工业AI如何走向规模化应用？

作者｜田思奇

编辑｜栗子

无数次历史证明，每一轮技术变革的最终价值落点都不是技术本身，而是我们衣食住行的物理世界。

经过数年设备联网与数据沉淀的“修桥铺路”，中国工业互联网正迎来智能化加速阶段。许多企业不再满足于数据分析，而要求人工智能介入后持续提升效率、降低能耗、改善质量。

这一趋势，与今年政府工作报告中提出的深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用，拓展智能制造等形成呼应。

在制造与能源等高价值、低容错的工业场景中，AI能否长期稳定运行并持续提升效率，正在成为其能否进入生产体系的关键分水岭。

在这一产业拐点上，刚刚递表港交所的卡奥斯，给我们提供了一个观察样本。

这家脱胎于海尔的企业成立于2017年，早在行业风口形成之前便开始探索工业智能的落地路径。通过端云一体的数据智能与物联网能力，卡奥斯将工业智能体嵌入生产系统，目前已累计服务逾9500 家付费客户，客户规模与客单价值均处于行业高位，成功实现产业规模化落地并达成盈利。

据弗若斯特沙利文报告，以2024年收入计，卡奥斯在中国基于平台的工业数据智能解决方案市场位居第一。

随着工业AI进入规模运行阶段，卡奥斯的IPO不仅是其冲击AI+工业互联网第一股的关键一步，也成为观察工业智能如何从技术能力走向产业基础设施的重要窗口。

1. 历史的必然：工业互联网的智能化跃迁

工业是人工智能最难攻克的现实场域，也是承载极高经济价值的试金石。

纵观近年来中国制造业的数智化演进进程，工业智能从边缘探索走向中枢系统的规模运行，并非一时的技术跟风，而是产业升级不可逆转的历史必然。

发展初期，工业互联网以设备上云为核心完成底层连接，打通了长期割裂的物理孤岛。当全国重点平台的连接设备数突破亿台量级，海量数据的汇聚，自然催生了对深度分析与局部优化的需求。

如今，伴随大模型与智能体技术的跃升，技术演进再次跨越临界点。人工智能正从离线的被动分析转向实时的闭环运行，全面介入排产调度、工艺参数寻优与能源动态配置等决策地带。

从连接到决策的跨越，标志着行业正式步入规模运行的全新阶段。

由技术内生驱动的产业趋势，也与国家战略同频共振。

2026年1月，工信部等八部门印发的《“人工智能+制造”专项行动实施意见》，首次将工业大模型、工业智能体纳入系统性框架，并提出量化目标：到2027年形成全覆盖的行业大模型体系，推出1000个高水平工业智能体，推广500个典型应用场景。工业智能已被正式确立为新型工业化的核心支柱，成为加强大国制造核心竞争力的关键变量。

但工业AI落地的“最后一公里”，远非简单的模型迁移。

工业场景具备极致的复杂性与严苛的纪律性。

首先是数据环境的重重壁垒，现场异构碎片化的时序数据，其治理难度几何级数倍于消费互联网领域；其次是可靠性门槛——工厂运转与能源调度几乎不存在试错空间，任何一次算力偏差都可能引发停线危机甚至安全隐患；更重要的是系统在全生命周期内的韧性，算法必须在设备老化与工况环境的剧烈波动中维持精准输出。

据「甲子光年」观察，工业场景里的工艺知识，往往沉淀在工程师和老师傅的经验里，零散且难以言传。只有长期在产线中积累，才能将这种“隐形知识”转化为模型可理解的数据结构。这恰恰解释了为何沿用消费产品逻辑的纯算法企业往往在工厂泥足深陷。在工业的语境里，始终是物理场景决定技术形态，而非相反。

在通往工业AI深水区的征途中，中国科技产业形成了三股主要力量：

一是以华为云、阿里云为代表的云厂商，它们凭借强大的算力底座与通用模型能力，从底层基础设施切入；

二是以宝信软件为代表的垂直行业软件商，深耕钢铁等特定领域，积累了深厚的行业Know-how。

而在两者之外，以卡奥斯为代表的跨行业工业互联网平台，则展现出对产业深刻的洞察与战略定力。这类平台孕育于极其复杂的制造母体，天生兼备深刻的工艺理解力与广阔的平台泛化力。它们主要致力于将不可复制的制造经验，升华为可跨行业调用的智能体模块。

在人工智能与制造业深度融合的国家战略浪潮中，卡奥斯的探索不仅顺应了时代，也在某种程度上引导并定义了工业智能的未来形态。企业服务不再局限于交付零散的工具和一次性项目成果，而是构建一套以平台为土壤、以工业智能体为核心引擎的运行系统。

这种立足于历史维度、深刻洞见产业未来的系统性能力，正在重塑整个工业科技领域的价值评估体系，成为承载新型生产力落地的坚实底座。

2. 把AI藏进系统：工业智能的纵深思维

当工业AI进入规模运行阶段，智能能力的形态开始发生变化。它不再是孤立的算法或辅助分析工具，而是以工业智能体的形式嵌入排产、工艺控制、质量管理和能耗优化等关键环节，在生产系统中持续运行并形成决策闭环。这种转变的本质，是AI从提供建议的工具，变成了直接参与生产运营的决策者。

但这种智能体，很难从实验室里凭空创造，而是从制造体系内部逐步演化出来。

卡奥斯的技术架构，正沿着这一逻辑生长。

早在2023年，公司便已开始系统探索工业智能体系的构建。它没有将AI视为可以单独售卖的能力，而是将其嵌入一套完整的工业智能操作系统。这套系统的中枢是COSMOPlat工业互联网平台，以BaaS工业操作系统和BaaS工业大脑为内核。

在底层，BaaS工业操作系统整合多协议物联能力，实现设备与系统的统一连接，让数据采集与设备控制具备可持续性；

同时，作为BaaS工业大脑核心组件之一的天数工业大数据平台，提供多源异构数据汇聚、多模态数据存储、工业数据治理分析等全生命周期管理能力。平台已覆盖家电、能源化工及能碳等多个行业，实现毫秒级查询与全要素治理，将分散、口径不统一的工业数据转化为可供AI调用的基础资源。

另一核心组件——天智工业大模型，是国内首个基于工业互联网平台的垂域大模型，检索精准度达93%。针对工业领域数据供给不足、模型成本高、业务适配难等痛点，公司遵循“一行业一模型”策略，打造出家电、能源化工、能碳等行业大模型，支持研发设计、生产制造、运营服务、双碳管理等主要工业场景。

这种系统级架构的深远价值，在于打破了定制化开发的成本魔咒，确立了智能能力规模化复制的行业范本。依托高度模块化的设计理念，卡奥斯将高度依赖人工经验的工艺知识，解构并重塑为可灵活调用的能力单元。

成熟智能体在不同产线间快速部署，交付周期缩短，边际成本下降。据招股书披露，基于天智工业大模型，卡奥斯已打造覆盖3大行业、40余个核心场景的工业智能体，高质量智能体数量达57个。

基于天智工业大模型建构的四类智能体应用场景，包括微网、空压、冷热及能源管理

卡奥斯的这种路径，本质是“一米宽、百米深”。所谓一米宽，是指它聚焦的切口——不是连接设备，不是数据分析，而是生产运营中最关键、也最难啃的决策环节：排产调度、工艺参数优化、能耗实时调控。这个领域价值密度最高，但进入门槛也最高。

百米深，是指在选定切口后向下挖掘的三个层次：行业深度上，从家电到化工、汽车、能源，跨越离散与流程制造；能力深度上，从数据治理、模型训练到边端执行，形成完整闭环；场景深度上，从单点智能体到多智能体协同，逐步覆盖全流程。

在行业进入规模运行的语境下，能够将智能体植入产线心脏并维持稳定运行的企业，正在获得远超传统软件厂商的资产溢价。因为在工业的逻辑里，只有长在产线上的大脑，才配得上基础设施的称谓。

3. 可盈利的高价值工业AI，长什么样？

对工业AI平台来说，商业模式并不复杂。企业付费购买系统与软件服务，让AI持续优化生产过程。卡奥斯的业务，也主要围绕工业智能系统展开。但真正的考验，在于是否具备跨行业复制的能力。

只能在母体产线生存的企业，天花板往往止步于工程服务商；能够穿透制造、能源、化工等高复杂度场景，并持续提升外部客户占比的企业，才具备平台级软件的基础。

在这一逻辑下，跨行业落地能力成为关键指标。

卡奥斯不仅在离散制造的家电领域得到验证，也跨越了工艺逻辑截然不同的流程制造。招股书披露，公司已助力全球客户打造17座灯塔工厂。这一由世界经济论坛认证的荣誉，意味着其智能能力已进入排产调度、工艺参数优化与质量控制等生产决策核心。

以全球家电制造商海尔灯塔工厂为例，卡奥斯通过COSMOPlat平台整合数据至数字孪生工厂，实时优化生产。洗衣机生产线采用注塑智能体，分析500余项参数，自适应调整工艺，使生产周期缩短15%。净水器工厂中，AI模型为每批原料生成专属烧结曲线，碳滤芯孔隙控制达微米级，质量成本降低72%，库存周转天数缩短53%。

这一能力在能源化工领域复用：为大型国有能源化工集团陕西延长石油建设工业互联网平台，整合16个业务板块数据，构建PB级数据湖，部署38个工业智能体参与决策。油田开采中，动力计卡诊断智能体将人工从每日500余人降至约90人，诊断效率提升70%；炼油装置中，醛分离塔工艺优化使产品一次转化率提升30%以上；调油环节，智能配方系统将一次成功率提至98%以上，混合效率提升70%。

在工业园区能源管理中，卡奥斯为安徽省下塘园区建设能碳管理平台，接入164家企业用能数据与45座分布式光伏电站，部署超万个传感设备，实现实时监测优化。通过空压智能体和能源调度算法，园区整体能源成本降低15%，平均周减碳1.88吨，并入选省级零碳试点。

对于资本市场关注的独立性问题，也需要放在产业背景下理解。海尔作为全球最大的家电制造企业之一，为卡奥斯提供了一个复杂而完整的制造环境。二者的协同本质是生态资源整合，并非依赖，这份扎根制造场景的实践积淀，更是卡奥斯打磨工业智能技术、构筑核心竞争壁垒的关键所在。正是在这一长期实践中，公司不断打磨智能体系统，并逐步形成能够跨行业复制的工业智能能力。

如今，这种能力正在向外部市场扩展。截至2025年9月，卡奥斯累计服务付费客户超过9500家，覆盖多个垂直行业，其中国家级专精特新企业超过600家。外部客户收入占比从2023年的27.2%提升至2025年前九个月的41.1%，收入结构正在持续变化。

IDC数据显示，中国工业企业应用大模型与智能体的比例从2024年的9.6%跃升至2025年的47.5%。这意味着工业AI正从少数企业的试点项目逐渐走向行业标配。在这一背景下，卡奥斯外部客户占比的提升，与产业整体渗透曲线呈现出高度一致的趋势。

盈利结构是判断商业模式成熟度的另一重要指标。在AI企业普遍面临高投入压力的背景下，卡奥斯已经形成较为稳定的盈利能力。公司数据智能解决方案毛利率保持在30%至40%区间，明显高于传统硬件集成业务。2024年公司实现扭亏为盈，2025年前九个月净利润达到1.76亿元，同比增长393%。

值得注意的是，工业科技领域发展初期获得政府补贴支持是行业普遍惯例，而卡奥斯的盈利增长并非依赖补贴，反而正通过核心高毛利数据智能业务的内生增长逐步摆脱非经常性损益的影响，扣非后盈利水平持续改善，印证了其商业模式的可持续性。

卡奥斯的扩展能力也延伸至全球市场。其工业智能方案已在20多个国家落地，服务海外企业超过50家，海外收入占比超过12%。这意味着，在中国复杂制造场景中打磨出来的工业智能技术，正在具备进入全球制造体系的可能。

因此，卡奥斯值得被观察的关键，并不在于商业模式本身，而在于它证明了一件更困难的事情：工业AI可以在高价值生产系统中长期稳定运行，并在此基础上逐步形成可复制的业务结构。

4.结语：IPO不是终点，是价值重估的开始

纵观全球科技产业的演进脉络，从数字化连接向系统性智能的跃升，并非某几家企业的突发奇想，而是人工智能技术演进与大国制造业转型升级相互交汇的历史必然。当人工智能加持实体经济被确立为国家战略的核心引擎，工业智能的规模化应用便天然承载了重塑新质生产力的时代使命。

工业AI企业的价值，并不取决于模型参数规模或技术概念，而取决于它是否能够在真实生产系统中持续创造收益。「甲子光年」认为，从产业视角看，工业AI企业的发展往往取决于四个关键变量的乘积效应：单点智能体的ROI、可复制场景数量、产线渗透率以及组织适配能力。

单点智能体的ROI，决定技术是否真正创造收益；可复制场景数量，决定解决方案的横向扩展边界；产线渗透率，反映AI是否进入排产、工艺控制、能耗管理等核心流程，而非停留在外围分析层；组织适配能力，则决定智能系统能否在企业内部长期运行，而不是短期试点项目。

当这四个变量形成正向循环时，工业AI企业便不再依赖一次性项目交付，而是逐步形成可以持续运行的产业能力。

与此同时，AI正在加速向生产核心环节渗透：Gartner预测，到2026年，超过60%的新建产线将部署某种形式的AI驱动的过程优化系统；据弗若斯特沙利文数据，中国基于平台的工业数据智能解决方案市场规模，将在2025年至2029年保持年均23.4%的增速。

在这一背景下审视卡奥斯，其IPO的意义超越了单一公司的资本事件。它向市场证明了：在规模庞大、变化缓慢、不容出错的物理世界里，AI不仅可以稳定运行，还可以做成一门可持续、可复制、可盈利的大生意。

从17座灯塔工厂到超过9500家付费客户，从59.6%的数据智能收入增速到外部客户占比的持续提升，这些指标共同勾勒出一家工业智能纵深型公司的轮廓：通过软件、数据与智能体持续优化生产系统，而非一次性交付项目。

工业AI的时代，不属于只会展示模型能力的企业，而属于能够在复杂物理系统中稳定运行、持续优化并实现跨行业迁移的企业。当这套结构性能力得到持续验证，工业AI便不再只是技术进步的象征，而成为可以长期定价的产业资产。

卡奥斯的IPO，正是对这一判断的印证——它让市场看到，在规模庞大、不容出错的物理世界里，AI不仅可以稳定运行，还能做成可复制、可盈利的大生意。这，便是它作为行业样本的意义所在。

（文中图片来自卡奥斯，封面图由AI生成）