纺织印染 1794-OB8 控制器模块 1794-OB8
1756-A10 1756-A13 1756-A17 1756-A4 1756-A7 1756-BA1 1756-BA2 1756-BATA | 1756-IF16 1756-IF16H 1756-IF8 1756-IF8H 1756-IF8I 1756-IF6I 1756-IF6CIS 1756-IT6I
| 1794-IM16 1794-IM8 1794-IR8 1794-IRT8 1794-IT8 1794-IV16 1794-IV32 1794-OA16
| 1756-HSC 1756-IA16 1756-IA16I 1756-IA32 1756-IB16 1756-IB16D 1756-IB16I 1756-IB32
|
1756-CN2 1756-CN2R 1756-CNB 1756-CNBR 1756-DHRIO 1756-DNB 1756-EN2T 1756-EN2TR 1756-EN3TR 1756-ENBT 1756-ENET 1756-EWEB | 1756-IR6I 1756-IR12 1756-IRT8I 1756-IT6I2 1756-IM16 1756-L61 1756-L62 1756-L63 1756-L64 1756-L65 1756-L71 1756-L71S
| 1756-M03SE 1756-M08SE 1756-M16SE 1756-N2 1756-OA16 1756-OA16I 1756-OB16D 1756-OB16E 1756-OB16I 1756-OB32 1756-OF4 1756-OF8
| 1756-BATA 1756-CNB 1756-IC16 1756-IB16 1756-IB32 1756-IF16 1756-IR61 1734-ACNR 1734-ADN 1734-AENT 1734-AENTR 1734-APB
|
1756-TBS6H 1756-TBSH 1757-SRM 1746-N2 1746-NI16I 1746-NI4
| 1756-PA75R 1756-PB72 1756-PB75 1756-RM 1756-IB16 1746-IV32
| 1756-OF8I 1756-OW16I 1756-PA72 1756-PA75 1794-OA8 1794-OA8I
| 1746-IA16 1746-IB16 1746-IB32 1746-IM16 1746-IO12DC 1746-ITB16 |
纺织印染 1794-OB8 控制器模块 1794-OB8
近日，深圳贝尔信息科技有限公司（以下简称「Using.AI」）完成数千万元Pre-A轮融资，投资方为君联资本和金沙江联合资本，本轮融资将主要用于公司新产品研发和业务发展。
「Using.AI」是一家研发工业及能源AI智能操作系统的创新企业， 通过AGI技术（Artificial GeneralIntelligence，通用人工智能）赋能泛工业领域的控制决策，推动产业实现智能化升级。
AGI催生工业控制新模式
2017年，「Using.AI」团队就开始AGI相关领域的科学研究。据介绍，联合创始人兼CEO王冠博士曾在斯坦福、伯克利、清华等高等院校从事人工智能领域学习和研究工作。公司团队超90%为研发人员，有多AI智能体、基础模型、强化学习、控制论等技术的研发和应用经验。「Using.AI」的核心技术正是源自伯克利和斯坦福人工智能领域实验室。
谈及AGI，近段时间来引人注目的产品莫过于由OpenAI训练的大型语言模型ChatGPT。不同于大语言模型是面向“开放场景下低精度要求的决策”，「Using.AI」专注于“封闭场景下高精度要求的决策”。
经过多年技术积累，公司已经可以在垂直场景实现复杂任务的AI自主控制和决策，并终选定工业和新能源两大行业落地。“这是AGI的重要应用场景，也是算法、数据、商业壁垒极高的场景。”「Using.AI」团队表示。
传统工业行业存在生产效率低下、产品质量不稳定、运营成本高昂等显著痛点，而AGI为产业智能化升级提供了新的技术路径，推动工业实现刚性自动化向柔性智能化阶段演进。
「Using.AI」选择直接从难度大、价值高的上游核心控制环节切入，通过自研的AI智能操作系统，以软件定义控制决策，对传统基于rule-based的工业控制决策模式进行重塑。
传统工控系统往往采用“软硬一体”的模式，只能做简单的运动控制编程，同时也只能实现对标准设备的逻辑控制，无法智能化满足工业极度分散的非标场景的需求，痛点显著。另外，由于行业生态封闭，传统工控系统对生产执行系统（MES）、检测设备等工业数据的兼容性低、可扩展性差。
针对此，「Using.AI」通过“软硬解耦”的方式，以软件配置硬件资源，实现多类型非标设备的可迁移决策能力。“我们打造的兼容多系统、沉淀全流程数据的标准化底座，在不同智能化生产链路。”「Using.AI」团队介绍道。公司自研的AI智能操作系统具体分为仿真类和控制类，仿真类包括虚拟量测、异常检测等，控制类包括实时控制、工艺优化等。
据介绍，在实际的客户案例中，该产品帮助企业降低80%缺陷率，减少60%人员成本，单一线体创造年额外利润近100万元，已获得市场验证。
AI智能操作系统得以既“通用”又“智能”，正是依托其核心的底层技术——“元学习（MetaLearning）”。元学习即利用以往的知识经验来指导新任务的学习，让机器学会如何学习，自己演化、推理、抽象新的应用，从而具备快速学习和泛化能力。
该技术适用于小样本学习，打破AI深度学习需要大量标注数据的技术瓶颈。基于这一底层技术，「Using.AI」构建“元基础模型+工业垂直大模型”架构，实现跨场景下的自监督学习和低成本迁移。
工业和能源行业的场景碎片化特性更加凸显了这一优势。经过多年的研究和探索，「Using.AI」团队发现，基于元学习的AGI技术更适合处理封闭场景下的闭环控制任务，在任务复杂、场景封闭的工业和能源领域，元学习和AGI带来的价值更高。
“技术+商业”双飞轮驱动
在工业和能源领域，「Using.AI」进一步选定3C、汽车、新能源、半导体等高景气度高和高价值的细分行业切入，优先打造头部客户，完成场景从0到1的闭环。
以「Using.AI」为某3C头部企业智能化改造阳极氧化产线为例，在阳极氧化环节中，传统解决方案多由人工手动控制制品的染色过程和维护染液状态，品质管控不稳定；同时无法有效收集分析染液相关数据，加药量不准确，导致大量的物料损耗；此外，工厂生产过程参数管控能力差，难以进行可量化的质量分析及决策，制程能力不足。
针对上述痛点，「Using.AI」引入AGI技术，实现参数全程监控、自动染色和加药执行、智能参数控制等功能，帮助客户提升工艺水平、提高良率和大幅降低成本。据介绍，该客户签单后，半年内就进行了二次增购， 目前已从单一产线扩增到五条产线。
目前，「Using.AI」已在表面处理、加工成型等工艺场景实现快速PMF（Product-MarketFit，产品与市场的契合度）验证。
公司计划沉淀标准控制器模块，辐射其他中大企业，实现规模化复制和快速增长；同时进一步拓展多设备领域，正在泛新能源制造类、泛半导体制程类及泛能源优化类等场景进行POC（Proofof Concept，概念验证）。
公司能够在多场景实现快速PMF验证，得益于“前沿技术+”的复合基因。据介绍，团队中配置多位超过20年工业经验的多，助力公司快速拓展商业资源和产品交付落地。“这些均来自业内企业，包括IDRA（特斯拉一体压铸设备供应商）、SAP、汇川等多家企业前高管。”
近年来，随着人口红利的消失，劳动力成本增加，工业智能化迎来发展机遇。面对愈发激烈的竞争，「Using.AI」以数据壁垒为核心，打造“技术+商业”双飞轮，一方面积累数据反哺技术底座和产品迭代，加快在新场景的迁移落地能力；另一方面通过客户撬动品牌势能，持续推动老客户增购和新客户拓展。
「Using.AI」团队认为，随着AI技术发展尤其是ChatGPT的出现，“通识底座大模型+垂类控制决策模型”的范式将在更多场景中释放AI智能体的闭环能力。“未来，AI将不再只作为辅助角色，而能够在合理开发后参与更多决策控制。”
投资人说
本轮投资方君联资本表示：“君联持续性投资通过新一代AI技术推动实体经济数智化升级的公司，我们很看好「Using.AI」的持续性发展。
“元学习具备‘数据依赖低、迁移性强’等优点，模型复制快且代价低，随着底层模型技术的持续性升级，有机会实现AI的通用性、规模化、健康化发展。该技术很适合数据非标、小样本量的制造、能源、半导体等大实体行业，应用于设备控制、参数监测等关键环节，有机会实现良率提升、节约人工、实时预警等价值，商业潜力大。
“「Using.AI」是元学习技术的先发者，团队技术能力出色，业务扎实，打造了AI智能操作系统的解决方案，并在多个工业场景、多个环节实现头部客户的案例落地，有望进入业务成长的拐点。”
本轮投资方金沙江联合资本表示：“「Using.AI」是合适的团队在合适的时间做合适的事情。「Using.AI」团队充分利用基础模型（foundationmodel）的架构，结合AI控制算法在工业控制场景中提供了独特且效果显著的解决方案，并且因其元学习模型的固有特点具备极强的迁移能力和通用性。
“「Using.AI」凭借其对模型基础和元学习技术的深刻理解和研发落地能力，既能为客户提供独到的工艺控制和良品率优化的解决方案，又能不断拓宽新的应用场景，为追求更高良品率及系统鲁棒性的企业带来高效、高性价比的产品。”
纺织印染 1794-OB8 控制器模块 1794-OB8
