作者 | 周倩
编辑 | 袁斯来
整个2023年，人们很难找到另一个行业的热度能和AI媲美。
如果去掉那些围绕科幻小说场景的讨论，怀揣实用主义的行业人士更关注AI技术如何作为一种变革性力量提高效率，改进生产力。
自ChatGPT诞生以来，面对其展现出的通用能力，工业制造行业作为国家经济支柱，对大模型的态度既谨慎又乐观。
一个普遍共识是，虽然大模型在工业制造领域的应用还未得以推广，其改变传统生产方式、推动制造业数字化转型的趋势已势不可挡。百度、腾讯等巨头都先后推出了针对行业客户的大模型，华为的盘古大模型更是紧盯大型制造业客户。
它们勾勒出的AI制造业革命如此诱人，但AI技术和模型的落地一直存在难题。包括如何在保证通用性的同时，又能根据客户需求，针对不同行业做优化。
由香港中文大学计算机科学与工程学终身教授贾佳亚创立的思谋科技仅成立18个月，便完成2亿美元B轮融资，成长为独角兽。其目前最关注的技术方向，便是探索工业与大模型的结合。
继今年6月发布行业首个工业大模型开发底座SMore LrMo后，思谋科技再次更新技术，在刚过去不久的进博会上发布了IndustryGPT V1.0。
IndustryGPT是全球首个工业多模态大模型，也是首个真正服务于高端制造业的大模型，可以实现与人沟通、与软件硬件沟通，让工厂生产管理变得可控和充分交互。
自2019年12月自成立以来，思谋科技就聚焦工业场景，专注智能制造领域实现AI产品的落地，其自研的智能工业平台、智能传感器、智能一体化设备以及智慧化解决方案已在消费电子、汽车、新能源电池、精密工业、仓储物流等多个行业领域广泛应用，服务了卡尔蔡司、大陆、舍弗勒等来自全球的超200家行业头部企业。
迅速的技术落地能力、快速的规模化复制推广能力，思谋科技吸引了一批头部机构的追随。继2亿美元B轮融资后，目前公司已经完成B+轮融资，资方阵营不乏IDG、基石、红杉中国、松禾、联想创投、真格基金在内的诸多头部基金和产业伙伴。
同时，硬氪近日获悉，曾任施耐德电气全球高级副总裁、创新及投资中国区负责人、全球供应链副总裁等职位的谢佶隽，已低调加盟思谋科技，担任总裁一职。他曾在施耐德电气快速搭建起超过100家国内外合作伙伴，在泛制造业和数字化领域有非常丰富的经验。
一边是拥有百年历史的跨国巨头，一边是成立仅数年的初创公司。在这样的时代和产业背景下，选择与思谋这辆行业的新兴“快车”同行，背后有怎样的思考？近日，在思谋科技位于深圳前海的办公室中，围绕身份切换和思谋在人工智能时代的发展计划，硬氪与谢佶隽展开了以下对话（ 内容经编辑整理）：
思谋科技总裁谢佶隽
36氪：今年 AI 大模型爆火以来，很多大厂也借此完善自己的智慧产业解决方案。跟大厂相比，在软件层面，思谋的差异化有哪些？
谢佶隽：智能制造是一个复杂的系统，它需要各种不同的能力来实现，也需要不同背景的公司参与到智能制造的浪潮之中。
但怎样真正把技术和产业深度融合，理解产业，满足客户的需求，这是智造过程中的一大挑战。思谋的最大优势是专注工业，将AI能力和产业深度融合，帮助客户去提升整个工厂的生产效率，切实将技术转化成生产力。
36氪：思谋现在的发展路径是怎样的？
谢佶隽：思谋是一家专注智能制造，技术与商业并重的公司，将人工智能技术、视觉技术等应用在制造业，推动制造业转型。聚焦于工业是思谋的差异化优势，在工业这个大赛道里，过去几年思谋已经形成了完善的产品体系，其中包括智能硬件、工业软件、智能一体机智能设备等。这一产品体系能够帮客户提升产品质量体系良率，切实解决他们的痛点。
36氪：思谋目前主要的技术和产品有哪些？
谢佶隽： 思谋的主要产品包括工业软件、智能硬件、智能一体机，产品能做到软硬结合。
软件层面，思谋的特色是对工业场景抽象化处理，增强通用性。举个例子，SMore ViMo智能工业平台通过提炼不同行业中抽象的要素，加以标准化集成，形成通用性极强的工具；AIOT 工业互联网平台则可以一键式生成数字工厂的总轴，并串联起里面不同的系统，打破数据孤岛，真正把数据利用起来。前不久，思谋还发布了全球首个工业多模态大模型IndustryGPT，主攻通用化的解决方案能力。
智能硬件方面，思谋开发了系列化的标准传感器、扫码器产品。它们就像机器之眼，把很多不同的功能高度集成在当中，叠加AI能力，每一个传感器都相当于一台小电脑来处理问题。
一体机（大型智能设备）则可以看作是软硬一体的完整方案，它针对工业制造中的细分场景，对产线上的具体环节提供端到端的工业智能化能力。
36氪：能否举几个具体的案例来说明思谋是如何服务企业的智慧化转型或者智慧化运作的？
谢佶隽： 无论是从可操作性上，还是对企业生产的影响上，智能化转型是一个复杂的过程，不能一蹴而就。所以我们也是提供贯穿设备-产线-企业不同层级的数智工厂建设方案，来满足不同制造企业的发展阶段和需求。
比如思谋在光学领域的一家客户，早年间对方需要二维码识别的设备。但由于二维码很小，且是在特殊的载体上，载体又有很多的曲面，还透光，识别起来难度非常大，企业亟待寻找到合适的光学解决方案。思谋团队针对这一问题开始整理、攻关，通过近百种试验找到一种特殊的膜材，在各种打光和AI、算法能力的叠加下能够将二维码准确读出来。
之后思谋又帮助客户搭建起工艺大数据平台，对工艺参数进行诊断、推优，并由点及面，通过数字孪生、大数据技术，建设数字化三维产线，完成制造全流程的评估优化。
最后，我们通过建立统一的数据湖，整合孤岛数据，为企业提供了数据挖掘分析、数字资产管理、优化决策的能力。
36氪：我们了解到，思谋也发布了自己的工业大模型，思谋的首个工业大模型主要实现的功用有哪些？大模型跟工业场景的结合，会如何影响未来工业的发展？
谢佶隽： 大家现在都在讲大模型，但是在对话、聊天之外，怎么做To B的落地，怎么跟产业结合真正为实体经济服务，一直都没有很明确的方向。思谋研发的IndustryGPT是一个面向工业的、 To B落地的大模型，工业制造领域的专用大模型。
首先从数据上，我们收集整理了市面上包括光、机、电、算、软五大学科，电子、装备、钢铁、采矿、电力、石化、建筑、纺织等八大行业的全面知识，以及多年积累下来的200+不同工业场景，超300万张工业图像，超500亿Tokens。相比市面上的通用大模型产品，IndustryGPT对工业领域的了解更为深入，在与生产流程融合后，无论是产品信息、生产工艺、原材料选择还是设备运行状况，都能提供详尽、准确的解答。
在交互方式上，目前市场上的通用大模型基本只能做到与人沟通，但是IndustryGPT可以同步做到与软件沟通、与硬件沟通。
很多工业软件界面复杂，经过培训也不一定能完全掌握。但是IndustryGPT可以在学习相关技术文档后，让用户通过自然语言发出命令，通过几轮对话，完成相关的操作流程。这一点，在思谋的SMore ViMo平台上已经实现，IndustryGPT可以理解机器学习模型开发流程，驱动ViMo智能推荐、自动创建算法方案，并完成数据标注、调参、训练等操作，极大简化了工作流程。
IndustryGPT还有一个重要功能是跟硬件的交互，驱动硬件设备，通过自然语言下达指令，完成产线上的生产、检测任务。
36氪：面对不同的行业领域，思谋是否有一个通用化的方案打法？还是针对不同的行业领域分别有不同的解决方案？
谢佶隽： 如何提高复杂场景的通用性，一直是行业努力的方向。为此，思谋研发设计了标准化的传感器等硬件产品，让硬件设备越来越高度集成化，因此适应性能力非常强。
软件也是一样，比如通用的工业平台SMore ViMo，思谋在其中提炼了行业里面的一些共性，进行抽象，然后沉淀在这一大平台上，使其能够通过标准化的手段去解决相对比较分散的问题。
另外，除了软硬件技术，思谋还聚集了一批来自各行各业，懂行业的人才。他们对于各个行业的特性、痛点、流程工艺等十分熟悉，能够真正将技术落地到产业当中，满足客户的需求。
36氪：我们了解到您今年从施耐德来到思谋，您过往的经历是怎样的？
谢佶隽： 我过去在施耐德待了 18 年，负责管理过施耐德的中国产品市场部、英国大伦敦区的销售业务、香港和澳门的整体业务、全球供应链、大中华区的数字能效业务，以及大中华区的创新和投资业务等等。虽然在同一个公司待了 18 年，但每两三年就会迎来一个全新的挑战。
过去我帮着外资在中国走过了一个历程，从施耐德最早在中国进行销售，到后来逐步开始制造、研发，这个过程中我也愈发感受到全球的创新格局发生很大变化，中国的创新实力越来越强，并涌现出一大批技术实力强且具有全球战略视野的公司。也正因如此，我才注意到思谋。思谋专注智能制造，这和我之前在施耐德的工作大方向是一致的。之前我帮着外资在中国做大做强，现在希望能够陪伴一家明星公司走向全球，我觉得这件事更有挑战，也更有意义。
过去四年我也一直在和初创公司打交道，作为施耐德整个中国创新和投资业务的负责人来推动开放式创新，提早布局新业务。这段经历，让我结识了非常多优秀的创业者，也给了我一个很好的缓冲期。我也更清楚地了解到企业在发展的不同阶段所面临的挑战，老东家施耐德有接近200年的历史，思谋现在才4岁，尽管业务上大方向一致，但这两家公司的发展状态完全不一样。
我自己也在寻找平衡点。比如对产业、行业的认知，系统深度思考、处理复杂问题的能力等要保持不变，同时心态和学习、工作的方式需要调整。这些是我过去在做的事情和现在思谋的链接。
