隨著DeepSeek等通用大模型技術的突破，AI在設備預測性維護、能源優化、質量管控、生產制造等場景中已展現出更大的潛力，工業企業紛紛加速布局“AI+”戰略，然而貼上“AI標簽”的服務商和解決方案真假難辨。

“目前工業AI在視覺識別方面應用較成熟，但視覺識別僅能檢測生產瑕疵，無法深入生產控制層面。真正的工業AI控制研發周期長、難度大，市面上號稱AI的工業控制產品99%名不副實。”蘑菇物聯創始人兼CEO沈國輝日前在采訪中對第一財經記者表示，工業領域的假AI主要分為規則型偽AI、數字偽裝型AI、黑箱型AI、功能嫁接型AI。

從去年開始，蘑菇物聯所服務的通用工業設備領域正在隨著DeepSeek以及眾多開源大模型的落地而出現根本性的變化。大量DeepSeek一體機布局需求以及AI訂單讓沈國輝感到了行業對大模型的關注，但同時假AI技術的泛濫也成為工業AI落地的難點。

“市面上最為顯性的假AI特征就是只停留在用專有名詞堆砌的PPT階段，過去我們也有這樣的問題，有同事為了更快地把軟件賣給客戶，就自己把當時還沒有發布的AI技術寫到了匯報PPT里，實際上還沒有寫明白，只有概念和一堆唬人的名詞。”沈國輝表示，很多聲稱有自己AI技術的公司，本質只是披著“AI皮”的傳統軟件。

在他看來，工業領域常見的AI控制類型有規則型和黑箱型等，其中規則型最為普遍。規則型AI基于成熟技術如PLC控制規則，本質上是基于預先設定的規則進行生產設備控制，幾乎零研發成本。雖然表面上打著AI的旗號，但并沒有真正運用到AI的核心技術，如機器學習、深度學習算法等，缺乏對數據的智能分析和自主決策能力。

黑箱型AI則是當輸入數據后能給出相應的輸出結果，但無法清晰了解其內部是如何進行數據處理、分析以及作出決策。在工業領域，這種黑箱特性可能會帶來一些問題。因為工業生產往往對穩定性和可解釋性要求較高，企業需要清楚知道AI做出決策的依據，以便進行有效地監控和管理。

沈國輝表示，工業AI要做好，起步投入就要超過3億人民幣。“最簡單的判斷方法就看它的AI在軟件里能不能可視化展現。”

蘑菇物聯工業AI首席技術官周子葉對記者補充道，工業企業部署AI垂直大模型的路徑可以先從易部署且投資回報率高的閉環場景（如公輔能源車間）切入，進而拓展到工廠的其他場景，如物流、質檢、生產等，分階段把所有環節都接入到AI垂直大模型。

“我們現在正在積累這種工業大模型的能力，過去小模型能力有限，難以覆蓋眾多碎片化場景，現在DeepSeek等技術帶來的機會正在真正改變工業領域。”周子葉認為，中國工業全面應用大模型時代的到來，使工業能夠從依賴散裝小模型應對碎片化場景，轉變為用大模型解決問題，這是工業AI演變成生產力的關鍵轉折點。