工业Agent定制化困局，从单点项目到平台复用的艰难跃迁

工业AI正从概念走向产线实操。西门子于2024年工博会披露，其Eigen工程智能体自7月在中国上市以来，已服务数百家本土制造企业，覆盖汽车、机械、化工等领域。这标志着AI在工业现场的应用进入实质性阶段——从写代码辅助研发，延伸至生产调度、设备维护等具体环节。然而，对创业公司而言，项目落地后的挑战才刚刚开始：为一家客户交付的系统，换一家是否又要重做？定制与标准化之间的张力，成为工业Agent商业化的核心瓶颈。

梅洛迪科技联合创始人贾亦凡在早期客户拓展中反复遭遇这一矛盾。该公司专注高端装备与精密制造领域的工业AI与垂直智能体研发。贾亦凡强调，工业Agent的平台化无法跳过定制阶段。“你在做平台之前，总归得先给几家客户去做定制。”问题在于，若每家客户都需从零搭建，人力与时间成本将迅速吞噬利润空间。真正的考验是：定制项目结束后，哪些能力可被提炼、复用于下一家客户？

定制需求的根源在于工业场景的高度异质性。以设备预测性维护为例，模型能否有效预警，首先取决于企业是否具备足够质量的运行数据。部分设备可通过现有监测系统直接接入振动、温度等参数；另一些则需额外部署传感器补足数据缺口。更复杂的是，车间作业过程往往缺乏数字化记录——工人动作、物料流转、质检节点等关键信息散落在纸质表单或人员经验中，需借助摄像头、UWB定位器等手段重建数字轨迹。贾亦凡指出，“清洗并整理企业的有效数据”已成为团队必须掌握的核心能力。相比互联网公开数据，工业数据更碎片化、非结构化，且迁移至线上时极易遗漏关键上下文。

此外，工业任务对输出的可靠性与可追溯性要求远高于消费端应用。模型生成的建议需明确标注“需人工复核”“仅限工程师操作”等权限边界，并嵌入客户既有的MES、ERP或PLM系统中形成闭环。这些细节无法靠通用方案预设，必须深入产线实地调试才能厘清。因此，贾亦凡选择从定制切入：唯有真实交付，才能分辨哪些需求具有行业普适性（如标准故障代码映射），哪些仅为某客户的特殊流程（如特定产线的双人互检规则）。

经过数个客户项目后，团队逐渐积累起四类可迁移资产：一是经实战验证的数据清洗与特征工程方法；二是与主流工业软件（如西门子Teamcenter、用友U9）的标准化接口模块；三是面向典型工艺的知识建模框架（例如装配工序的SOP拆解逻辑）；四是智能体协同工作流模板（如“异常上报→根因分析→维修派单→效果反馈”闭环）。这些并非原始数据本身，而是抽象后的技术组件。贾亦凡提醒，原始数据所有权通常归属客户，合同会严格限定其使用范围。“想把A厂的数据用于B厂，必须单独谈判授权。”这意味着，工业AI公司的积累更多体现在“方法论”而非“数据集”上。

商业模式同样受制于定制路径。按效果付费（如节省的停机时间折算费用）虽降低客户初期门槛，却隐含收入衰减风险：AI上线初期常带来显著改善（如故障响应提速30%），但后续优化空间收窄，增量价值递减，而系统维护、迭代升级的成本却持续存在。贾亦凡倾向采用“订阅费+成果分成”混合模式：基础订阅保障长期服务能力，成果计费则针对可量化指标（如OEE提升百分点）作为补充激励。这种结构既维持现金流稳定，又绑定客户成功。

行业普遍观察到，工业Agent的落地节奏明显慢于消费级AI。原因正在于：消费端模型可依赖海量公开数据训练，微调即能泛化；而工业场景中，每个工厂都是一个“孤岛”，数据不互通、标准不统一、流程个性化。这决定了工业Agent无法走“先训练大模型，再微调落地”的捷径，必须伴随客户共同成长。

值得注意的是，定制并非终点，而是平台化的必经阶段。判断一家工业AI公司是否真正走向产品化，关键看其新客户交付周期与人力投入是否随项目数量下降。例如，第1个项目需3个月、5人团队；第3个项目若仅需6周、3人参与，且70%以上模块可复用，则说明平台能力正在成型。目前头部玩家如西门子Eigen、树根互联、梅洛迪等，均处于从“项目驱动”向“产品+服务”过渡的关键期。

另一个被低估的变量是客户自身的数字化成熟度。贾亦凡提到，部分企业连设备台账都未电子化，此时首要任务是帮其完成基础数据治理，而非直接上智能体。这意味着工业AI供应商的角色正在扩展：从技术提供者变为“数字化伙伴”，需具备跨领域协作能力——既懂算法，也理解IE（工业工程）与TPM（全面生产维护）逻辑。

长期来看，工业Agent的破局点可能不在单点技术突破，而在生态协同。当多家厂商采用相似的数据接入规范（如OPC UA统一架构）、共享非敏感的行业知识图谱（如通用故障模式库），定制成本才有望系统性下降。现阶段，创业公司仍需在“满足当下客户需求”与“投资未来平台能力”之间谨慎权衡——前者保生存，后者谋发展。没有一蹴而就的平台，只有持续迭代的实践。

工业Agent的真正考验，不是能否做出聪明的模型，而是能否在千差万别的产线现实中，找到可复用的最小公分母。