2026-07-09 14:34:55 西盟科技资讯
在国家大力推进新型工业化、实施“人工智能+制造”专项行动的背景下，AI技术正全面进入产业应用爆发期，“AI+硬件”成为工业结构性升级的主线，推动工业设备从机械载体向具备自主感知、决策能力的智控终端迭代升级。目前，AI+工业领域的要务科技紧跟这一产业导向，用前沿技术破解工程机械行业的深层痛点。这一突破的背后，离不开CEO石东海长期深耕技术、锚定产业方向的顶层布局。
从数字世界到物理世界
石东海身上有一种并不多见的气质。他谈技术时严谨克制，谈及未来产业变化时却带着一种近乎直觉的判断力——这种判断力，源于他过去二十多年在“数字世界”与“物理世界”之中深耕的经历。
石东海本科毕业于电子科技大学计算机通信专业，研究生毕业于北京邮电大学，师从张平院士，聚焦无线通信理论研究，深度参与过 WiMAX，4G 物理层研究等国家级项目。毕业后先后就职于摩托罗拉，百度，英特尔中国研究院，滴滴出行等企业，在滴滴期间，他历任品质出行和普惠出行CTO，出租车事业部、代驾事业部总经理。从业以来，他作为核心技术负责人完整主导了数个亿级用户平台的研发和运营。
正是在消费互联网最热闹的那些年，他反而生出一个越来越强烈的感受： AI只有真正进入物理世界，才能释放另一层价值。
2022年出任要务科技CEO后，他提出了工程机械领域需从“设备销售”到“工程服务数字化平台”，再到“ AI For Industry”演进的战略路径。
这套演进逻辑背后是一个清晰的判断：工程机械行业过去几十年都在解决“动起来”的问题，而接下来的十年，要解决的是“思考起来”的问题。前者靠液压、动力、材料;后者，靠AI。
工业AI，走的是另一条更难的路
AI圈子里，对用户级大模型的关注更多是存在数字世界的技术，聊参数量、上下文窗口、多模态能力，而对工业AI Agent的聚焦点，则在物理世界生产线上的硬指标——设备综合效率提升了几个百分点、吨矿成本降了多少。
“工业AI从来不是上网竞赛。”这是石东海在内部反复强调的一句话。在他看来，工业智能体与消费端AI之间，存在着三道无法跨越的“断层线”：
第一，确定性鸿沟与价值标尺。通用AI可以“猜”，工业AI必须“算”。用户端Agent允许失误，代码Agent允许Debug后重跑;但物理现场容错率趋近于零，一次误动作可能导致产线停产甚至安全事故。工业Agent的每一次决策都必须具备物理可行性，对可解释性和幻觉抑制的要求，远超现有通用大模型的能力边界。且工业端的价值标准残酷且清晰——不看用户体验，只看财务指标：稼动率提升多少?良率提高几个PPM?能耗降低几个百分点?如果无法换算成真金白银的账本，技术再炫酷也等于零。
第二，长周期协同与落地约束。消费级应用往往只是轻量化的“单轮或多轮对话”，受限于API生态和算力成本;而工业流程涉及从订单排产、工艺规划到设备执行的超长链条，时空跨度极大，有很强的落地约束性。这意味着工业Agent必须在多实体、多目标、多约束的实时博弈中完成长周期的任务拆解。更为苛刻的是，它是“戴着手铐脚镣跳舞”——必须在现场网络抖动、老旧设备协议封闭的复杂OT环境中，满足毫秒级的实时性要求，在算力受限的工控机边缘侧独立完成决策闭环。
第三，物理机理的理解与底层逻辑的质变。工业问题不是纯粹的数据统计，而是始于“Know-How”的底层逻辑，背后是热力学、材料学、动力学等物理定律。这就决定了两者在底层逻辑上的本质差异：通用Agent处理的是“符号”，本质是生成文字、代码片段等信息;而工业智能体操控的是“物理实体”，它必须与仿真机理模型深度融合，直接下发具体的PID参数、运动轨迹等机器指令，并实时接收PLC信号的闭环反馈。通用AI是在生成信息，而工业AI是在直接干预物理世界。
在“非标”工业场景里长出泛化能力
要务团队在客户现场遇到的第一道墙，往往不是技术，而是“非标”——生产调度环节的动态扰动、项目执行环节的因果链不可重复、运维保障环节的故障模式无穷组合，每一个工业现场都是“约束条件独一无二的组合”。
传统工业SaaS二十年未能突破的盲区，集中体现为两点：
盲区一：强假设的“结构化暴力”。SaaS本质是把线下流程搬进线上表单，它要求输入是完美的、结构化的。但工业现场80%的信息存在于老师傅的脑袋里、纸质笔记里，甚至设备的振动波形里。为了用SaaS，企业被迫“削足适履”地标准化自身业务，行不通的地方只能靠外包二次开发。
盲区二：“墨守成规”的固化逻辑。SaaS的逻辑是If-Then的确定性编程。但工业是混沌系统——变量A变化，不仅影响B，还受C和D的耦合影响。SaaS无法处理这种多因子动态博弈，只能把异常情况抛给人来处理。软件最终沦为“记录工具”而非“决策大脑”。
要务的工业Agent，差异化的本质是“从固化规则到动态决策”的跃迁：
从“填表式输入”变为“多模态感知”。Agent允许用户直接上传老师傅手写的维修笔记、设备运行的声纹和振动时域图。通过多模态大模型，Agent能像一位高级工程师一样，“看懂”非文字信息，将非结构化数据实时转化为结构化推理上下文。
从“刚性执行”变为“柔性与协商”。遇到突发插单时，调度Agent不再报错退出，而是基于自然语言交互，主动与计划员“协商”——提出三个备选方案，让人的经验和AI的算力共同决策。这种模式被石东海称为“人机共智”。
打破“数据孤岛”的经验抽取。传统SaaS集成接口耗时数月，要务利用Agent的代码生成和RPA能力，快速对接老旧系统，将散落在各处的隐性关联自动挖掘出来，形成动态知识库。
而要实现从“项目定制”到“规模复制”的跨越，关键正在于石东海反复强调的“系统泛化能力”。他的架构定义极其务实：工业泛化不是让一个模型包打天下，而是构建“模型路由+迁移学习”的混合智力网络——让具备通识的通用大模型坐镇“底座大脑”，在其上方高密度挂载多个轻量级、针对特定工况的“小脑”专家模型。正如他所强调的，泛化的终极奥义，不是去抹平车间里的千差万别，而是去理解差异背后的物理本质。
工业客户不看PPT看账本
在石东海看来，工业客户决策重实效，他们不看PR稿，不追技术概念，只关心三件事：成本、风险、长期收益。
要务的Agent在客户现场的价值，被石东海折算成三本清晰的账：
降低上线成本与周期。传统SaaS上线动辄半年，且每新增一条产线就要重新实施(准外包成本高昂)。我们的Agent具备泛化能力后，新产线部署周期从6个月压缩至2周以内。直接折算为可视化的ROI收益：节省了数十万级的实施顾问驻场费用，以及提前投产带来的百万级产值释放，实现低投入、高回报的业务闭环。
应对“黑天鹅”的免疫力。泛化能力意味着当市场剧烈波动(如原材料巨变)、设备严重老化时，Agent能凭借对物理机理的理解提前3-5天预警异常趋势。这折算成收益就是——避免一次非计划停机的损失(往往高达每小时几十万元)。
人才经验的“资产化”。泛化让老师傅的绝活不再锁在抽屉里。Agent能将某条标杆产线的最优经验，通过泛化框架无损复制到集团内其他几十条产线。折算下来，相当于用一份顶尖工艺师的工资，养活了整个集团的中等水平工艺团队。
“工业AI不需要‘惊喜’，需要‘确定性’。”石东海说，“客户不会为‘可能有用’买单，只会为‘确实省了’鼓掌。”
创新和务实，要务的两大基因
“创新和务实是不可分割的两面。”石东海说，“没有创新的务实是死路，没有务实的创新是泡沫。”基于这种判断，他在要务的发展战略上做了三个“反共识”的取舍：
技术路线上，放弃“端到端大一统”，拥抱“混合智能”。让大模型负责“脑”——任务拆解和异常推理;让传统控制论和数值求解器负责“手”——精准执行。要务做的不是通用的ChatGPT，而是“会使用工业软件和工业控制库的专家”。
人才结构上，去“纯算法崇拜”，重“复合型架构师”。石东海坚持引进拥有五年以上现场工艺经验的工程师，让他们和算法专家背靠背工作。算法工程师必须下车间看设备运转，工艺工程师必须学会写Prompt和调参。人才结构从“T型”转向“π型”——既要懂AI的数学逻辑，又要懂设备的物理逻辑。他强调，“工厂需要的不是纯算法天才，而是既懂算法又懂业务的复合型工程师。”
研发投向上，重“场景验证”和“数据清洗”，轻“盲目预训练”。要务将70%的研发资源投入到了工业数据治理与语义对齐，以及数字孪生沙盘验证。在将Agent部署到真机前，必须在数字孪生环境中进行上万次的“故障注入测试”，确保在异常工况下的鲁棒性。“我们用了近一半的资源去做在AI行业‘看起来不性感’的事——工业数据治理和仿真环境构建。大模型公司烧钱买算力，我们把钱烧在了构建工业镜像仿真沙盘上，但它是我们泛化能力的底层基础设施。没有这个沙盘，所谓的‘工业Agent’就是空中楼阁。”
“工业AI Agent的落地，不是一场算法竞赛，而是一场工程韧性的较量。”石东海说。在他的战略布阵下，要务科技死磕AI工业深水区，全面打造数据层、运营层与营销层的全栈解决方案。短短几年内，不仅推出了YAOWU DeepSense(智慧营销)、YAOWU HOTROD(智能作业)与YAOWU NEXUS(智慧运营)三大核心业务矩阵，主导研发的“星知大模型”更是成功通过了国家级大模型备案，成为了工业智能体赛道上真正的硬核底座。
现代化产业体系的升级，需要颠覆式的技术跃迁，更需要沉下心改造现实世界生产结构的情怀。石东海不仅在打破软件与物理世界的边界，更在用AI重塑中国工业的尊严与效率。以科技之名，建造更美好的物理世界——这是属于石东海这一代硬核科技人的星辰大海，也是工业Agent真正的时代使命。
