基点起源半年订单金额升一级，工业AI系统为传统行业提质增效、降本千万！
基点起源半年订单金额提升一个数量级，工业AI系统助力传统行业提质增效
半年前，我们首次与基点起源创始人兼CEO戴宗宏交流时，这家逆流入局B端定制化的AI公司，刚推进7、8个项目。当时，外界质疑声不断，认为“故事不够性感”“定制化都是累活”。
半年后，基点用数千万元的在手订单回应了这些质疑。戴宗宏向《智能涌现》透露，基点起源订单数翻倍，订单合同金额较半年前提升一个数量级，AI解决方案已落地冶金、化工、精密制造、半导体、纺织等10多个行业。
伴随订单增长，基点起源半年内完成3轮融资，融资金额数亿元。《智能涌现》独家获悉，国科投资、电控产投、上海半导体产投、建投投资、鑫和达、崇麟资本与硬核坚果资本，都押注基点起源发展。
戴宗宏是AI To B领域的“老炮”。他曾是“AI六小虎”零一万物的联创，还担任过华为云AI CTO，落地过数百个定制化项目。他曾表示，“定制化”就是将企业沉淀在专家、业务数据中的Know - How，人为建模成一套工作流。传统定制化梳理复杂数据、知识既“脏”又“累”，而大模型推理能力的提升，让他看到改变定制化范式的机会。
如今，基点起源正将传统重人力、重交付时间的企业定制化服务交给一套AI系统。这能把传统几百人驻场、耗时数月的定制化案子，变成单人控制、2周左右就能交付的项目，且交付结果能超过传统大厂团队。
做关于业务的「工业世界模型」
调研百家企业后，戴宗宏发现，传统制造业企业更关注生产过程中的指标，如良品率、产能、库存、供应链等，而非为白领提效的办公工具。例如，有色金属行业最大的痛点是在保证稳定与安全生产的前提下有效扩充产能，因为产能提升收益远超节省成本。企业需要一个能根据业务数据迭代的“大脑”，给出可直接采用的定制化优化方案。
随着大语言模型推理能力提升，戴宗宏认为改变传统定制化流程的时机已到：让AI代替定制化专家团队，根据企业业务指标给一线工人提供精确解决方案。传统制造业生产制造环节可拆分为“用什么做”和“怎么做”的问题，复杂生产过程能拆解为简单模块供大模型学习。传统定制化依赖专家经验建模，成本高、难响应企业需求，而大模型的学习、推理能力可解决建模难、效率低的问题。用模型替代专家还能挖掘生产环节潜在优化点，而非单点优化。
因此，基点起源自研了“全要素大模型”工业AI操作系统，作为企业生产操作的中枢大脑，运行逻辑分三步：
- 学习：利用企业原始业务数据，全要素学习业务模式，建立反映真实生产过程的数字孪生模型。该模型是系统底层架构，能随新数据注入更新，精准追踪信息，过滤噪声，因为它能挖掘数据内在关联，聚焦关键生产指标影响大的数据。
- 寻优：随着企业数据完善和模型强化学习，系统持续推演，寻找生产流程最优解决方案。
- 交付：面向一线工人交付可与AI系统交互的App。App页面和操作简单，工人输入现场环境就能获得最优生产方案，如冶金场景中，系统会告知堆料数量、时间和方式。
戴宗宏称这套系统为关于数据和业务的“工业世界模型”。他认为业务场景是世界一部分，人做业务决策也是根据业务数据预测未来业务情况。所以他们构建工业场景世界模型，将业务场景投射到数字世界，通过学习数据关联性，预测和指导实际生产优化。比如在真实产线，系统能学习分析业务数据，复刻生产过程，生成“数字工厂”模型，自我推演找出更优操作方案，一线员工可直接使用。
戴宗宏将方案概括为“提质增效”，而非“减员增效”。他们不造数字员工，不用AI替代人力。因为传统企业对用AI项目取代真人接受度低，一是人力成本低，二是更期待短期产能提升。基点起源利用系统方案设计，提升企业产值、良品率等“质”的指标，实现产线效率提升。从交付结果看，在某工艺段，系统能使关键指标提升2 - 3倍，年节省成本达千万元。
不给客户「画饼」，直接兑现优化指标
落地首站，基点起源选择冶金、化工、精密制造、半导体、纺织等传统行业，而非数字化程度更高的互联网行业。大众认为传统行业难做，故事不性感，数据治理水平低。但戴宗宏认为工业企业更好做，因为传统行业规模大，易形成规模效应。不选互联网行业，是因为其数字原生化，解决方案需更颠覆式创新，对定制化厂商要求更高。
实际生产中，工业企业有各种原始业务数据，格式不同、有噪音且残缺，看似难处理。但戴宗宏认为这不是问题，基点起源不需要企业复杂的数据治理。他解释，企业系统里的直接业务数据保留了更完整信息，对他们更有帮助。搭建客户“工业世界模型”时，基点起源用的都是客户自身数据，无需依赖Know - How专家，所以系统易于跨行业迁移和落地。
在To B领域，基点起源会面对大厂和老牌行业解决方案供应商。团队获客策略是将业务优化指标作为交付必要条件写进合同。多数竞争对手因交付效果不可控，不敢写具体业务指标，导致客户业务痛点无法解决。而基点起源基于“全要素大模型”，能根据客户痛点给出可兑现业务指标和优化方案。
同时，基点起源采取按预期效果定价的模式，而非按实际交付效果定价。戴宗宏解释，按实际交付结果定价，客户会在交付前压低指标，他们希望和客户共赢，所以会在合同中许诺提升业务的“最低交付指标”。
尽管商业化成绩不错，戴宗宏坦言，基点起源的AI解决方案还不够泛化。目前客户主要是数据治理水平较高的头部企业，解决方案还未完全适用于中小企业生产场景。为提高系统规划水平和泛化性，基点起源计划先从5 - 10个行业切入，做好单一行业落地，最终泛化到更多行业。戴宗宏表示：“下一步，我们要实现跨更大行业的端到端交付，至少做出两个标准化产品，并达成实际交付。”