文：杨锐

2017年岁末，重庆京东方工厂对面的一家廉价旅馆里，成都数之联的团队已经连续熬了几个通宵。他们正与IBM、阿里同台竞技，参加一场严苛的PoC测试。彼时的数之联，不过是一家刚刚决定聚焦工业质检的创业公司，账上没多少钱，团队几十号人挤在火车站旁边，而他们的对手，是全球顶尖的科技巨头。

没人相信他们能赢。

但最终的测试结果出来，数之联排名第一。

这场仗改变了一切。此后的近十年间，数之联从一家“什么都能做”的大数据公司，蜕变为在新型显示行业市场占有率超过80%的国内工业AI质检领域的“隐形冠军”，设备出口至墨西哥、斯洛文尼亚、泰国、越南等多个国家。

这家由三位学者创办的企业，是如何从一个“学究派”的技术团队，成长为细分赛道的绝对龙头的？不久前，《成都硬科技观察》走进数之联，与公司董事长傅彦进行了一场深度对话，试图还原这段从实验室到产线、从技术到商业的完整路径。

从“学究派”到“专家”：先做减法

成都硬科技观察： 2012年您创立数之联，创业初期曾说“一开始我们比较学究派，觉得技术领先就行，但事实上光有技术是不行的”。从技术思维到商业思维，最痛的一课是什么？

傅  彦：一开始我们做技术孵化，给创业企业提供技术支持。但我们很快发现这条路走不通——有些被孵化的企业快速进入资本市场后就把我们踢出局了，有些又太嫩需要各种支持，但我们自己没有资金实力去支撑。这种技术孵化的模式一下就变得寸步难行。

所以我们静下心来反思：我们到底能不能自己做企业？当时大数据在金融、医疗、政府这些行业很火，但我们因为孵化的业务有竞业限制，这些赛道都碰不了，我们就开始四处找方向。

最早我们做的是口碑分析，用爬虫去扒互联网上的数据。还真有一家保温杯企业找到我们，让我们分析淘宝上哪款保温杯卖得好。但很快阿里这些平台开始限制爬虫，这条路也走不通了。

于是我们开始跑展会、走访工厂。跑着跑着我们发现一个现象：很多工厂的流水线已经自动化了，有的甚至有点“黑灯工厂”的感觉，但一到质检部门，全是堆积如山的人。

工厂的人告诉我们，国外的所谓AI检测设备其实不太智能，大量缺陷检测不出来，还得靠人工在后端二次复判。一个工人一天要看上万张图片，眼睛严重受损，效率低，质量差，很多顽固缺陷根本看不到。

我们意识到，这就是痛点。中国要从制造大国走向制造强国，质量是第一关。而质检这个环节，竟然还停留在人海战术的阶段。

成都硬科技观察： 相当于从“什么都能做”变成了“只做一件事”，这个决策的关键考量是什么？

傅  彦： 有一句话叫“专家”——一定要专才能成为家，不专，成不了家。我们走了那么多弯路，才明白这个道理。所以我下定决心，要在一个赛道上做得足够深。

成都硬科技观察： 2017年岁末，在京东方严苛的PoC测试中，您和团队与IBM、阿里同台竞技，连续数日鏖战，最终以第一名胜出。这场“生死之战”靠什么赢下来？

傅  彦： 其实背后有个逻辑——大厂不太愿意干这个活儿。IBM有标准产品，但在中国没有研发团队，面对中国工厂的特殊情况，系统都搭不起来。阿里也曾在某工厂花了大半年时间，最后都失败了。

我们呢？我们把服务器直接搬到现场，算法团队和研发团队就住在重庆京东方工厂对面的廉价旅馆里——没钱，住的是火车站旁边那种。拿到工厂给的零散数据，现场搭模型、现场迭代，熬更守夜地拼。最后测试结果出来，我们是第一名。

成都硬科技观察： 赢了这一仗，对后续数之联的竞争逻辑产生了什么影响？

傅  彦： 我们当时也以为赢了就能走上康庄大道。但真正进入这个行当才发现，每一个工厂都不一样，每一条产线都不一样。今天做了A工厂的第一条产线，明天做B工厂的第二条，后天做第三条——全都不一样。

但正是通过一个又一个产线的积累，我们沉淀了三样东西：数据的积累、业务知识的积累、算法和模型的积累。慢慢地，客户觉得“数之联是靠谱的”。很多工厂在建厂的时候会直接说：ADC就交给数之联来做。

这个过程中最难的是什么？工厂不允许试错。门禁系统识别失败可以重来一次，但在工厂，一旦错了就会影响产品良率，带来巨大损失。正因如此，一旦技术得到验证，客户就愿意让数之联来做建厂标准。

成都硬科技观察： 2021年数之联从纯软件向软硬一体化转型，从曾被客户“嘲笑”的第一代设备到如今的精良产品，这个过程中最大的认知颠覆是什么？

傅  彦： 有两个考量。第一，在中国软件不太被重视，一个项目做完了，客户会觉得应该免费维护升级，如果只做软件，商业模式上存在问题。第二，国内工厂的设备百分之八九十都是进口的，这些设备很贵，产品换型时请国外工程师来做软件升级，费用也居高不下。客户对国产替代有强烈的需求。

第一代设备既笨拙又难看，效能各方面都不好。但经过持续迭代，设备越做越好。我们的设备天然带AI能力，检测效果比传统CV设备好太多，价格也比国外设备便宜很多。到今年，设备出货量已经达到大几百台了。

工业AI，很多工厂还没准备好

成都硬科技观察： 数之联的设备已出口到墨西哥、斯洛文尼亚、泰国、越南等多个国家。中国工业AI企业出海，最大的优势是什么？最大的挑战是什么？

傅  彦： 优势非常明显。首先是技术和人才优势——中国AI全球排名第二，电子科大AI全球排名第三。其次是场景优势——中国是制造大国，场景丰富，有了场景就有了数据和应用需求。第三是市场优势——中国制造业在海外有很多工厂，我们可以跟着国内客户一起走出去。

挑战也很大。设备在国内调试得特别好，到了国外突然发现转不起来了——环境不同、工人操作习惯不同、气候条件也不同。这就要求软件有远程适配和自我诊断、自我升级的能力。另外，数之联在海外还不是知名品牌，需要一个一个客户去积累口碑。

成都硬科技观察： 数之联正从“看见缺陷”向“预见质量”跨越，从“看见”到“预见”，技术上的跨越有多大？

傅  彦： 跨越很大，很多工厂还没有准备好。

人工智能在工厂的落地就像培养一个孩子——从什么都不懂，慢慢教他认字、看图，一步步成长。工厂也一样，数据散落在各个烟囱式的系统里，互相不通，需要先做数据治理和清洗。但更大的挑战是人。人工智能会取代一些岗位，未来甚至可能取代部分工程师的工作。所以这一定是一把手工程——老板不下决心，政策制度出不来；工程师不转型，就会被淘汰。

人工智能有三个阶段。第一阶段是模仿人的劳动，我们做的ADC就是解放人工判图这个重复劳动。第二阶段是模仿人的思维，我们做的智能体就是让机器像工程师一样思考判断。第三阶段是具身智能和空间智能——机器不仅要有大脑，还要能像人一样行动。工厂的未来，可能真的只需要很少的人。

成都硬科技观察：“数联慧眼”大模型已完成国家备案。相比通用大模型，工业垂类大模型的研发逻辑有什么不同？

傅  彦：垂类模型离不开通用模型的基础，但一定要带上行业属性。通用大模型最大的问题是不了解专业知识，工厂的数据不可能上传到云端，它回答的问题来自书本或公开知识，离工厂的真实生产差距巨大。

我们的垂类模型，是把这么多年积累的工厂经验、业务知识、数据知识融入进去，形成知识图谱，再和通用模型结合，回答的是具象的、确定的内容。通用大模型可以有幻觉，说错了也就说错了，但在工厂，任何微小的差错都可能带来重大经济损失。

成都硬科技观察：大模型和AI质检的成本都在下降，技术门槛在降低，新玩家不断涌入，数之联的护城河够深吗？

傅  彦：任何一个商业都有它自身的规律。不是没有大巨头来过，但最后都退出去了。因为我们选的赛道太苦、太难，投入产出比不匹配。

举个例子，我们有一个项目是做易拉罐的识别。听起来简单吧？但生产环境是一分钟处理1800个罐子，现场温度50度，震耳欲聋。每个罐子要6个摄像头拍6张图，一秒钟处理180张图片的拼接和识别，还要在一米开外把有问题的踢出去。这种场景通用模型做不了。

我们这么多年积累的是数据、行业认知和算法模型，这些不是砸钱就能快速复制的。国务院现在强调打造垂类模型，正是因为每一个赛道都有它自身的规律。

硬科技要有硬担当

成都硬科技观察：在资本喧嚣的时代，您如何定义一家科技企业的成功？数之联想留下什么样的印记？

傅  彦：很多人觉得上市就是成功，但我认为，一家企业的成功，除了走资本市场这个标志，更重要的是真正为国家解决问题。

我们当初选择工业赛道，背后有一个逻辑——一个国家的强大，应该体现在工业、军工、农业、生物医疗这些方面。我们希望把中国从制造大国变成制造强国。

我希望每当说起中国的面板、手机、电视时，背后都有数之联的身影——每10张面板有8张是我们检测的。在这个背后留下我们的印记。

当然，光有情怀不行，还要有商业。我们这几年从大亏损到小亏损，再到不亏损，正在走向盈利。我们希望最终能走上资本市场，但更希望真正为中国的智能制造贡献一份力量。

成都硬科技观察：对四川的科创环境有什么期待？

傅  彦：实话实说，四川的投资环境还需要改善。很多投资机构不敢投，投了就要求有回报，不能认可亏损。我们的投资机构基本是外地的，本土的极少。很多四川的优秀企业，最后实在没办法都到其他地方去了。我们希望政府能有更多耐心，给科技企业更多支持，不要让它们死在黎明之前。

成都硬科技观察： 面向下一个五年，数之联的战略重心在哪里？

傅  彦： 我们还是会坚定不移地在工业赛道上做深做透，做到工业质检和智能体领域的国内头部企业。同时我们也在规划搭建一个平台，服务更多中小企业，让他们也能享受到人工智能的红利。另外在数据要素方面，我们也在配合成都市做数据交易平台的建设，参与国家高质量数据集的建设。