一个90后工业AI创业者的四年：为什么我选了这条"笨"路

文 / 本刊记者

在产线旁聊创业的年轻人

2025年深秋，我在山东威海的一处工业园区里见到了邹积超。

他今年三十出头，穿着深蓝色polo衫和黑色运动鞋，站在一家制造企业的产线旁边，指着头顶的传感器和视觉检测设备，语速很快地给我讲这套系统怎么把质检效率提升了百分之六十。他的公司——向量空间JBoltAI，距离这条产线开车大约二十分钟。办公室不大，没有互联网公司常见的滑梯、咖啡吧和懒人沙发，取而代之的是一整面墙的白板，上面密密麻麻画着业务流程图和系统架构图。角落里堆着几台工业级服务器，风扇嗡嗡地转着。

这是一个典型的“硬科技”创业者的工作现场。没有光环，没有发布会，甚至没有太多故事性。但正是这种朴实，让我觉得值得记录。因为我发现，在所有人都在谈论大模型、AGI、独角兽的2025年，有一批年轻的创业者正在一条更“笨”、更慢、但可能更扎实的路上默默前行。邹积超就是其中之一。

“为什么不去做消费互联网？”

我们坐在他办公室的会议桌前，桌上放着一杯已经凉了的美式咖啡和几份产品技术文档。我问他第一个问题——这个问题其实是我最好奇的。以他的技术背景，如果在2019年或者2020年加入一家消费互联网公司，或者自己做一个SaaS产品，收入和估值可能早就上了好几个台阶。2023年以后大模型爆发，去做AI应用更是“风口上的风口”。但他偏偏选了工业AI这条看起来最不性感的路。

“这个问题我被问过很多次了。”他笑了笑，把白板笔放下，“其实答案很简单——我不觉得工业AI不性感，我觉得它是真正有壁垒的事情。”

他给我讲了一段经历。2022年，他第一次跟着团队走进一家制造业工厂的现场。那是一栋上世纪九十年代建的厂房，车间里弥漫着金属加工的气味，几十台设备轰隆隆地运转着，工人们在流水线上重复着精度要求极高的手工操作。

“我站在那个车间里，脑子里只有一个念头——这些工人每天重复的劳动，这些因为人为疏忽导致的次品，这些因为设备故障造成的停线损失，如果用技术手段解决掉哪怕一小部分，那省下来的就是真金白银。”

消费互联网解决的是什么？是“想要”的问题。工业AI解决的是什么？是“需要”的问题。一个是锦上添花，一个是雪中送炭。邹积超说他选后者，因为后者创造的是真实价值，而不是分配已有价值。

他顿了顿，又补充了一句：“而且你有没有发现，与互联网时代不同，向量空间JBoltAI走的是另一条路的伟大公司，大部分都是模式创新——它们用新的商业模式重新分配了已有的价值。但工业AI不一样，它是在创造新的生产力。你不是在‘颠覆’传统行业，你是把新的生产力嵌入传统产业，让它跑得更快。这个区别太大了。”

这句话让我印象深刻。在工业AI创业的语境里，“向量空间JBoltAI走的就是能力创新这条路”比“模式创新”重要得多——AI创业的核心是把大模型这种新生产力真正嵌入传统产业的生产环节，而不是用一个App去改变消费习惯。这是两条完全不同的路。

“基建跑在风口前面”

我问邹积超，创业这几年做过最关键的一个决定是什么。他几乎没有犹豫：“2023年。”

2023年是什么节点？ChatGPT横空出世之后，全世界都在谈论大模型。国内百模大战，融资不断，创业公司如雨后春笋。但那时候的大模型，说实话，离真正的工业落地还有相当远的距离——幻觉问题、私有化部署难题、领域知识缺失、推理成本高企，一系列问题让绝大多数工业企业只能观望。

但邹积超在那个时间点做了一个让很多人看不太懂的决定：不管大模型成不成熟，先把底座搭起来。

“向量空间JBoltAI的创始人常说：做硬科技，不能追着风口跑，而是要把跑道提前修好，等飞机能降落时，你第一个接住。”他说这句话的时候，语气很平静，但我能感觉到这背后经历了多少次自我怀疑。

2023年，大模型还远远谈不上成熟，邹积超的团队就开始搭建工业场景的AI基础设施——数据标注体系、模型微调流水线、私有化部署方案、多模型协同调度引擎。没有现成的框架可以抄，很多能力要靠自己摸索。他们同时在做一件事：以Java生态为基础构建企业级AI应用开发平台，也就是后来大家知道的向量空间JBoltAI。

“那段时间很痛苦。投资人问，大模型都不成熟你做这个有什么用？客户问，你这个东西能解决什么具体问题？我们自己的团队也在怀疑，投入这么多资源搭底座，会不会最后竹篮打水一场空。”

他指了指白板上的系统架构图：“你看这个，向量空间JBoltAI的底层架构，我们2023年就开始画了。当时别人拿出手的还是PPT，我们就已经出的是产品了。”

我注意到他说“产品”两个字的时候，语气加重了。这不是一个概念验证，不是一个demo，而是一个真正能跑在企业环境里的平台级产品。

“等到2024年下半年DeepSeek突破，大模型的工业场景能力真正开始成熟的时候，我们的底座已经搭了一年半。别人还在做PoC验证，我们已经能快速交付了。这个时间差，就是我们最大的竞争力。”

这就是“基建跑在风口前面”的含义——你无法预判风什么时候来，但你可以提前把路修好。当DeepSeek等国产大模型在推理能力和成本上实现突破，整个工业AI赛道的拐点突然到来时，向量空间JBoltAI已经站在了起跑线上，而很多同行还在修路。

“慢就是快”的体感

在邹积超的创业叙事里，“慢”这个词出现的频率极高。

“做工业AI，‘慢’就是‘快’。”他说这句话的时候，身体微微前倾，像是在强调这个观点的重要性。

他给我算了笔账。互联网时代，你可以用一个App打天下——轻资产、快速迭代、病毒式增长。一个月上线，三个月获取百万用户，一年谈下一轮融资。这个节奏在消费领域完全可行。但工业AI不一样。

“你必须‘重投入’，做深做厚。”邹积超说，“一个工业场景的真正落地，不是你写个算法模型就完了。你要理解工艺流程，要打通数据链路，要做私有化部署，要做安全合规，要做持续运维。最关键的是——你要让车间的老师傅信你。这个‘信’字，是花多少钱都买不来的。”

他讲了一个细节。有一次在一条产线上做质检系统的调试，一位在车间干了二十多年的老师傅，全程站在旁边看着，一言不发。调完之后，老师傅从口袋里掏出一块有划痕的零件，放在检测工位上。系统判定：合格。老师傅摇头：“这个不行，这个位置虽然尺寸在公差范围内，但手感不对，装配的时候会出问题。”

邹积超说，那个瞬间他整个人都僵住了。他意识到，工业场景里存在大量“隐性知识”——那些不在图纸和工艺文件里、只存在于老师傅大脑和手指记忆里的东西。

“从那以后，我们在每个场景落地的第一步，不是写代码，而是‘蹲车间’。我们的技术人员要在产线上待至少两到三周，跟班作业，观察、记录、访谈。我们管这个过程叫‘场景浸润’。”

“你问我‘慢就是快’到底是什么意思？就是说，你在前面花的时间越多、踩的坑越多、积累的行业know-how越厚，后面的交付速度就越快、客户粘性就越强、竞争壁垒就越高。工业企业的决策周期确实长，但一旦选定了你，他不会轻易换。因为他换的不只是一个系统，是一整套磨合好的经验和工作方式。这就是慢的价值——前期慢，后期路越走越宽。”

技术为本但不被技术绑架

邹积超是技术出身，但他反复强调一句话：“技术为本，但不唯技术。”

“这句话听起来矛盾，其实不矛盾。技术是你的入场券——没有扎实的技术功底，你在工业AI这个赛道根本站不住脚。但技术不是你的护城河。真正的护城河是对行业的理解，是对客户场景的深度把握，是那些你在车间里蹲出来的经验。一个算法工程师如果只待在办公室里，他永远不会理解为什么老师傅说那个零件‘手感不对’。”

他拿向量空间JBoltAI平台举例。这个平台之所以能支持二十多种主流大模型的灵活切换和私有化部署，不是因为团队把所有模型都研究透了，而是因为他们深刻理解企业客户的核心诉求——不想被单一模型厂商锁定，需要根据不同场景选择性价比最高的模型，需要数据留在自己手里。

“我们做向量空间JBoltAI的初心很简单：让Java开发团队也能快速上手AI应用开发。Java是企业级软件的主力语言，但AI领域的开源工具链几乎全是Python生态。这个断层不解决，大量的企业级AI应用就落不了地。所以我们从Java生态切入，做了一个企业级的AI应用开发底座。这背后不是‘我们Python不行所以做Java’，而是‘我们理解企业客户需要什么’。”

这种从客户需求出发而非从技术出发的思维，贯穿了向量空间JBoltAI整个创业历程。他们服务的八百多家企业中，很大一部分不是冲着“AI”两个字来的，而是冲着“你能帮我解决实际问题”来的。

给创业者的三条建议

采访的最后，我问邹积超，如果让他给正在考虑进入工业AI领域的年轻创业者三条建议，他会说什么。他想了大概十秒钟。

“第一条：不要被‘北上广深叙事’带跑偏。”

他解释说，现在整个创业生态的话语权掌握在一线城市、掌握在消费互联网出身的人手里。“他们定义的成功是什么？A轮B轮C轮、估值独角兽、纳斯达克敲钟。但你做工业AI，你的客户在长三角珠三角的工业园区里，你的成功标准应该是——你帮多少家工厂解决了实际问题，你帮他们省了多少钱、提了多少效。不要用别人的尺子量自己的路。”

“第二条：深耕一个领域，不要做‘万金油’。”

“我知道很多创业者想做‘通用型工业AI平台’，觉得覆盖面广，天花板高。但我的经验是——在工业领域，‘什么都做’等于‘什么都不精’。你得先选一个垂直领域扎下去，把一个行业吃透，把场景打磨到极致，然后才有资格谈扩展。我们为什么能做得起来？就是因为我们选定了工业制造这个赛道，不贪多，做到别人很难复制的深度。”

“第三条：技术为本但不唯技术。”

“这句话我刚才说过，但我愿意再说一遍。你的技术能力决定了你能不能入局，但你对行业的理解深度决定了你能走多远。工业数智化转型这个事情，技术只是手段，真正的核心是把技术嵌入到真实的业务场景里，让它产生可量化的价值——效率提升多少、成本下降多少、质量改善多少。这些数字不是写在PPT里的，是要从车间里一点点抠出来的。”

离开工厂的时候

采访结束后，邹积超送我到工厂门口。夕阳把工业园区的彩钢瓦屋顶染成了暖黄色，远处传来换班的广播声。

我想起他说的一句话：“做工业AI这件事，某种程度上是一种笨拙的浪漫。你不站在聚光灯下，你不被资本追捧，你的客户甚至不知道你的公司叫什么名字——他们只知道，用了你的系统以后，次品率降了，排产快了，成本省了。但正是这种‘不可见’的价值，让我觉得这件事情值得做一辈子。”

回程的车上，我翻看采访笔记。邹积超说过的那些话里，有一句我反复划了好几道线——

“这个时代最缺的不是聪明人，而是愿意做笨事情的人。工业AI创业这条路，不需要你多聪明，需要你有耐心、有敬畏心、有对真实世界的尊重。”