随着DeepSeek等通用大模型技术的突破，AI在设备预测性维护、能源优化、质量管控、生产制造等场景中已展现出更大的潜力，工业企业纷纷加速布局“AI+”战略，然而贴上“AI标签”的服务商和解决方案真假难辨。
“目前工业AI在视觉识别方面应用较成熟，但视觉识别仅能检测生产瑕疵，无法深入生产控制层面。真正的工业AI控制研发周期长、难度大，市面上号称AI的工业控制产品99%名不副实。”蘑菇物联创始人兼CEO沈国辉日前在采访中对第一财经记者表示，工业领域的假AI主要分为规则型伪AI、数字伪装型AI、黑箱型AI、功能嫁接型AI。
从去年开始，蘑菇物联所服务的通用工业设备领域正在随着DeepSeek以及众多开源大模型的落地而出现根本性的变化。大量DeepSeek一体机布局需求以及AI订单让沈国辉感到了行业对大模型的关注，但同时假AI技术的泛滥也成为工业AI落地的难点。
“市面上最为显性的假AI特征就是只停留在用专有名词堆砌的PPT阶段，过去我们也有这样的问题，有同事为了更快地把软件卖给客户，就自己把当时还没有发布的AI技术写到了汇报PPT里，实际上还没有写明白，只有概念和一堆唬人的名词。”沈国辉表示，很多声称有自己AI技术的公司，本质只是披着“AI皮”的传统软件。
在他看来，工业领域常见的AI控制类型有规则型和黑箱型等，其中规则型最为普遍。规则型AI基于成熟技术如PLC控制规则，本质上是基于预先设定的规则进行生产设备控制，几乎零研发成本。虽然表面上打着AI的旗号，但并没有真正运用到AI的核心技术，如机器学习、深度学习算法等，缺乏对数据的智能分析和自主决策能力。
黑箱型AI则是当输入数据后能给出相应的输出结果，但无法清晰了解其内部是如何进行数据处理、分析以及作出决策。在工业领域，这种黑箱特性可能会带来一些问题。因为工业生产往往对稳定性和可解释性要求较高，企业需要清楚知道AI做出决策的依据，以便进行有效地监控和管理。
沈国辉表示，工业AI要做好，起步投入就要超过3亿人民币。“最简单的判断方法就看它的AI在软件里能不能可视化展现。”
蘑菇物联工业AI首席技术官周子叶对记者补充道，工业企业部署AI垂直大模型的路径可以先从易部署且投资回报率高的闭环场景（如公辅能源车间）切入，进而拓展到工厂的其他场景，如物流、质检、生产等，分阶段把所有环节都接入到AI垂直大模型。
“我们现在正在积累这种工业大模型的能力，过去小模型能力有限，难以覆盖众多碎片化场景，现在DeepSeek等技术带来的机会正在真正改变工业领域。”周子叶认为，中国工业全面应用大模型时代的到来，使工业能够从依赖散装小模型应对碎片化场景，转变为用大模型解决问题，这是工业AI演变成生产力的关键转折点。
