總計安排了146人進(jìn)行管理，AI云智控上線后，只需要20人就能管理好38個公輔車間，因為再也不需要工程師頻繁去車間點巡檢設(shè)備、抄錄數(shù)據(jù)了。在如此大面積的工廠里，定時定點巡檢設(shè)備并不是一件輕松的事情，AI云智控大大減輕了工程師的工作量，還提高了管理效率。

在某汽車制造工廠， 工程師在操作云智控硬件產(chǎn)品

在浙江一家新能源行業(yè)的工廠里，中央空調(diào)系統(tǒng)構(gòu)成模塊多，復(fù)雜度高，容易存在多種隱性故障，帶“病”運行，不僅導(dǎo)致中央空調(diào)系統(tǒng)供冷效率降低，還存在10%～20%能源浪費的痼疾，工程師多采用更換設(shè)備、加裝變頻器等節(jié)能常用方法，分割中央空調(diào)系統(tǒng)，再針對各個局部做節(jié)能改造，各自孤立控制，未能發(fā)揮系統(tǒng)的數(shù)據(jù)價值，節(jié)能效果有限。AI云智控上線后，利用AI算法全局尋優(yōu)，從追求單臺設(shè)備能耗最低，轉(zhuǎn)為制冷系統(tǒng)整體能耗最低，基于負(fù)荷預(yù)測去控制設(shè)備智能加減載，優(yōu)化設(shè)備運行組合與時長，確保冷量穩(wěn)定供應(yīng)，節(jié)能率高達(dá)14.45%，預(yù)計年節(jié)約中央空調(diào)系統(tǒng)耗電量578萬度，節(jié)約碳排放1602噸。

安全供能、無人值守、節(jié)能降碳是蘑菇物聯(lián)為客戶創(chuàng)造的三大可測量價值。

另一個有趣的案例來自一家電子企業(yè)，這家企業(yè)的設(shè)備主管是一位工作多年的老師傅。2020年，他被隔離在小區(qū)，但由于工廠早已安裝了AI云智控系統(tǒng)，老師傅坐在家中通過電腦監(jiān)測、控制站房里的設(shè)備運行，滿足了隔離期間生產(chǎn)用氣需求。這事過后，老師傅還獲得了日本總部的獎項。更有意思的是，感受到了數(shù)智化技術(shù)的好處后，這位老師傅選擇了辭職，特意加入了一家當(dāng)?shù)刈鰯?shù)智化服務(wù)的企業(yè)，將數(shù)智化技術(shù)推廣給更多的工廠。

這樣的案例令沈國輝很感慨，在他看來，很多工廠負(fù)責(zé)設(shè)備維護(hù)的老師傅都有四五十歲，他們并不抗拒新技術(shù)，只有能為客戶創(chuàng)造可測量的價值，能計算出清晰的ROI，大家都能把賬算清楚，這些工程師對新技術(shù)也是非常開放的心態(tài)。而蘑菇物聯(lián)的“賬”就是堅定投入工業(yè)AI的研發(fā)，讓控制更智能。

03工業(yè)AI與“靈知AI”

從IoT到AIoT，蘑菇物聯(lián)看到大模型所帶來的ChatGPT互動形式，并順理成章地用到了客戶咨詢上。2023年蘑菇物聯(lián)發(fā)布了中國首個通用工業(yè)設(shè)備領(lǐng)域大模型“靈知AI”，目前可以回答空壓站、中央空調(diào)系統(tǒng)的各類專業(yè)問題。

“靈知AI”的出現(xiàn)，一是基于蘑菇物聯(lián)自身的“痛點”，即針對各端客戶、各類設(shè)備的售后支持，減輕負(fù)責(zé)售后問題的客戶滿意部門的壓力，客戶有一些問題可以去問靈知AI；二是要實現(xiàn)故障診斷和智能控制，也需要靈知AI。因此，靈知AI擁有4大能力模型：問答大模型、診斷大模型、預(yù)測大模型與控制大模型。

“靈知AI”的“諧音?！眮碜杂诟呒壍摹澳⒐健薄办`芝”，這款產(chǎn)品的創(chuàng)造班底也頗為“跨界”，工程師分別來自于IT團(tuán)隊、產(chǎn)品開發(fā)團(tuán)隊與運維團(tuán)隊，由畢業(yè)于香港中文大學(xué)的AI博士周子葉先生帶隊。

既然將靈知AI定位于基礎(chǔ)大模型的專用大模型的研發(fā)和應(yīng)用，蘑菇物聯(lián)便沒有選擇自研，而是與行業(yè)已有積淀的大企業(yè)合作研發(fā)，取各自之長，來進(jìn)行定制或深度共研。

在蘑菇物聯(lián)看來，靈知AI的第一階段是形成專用模型，精準(zhǔn)識別用戶的問題的屬性，例如有關(guān)設(shè)備工藝，設(shè)備故障等；目前所在的第二階段，靈知AI將利用大模型將水、電、氣、冷、熱等各類場景統(tǒng)管起來，做到設(shè)備預(yù)測性維護(hù)與能源需求預(yù)測；第三階段，蘑菇物聯(lián)希望靈知AI成為公輔能源車間控制的完全智能體，自動接管進(jìn)化和迭代，實現(xiàn)公司內(nèi)部最大程度的效率提升。

這其實也與沈國輝對于智能化的期待相吻合。他認(rèn)為智能化的改進(jìn)能夠解放人力，“讓人才去做沒有被定義好的事情、更有創(chuàng)意的事情”，同時他也認(rèn)為智能化不會淘汰工程師，“我相信人工智能其實要淘汰的不是人，不是工程師，而是淘汰那些不積極擁抱智能工具的工程師?！?/strong>

靈知AI問世后，盡管有大模型與算法在后臺坐診，對于客戶來說相當(dāng)于“隱形”，但很多客戶仍然感到十分好奇：靈知AI是怎么控制的？

云智控：軟硬件一體化解決方案

于是團(tuán)隊決定把后臺靈知AI的決策流程可視化呈現(xiàn)出來，讓客戶看到自己所預(yù)設(shè)的答案在哪個環(huán)節(jié)有了分支，后臺是否檢測到了設(shè)備狀態(tài)的變化，同時要不要進(jìn)行決策，對應(yīng)的最終策略又是什么。這個可視化過程甚至成了很多客戶的匯報“利器”，在他們進(jìn)行領(lǐng)導(dǎo)接待與匯報的時候，會直接用靈知AI的可視化界面去展現(xiàn)工作成果。有些客戶甚至提到，不如把靈知AI定制為自己廠商的“xx大模型”形式。而這些也帶給團(tuán)隊更大的想象空間。

成立于2016年的蘑菇物聯(lián)，隨著客戶不斷變化的需求，也一直在快速迭代自己，去滿足客戶需求，從服務(wù)S到服務(wù)F、S、U；從IoT到AIoT；從空壓站到空壓站+制冷站+循環(huán)水站的大公輔能源車間，蘑菇物聯(lián)一直在進(jìn)化。這是新工業(yè)革命特征，新技術(shù)在工業(yè)領(lǐng)域的應(yīng)用不斷深入，場景不斷擴(kuò)大，創(chuàng)造的價值也越來越大。蘑菇物聯(lián)有它拓展的版圖，也有它嚴(yán)守的邊界。

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。