# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AI投资新主题：超千亿美元砸向AI重塑传统行业介绍了AI热钱的新流向——寻找“物理世界的不可压缩性”。无论AI多先进，总要深入码头、林场、农田、工厂，重塑实业的生产函数与价值锚点。
我在观察实业AI演进时，发现了一些代表性案例。
John Deere，一家传统农机制造商，成功转型为全球最大的农业AI和机器人公司，被投资人称为「农业特斯拉」，PE攀升至30X，叙事锚点早已不是拼“销量和市占率”的机械制造公司，而是看“AI软件渗透率与农业数据护城河”的科技公司。
Uptake，以工业设备预测性维护算法为核心，底层接入卡特彼勒、波音等巨头的设备，汇总磨损数据，构建了50万+失效模型，2026年被博世收购。
John Deere走的是垂直一体化路线，端到端的农业操作系统包含自动驾驶农机和AI软件全栈产品。Uptake走的是轻资产模式，不生产终端，讲了“工业AI操作大脑”叙事。
我最近交流的AI创业公司——智大弘创切入的是林业，系全球首家实现原木AI检尺商业化的公司，海内外均已落地，并在海外跑通了按服务收费模式。
几家公司路径、体量各不相同，但有一项逻辑是相通的——他们用AI改变了传统行业的生产函数——
AI改变了边际成本结构。John Deere的AI种植、AI喷药系统，实现“按需精准投入”而非全场均匀投入。Uptake大幅降低了工业维护的过度冗余（备用机器和人工巡检），把“生产计划外损耗”降至趋近于零。智大弘创用AI自动检尺替代人工测量，不再需要同比例增加高薪检尺员和时间成本。
AI压制了随机性。技术因子往往带有巨大的不确定性，比如气候、突发故障，AI把产出稳定性从概率分布变成了确定性结果。
数据成为新生产要素，并且边际效应递增。随着作业面积增加，John Deere累积农田和作物数据越深，对下一季产量的预测和干预就越准。据分析师估算，如果博世要构建Uptake同等体量的跨行业、长周期故障数据，需要5-8年。智大弘创构建了50多万条原木数据库，形成工程化壁垒。
智大弘创核心技术团队均毕业于北大、清华、北航，创始成员还有15年经验的林业产业专家。和CEO江丰交流后，我发现林业领域基本是数字化空白。在AI重塑实业的浪潮中，林业是极具改造价值的领域之一。
1. 团队为什么选择用AI切入林业/原木领域？
江丰：我们的创业起点并非算法团队寻找落地场景，而是传统产业自带明确痛点，匹配最优技术。联合创始人张一拥有15年木材工贸经验，掌握全链路产业资源、数据采样能力，有了原生产业场景，算法才不会成为空中楼阁。
林业数字化水平远低于农业与牧业，有10倍以上提升空间。数字化的空白并非由于缺少技术尝试，而是存在三项核心挑战：
第一，原木是极致非标品。粗细、弯直、长度、锥度、树皮、结疤、破损各不相同，通用工业视觉无法稳定识别，传统算法难以应对复杂端面和遮挡场景；
第二，流通链路长，计量标准割裂、不一致。一根原木从海外采伐到国内加工，至少经过4次测量，海外标准、国标、地方非标规则并行，经常产生 “涨尺” ；
第三，全球木材交易都在沿用人工检尺模式，工人攀爬7—8米高的原木堆进行测量，不仅危险，误差还高达5%以上，导致后续交易失真，很多加工厂的成本核算非常滞后，在年末库存清空后，才能核算全年真实盈亏。
加上下游行业红利消退，对厂商而言控损即盈利。港口、贸易商、加工厂、家具厂、纸浆厂对精准计量的需求都在快速增长。我们团队一致判断这个赛道具备长期价值——既符合行业真实刚需，也能从根本上改造作业模式。
2. 请介绍智大弘创的产品体系
江丰：我们分阶段落地，第一步解决精准尺寸测量，推出AI检尺产品；后续拓展原木材质、缺陷智能识别分析。目前的AI检尺产品有几类，适配不同场景：
便携式智能检尺设备：径级准确率达99%以上，支持单面、双面匹配、拼接等标准化流程，适用于期货交割、智能发货等场景，满足高精度要求
手持式AI测量设备：手持式终端，适用于库存盘点、灵活采伐验收等移动作业场景
园区智能检尺系统：5分钟可完成1000根原木检测，效率提升超10倍，在广西桉木主产区试点运行
港口智能检尺平台：3.5分钟完成整车扫描与溯源，单日处理量达1万方，效率提升15倍，已在东莞港运行
原木行业作业场景杂乱、场地非标化程度极高，难以通用单一标品覆盖全部需求。因此我们采用模块化产品架构，兼容扩展、适配不同场景，目前可覆盖80%以上应用场景，剩余需求支持定制化开发。
3. 你们第一步切入的原木检尺细分市场，市场规模有多大？
江丰：全球每年伐木40亿立方米，其中工业用材20亿方，国内需求量达1.8亿方。基础检尺市场规模每年40亿美元。海外原木市场数字化需求旺盛，我们预计长期来看，海外收入占比将达到70%。
4. AI检尺产品现在有哪些落地客户？
江丰：中检、中理、SGS、浙江海检、中国外运、东莞港务集团等都已经落地应用，目前我们的设备已作为原木期货首选交割方式大量使用；海外方面，已在新西兰、印尼落地，澳洲、日本、东南亚市场需求都很强。
5. 能否展开介绍一下技术特征？
江丰：我们的检尺设备选择了双目视觉技术路线，累计迭代300多种算法。
工业检测普遍采用结构光方案，传统双目算法精度不足，无法适配原木测量场景。我们必须在秒级时间内，从杂乱的树皮、杂物、异形端面中，过滤干扰并修正深度信息。所以我们融合了深度学习、生成式AI算法，完成了2D轮廓精准分割与3D点云重建的深度匹配。
我们还搭建了超过50万条原木专属样本数据库，针对不同树种、端面纹理、带皮/裸材、明暗逆光等全环境场景采样训练，完成行业小模型搭建，这也是实验室级产品难以逾越的护城河。
6. 你们目前的商业模式是什么？
江丰：客户核心关注点在测量精度、设备成本、使用便捷性。我们目前采用硬件销售+服务费的分层商业模式，按检测材积收取服务费，适配不同体量客户。“用多少付多少”的模式已经在海外跑通。
我们还计划推出按月订阅的基础版产品，拓展小微客户市场。整体而言，硬件只是采集载体，不是长期盈利的核心。我们的目标不是卖出多少台设备，而是成为原木行业“公允度量衡”。
7. 现在业内开始出现竞品了吗？
江丰：很少，除了少量实验室级产品，海外个别实力较强的客户被迫尝试过自研，但尝试结果也仅支持2D或准3D的原木检测。我们目前在精度、速度、批量处理、端面匹配、复杂环境适应、工程落地维度都有领先性。
8. 你们通过几年的时间，完成了从零到商业化落地的关键一步，我感觉你们从没有抱着“用AI去颠覆传统行业”的理念，而是让技术去适配产业。回溯整个AI重塑传统行业的探索过程，有没有哪些特别深的体会？
江丰：我们用AI把测量做到精准、可追溯、可验证，实际上是把非标变成了标准，把不信任变成可信，让流通交易的价格不再失真。我们见过太多产品看着很好，一到码头、一到户外就不行。AI在传统行业能真正用起来，核心不在于炫技，客户只看三件事：能不能省钱、能不能省人、能不能不出事。模型会迭代，技术会更新，但你对产业的理解、对场景的沉淀、对线下工程的能力，这些东西不会过时。
文章来自于"后浪new"，作者 "Evelyn"。
