多數客戶只愿為1年內產生效益的AI項目付費愛分析：回到企業決策層面，目前你們做安全生產和SOP項目時，一般怎么量化項目價值和收益？南陽：這是很多客戶都會遇到的問題。我們通常會幫客戶做一整套ROI測算，讓他們內部能看到相關收益。這幾年合作下來，我們一般有四種ROI計算方式。第一種是人力成本節約法。直接看能節省多少人，人力成本乘以人數，得到年度節省費用。第二種是節省物料法。比如有些工序如果沒有按要求操作，就會造成物料損耗或返修，上系統之后可以節省這部分物料。第三種是提升良率法。原來的良率是多少，提升到多少，再乘以產量、單價和毛利。第四種是運營利潤法。把物料、良率等各方面收益加起來，再減去運維成本。總體而言，我們會根據客戶工位的特殊性，幫客戶做ROI測算。當然，有了ROI數值后，針對在不同回報周期，客戶的決策意愿也會有很大差別。6個月以內，客戶決策較為迅速，因為投入很快能產生效益。6-12個月，在內部也算較為優質的項目，經過充分論證后較容易獲得立項批準。12-18個月，大多數有AI改造需求的企業也愿意嘗試。18-24個月就比較勉強，除非有政策要求或相關補貼。而超過24個月，AI項目的投入立項就會比較困難。當然，安全項目還有一個特殊性：有些時候不能立刻看到直接收益，這個時候要換一種方式計算，比如避免產生多少損失。像鋁加工深井鑄造爆炸風險監測方案，本身風險性比較大，一旦發生鋁液泄漏爆炸，整個廠區可能都會被炸掉，這時損失不是幾十萬、幾百萬，而可能是3000萬、4000萬、5000萬。前幾年全國發生了多起事故，對于這種高危險場景，領導層會從避免重大損失的角度來綜合考慮。愛分析：當客戶開始關注 ROI 和可復制性之后，廠商自身也需要形成壁壘。從你們現在的實踐來看，安生智聯在 AI 時代能夠形成差異化壁壘的點是什么？南陽：我們對于安全的定位，并不局限于單點產品或者AI解決方案。比如只做單個SOP工位、單個吊裝場景。我們把安生定義為企業安全領域的AI健康管理中心，理念上類似于“美年大健康”。 但不是開線下門店，而是通過平臺化的AI產品和服務體系，為企業提供系統化的安全能力。比如在工業領域，針對3C、半導體、鋁加工等行業，我們會系統性分析整個行業的全流程、全工序，從物料到加工、裝配、質檢、包裝，評估哪些地方存在安全問題和質量問題。針對不同行業，我們會提供專家咨詢，也會通過平臺化的AI安全產品解決特定問題。這里面的差異化壁壘主要有三個方面。第一，在垂直領域，不斷積累行業垂直數據，打造核心AI算法。第二，針對工業領域痛點問題，打造更多核心競爭力AI產品，且通過工程化能力，具備良好穩定性和低成本優勢。第三，構建安生安全大模型，通過中心調度、行業大模型和垂直智能體結合的方式，綜合解決安全場景中的痛點問題。這是我們在產品開發、項目交付過程中不斷聚焦打造的差異性壁壘。愛分析：如果再往未來看，在安全生產和工序SOP這兩個場景下，哪些工作必須由人來做，哪些可能被智能體或新的AI工具替代？南陽：安全生產場景，本質是圍繞人的不安全行為來解決問題，涉及對人的狀態和行為的深度理解，加上安全事故后果嚴重，最終決策權和責任主體仍然在人。AI能做的是幫人看得更準、反應更快，但替代不了人的判斷和責任。工序SOP場景則不同，很多單工位操作是重復性、標準化的，這類工作未來大概率會被具身智能替代。一些頭部工廠已經在探索。但具身智能執行時，它的動作是否合規、是否安全，仍然需要一套監督系統，這正是我們目前在積累的能力。綜合而言，安全生產中人是決策者，AI是輔助工具。工序SOP中機器是執行者，人是監督者。這不是替代，是人機分工的重新定義。愛分析：如果SOP操作未來由具身智能替代，會不會降低安生智聯當前業務的價值？南陽：如果進入具身智能時代階段，安生的價值不會降低，反而會更加重要。首先工業具身智能本身就是機器，而機器本身就存在安全隱患，特別是具身機器人采用大模型來思考執行處理問題，而大模型本身存在幻覺問題，因此，“機器加幻覺”從安全角度來看會引入新的風險。安生現在構建的是一整套基于場景理解和行為分析的安全系統，未來具身智能在執行操作時，可以通過API調用我們的安全API產品，獲得關鍵性的安全輔助判斷。我們現在做的很多產品和能力，未來會變成具身智能背后的安全底座。此外，具身智能對數據的需求量遠遠超過大語言模型。大語言模型的數據多來源于互聯網中的泛化場景，而工廠領域的數據則均為垂直行業數據。我們在多個場景中積累的行業Know-how，未來會成為具身智能在行業內快速上線的重要燃料，也會成為我們在數據層面的護城河。所以未來具身智能大量進入工廠時，不管從安全還是數據維度看，我們現在在做的事情都有很核心的價值基礎。愛分析：從具身智能再往后看，AI在工業領域下一步演進的最終形態會是什么？會走向完全無人化工廠嗎？南陽：你剛剛提到的是兩個場景：一個是完全無人工廠，一個是工人+自動化工廠，有工人在現場管理和操作。無人工廠對應的，其實類似通用工業AGI的概念，它可以控制具身智能，也可以調度機器人去做相關事情，是一整套系統。但我們更傾向于另一個更可落地的路徑：讓一部分工人具備專家能力。這個路徑可以分成三層。上層是中心側調度平臺，通過規則引擎和大模型進行統籌調度。依托多模態數據，負責整個工廠的全局任務拆解與規則下發。中心層是垂直行業大模型。通過蒸餾得到的小參數大模型，用來解決垂直領域里的具體問題。底層是垂直行業小模型，聚焦產品本身的應用智能體。通過邊緣側設備，解決感知分析、告警和響應等問題。所以綜合而言，我們更傾向于中心調度，加上行業大模型，以及垂直應用智能體的方式。目前來看，在工業領域，也是更便于落地的路徑與方案。注：點擊左下角“閱讀原文”，查看更多洞察內容。
