2026智能制造：这些最赚钱，这些都是坑

1月28日，由铅笔道联合主办的中关村早期投资论坛暨2026新场景大会举行，影响力登上活动行北京总榜第1名。本文为大会《AI新场景》圆桌讨论实录。

整理 | 铅笔道 蒙恰

编辑 | 铅笔道 王方

2025年，当AI的热浪席卷全球，喧嚣背后，在AI+制造业，一群身处工厂、电网与戈壁的实干家，正在用真实的订单，探索AI的落地场景。

本文为您解读几个朴素的问题：AI在制造业，哪里能真正赚钱？哪里只是热闹的泡沫？客户究竟为什么买单？

参与本文探讨的嘉宾如下：

详情请看全文。

- 01 -

哪些场景最佳？

刘盼：制造业是AI核心应用场景，想问2026年哪些场景会成重点？最好是客户有需求、愿付费，还不太被大多是人知道的，麻烦举例。

李硕：从我们服务重工业的经验来看，有三个方向：

一是重污染、高强度、高危险的“3D岗位”，企业老板都重视安全，AI也好，机器人也好，能减少甚至杜绝事故、优化生产环境，都是制造企业重点关注的；

二是工业重要设备优化，比如钢铁高炉的维护，以往只能依赖老师傅的经验，且经验的传承很难。用垂直小模型能破解“黑盒子”难题，优化后能降约1%成本，企业往往愿意花上千万购买解决方案；

三是以3C电子行业为代表的领域，既需要柔性生产，又不让降效率，对相关技术方案有需求。

陈双辉：我们服务的行业主要是能源和电力。说实话，这是我们创业早期反复寻找方向时，认真想清楚的一件事——这个行业不但重要，而且真的有钱。

举个最直观的例子，“十五五”规划里，国家电网计划投资 4 万亿元。再看新能源，到 2035 年，整体装机容量预计要翻一倍多。就在 1 月 16 日，欧洲 9 个国家还联合成立了一个投资集团，准备拿出 1 万亿欧元投风电。

所以主持人刚才提到“哪些方向真的有钱”，能源电力一定算一个。

再具体说说我们在里面做什么。

在发电侧，风电的占比会越来越高，但它也有一个非常现实、非常棘手的问题：风机叶片越来越长、功率越来越大，但也越来越容易疲劳、断裂。

这两年，无论国内还是国外，相关事故已经发生了不少。

一旦断裂，损失非常直接——陆上风电，少则一两百万，多则上千万；海上风电，动辄就是几千万元。

所以，大型发电设备和关键部件的健康监测，已经不是“要不要做”，而是“必须做”。

我们就在这个方向上做了很多产品。现在不仅在国内服务大型整机厂和业主，也已经出口到欧洲，服务全球Top3 的风机制造商。

另外还有电网场景。大家知道，电网设备的工作环境非常恶劣，但无论是工厂还是居民，对“不断电”的要求又非常高。

一旦停电，对电网公司的KPI 考核是很严厉的，所以对设备健康状态的要求也就格外高。

总结一句话：能源电力是一个长期、确定、有预算、有刚需的行业，这也是我们从创业一开始，就选择深耕这个方向的根本原因。

朱英杰：企业得找准客户痛点，只要找到痛点，就有机会发展，所有技术能力都是次要的。

我们目前阶段想解决的只是把人从危险劳动当中解脱出来，比如光伏设备，人工清洁和维护的成本高、难度大。对线路、管道进行检测，这是我们以前的市场，我们的技术积累，无非是把AI和无人机结合起来，我们不能抛弃以前的市场重新找到发力点。

我们的技术能自动化清洁，还能帮客户省成本、提效率。我们资金充裕，打算让客户零投资享收益，再一起分成赢市场。

彭宗阳：我们做太阳能电池，既是AI行业的使用者，也提供产品给AI行业使用：研发端用AI分析数据、筛选材料，提升光伏产品效率；应用端为AI生产场景的各类传感器提供室内供能，助力生产良率提升。

同时，热门的太空光伏概念也与AI契合，太阳能电池能为太空算力提供能源支撑，这也会是制造业AI未来的重要盈利方向。

- 02 -

哪些是泡沫？

刘盼：刚刚我们聊完了AI技术为企业赚钱的机会。现在我们讨论一下最大的画饼，2026年你认为最热闹，泡沫最大的赛道有哪些？我们从彭总开始。

彭宗阳：我们做材料研究，对AI 的看法其实比较务实。我们认为，AI 更应该针对某一个具体问题，去做特定的解决，而不是指望一个 AI 什么都能干。

不管是ChatGPT 还是 Gemini，即便发展到多模态，本质上也还是语言模型、图像模型的延伸。目前很少看到一个真正意义上的通用模型，可以覆盖所有实际问题。

所以我们在AI 应用上，更强调面向具体问题、具体场景，针对每一个实际问题，设计一套对应的算法和解决方案。

当然，往更远看，十年之后AI 可能会发展到超出所有人的想象，也许真的会出现机器人，很多事情人都不用再参与了，这种可能性是存在的。

但在现阶段，我们更相信：AI 的价值在于解决具体问题，而不是追求“什么都能做”。

朱英杰：你看现在网上最大的一个“饼”，说白了就是“boil the ocean”，希望一次性解决所有问题，吹得天花乱坠，什么都能干。

但从做计算机、做技术的角度来看，这些功能本身并不复杂。说实话，一个中等水平的工程师就能实现，甚至都不需要写太多代码。

真正难的，从来不是技术问题，而是势力划分的问题。大厂和大厂之间的边界、博弈，才是关键。

比如：腾讯的接口让不让你接？京东的搜索让不让你做？携程的数据你能不能拿到？只要这些数据拿不到，所谓“我什么都能干”，基本就是一句话。

所以很多时候，这不是能力问题，而是谁掌握数据、谁划地盘的问题。

现在的社会结构，尤其是科技结构，已经形成了非常清晰的势力范围。想把这些势力整合在一起，形成一套自己的体系，对开发者来说很难，对中小企业来说，几乎是倾家荡产也做不到。

所以我给创业者、包括有新想法的人一个很现实的建议：不要盯着大而全的机会，而是去找非常小、非常具体的痛点。

那些不依赖多方生态数据、不需要打通大厂体系的小问题，反而更容易找到自己的发力点，做成一门小买卖、小生意。

就像很多年前，开个小店、卖瓶水，一旦跑通了，反而更踏实，情绪价值也更高。

陈双辉：我们公司的技术，主要是基于声学的人工智能，方向其实比较窄，也比较专。

说实话，这既不太吸引投资人，也不太容易成为大家关注的“热门方向”。我们的客户也很明确，主要就是能源和电力行业，同样不是创业圈里最热闹的赛道。

所以从创业到现在，我走过的这条路上，几乎没怎么真正见过泡沫，有时候我反而还希望能有一点泡沫。

当然，也不是完全没有“看起来像泡沫”的经历。比如我们创业早期，也尝试过机器视觉这个方向。

在能源电力领域刚开始做的时候，确实觉得机会还不错，但后来发现一个问题：这个行业里，很多三产公司的人才密度非常高，他们也会非常积极地进入这个领域，结果就是——市场被切得很碎，竞争非常激烈。

我个人依然认为，机器视觉这类技术，长期需求一定是存在的，而且会越来越大。只是从行业结构来看，它更容易走向碎片化，参与者多、竞争强，很难一家独大。

这是我站在自己所处行业里，能看到的一点“泡沫式现象”。

李硕：关于“泡沫”这个问题，我也不太敢轻易下结论。

只是从我个人直观的感受来看，我比较认同前面几位创业者的观点：目前泡沫相对比较集中的，更多还是在通用类方向。

不管是机器人、大模型、Agent，还是世界模型，越通用，想象空间就越大，饼也越容易画，同时也越容易不着急落地，把预期往十年之后推。

从我们的视角来看，我们一直坚持的一条路是：围绕某一个具体领域，解决这个领域里的真实问题。

还是回到泡沫这个话题。以最近很热的Agent 为例，我们观察到硅谷有一家公司，之前是做招聘网站的。原来的业务做得还不错，年营收有几千万美金。但在感受到危机之后，他们选择 all in 转型做招聘 Agent。

做了大概一年左右，他们自己内部的判断是：效果并没有想象中那么好。他们基本放弃了原来的做法，重构了整个流程。

只是简单地把Agent加进去，并没有真正解决原来业务里的核心痛点，反而让事情变得更复杂。

但同样是在Agent或大模型领域，也有完全不同的例子。比如Anthropic，25年营收超90亿美金。

本质上大家用的都是大模型，但区别在于——它把“代码生成”这个专业问题彻底打透了。

所以在我们看来，关键不在于用不用通用模型，而在于有没有真正解决业务里的核心问题，

而不是试图用一个通用方案去解决所有问题。

对我们这样的普通创业者来说，这可能是更现实、也更可持续的一条路。因为“通用”这件事，大概率只会被极少数公司做成，大多数创业者，其实是很难拼到最后的。

- 03 -

客户买单，靠什么？

刘盼：刚刚谈完泡沫，我们谈谈：在客户眼里，他们最看重的是技术创新还是降本增效？如果要大规模采购我们的产品，客户目前最看重的是什么？

李硕：这段经历让我特别有感触：从能力宣传转向价值导向。

我们服务的都是重工业企业，像钢厂、有色厂这种。你去跟他们讲我们的东西有大模型、有多高的精度、有多复杂的算法，他们其实一点也不在意。

在他们的日常工作里，不管是买你的智能化设备、自动化设备，还是招聘一个高级专家，本质上他们关心的都是几个数字：能不能提升良品率；能不能提高用工率；能不能让企业发展更好；能不能节省成本。

总体来说，就是能不能提升产能。

所以现在我们跟客户沟通时，核心不是去强调我们的技术多么高大上、多么独一无二，而是告诉他们两件事：第一，稳定性；第二，帮助他们解决企业最关心的指标。

这才是客户真正想听的，也是他们在整个价值链中最看重的。

陈双辉：在能源电力这个领域，技术需求永远是第一位。等进入到实用阶段、批量采购阶段时，他们会关注稳定性和性价比，但他们心里最重要的是：解决问题的能力大于预算。

在我们的领域里，客户的人才密度非常高。大家可以看看前段时间小视频里浙江电力公司招聘的情况。

举个例子，各个省都有电科院，国网总部也有电科院。以我稍微熟悉的江苏电科院为例：一个电科院大概有90 多个博士，进入这些公司基本都是全国顶尖的985，本科甚至硕士背景也非常强，无论是电气、信息，还是人工智能方向都是顶尖人才。

正因为人才密度高，这个行业内部竞争非常激烈，也很内卷。他们对很多事情要求都非常高、非常细致，技术要求永远是第一位的。

朱英杰：我们这个行业其实有两类客户，国企和私企。

第一类是国企。他们通常比较有长远的眼光，但问的问题很直接：你能帮我干什么？能解决什么痛点？未来能带来什么价值？

过去可能他们更在意技术有多先进，但这几年国企文化回归现实了，光说技术好，不回答“有什么意义”，人家第一句话就问你这个，你很难回答。

所以，国企关心的是：你能帮我省人力、帮我挣钱，或者帮我攻克技术难题，总得有一个点能落地。

第二类是私企，逻辑更简单：能帮我赚钱吗？能，就合作；不能，免谈。

归根到底，无论是国企还是私企，客户关心的三件事：你能带来什么价值；你能帮我赚钱吗；能不能让我少花钱或者不花钱。

我们在星逻的商业模式，其实就是围绕这三点设计的。

我们做的是无人值守的清洁机器人，和市面上大多数机器人完全不同。

市面上那些机器人，需要人把它搬上去才能清扫，我们的只要把机器人放好，一年四季基本不用管：省人力资源；不用爬上爬下，降低安全风险；AI 自动判断清扫时机，最大化发电效率。对客户来说，好处非常直观。

至于费用问题，很多客户第一反应都是“贵不贵，要不要花钱”。

我们采用EMC分成模式：客户不用提前花钱，只需在收益里分一部分给我们就行。

这样既降低了客户成本，又提高了效益，是我们理想中的销售模式，也回答了客户最关心的：我能得到什么，我要花多少钱。

彭宗阳：我觉得有两个：一个是基于技术的价值；另一个是性价比。

先说技术价值。我们产品比较贴近大家生活。举个例子，原来遥控器用的是五号电池，现在我们可以用太阳能代替。

虽然我们是做 To B 产品，但太阳能带来的一方面价值是环保概念，这是附加的价值。

另一方面是性价比。

客户会计算成本——和原来的五号电池比，谁便宜谁贵？多出来的环保价值能不能抵掉成本上升？

总的来说，一个比较好的产品，通常有两个特点：性价比高；有一点是其他技术做不到的独特点。

本文不构成任何投资建议。