免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

作者 | 鉛筆道 松格編輯 | 鉛筆道 王方封面圖丨思謀科技公眾號

一位復旦教授，造出14萬AI工人，最近沖刺IPO。

2000年，思謀科技創始人賈佳亞從復旦畢業時，計算機視覺還是個冷門方向。他沒想到，二十多年后，自己會給中國工廠造出14萬個“AI工人”。

這些“AI工人”，能幫工廠做質檢，幫工廠省人、省錢、提效率。

2025年，思謀科技收入10.86億元，同比增長43.7%。但一翻開它的利潤表，可能會讓人意外：去年凈虧損9.91億元。

虧10億，收11億，這賬怎么算，這個賽道健康嗎？資本市場很快會給答案。

- 01 -一位教授，造出14萬AI工人

2000年，從復旦大學畢業的賈佳亞，選擇去香港中文大學攻讀計算機視覺。在當年，這個領域非常冷門，幾乎沒多少人關注，他只是單純喜歡圖像的直觀感，也熱愛攝影，就一頭扎了進去，沒多想未來的行業前景。

沒想到，這一堅持就是二十多年。期間，他一直專注計算機視覺，一步一步做研究，沒有停過。他發表了200多篇頂級期刊和會議論文，累計被引用超過7萬次。

他是香港中文大學終身教授、香港科技大學講座教授，還成為了TPAMI期刊創刊40多年來，第一位華人視覺方向副主編。

更重要的是，他帶出了很多學生，其中就包括商湯科技CEO徐立這樣的行業人物。

2017年，賈佳亞決定走出象牙塔，進入產業界，加盟騰訊優圖實驗室。

兩年時間，他看到了AI+工業的痛點。2019年，賈佳亞創辦思謀科技，切入智能制造。

最開始，思謀做的是AI視覺軟件，主要幫工廠檢測產品缺陷。但團隊很快發現：只給軟件，根本解決不了工廠的問題。

因為在真實產線上，檢測不是一個“單獨環節”，而是整條生產線的一部分。它必須和機械設備配合，必須實時做判斷，必須直接給出執行結果，甚至要形成完整閉環。

也就是說，光有“看得懂”的軟件是不夠的，工廠更需要的是“能動起來”的系統。

基于此，思謀做出關鍵調整：不再只賣軟件，而是升級為一整套可以落地運行的智能系統。

這就是他們后來的核心產品——工業AI智能體：AI模型負責看、識別、做判斷；視覺系統負責采集畫面和信息；機器人負責實際操作；云邊系統負責統一調度、快速部署。

簡單說，思謀不再賣工具，而是給工廠造“AI工人”。

根據招股書數據：2023年，工業AI智能體收入占比62.4%；2024年，提升至73.8%；2025年，進一步達到78.5%；三年時間，這項業務從輔助，變成了絕對核心。

2025年思謀收入約11億元，同比增長約44%；工業AI智能體業務復合增長率高達67.8%；累計落地超過14萬臺工業AI智能體；服務超過730家制造業客戶。

- 02 -工廠的痛

思謀科技的背后，是制造業升級的大風口：AI+質檢。

在AI進入工廠之前，制造業的質檢基本只有兩條路，而且都有明顯短板。

一種是人工檢測。以普通中型電子廠為例，一條手機零部件檢測線，可能需要超10名質檢員輪班盯著，不僅成本高，還容易疲勞出錯，漏檢率大概在5%，質量很難穩定。

另一種是傳統機器視覺。靠工程師手動寫規則、定標準來識別缺陷，但工業場景太復雜，規則根本寫不完。

根據《2025工業AI視覺應用效果白皮書》數據：遇到高反光金屬表面，傳統視覺失效概率高達40%，遇到非標準形變產品，失效概率也有35%。

這就造成一個很現實的局面：截至2024年底，國內制造業自動化普及率已經達到78%，但智能化普及率只有32%。

這意味著：機器能干活，卻不會“思考”，更沒法靈活判斷復雜情況——而這，成了思謀科技的機會。

這個賽道，之前的老玩家是康耐視、基恩士、奧普特等老牌企業，它們能提供“視覺工具”，可用于質檢。客戶買回去后，需要集成到自己的產線上。

而思謀科技的核心是工業AI智能體，提供的是端到端的AI質檢+智造整體方案。

工業是AI未來幾年的關鍵應用場景。

根據思謀科技招股書披露的行業數據，全球工業AI市場規模2020年約1240億元，2025年約5109億元，年復合增長率32.7%；中國市場增長更快，2020年規模420億元，2025年約2010億元，年復合增長率36.8%。

招股書顯示，工業AI之所以在近幾年集中爆發，主要有三股核心推力。

第一，制造業被逼著升級。

2020-2025年，制造業一線工人平均月薪從4800元上漲至6800元，5年漲幅達41.7%。

同時行業對品質要求持續拉高：電子行業產品合格率標準從95%提升至99.5%，汽車零部件行業從98%提升至99.8%。

企業不用AI，已很難扛住成本與質量雙重壓力。

第二，AI技術終于能用了。

《工業大模型白皮書(2025年)》指出，傳統AI模型需10萬+標注樣本才能適配工業場景，而多模態大模型僅需1萬+樣本即可完成訓練，標注需求減少60%。

第三，部署成本大幅下降。

據招股書顯示，2023年，一套工業AI系統定制化部署平均成本約50萬元；2025年在云邊協同架構下，成本降至28萬元，降幅達44%。

其中GPU算力成本從15萬元降至9萬元，數據標注成本從20萬元降至12萬元，算法人力成本從15萬元降至12萬元。

- 03 -關鍵趨勢

AI工業質檢，當下正在發生幾個變化。它正在從“精準”，走向“能用”，再走向“管得住整條產線”。

過去大家理解的工業質檢AI，本質上還是一個“工具”。攝像頭拍一張圖，模型判斷有沒有缺陷，然后輸出“OK / NG”。這在早期項目里已經算很先進。

但現在，這一套正在被重新改寫。

1、從“單點檢測”變成“產線能力”。

最早的AI質檢，只解決一個點：檢測。但工廠的真實邏輯是“流水線系統”。于是新的變化是：AI不再只是“看”，而是開始進入整條產線。

比如，檢測結果要直接驅動機械臂剔除不良品，或者實時反饋給設備，自動調整參數。

AI開始從“判斷工具”，變成“生產系統的一部分”。

2、從模型能力到工程能力。

過去行業比的是模型精度，比如準確率、召回率。現在工廠更關心的是另一件事：能不能穩定跑一年不出問題。

于是評價標準發生變化：不再只看實驗室數據，更看現場穩定性，更看極端環境適應能力，更看維護成本。工業AI開始從“算法問題”，變成“工程問題”。

3、從“局部替代人工”到“全流程無人化”

早期的目標是：讓AI幫人減負。現在目標變成：讓某些產線“盡量無人化運行”。

比如：檢測、判斷、剔除、反饋、調整，整個鏈路盡可能自動完成。AI質檢不再只是“輔助崗位”，而是在嘗試進入“生產決策鏈”。

如果說過去十年，AI在工業質檢領域做的是“讓機器看得見”。

那么現在這一輪變化更重要：它正在讓機器不僅“看得見”，還要“做得了決定”，甚至“參與生產運行”。工業AI正在從一個技術模塊，變成工廠的基礎設施。

本文不構成任何投資建議。

       原文標題 : 復旦校友，造14萬AI工人：年入11億，港股上市