在工业智能化进入深水区、大模型重塑各行各业的背景下，工业智能体正在从辅助提效向生产控制的深层进化。

作为一家国内工业SaaS厂商，蘑菇物联率先开启了All in AI战略转型，创始人兼CEO沈国辉正带领公司经历一场从提供软件到提供能源托管的范式变革。

沈国辉拥有深厚的离散型制造管理经验，自2016年切入工业AIoT赛道至今，持续推动“工业真AI”在能源管控领域的落地实践。

本次访谈，爱分析与沈国辉深度探讨了未来智慧工厂形态、AI如何赋能公辅车间场景、工业软件厂商未来出路等话题。

核心观点：

AI驱动公辅能源全托管：通过大小模型协同的云智控技术，蘑菇物联正推动空压站、制冷站等公辅能源车间的无人化运营，实现从卖软件到卖能源托管的商业模式重构。

工业软件的出路是服务化：单纯卖软件在AI时代将越发艰难，工业企业的付费意愿更倾向于可见价值，能源托管模式将节能收益与无人值守价值打包，破解传统工业软件盈利困局。

未来工厂公共车间都会走向全托管模式：公共能源车间，如压缩空气、冷冻水等，将如电力一样走向外包化，AI承担控制、诊断、巡检等标准化工作，人类聚焦于无法被替代的维修、保养等柔性任务。

01 从提供软件到提供能源托管的模式升级

Q：蘑菇物联提出“All in AI”之后，技术产品、商业模式上会发生哪些变化？

沈国辉：首先说技术产品。当前大家更多是用AI去做报表、生成文档，这个本来就是大模型擅长的，C端已经普及。工业场景最敏感的是控制，其次是配方，这两点是我们核心关注的场景。

我们从2020年开始做AI控制，用AI参与车间控制，包括空压站、制冷站、锅炉房、水泵房等，这些车间产生的不是直接产品。

以汽车厂为例，直接产品是汽车，但生产过程离不开压缩空气、冷冻水、蒸汽和循环水。这些车间统称为公辅能源车间，是公共辅助的供能车间。

我们从2020年开始使用马尔科夫过程、LSTM等强化学习、深度学习的专用小模型来做控制。小模型的优势在于精确、快速，擅长全局寻优。但小模型知识面有限，泛化能力不足，遇到新客户、新站房时，工程师需要到现场手动调整初始化参数，无法实现自适应。

大模型能力进化后，我们可以用大模型替代工程师完成参数初始化。例如，马尔科夫过程中的惩罚因子，针对不同站房需要微调，这个工作可以由大模型完成。

有了大模型的加持，我们可以将大小模型结合来实现对公辅能源车间的控制。大模型负责诊断、自适应、模型泛化和参数设定，小模型负责实时计算、快速响应、全局寻优和求最优解。这个结合后的产品叫云智控。

第二个是商业模式。AI有两个进步：一是AI成为劳动者，二是AI通过好的skills可以极大化地消除幻觉。基于大小模型结合带来的无人值守能力，可以对空压站、制冷站、水泵房、锅炉房进行托管。蘑菇物联在AI时代的商业模式重点就是能源托管。

能源托管是指，原来甲方自己建设、持有、运营的能源站房，现在设备外包给乙方投资、建设和运营。甲方不需要投入资金，不需要支付电费，不需要派人管理，按实际用能付费。

甲方愿意设备外包的原因在于，我们管理更专业、能源成本控制更低，既能帮甲方省钱，蘑菇物联也能获得收益。

中国企业通常不愿意为软件付费，因为软件成本看不见，客户更愿意为看得见的硬件或人力服务付费。软件研发投入几个亿，客户可能认为这些成本与自己无关，或者认为研发成本被夸大。

我们的商业模式从卖软件、卖解决方案转变为卖能源托管。能够卖能源托管的前提是实现无人值守，从而降低运营成本。能源托管收益的本质，是节能收益加无人值守收益。

节能依靠AI全局寻优算法，无人值守依靠大小模型结合，用AI替代现场人员。节能和无人值守都来自AI云智控这个产品，有了这个产品提供的价值，才能实现能源托管这一商业模式。

Q：蘑菇物联组织形态上会发生什么变化？

沈国辉：我们组织形态会变成一家从轻资产到重资产的运营公司。

能源托管收益的本质来自两点：省电和省人。省电来自于AI算法的全局寻优，省人来自于AI替代人工，实现无人值守。

组织形态上，会朝着重资产运营的模式发展。这意味着我需要加强财务管理、风险控制、资本运营的人员，算IRR，把资金变成一个供应链，可能要找多家融资租赁公司来保障我可以运营更多的能源站房。

内部管理上，该用AI做的事情绝对不用人做。因为重资产运营要求及时响应，客户按分钟计时罚款，只有AI才能做到实时提供服务，随时在线，而人需要睡觉。

这就是组织形态的变化。从一个软件公司变成一个资产运营公司。我不一定持有资产，但不管资产是否由蘑菇物联持有，我们都得运营这些资产。

Q：按刚才讲的商业模式和未来演进，“灵知AI Agent平台”是怎么考虑的？

沈国辉：我们发这个平台有两个原因。

第一个原因是我自己也要用这个平台，要在一个平台上实时控制空压站、制冷站、循环水、锅炉房，不同的对象、不同的能源站房在一个平台上智能控制。

第二个原因，我们有上百家中外500强和头部企业客户，他们也想有一个平台，能够自己做一些工厂里面差异化的能源站房智能控制。

有各种各样零零碎碎的、个性化的、跟这些能源站房强相关的场景，甲方企业们也希望在一个平台上能够把它给搭出来。

Agent平台作为一种使用大模型加小模型的载体，我认为它是不会消失的。Agent平台不光是使用大模型的一个平台，它也是调用像马尔科夫过程、随机森林、傅里叶变换这种小模型的一个平台，是一个综合使用这些模型的底座。

同时它也是我的技术产品的一个底座，是AI云智控系统的底座。我是靠AI云智控系统来实现节能，靠云智控来实现无人值守，最终做能源托管给客户提供的价值，也是靠AI云智控系统来提供的。

02 未来工厂的公共能源车间都将被托管

Q：随着AI成熟，很多工厂会把能源外包出来。未来的工厂大概会是什么形态？

沈国辉：这个问题很有意思，客观讲，我其实没有想得特别完整，我重点关注还是公辅车间这一块。

我认为公辅能源车间未来的发展方向，按照我的思考，就是走向能源托管、走向外包化。因为它本来就是公共辅助能源，不涉及工厂制造产品的工艺流程和工艺配方，不够敏感，不是工厂必须自己掌握的东西。

那么生产车间会怎么发展？制药行业里，药明康德把研发外包了，因为药品利润太低。按道理研发应该企业自己干，苹果就是研发、销售、品牌自己干，生产外包，连工厂都没有。回到工厂这件事，你可以把能源站房托管给我们，因为能源站房不核心，但你又必须用。

我用一个最同类的比较。1978年改革开放初期，你要开工厂，都要自建电厂，自己准备电。现在谁还自己准备电？电都外包给电网了。

电可以外包，为什么压缩空气不能外包？为什么冷冻水不能外包？蒸汽现在本来也在大量外包，很多人已经不建锅炉房了，都是找附近的热电厂买蒸汽。

空压站、制冷站、循环水，我们理解接下来，能源都要外包。

Q：还有哪些环节需要人介入？人和AI劳动者之间怎么分工协作？

沈国辉：以解决方案工程师为例，这个岗位要做现场勘察、开技术交流会、写初步方案、写详细方案、写标书、做报价。其中只有现场勘察和技术交流会无法被AI替代，剩下的都可以被AI替代。

公辅能源站房里，实时智能化控制可以靠AI来实现，点检巡检也是靠AI，日常值守同样靠AI。那什么AI绝对搞不了？维修保养方面，换润滑油、换皮带、换轴承。维修就是设备坏了，你要拆下来、修好、装回去，这些需要人的双手双脚加脑袋的柔性工作，短时间AI替代不了。

人形机器人未来也只能干一些相对简单的活，比如在工厂打螺丝、贴标签、搬运，或者在家扫地、切菜、炒菜。维修一台工业设备其实还是蛮复杂的，维修和保养都是非标准化的、有复杂度的工作，是人能做、AI替代不了的。

除了维修和保养替代不了，其他都可以被AI替代。

这也是我为什么要做灵知AI的原因，任何一个工作，现在都可以拿来解构，解构完了之后，你会发现一个岗位的工作可以拆出十项，其中可能有三项左右AI完全替代不了，剩下的七项完全可以交给AI。

Q：您把AI定位成一个劳动者，但AI相比人，人是可以去承担责任的，AI没办法承担。这个问题您怎么看？

沈国辉：我觉得最终责任的承担会变成一个契约问题。AI承担不了责任，人可以被扣工资扣奖金，但AI不拿工资，你没法罚它的款。

因为我要做能源托管，提供能源给甲方，一旦出了问题，业主肯定要罚公司的款。既然AI罚不了款，罚款的责任只能落到公司身上。那公司就必须有非常可靠的技术产品来支撑，这其实是一个框架：技术产品、商业模式、人员组织。

商业模式要靠技术产品来支撑，你不能被罚款罚死。原来还可以向上游追责，客户罚了公司的款，公司可以罚员工的款，但现在你罚不了AI的款。

所以未来大模型竞争可能会在担责方面，假设某个大模型公司说我的模型最先进，出了幻觉可以罚我的钱，那我们是不是就会全部买那家公司的token？现在大家都在买token，但没有人说出了问题谁负责。如果有一家大模型跳出来说我负责，他的大模型是不是可以卖得贵一点、卖得好一点？一切皆有可能。

工业领域，工厂业主要高可靠、高准确。哪个基模能提供高质量的token、高质量的模型，我肯定买哪个。

Q：AI在工业控制中如何确保安全可控？

沈国辉：我们先会用小模型和规则引擎，把安全的硬边界给划清楚，让大模型只能在这个范围内发挥优化作用。即使出现偏差，也仅影响节能幅度，绝不会触碰安全红线。

也正因为这个思路，公辅能源车间成了AI落地的首选场景。它允许一定偏差、不会出安全事故，又能充分发挥AI的全局优化能力。

03 工业软件必须要服务化

Q：从一个AI控制软件，到托管服务，这个路径您是怎么考虑的？这里面可能存在哪些难点或者要克服的挑战？

沈国辉：我们用AI做能源托管这个事情并不是一个想法，其实已经开始了。我们前年就开始在试点，今年就要开始大面积推了。所以我们先试点再推广，这本身就是一个路径。

能源托管的难点，第一个在于对资金的组织、资金的管理。第二个是所投资的设备资产的运营管理，包括空压站房的设备资产、制冷站房的设备资产的运营管理。

这是跟你开发软件、销售软件、交付软件不一样的东西，也是让我们整个组织从轻资产的管理组织模式向重资产运营的管理模式转变的原因之一。

Q：下一步做完了能源托管之后，会不会自己直接去定制一些设备？

沈国辉：那是自然延伸的商业逻辑了，完全有可能。我可能就会进一步向上游走，但肯定不会自己造设备。

戴尔电脑当年不也打了DIY这个卖点来实现竞争突围的？为什么戴尔要说搞DIY？就是因为每个用电脑的人用法不一样，有人用来打游戏，有人用来编程，有人用来写word文档，有人用来听歌，对电脑的配置要求就不一样，所以戴尔让用户自己配。

同样的道理，不同工厂的用气需求也各不相同，有的要恒压、有的要大气量、有的要低露点。当我们持有了、运营了很多空压站、制冷站这些能源站房的资产之后，对设备更了解，定制设备这件事情会显得更加顺理成章。

Q：和您类似的工业软件，未来都会是这种路径吗？

沈国辉：这个问题我还真想过，上次我在北京参加一个研讨会，相关部委的领导们对这个问题也非常关注。

他们说C端的大模型都已经如火如荼了，工业控制、生产线、工业设备，怎么好像还没有被大模型赋能？到底怎么样才能被大模型赋能？工业软件又怎么发展？

所以你看领导们在关注的是工业上面怎么把大模型给融进来。工业软件会怎么发展？有一点我很笃定的，我认为工业软件接下来都要服务化。

工业软件真的会全部由甲方自己来做吗？不一定。

工业软件真的会日抛吗？有需求直接大模型生成代码，用完就扔？不会。

我并不认为日抛这个是对的，但是工业软件服务化是必然趋势。

接下来卖软件这个事情，我感觉会很尴尬，为什么呢？因为现在AI来了，客户那边就更觉得你这东西没有用了，你还想靠卖软件来赚钱，我认为你最终会赚不到钱。

不过工业软件结合了大模型、结合了AI之后，它有了一个老专家的能力。那么工业软件公司的独门秘籍是什么？就只能是数据、知识库。

04 AI算法和能源运营，是蘑菇物联的优势

Q：蘑菇物联可能最大的竞争对手是哪几类企业？

沈国辉：第一类就是我们的同行，做AI大小模型的智能控制软件、智能控制算法的公司。第二类就是专门做综合能源托管的公司，做资产运营的公司，像原来投光伏的、投光伏电站的、投储能的、投综合能源站房的公司。

因为我的模式在AI的加持下变广了，所以我的对手又变多了。不过我针对这两种人都有比较优势。我跟那些专门搞AI智能控制算法软件的，我能做能源托管，他可能做不了；我跟那些专门做能源托管的公司相比，我有AI智能控制算法。对手变多了，可是我的比较优势更加清晰了。

AI大模型赋能千行百业，都被赋能之后，拼的就是运营能力。这本账大家其实技术上是站在几乎同一起跑线上的。

但数据壁垒还是有差别的，比如说接下来拼什么？蘑菇物联去做能源托管，去托管的站房，我可以保证在无人值守的情况下任何事故都不发生，客户高可靠性地享受了我的服务。

Q：工业软件中，ERP、MES这些在不断拥抱AI，CAD、CAE厂商基本不提AI，您怎么看这个事？

沈国辉：CAD和CAE属于基础性软件，因为它足够基础，应该会相对晚一点被AI革命。而且现在CAD、CAE已经很完善了，它完全是交给人类使用的。

目前而言，用AI来生成一个精密零部件的图纸还是有困难。

但长期来看，既然AI已经变成一个劳动者，为什么AI不能使用CAD软件？为什么AI不能用CAD软件画个图？当然也可以，这个时候AI用CAD软件画图的时候，它的工作逻辑和流程就变了，它就不像我们用人在CAD上面先画一根线、再画一个平面，AI可能一下子全部做完了。

Q：工业软件场景和种类非常多，您认为具备什么特征的工业软件被AI替换的难度大？

沈国辉：从我的角度来理解，在时间和精度上不能有任何偏差的输出物，是最难被AI大模型替代的。

刚才提到的能源托管场景，空压站、制冷站、循环水、锅炉房这几个地方，其实是允许有一些偏差的，偏差大小影响节能收益多少，但不会出事，这些可以通过小模型控制来做到。研发图纸画了可以改，它也不会出事，但那些全流程控制、跟生产相关的场景更难被替代。

我认为，既然人工智能能够控制一台车，那么它就一定能控制一个车间。控制一台车会先实现，控制一个车间会晚一步、随后实现，归根结底都会实现。

在“一丝一毫、一分一秒都不能错”的严苛场景到来之前，我们先在允许偏差的公辅能源车间把AI做到极致。

本文来自Qifenxi（北京Q科技有限公司），AI市场的研究咨询机构，专注于人工智能、大模型、智能体与算力等产业研究。