10月25日TSVC举办了《打造下一个独角兽》讲座第45讲。当今机器人在制造业遍地开花，让工厂的“四肢”更加强健。然而工厂的“大脑”仍然严重缺位。本期嘉宾从特斯拉辞职创业，致力于用 AI 填补这一关键空白。创始人与投资人将共同探讨——如何重构智能制造的中枢，重新定义未来工厂。
嘉宾：
高智韬是 IndustrialMind.ai 的联合创始人兼 CEO，拥有近二十年横跨中、美、欧三大制造业核心中心的丰富经验。他曾担任特斯拉上海超级工厂制造业 AI 与数字化转型负责人，主导工厂从零起步到建成全球最先进智能工厂的全过程。如今，他正带领 IndustrialMind.ai 与多家世界五百强企业合作，打造全球首个 AI 生产工程师，加速推动制造业的智能化与数字化升级。
李昊林是 IndustrialMind.ai 的联合创始人兼首席商务官（CBO），拥有加州大学伯克利分校MBA学位，并在特斯拉中美两大核心市场工作逾十年，在特斯拉期间，他带领市场与销售团队实现数十亿美元的营收增长，积累了丰富的市场拓展、销售体系建设与规模化管理经验。如今，他负责推动 IndustrialMind.ai 的全球战略与商业落地，携手世界五百强制造企业，共同推进制造业的智能化与数字化转型。
夏淳博士是TSVC创始合伙人和管理合伙人，是硅谷成功的系列创业家。曾先后创办三家科技公司，研发销售世界上最早的个性化营销系统，以及国际领先的边缘容器技术。他曾任IT行业一代巨头Sun Microsystems首席架构师，是早期云计算技术奠基者之一。除了云计算、芯片、人工智能、智能制造等硬科技投资，夏淳博士在设计和创意领域颇有造诣，并且对社交媒体和社群经济的跨界文化有深入研究。夏淳博士是清华企业家协会(TEEC)创始会员之一，曾任北美分会首任主席。自2001年，他长年服务于青年学生的培养辅导，持续担任清华大学思源计划导师、清华创业孵化器x-lab的创业导师、清华创+逆向创新中心主任，并在硅谷创建了激励青年学生创新创业的公益基金TSVC Giving Fund.夏淳博士是清华大学电子工程学士及计算机硕士，并在美国UIUC大学获得计算机博士。
以下正文：
04:19 夏博士表示，他特别惊讶，今天参加这个活动居然有150人。他原以为讲工厂、讲制造业的主题会比较冷门。因为像他这样在硅谷做投资的人，在中国看过200家工厂的恐怕找不出几个，或许只有他一个。他对制造业情有独钟，走访过太多工厂。但他一直有个强烈的好奇心：特斯拉无疑是制造业的灯塔和标杆，可惜他没有机会进入特斯拉工厂内部参观。只有在Fremont工厂购车时，他去看了一眼，那对方当然不会讲太多信息。
05:07 你们二位从特斯拉走出来，这让夏博士深感神往。在他看来，特斯拉如同大神级的全球制造业灯塔。请问你们认为是什么原因使它能够成为制造业的领军者？
高智韬表示，夏老师对制造业有着非常深刻的理解，见过很多制造业企业。而他自己在中国、美国和德国的制造业都积累了一定的工作经验。在他看来，特斯拉最直接的特征是它在做一个全新的制造业公司。相比之下，上一代制造业企业，如那些德国公司，往往拥有几十年甚至上百年的历史。特斯拉的一个大区别在于，它在最开始的时候就没有打算模仿传统制造业。从理念上讲，特斯拉并不追求简单地复制过去的工厂模式或应用所谓的“最佳实践”，而是从第一性原理出发。例如，他在欧洲看到的一些老牌企业，它们在全球建厂时总是希望复制其在欧洲的标准。然而，特斯拉在上海建厂时，完全不考虑它原来的地方有多好，而是从地形原理出发，思考如何在此地做到最好。这种方式从一开始就为发展提供了肥沃的土壤，使得上限有机会大幅提升，而不是上限原来就在那里。因此，这成了一个非常重要的初始原因。
具体而言，大家可以明显看到特斯拉同时拥有很好的IT和数字化基因，很出色的AI基因。作为一家硅谷企业，同时又是一家制造业公司，特斯拉拥有特别扎实的数字化基础。凭借这样的基础，在AI和数据方面自然能够发挥得很好。再加上这一批人在当前时间点，始终遵循马斯克的第一性原理进行工作，他们普遍持有一种不设上限的态度。每个人给自己设定了一个非常高的目标，并且其中有一部分目标明确“一定要把自己干掉”，尤其是对于这些在公司内从事制造业与AI结合工作的人来说。他们希望看到的是，尽管目前他们承担着重要任务，但他们的目标就是创造某种东西，从而实现“把自己干掉”。结合这些经历，从Steven的个人体会来看，他认为最开始基因上就设定了很高的上限，然后过程中不断利用AI的这些手段逐步达到这一上限，因此目前取得了非常显著的成效。
李昊林表示，Steven刚提到了这个话题，他正好可以借此机会向在线的所有朋友们解释一下，什么叫作“我们的工作是为了把自己干掉”。大家今天可能对特斯拉的汽车有所了解，你们会知道，如今的车能在上海工厂以非常高的效率生产，大约每30到35秒就能造出一台车，并且成本非常低。这背后凝聚了许多人的工作成果，他们自发地想要打破自己之前的经验和改变行业固有的做事方法。一个典型的例子就是它们的压铸技术，英文称为Gigacasting。他相信很多朋友可能已经听说过，这方面可以说从五年前被行业认为不太可能实现，到如今已被全球所有先进的汽车生产商采纳。
简单举个例子，传统的汽车底盘大型金属结构件，需要先用冲压方式一个个压制成型，然后再将这些部件焊接在一起，就像用胶水黏合一样。这个过程涉及大量步骤，比如整个底盘可能需要70多个零件，需要用胶水再逐一粘合，而这个黏合过程还存在良率问题，有些人做得好，有些人做得不好。特斯拉内部有人提出，为什么不能像中国的月饼模具那样，把所有材料，尤其是铝合金，放入模具中一压成型呢？当时行业专家认为这几乎不可能，因为当时所需的压力可能是5000吨以上，可能现在达到一万吨。这个案例非常典型，也是他们许多同事，包括Steven参与的一个项目。在这个过程中，他们需要去攻坚，如何将模具一压成型，从最初的个位数良率，即造100个零件中只有三四个合格，提升到后来最多也只能达到十个。然而，他们有能力将合格率提升至95%以上。
当时负责这项工作的人，Steven是与谁合作呢？他是在与钣金冲压领域的前辈高手合作。这位高手在工厂住了三个月，从某种意义上说，他几乎抹去了自己过去20年积累的所有经验，因为那些经验在以后将不再需要，都先进了。这就好比大家普遍使用手机支付后，小偷无法再偷现金，道理是一样的。因此，这实际上是一个典型案例，展示了特斯拉的员工在思考方式和目标设定上，都不会被过去的经验和模式所限制，去思考和解决问题。
夏博士表示，确实非常精彩，他深感启发。早就听闻第一性原理，但没想到在工厂中竟能将其运用得如此极致，确实当之无愧，它就是一座灯塔。这无疑是大家学习的榜样。
10:53 夏博士表示，你们二位下决心地从世界最牛的工厂辞职，选择创业，这显然是因为看到了一个巨大的机会。TSVC已比较多地布局于“机器换人”领域的创业公司，投资了多家机器人公司，这些机器人公司应用于各种产线。例如，像ebots这样的公司，能够完成苹果手机制造中高精密装配环节，有效替代了大量女工。这无疑是一种比较时髦的做法。那么，你们为何没有去赶时髦，投身于机器人领域呢？毕竟，特斯拉的机器人肯定是顶尖的。
当然，正如刚才提到的，已经了解到，其中还涉及许多超前的先进工艺。你们的定位是“工业大脑”，这在夏博士看来非常有趣，也是当时触动他的地方。毕竟，这是第一次听说，你们无疑处于领先地位。能否分享一下，你们为何选择做工业大脑？特斯拉是如何做的？究竟什么是工业大脑，能否为大家详细解释一下？
高智韬表示，正如夏老师所讲，很多事情都涉及一个时机问题。他认为2025年无疑是通过AI改变制造业的最佳时机，没有之一。回顾过去，他们亲身经历了工业4.0时代。当工业4.0这一词发布时，他正好在德国，亲眼见证了它从零到一，再到全球范围的推广，无论是德国还是中国，大家都在积极探索如何实施工业4.0。然而，如今他完整地经历了这一周期，发现工业4.0实际上已经彻底失败。
他们与许多顶尖的世界500强德国企业合作，经常与这些企业的一把手或制造业高层进行深入交流。大家普遍认为，工业4.0现在已成为一个失败的口号。关键问题在于，上一代技术并未能像技术飞轮那样运转：即技术初现端倪，逐步应用于实践，这些应用促使技术更加成熟，成本随之降低，进而创造更多需求。遗憾的是，这一飞轮并未真正转动起来，导致如今大家普遍认为该技术已过时和失败，甚至在许多场景中，尽管已经应用，却未能达到预期的效果。然而，在生成式AI的时代，他们发现能够很好地实现规模化扩展，这一点稍后可以详细探讨。
在这个时间点上，这实际上是一个非常领先的理念。回顾他们过去在特斯拉所做的工作，他们结合了传统AI与生成式AI，这些混合策略确实帮助解决了许多制造难题。例如，刚才提到的压铸问题便是其中之一。最初，在2020年时，他们还助力电池和电驱等工厂实现了突破性的飞跃。他们发现了一个严重的问题：制造良率低，设备问题频发。传统工程师花费大量时间寻找问题，却难以找到问题所在。然而，当他们用上大规模AI和数据后，便发现影响效率的根本因素其实隐藏在某些未被察觉的工艺环节或供应链环节，那他们能够有效解决这些问题。此时，他们深刻体会到，AI真的并非像过去的工业4.0那样依赖IoT、硬件以及广泛的连接，而是通过硬件与软件的结合来解决问题。而现在，他们清楚地看到，AI能够创造巨大的价值，解决很多问题。因此，从时间维度来看，大家正处于一个新旧技术交替的阶段。
另一点值得注意的是，当前正值全球重新重视制造业的时期。他的体会是，在2015年至2018年那几年间，制造业似乎逐渐变得不那么受重视，而互联网和其他金融领域则在蓬勃发展，吸引了大量人才涌向那些所谓更fancy的行业。然而，现在我们观察到越来越多的人回流到制造业，重新在这一领域寻找更多机会。全球范围内，无论是美国、中国，还是他们常提及的新加坡，甚至欧洲，都普遍认为制造业是非常重要的，都希望将核心制造流程掌握在自己手中。
然而，这一时期也面临一个很严重的问题。他们看到，当前美国的CAPEX投入，出现了巨大的增长，从原先的平稳状态突然翻了好几倍，欧洲和中国也是如此。但工程师的数量却无法突然翻倍。比如，他的孩子未来可能成为工程师，但许多上一辈的子女已不再选择这一职业，他们在高中或大学时便选择了其他道路。重新培养工程师需要从十几岁开始，不可能有那么多的工程师。不过，他们认为硬件的机器人是一个很好的解决方案。只要投入资金，制造出机器人，便能有效解决这一问题。因此，当前他们所处的时间点，是新旧技术交替的节点，迎来了对新技术的巨大需求，这无疑是一个非常好的时机，甚至可以说是最好的，没有之一。相较于2013年12月时的工业4.0，现在更是一个好的时间。
那在这个时间点，他们要做的更多是大脑，为什么不是身体呢？原因依旧，他认为身体的需求相对更容易满足。目前中国的工业产能实际上是相当充足的，只要他的机器人设计好了，产能提升会很快。然而，培养一名工程师却是一个长期且困难的过程。他们现在所采用的技术就是所谓的“工业大脑”，它应当具备工程师的工作能力。它能完成工程师原本能够胜任的任务，而对于工程师难以实现的工作，它也未必能做到。
这种“工程师”的特点体现在以下几个方面：首先，它能够洞察当前工业现场的状况，了解零件的具体形态。其次，通过接触更多的数据和现状，现在的模型能准确把握工程师的工作方式，再加上自身的思考能力，它既能实时掌握当前情况，也能理解过去的知识背景。因此，它能够真正像工业工程师一样进行决策。目前它们能够覆盖的流程是：当设计接近完成时，它会像工程师一样思考，例如针对一款手机或杯子，如何制定制造方案，如何设计制造流程，如何监控生产过程，以及如何应对并改进出现的问题。就像一位真正的工程师一样，能够全面完成整个环节。这就是他认为的真正的“工业大脑”。
因字数限制，更多内容请收听音频
欢迎关注“TSVC”微信公众号观看视频，了解更多早期创投相关话题的干货内容！
加入日常交流群请看海报左下角二维码，添加TSVC小助手，获取更多分享。