*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。
> 
> 



---

::: center  
**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
:::

**▶ 完整对谈视频前往 TDengine 视频号**   

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*

*不止 · AI 系列 · 涛思数据出品*


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。

陶建辉对谈郭朝晖：AI如何重构工业分析——不是技术问题，是经济问题

人工智能

大数据

职业发展

工业AI落地的核心瓶颈并非技术，而是经济性与数据价值边界。郭朝晖与陶建辉提出“慢过程快速化”方法论，强调异常数据才具价值，大模型应聚焦不确定性分析，避免为炫技而滥用。柔性分层、成本收益决定成败，中国制造业可借AI跳过数字化人才短板，实现跨越式升级。

数据分析

数据流

DeepSeek

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

陶建辉对谈郭朝晖：AI如何重构工业分析——不是技术问题，是经济问题-腾讯云开发者社区-腾讯云

陶建辉对谈郭朝晖：AI如何重构工业分析——不是技术问题，是经济问题

陶建辉对谈郭朝晖：AI如何重构工业分析——不是技术问题，是经济问题

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐