工业APP落地卡在哪？大模型能替代行业大模型吗？数据值1万块，花10万分析就亏了。
工业APP落地，到底卡在技术、数据还是组织？
大模型能替代行业大模型吗？工业知识软件化还有路可走吗？
数据值钱，为什么绝大多数企业用不好？AI到底能帮工业解决什么真问题？
这一期，涛思数据创始人陶建辉与前宝钢首席研究员郭朝晖展开了一场近60分钟的深度对谈。郭朝晖博士在宝钢工作30余年，亲历中国钢铁工业的数字化全过程，近年专注工业AI落地。两位CEO/首席科学家从”以终为始”的方法论切入，讨论工业AI的价值边界、数据本质、经济性逻辑，以及中国工业软件的真正机会。
以下是这场对谈的核心内容。
一、以终为始：AI的真正价值是”慢过程的快速化”
这句话是整场对谈的定调。郭朝晖没有从技术炫酷切入，而是直接问：AI到底能帮我们省下什么？
郭朝晖（优野首席科学家、宝钢前首席研究员）
以终为始，不管什么时代，对企业来说都是一件事——坚持价值驱动。我发现AI可能最适合的问题之一，是慢过程的快速化。数据分析、编程序、查大量数据，这些都是慢过程。15天之后找到原因，这个事情可能就没有价值了。
陶建辉（涛思数据创始人、CEO）
换句话说，以终为始就是把目标定义清晰。以前做个数据分析要两周，能不能压缩到一天？一个小时？如果能压缩到一个小时，用大模型、用各种AI方法把它达成，那就有效。
郭朝晖
计算机是个行动很快的行动者，但每隔0.1秒就要停下来重新发动。不是算得慢，是人要思考、重新组织数据，这个过程就要几分钟——汽车每隔0.1秒重新发动，优势就发挥不出来。
这就是”慢过程”的本质瓶颈：不是算力不够，是人卡在中间。
二、数据只有异常才有价值：连续流本身一文不值
“数据就是石油”这句话听了十年。但郭朝晖和陶建辉给出了一个完全不同的判断——
郭朝晖
智能化和自动化有很大区别。自动化是正常情况下怎么走；智能化是应对意料之外的变化。如果你发现不了异常，白领、灰领基本不需要做事情——所有的价值都是在行动当中产生的，没有行动就不会产生价值。
陶建辉
异常才有价值，上升到一定哲学高度。有标准才有异常，有异常数据才有价值。连续采集的温度永远是22度，没有价值；22度突然变成30度，就有价值了。OSISoft提的event frame概念相当好——把连续的数据流变成一个个离散的事件帧，只提出有价值的那一部分。
陶建辉还批判了一种错误做法：直接把连续时序数据扔给大模型训练。”每段时序数据跟批次有关系，必须把同批次或同配方的数据提出来才有意义。”
三、柔性软件：工业场景里哪些该用大模型，哪些不该
不是所有工业场景都该上大模型。两位给出了清晰的分层思路——
陶建辉
制造业里有个概念叫柔性制造，到软件时代我改了个词叫“柔性软件”。工业场景绝大部分是确定性的问题，不是开放性的问题——这部分仍然要交给传统软件系统处理，不希望浪费算力，也不希望增加不确定性。
陶建辉
但是不确定性的、带有灰度的，比如说分析问题，交给大模型去处理。把分析过程固化成Skills，也是知识的积累沉淀。
郭朝晖
软件跟控制一样是分层的。最底下是数学原理、物理原理支撑的，应该用小而成熟的知识来实现。上面跟人打交道的部分，应该是大模型可以帮着解决的。就像建房子——底下是物理结构，上面是人的爱好。
“拿个小学数学卷子给大学老师考，考100分。当然考100分，但是有什么意义呢？”——陶建辉用这个比喻一击即中：不要为了体现大模型能力强，去解决本来有简单解法的确定性问题。为大模型而大模型，反而是增加不确定性。
四、工业APP的本质：不是技术问题，是经济问题
郭朝晖
很多人认为工业APP有很深奥的数学，我早就觉得不是那么一个问题。我带三四个人搞了一年做的东西成本不下100万，如果收益不值100万就没有经济价值。大模型来了之后，一个工人技师花10天就搞出了两年没开发出来的仿真软件——本质是经济性的改变。
郭朝晖
福特把汽车做便宜了，大家都买得起，变成了极大产业，把美国带入工业社会。一切廉价化，包括DeepSeek做的这些工作，意义都是一样的。
陶建辉
经济性决定了一切。任何一项技术创新能真正带来经济价值，什么都好谈，所有问题都能解决。如果经济账算不过来，没有必要做。
当整个行业在讨论”工业APP的技术门槛”时，郭朝晖和陶建辉把这个问题降维到了一个更根本的层面——成本 vs 收益。100万的成本换不来100万的收益，任何”高科技”都没有落地的可能。
五、中国工业软件的机会：市场在这里，但有两道坎
聊到中国工业AI的前景，郭朝晖直言不讳地指出了两个结构性障碍——
郭朝晖
所有创新都发生在价值最大、条件最好的地方。为什么CAD/CAE没产生在中国？只需要问一件事：如果它产生在中国，它能赚钱吗？中国现在是最大的工业国，需求最强大——美国的焦虑就是工业外流，没有用户就没有高科技支撑。
郭朝晖
中国有个问题：过于内卷，对高质量产生压制。另外太多国企都有自己的数字化公司，导致技术本地产生本地使用，就不能发挥知识复用的优势——高科技产品的特点是零边际成本，开发要很多钱，但增加一个用户增加的钱很少。市场大了就盈利，小了就不盈利。
陶建辉
我特别看好。大模型让业务人员不依赖数据分析师就能做分析——就像中国支付系统跳过支票和信用卡直接到手机支付一样，中国制造业可能直接跳过数字化人才不足的阶段，上一个台阶。
郭朝晖
数据分析的人不懂业务，懂业务的人不懂数据——这个割裂是个重大的麻烦。但有了大模型之后，懂业务懂价值的人可以绕开搞数据搞信息的人，直接去解决问题。我觉得这方面打通的价值是最大的。
终极问题
数据值1万块，花10万块去分析就亏了——
AI能不能让”慢过程的快速化”真正落地？
—— 郭朝晖 & 陶建辉
▶ 完整对谈视频
陶建辉 × 郭朝晖：AI如何重构工业分析——不是技术问题，是经济问题
总时长约 60 分钟，完整视频见「TDengine 官方视频号」
不止 · AI 系列 · 涛思数据出品
