当多数AI公司将目光投向白领提效或C端娱乐时，一家名为基点起源的创业公司却一头扎进了传统制造业的“脏活累活”里。半年前，外界质疑其“故事不够性感”；半年后，数千万元订单和数亿元融资证明了这条路的真实价值。其创始人戴宗宏给出的答案很简单：用一套智能助手系统，把原本需要数百人驻场数月的定制化项目，变成单人操作、两周交付的标准化流程。这背后，是对“工业世界模型”的独特构建——让AI学会理解生产逻辑、自主寻优，并直接指导一线工人操作。本文将拆解这种新模式如何运转，并探讨它对AI融资风向和创业公司战略的启示。
从定制化“累活”到智能助手：一场范式的重构
传统制造业的定制化服务，长期以来被视为AI公司避之不及的“累活”。核心原因在于：每个工厂的生产流程、业务数据、专家经验都像是孤岛，需要投入大量人力去梳理、建模、调优。一个典型的项目往往需要几十甚至上百名工程师驻场数月，交付周期长、成本高，且难以规模复制。戴宗宏曾亲身经历过数百个这样的项目，深知其中痛点——在华为云AI担任CTO时，他见过太多企业为了一套优化方案耗费巨额资金却收效甚微。
大语言模型推理能力的跃升，让戴宗宏看到了改变的可能。他认为，定制化的本质是将企业沉淀在专家和业务数据中的Know-How人为建模成工作流，而大模型恰好擅长从海量数据中自动发现关联、生成方案。于是，基点起源的核心思路诞生了：让智能助手直接替代传统定制化专家团队，根据企业给出的业务指标，给一线工人提供精确的操作指令。
这套系统被命名为“全要素大模型”，运行逻辑分为三步：学习、寻优、交付。学习阶段，系统利用企业原始业务数据（包括日志、操作记录、ERP数据等）构建数字孪生模型，复刻真实生产过程；寻优阶段，通过强化学习不断推演，寻找最优方案；交付阶段，则直接面向一线工人提供极简的交互App，工人只需输入现场环境，就能获得当前最优的生产建议。例如在冶金场景中，系统会告诉工人该堆多少料、什么时候堆、怎么堆——这些原本依赖老师傅经验的工作，现在由AI接管。
这种模式彻底改变了传统的交付流程。过去，企业需要花费数月等待定制化团队完成模型搭建；现在，AI Agent技术可以快速学习产线数据，两周内交付可落地的优化方案。更重要的是，它不依赖外部专家，而是用数据驱动的方式自动总结规律，使得跨行业迁移变得简单——从冶金到半导体，从化工到纺织，只需注入新行业的业务数据即可。
“工业世界模型”：让大模型学会企业生产逻辑
戴宗宏提出了一个大胆的概念：“关于数据和业务的工业世界模型”。在他看来，业务场景本身也是世界的一部分，人做业务决策本质上是对未来业务数据的预测。基点起源构建的模型，正是要将业务场景投射在数字世界中，通过学习数据间的关联性，找出哪些因素互相影响、如何影响，进而预测和指导实际生产优化。
这一想法与传统的仿真或线性规划截然不同。传统方法需要人工定义变量和函数关系，而在复杂的生产系统中，变量动辄成千上万，关联关系更是难以穷举。大模型的出现使得“自监督学习”成为可能：系统可以从海量的历史操作日志、工艺参数、质量检测报告等数据中，自动挖掘出哪些操作会提升良品率，哪些调整会降低能耗。
具体到实现层面，基点起源的“工业世界模型”包含三个关键特征。第一，它不依赖预先的数据治理。戴宗宏认为，“被治理过的数据像被咀嚼过的食物一样，失去了原本很多的信息”，企业系统中原始的Log、ERP数据反而保留了更完整的信息。因此，基点起源直接使用原始数据训练模型，而非要求客户先做数据清洗。第二，模型具有持续学习能力。随着新数据的注入，数字孪生模型会动态更新，不断逼近真实生产过程。第三，模型具备因果推理能力——它不仅能发现相关性，还能通过反事实推演判断“如果改变某个参数，会产生什么影响”。
这种能力使得系统可以挖掘生产环节中每一个潜在的优化点。在某个工艺段上，基点起源的解决方案帮助客户将关键指标提升了2-3倍，年节省成本达千万元。值得注意的是，他们提出的方案并非单纯追求“减员”，而是“提质增效”。AI图片生成技术虽然被广泛用于产品设计环节，但在生产端，智能助手的价值在于直接改善产能、良品率等硬指标。戴宗宏强调：“我们不造数字员工，不用AI替换原有人力”——这在传统企业中更容易获得接受，因为人力成本相对于AI项目来说更低，而短期可见的产能提升才是企业的真正痛点。
不画饼，只兑现：按预期效果定价的商业模式
在付费意愿更高的To B领域，AI创业公司面临的最大挑战从来不是技术，而是信任。传统的定制化服务商往往不敢将具体的业务指标写进合同，因为交付效果存在太多不确定性——数据质量、业务变化、现场环境等都可能影响最终结果。但基点起源选择了一条与众不同的路：将业务优化指标作为交付的必要条件，直接写入合同。
这种“不画饼，只兑现”的策略，让客户愿意为预期效果付费。基点起源采用按预期效果定价的模式，而不是按实际交付效果定价。原因很简单：如果按实际交付结果定价，客户会在交付前拼命把指标做低，以便获得更低的价格。而按预期效果定价，双方形成“共赢”关系：客户相信系统能带来真实提升，基点起源则承诺一个最低交付指标。
这种商业模式的底气，来自“全要素大模型”的稳定输出能力。在多个行业案例中，系统不仅完成了合同中的最低指标，还经常超出预期。例如在有色金属行业，系统帮助客户在保证稳定性和安全性的前提下，有效扩充产能——产能提升带来的收益远远大于单纯节省成本。戴宗宏透露，订单合同金额较半年前提升了一个数量级，AI解决方案已落地到冶金、化工、精密制造、半导体、纺织等10多个行业。
与此同时，基点起源在半年内完成了3轮融资，融资金额达数亿元。AI融资的热潮正从通用大模型向垂直行业渗透，像基点起源这样能快速变现的AI创业公司，越来越受到资本的青睐。投资方包括国科投资、电控产投、上海半导体产投等产业资本，体现出他们对工业AI落地的认可。AI创业公司在To B领域的差异化竞争，关键在于能否将技术转化为可量化的商业价值——基点起源用“按预期效果定价”给出了示范。
避开互联网红海，深耕传统工业的蓝海
有趣的是，基点起源的第一站没有选择数字化程度更高的互联网行业，而是扎进了冶金、化工、精密制造等传统行业。在很多人眼中，传统行业数据治理水平差、需求非标准化，是一条难做的赛道。但戴宗宏给出了背道而驰的判断：“工业企业反而会更好做。”原因很简单：传统行业市场规模巨大，容易形成规模效应；而互联网行业是数字原生化的，其解决方案需要更颠覆式的创新，对定制化厂商的要求更高。
这一判断在商业化过程中得到了验证。传统工业企业拥有丰富的原始业务数据——日志文件、操作记录、ERP数据、产品需求文档等。虽然这些数据格式不同、充满噪音，甚至残缺，但对基点起源来说，恰恰是宝贵的训练素材。戴宗宏比喻道：“被治理过的数据像被咀嚼过的食物一样，失去了原本很多的信息。”原始数据中保留了生产制造环节的完整信息，有助于模型挖掘更深层的关联。
在实际部署中，基点起源不需要企业进行复杂的数据治理，直接使用原始数据进行学习。这使得跨行业迁移变得异常高效：一个在冶金行业验证过的模型框架，可以快速迁移到半导体行业，只需注入新行业的业务数据即可。这种可复制性，正是戴宗宏口中“规模效应”的来源。
然而，挑战也同样存在。目前基点起源的客户主要是数据治理水平较高的头部企业，AI解决方案还未能完全泛化到中小企业。中小企业的生产流程更不稳定，数据积累也更少，如何在保持效果的前提下降低部署门槛，是下一步需要解决的问题。戴宗宏坦言，他们将先从5-10个行业切入，做好单一行业的落地，再逐步泛化。企业数字化转型的浪潮正在加速，但不同规模企业的数字化成熟度差异巨大，AI创业公司需要找到适合自己进入的细分市场。
AI融资热潮下，创业公司的差异化生存法则
基点起源的融资节奏堪称激进：半年内完成3轮，金额达数亿元。在AI行业整体估值回调的背景下，这一成绩尤为亮眼。这背后反映出一个趋势：资本市场对真正能落地、能变现的AI创业公司，依然保持着极高的热情。与那些还在烧钱探索商业模式的大模型公司不同，基点起源已经用真金白银的订单证明了自己的价值。
戴宗宏的创业路径也值得借鉴。他曾在“AI六小虎”之一的零一万物担任联创，又在华为云AI担任CTO，积累了丰富的To B经验和资源。当他决定逆流入局B端定制化时，并没有选择最热门的赛道上与巨头硬碰硬，而是切入传统工业这片看似“脏累”的蓝海。这种差异化策略，让基点起源在短时间内筑起了护城河：对工业场景的深度理解、原始数据直接训练的技术路径、按效果定价的商业模式，三者构成了难以复制的组合。
从更大的视角来看，AI工具导航的兴起也反映了行业变化：AI应用正在从通用聊天工具转向专业工具。工业场景中的智能助手，本质上就是一款高度专业化的AI工具。抠图、文生图等创意工具解决的是设计效率问题，而工业世界模型解决的是生产效率问题——后者虽然更“重”，但商业价值也更直接。AI工具箱的丰富化，让每个行业都有机会找到适合自己的AI利器。
未来，基点起源计划实现跨更大行业的端到端交付，并至少推出两个标准化产品。这意味着他们将从定制化项目走向产品化，进一步降低部署成本，覆盖更多中小企业。这一方向正是AI融资市场最看重的：从项目制走向平台化，从服务几十个客户走向服务成千上万个客户。戴宗宏的“工业世界模型”能否成为制造业的通用操作系统，值得持续关注。
结语：当智能助手成为工厂的“大脑”
基点起源的故事，是AI从“炫技”走向“实干”的缩影。当大多数创业公司还在为流量和日活焦虑时，戴宗宏选择回到工业生产的原点，用智能助手解决企业最朴素的痛点：良品率、产能、库存、供应链。这些指标或许不够“性感”，但每一个百分点的提升，都可能意味着千万元级别的成本节省。
这种务实的态度，恰恰是当前AI创业中最稀缺的品质。在资本寒冬中，能够自我造血、快速实现商业闭环的公司，才是真正的赢家。正如戴宗宏所说：“我们和客户是共赢关系，不是为了钱相互对抗。”当智能助手真正成为工厂的“大脑”，整个制造业的效率革命才刚刚开始。