工业Agent定制与平台化

工业Agent开始走进更多工厂。 西门子披露，Eigen工程智能体自今年7月在中国上市以来，已服务数百家本土制造企业，覆盖汽车、机械、化工等行业。 AI进入工业现场的机会越来越具体。 但创业公司接到项目后，面临定制与标准化的难题。 梅洛迪科技联合创始人贾亦凡认为，工业Agent的平台化不意味着跳过定制，企业间的数据基础、工业软件和业务流程存在差异，通用技术能力需要在真实场景中验证和完善。 定制化适配与平台能力建设应同步推进。 做平台前，先给客户做定制，但每家客户都要重做一遍成本高。 定制项目完成后，哪些能力能复用？

客户数据允许怎样使用？ 收费模式应该是什么样的？ 这些问题决定了工业Agent能否做成持续生意。 先做定制，才知道什么能复用。 模型越来越强，工业Agent还要做定制，因为企业数据难处理，工业任务对输出要求严格，需要结合客户工作流程具体安排。 团队没做过具体工作，很难知道哪些需求普遍存在，哪些是特殊要求。 因此，贾亦凡选择从定制项目做起，期待下一家客户更容易上手，成本降下来。 判断创业公司是否逐渐做出平台，可看下一家客户已有工具和处理方法能用上多少，还要增加多少开发和实施工作。

新客户的数据仍需处理，流程也需要适配，但如果每个项目都得从头做起，订单增加也难说明产品更容易复制。 客户的数据，不会自动变成你的资产。 在工业场景里，这得先看客户的授权范围。 企业会在合同中约定数据的所有权、使用权和归属，哪些数据可用，哪些不能用，需要逐项沟通。 想把项目里的数据用于其他客户，也要单独谈授权。 原始数据可能带不走，但团队可以更熟悉行业流程，知道哪些信息容易缺失，哪些处理方法可以复用。 至于具体数据和相关能力能否用于其他项目，还得看双方的约定。

贾亦凡认为，定制项目留下的不只是行业理解，还有经过实际场景验证的数据处理方法、工业软件连接能力、知识建模方法和智能体工作流等技术积累。 经过几个项目，团队才有机会逐渐摸清行业需求，减少下一次交付的工作量。 所以，评估工业Agent公司的积累，光问接触了多少数据还不够，还得问这些数据允许怎样使用，以及团队能把哪些经验和方法用于服务下一家客户。 效果提升会放缓，收费不能只靠增量。 减少重复开发，能让下一次交付省一些成本，但客户项目上线后，持续提供的服务该怎么收费？

贾亦凡考虑过按效果付钱，客户喜欢这种方式，但担心AI刚上线时带来一轮明显改善，后续可改善的地方少了，很难一直保持最初的提升幅度。 如果只按每期新增的效果收费，厂商的收入可能逐渐减少，维护和更新系统的工作却一直得继续。 因此，他更倾向于让订阅和成果计费长期并存。 他认为，工业Agent的商业模式需要兼顾持续服务与实际业务价值。 产品订阅和持续服务费用能够支持系统的长期维护、升级与优化，而成果计费可以作为补充机制，在具备明确衡量标准的场景中，让供应商与客户共享效率改善带来的收益。

客户减少了前期投入，供应商则有机会在做出效果后获得更多收入。 但怎样定义结果、怎样计算改善，仍需要双方谈清楚。 对工业Agent公司来说，要把生意做长，除了让下一次交付更省力，还得为持续提供的服务找到合理的收费方式。