当人工智能浪潮席卷而来，C 端通用大模型完成了上半场的探索与铺垫，B 端工业垂域大模型正接过接力棒，开启了下半场的深耕与突破。
可是，在企业纷纷追逐工业 AI，上马大模型和智能体，寄望投资换来效率和价值时，却也有着部分企业把 " 展示效果 " 当目标的 " 伪需求 "，引来了诸多企业家的热议。
多位企业家的判断如出一辙：AI 的价值不看概念多新、名词多密，而看能否解决工业真问题、算出企业真收益。
AI 很热，但要警惕 " 伪需求 "
卡奥斯物联科技股份有限公司是国内首个基于工业互联网平台的垂域大模型，已在 9 大行业、40 多个场景落地应用。该公司董事长陈录城对于工业 AI 的 " 伪需求 " 深有感触。
他说道，制造业要实现 AI 落地，他在实践中最大的体会是，怎么把这些行业真实的数据、知识和经验显性化、产品化，变成智能体，去解决真问题，创造真价值。
陈录城举了一个例子：有一家企业生产智能控制器，在全球有 6 家工厂。其中，智能控制器里有一个元器件，对湿度要求很高、很敏感。因为不同地区的湿度不一样，过去企业都是靠人工来调，非常不精准、不及时。现在卡奥斯和这家企业一起搭建了工艺管控的智能体，质量保证的精度提高了 30%。
在陈录城看来，凡是不能创造真价值、为 AI 而 AI 的项目，都可以称为 " 伪需求 "。主要有两种情况：
第一种情况，需求是真的、问题也是真的，但是不能通过 AI 来解决。一个原因是工业领域数据非常复杂，数据没有做好准备，包括采集、标注、处理，不能训练出真正的大模型，解决不了真实的问题。第二个原因，用这个模型解决问题，但是价值计算出现了偏差。企业不能拿局部效果去衡量整体价值，比如在单点上成本降低了，但在另一个地方又增加了其他成本。所以要算大账，不要算小账。
第二种情况，需求本身就是假的，不应该用 AI 来解决。这里面也有两个方面：第一个方面，现在企业重塑流程和系统，解决办法多是 " 外挂 "，比如用 AI 识别出质量缺陷后，还要靠人工去重新录入，这样不但没有解决这个问题，反而增加了员工的负担，把业务和 AI 变成了 " 两张皮 "，产生不了真实的效果。第二个方面是 " 杀鸡用牛刀 "。有些用规则或者制度就能解决问题，不需要再通过 AI 来解决。
陈录城表示，工业大模型与通用大模型不同，不是越炫越好，而是越能体现价值越好。
人工智能正加速走进实体经济，但并非所有项目都物有所值。
华为技术有限公司副总裁、制造与大企业军团 CEO 刘超认为，人工智能的场景选择，要和企业的核心价值流、价值创造的关键环节相关。比如，制造型企业要在研发创新、生产制造、销售服务、企业管理等关键的价值创造环节中，思考如何与人工智能结合。结合之后，研发创新应变得更快，让过去的 " 不可能 " 变为 " 可能 "；生产制造环节要质量更好、成本更低、效率更高、柔性更强；销售服务环节要能更好地提升服务客户的能力和本领。总之，人工智能如何让企业变得更强、更有竞争力。
在刘超看来，高价值的、能让企业更有竞争力的场景，就是工业 AI 真需求，就该投资；纯粹表演型的、纯粹为了证明自己使用了 AI 的，就应该砍掉。同时，他还建议：那种单纯为了追求技术先进性、追求新名词而上马的项目，企业也要慎重。
AI 要创造真价值
中国数联物流信息有限公司副总经理韩敬华分享了近两年通过 AI 解决的一个 " 比较有意思 " 的实践。
物流是一个典型的全局最优的场景：港口的桥吊怎么排，堆场怎么布，多式联运怎样衔接，过去都是靠老师傅的经验，各个环节独立规划，然后人工逐环节去评判。
目前，中国数联物流信息有限公司推出了运筹大模型，支持用纯自然语言对问题进行描述，AI 自动生成算法，并持续自进化迭代，直接生成桥吊和堆场的最优解决方案，实现 AI 的自主决策，每年单岗节约数百万元的能耗成本。
韩敬华以三个维度来判断工业 AI 中的 " 真需求 "：一是约束清晰，二是结果可量化，三是收益能够进报表。这才是一个 " 真需求 "。
对于 " 伪需求 "，韩敬华也举一个简单的例子：就是为对话而对话的聊天机器人。过去，企业业务系统曾经一度流行套一个对话框，员工问一句，AI 答一句。这个看似智能，但是业务动作仍需要人回到原有的业务系统中去操作，不能实现业务闭环，也无法交付结果。
由此，中国数联物流信息有限公司在打造大模型时提出了一条规则：AI 不能只给出建议，必须完成需求接收、智能编排、执行协同、结果交付和效果反馈的全链路闭环，交付要求的是报关单、调度方案和预测报告等实实在在的成果。
山东能源集团既是能源企业，也是化工企业，共有 70 多家煤矿和 26 家化工企业。这 100 多家企业都存在生产工艺复杂、管理难度大的问题，安全生产一直是个难题。
山东能源集团副总经理刘健认为，能源行业最值得解决的就是安全生产问题。过去，我们解决的真问题就是把职工从高危的工作环境中解放出来。
近几年，山东能源集团依托大模型对从事采掘、化工、机电等 20 多个业务模块进行了深度解析。通过大模型，企业隐患排查效率提高了 80% 以上，现场违章识别率提高到 95% 以上。同时，企业选煤效率也提高了 1% 以上。
在刘健看来，最典型的伪需求就是说把展示效果作为一个目标。企业在内部调查中发现，有的人工智能项目存在硬件的可靠性不足，软件系统又存在着 " 建而不用、用而不实 " 的现象，项目建了以后对以后的发展并没有很大的借力。
他认为，如果说预算要减，就要砍掉那些建了不用的项目。最想保留的是能解决行业发展痛点的项目，主要包括：第一，行业大模型核心能力的持续迭代；第二，企业与华为共建的两个大模型、350 个场景在现场的持续应用和推广；第三，一些可复用的、解决一个问题就能解决一类问题、促进行业发展的 AI 项目。
