那個最危險的工作崗位，終于不用人扛了

出品｜虎嗅科技組

作者｜陳伊凡

編輯｜苗正卿

頭圖｜視覺中國

“具身100”呈現最具成長性的具身智能公司，這是本系列的第「03」篇文章。

一個叫做“鋼包熱修”的技術，被認為是最艱苦也最依賴經驗的崗位。

走進唐山曹妃甸的首鋼工廠，這個崗位的危險程度被瞬間具像化，每一爐鋼水倒空之后，幾十噸乃至數百噸的鋼包并不會冷卻，內襯耐火磚經歷了1600℃的洗禮，依然燒得通透，呈現出亮橘色，向外輻射著上千度的余熱。

空氣扭曲的熱浪里，混雜著令人窒息的各類粉塵，噪聲和氣味。工作臺高低錯落，一不留神就會踢到突起的鋼板。底磚吹掃，燒氧通渣、引流砂加沙、氬氣管插拔、耐火泥的涂膜，滑板的更換與安裝，殘渣清理，內襯侵蝕檢查……

一年前，在首鋼乃至全行業，這件事都是由工人在這類環境下拿著長長的氧槍和各種作業工具來完成，這個崗位的工人經常會冒著灼傷或碰撞的安全風險。而且這個行業還有一個鐵律，是所有資深工人都清楚的：越是這類高溫現場的危險工作越是需要用現場熟練的見過各種異常狀況的經驗豐富的老工人。一旦幾百噸高溫鋼水在運轉過程中突然穿包或其他安全風險，后果將不可想象。

在這些場景里，人形機器人根本站不住腳、輪式機器人隨時可能被地上的土疙瘩或者鋼板卡住。

中國每年生產超過10億噸鋼鐵，占全球產量的一半以上。這一個已經被傳統自動化持續升級了七十年的行業。但熱修這道工序，從未能實現被機器替代。

鋼包熱修吊運現場 圖片由瓦特曼提供

但如今走進首鋼工廠，在熱修作業區旁，已經能看到極為科幻的一幕：6臺大型的智能機器人帶著長長的執行機構，探入巨大“發光鼎”，靠一系列感知系統、執行系統和決策大腦在火花四濺中精準地攪動、修補、燒氧、通渣、更換滑板、加引流砂……。而在旁邊的高溫與熱浪和粉塵中，人已不在那里。

過去依賴人類經驗積累和環境判斷的柔性能力，正在被智能機器接管。這正是工業智能化真正的奇點時刻。

一家名為瓦特曼的公司，正在成為其中的關鍵變量之一。

譚勝虎本人 照片由瓦特曼提供

創始人譚勝虎把他對未來的構想放進了這家公司的名字里：工業智能革命的推動者——做“像瓦特一樣的男人”。這家公司近期即將完成一筆C輪融資。

車間里，天車移動的刺耳警報聲、巨型排風扇的轟鳴聲，以及高壓氣管噴射烤包時的“嘶嘶”尖嘯聲交織在一起，震耳欲聾。進現場要“全副武裝”，安全培訓、戴頭盔、穿工服，還要穿勞保鞋、嚴格行走規范。在瓦特曼所在的世界，沒有CTO、CMO，互稱“劉工”、“李工”、“王工”。

有一件事需要理清楚，在過去很長一段時間里，工業自動化對固定操作崗位實現了替代，卻替代不了對人和經驗的依賴，在許多重工業的關鍵環節，依然依賴老師傅的經驗和對現場工況環境的應變。他們的能力，往往具備三個特征：經驗積累、環境識別與判斷、柔性執行。比如鋼包熱修，什么時候該修？燒氧通渣的力度深度如何判斷？鋼包內襯侵蝕層度？哪里最危險？這些問題，沒有簡單固定程序答案。

還有類似的很多場景，在電解鋁、礦山、冶煉等行業普遍存在：粉塵環境中的異常判斷、高溫環境中的材料狀態識別、復雜工況下的操作決策。一個經驗豐富的工人，可能只看一眼，就能判斷風險。但對過去經典工業自動化確是很難且無法解決的問題。

譚勝虎說，瓦特曼做的事情，其實很簡單。就是把那些只能靠人的感知、判斷和經驗積累才能干好的事情，變成機器也能干。這是工業自動化和智能化的區別。

這些問題往往集中在幾個特征明顯的崗位中：高溫、高粉塵、高風險、情況復雜，也就是典型的“3D場景”（Dangerous, Dirty, Difficult）。這些場景非常多都是過去工業自動化沒有解決的問題。

“工業智能化的奇點時刻真正到來”，譚勝虎如此解釋他的感受。首先是技術條件成熟，多模態感知、算力提升、視覺識別，算法模型能力大幅增強，這些技術，過去并不具有完備的工程化能力。另外則是產業條件變化：人力成本上升、招工難、安全與環保要求提升，對AI新技術的認識和接受度提升，這些過去還能夠將就的“痛點”變得足夠痛。

過去十年，中國以鋼鐵為代表的基礎工業廣泛進入“技改”周期——技術改造。國家環保標準升級，產能整合加劇，產業工人代際更換，從規模追求到效率/效益追求，以前簡單成熟設備買賣的采購負責人走向幕后，懂工藝、要效率的總工程師、技術專家，生產專業管理者話語權越來越重。這批人不在乎供應商是否來自大廠或高校，只在乎這個東西在我的產線上能不能真正用起來？能不能真正解決問題，權力結構的微妙轉移，意味著愿意真正解決問題的科技公司，有了越來越多進門的機會。這也給了瓦特曼市場前提。

當然，數字化轉型已經喊了許多年，這些頭部工業巨頭企業每年數億的轉型升級或技改投入，怎么最后落到了一家甚至沒有任何行業資源背景的科創公司頭上。

因為“扎下來”這件事本身，就是重要的壁壘之一。

今天，中國前20的鋼鐵集團，中國前30的有色金屬集團，瓦特曼的產品已經進入超過一半以上，更重要的是：他們積累了全世界最大的鋼包內襯腐蝕數據庫，建立了國內最大的電解鋁正極材料質量數據庫等。

和重工業打交道，沒有什么參考，要你扎根在現場，要你摔跤，要你被客戶“虐”，要積累上百次失敗?！拔覀兊拿恳粋€第一臺，一定要跟他（客戶）一起經歷多次失敗才能搞出來的，”譚勝虎說。

技術和產品的研發積累過程，催生了瓦特曼的另一套壁壘。譚勝虎在內部把這稱為“全棧自研AI技術模塊庫”，從單一產品出發，把共性能力沉淀成可復用的模型或技術組件，每開拓一個新場景，技術體系和模塊組件庫就厚一層。比如3D感知模塊、高溫防護模塊、粉塵處理模塊、視覺識別模塊、智能控制模塊，力控算法模塊，虛擬仿真模塊等等，這些核心技術模塊又可以在不同場景下復用和迭代。這意味著：每進入一個新場景，不再從0開始。

鋼包熱修無人化機器人集群 圖片由瓦特曼提供

第三個條件是組織積累，譚勝虎說，他花了5年時間，終于把瓦特曼的組織搭建滿意，團隊里既有大量L4無人駕駛背景和互聯網大廠背景的算法工程師，軟件工程師，數據科學家，也有深耕工業幾十年的工藝專家，電氣自動化專家，硬件專家。

瓦特曼的融資經歷非常簡單，早期的產業天使投資人，然后2021年亦聯資本領投了A輪；2022年云暉資本領投了B輪，再后來，國投證券，中移基金相繼投資了瓦特曼，每一輪的投資方都很簡單、專業且純粹。譚勝虎說這和他的風格有關，瓦特曼未來也不想引入多而散的大批量財務投資人，理解產業，理解公司，長期陪伴是選擇伙伴最重要的要素。譚勝虎的計劃，下一步融資，將投資合作伙伴瞄向了那些有業務協同的產值千億級的行業龍頭集團，持續深度綁定，一起挖掘數據和工藝，一起持續研發產品并推動行業技術進步。

譚勝虎說，瓦特曼至今，才真正跨過了他心目中的從0到1。他不想把瓦特曼做成一個沒有想象力的公司，如果在未來15年甚至更久保持持續、健康的增長、有內生活力，那才叫成功；只是“活著”，是失敗的另一種寫法。

一頭扎進工廠，本身就是壁壘

虎嗅：那段時間有很多工廠搞技改、數字化轉型、提升效率，不少會和高校、科研院所合作，找教授做橫向課題，你們接觸得也多，為什么他們沒做這件事？

譚勝虎：在鋼廠的技改體系中，高校與科研機構通常承擔的是前沿研究與局部工藝優化的角色，例如材料成分分析、工藝參數優化等。這些工作在技術探索階段具有重要價值，但在進入復雜生產現場后，真正的智能化還需要經歷一個更長周期的多學科能力的復雜產品工程化過程。很多系統在實驗室或測試環境中可以跑通，但要在實際產線上長期穩定運行，需要持續的現場驗證和反復迭代。

虎嗅：在2021年左右，互聯網大廠、科技大廠都有專門的產業化和工業化部門或者說軍團，他們不做嗎？

譚勝虎：2021到2023年，工業數字化經歷了一輪明顯的投入高峰。大型科技公司在這一階段推動了“上云”、“數據化”的基礎設施建設，這為行業打下了重要底座。

但在更復雜的核心生產環節中，單純的數據上云，并不能直接轉化為生產效能的提升。

工業現場的很多問題，依然停留在“工藝執行”這一層——比如在高溫、粉塵等極端環境中，如何完成判斷與操作。這些問題，不是數據采集或系統連接可以直接解決的，而需要深入到具體工序中，重構感知、決策與執行能力?？梢岳斫鉃椋^去幾年更多是在建設基礎設施，而現在開始進入能力重構階段。

在這一階段，真正的難點不在于系統連接，而在于是否能夠深入現場，把具體工藝做透。

虎嗅：這是一個很吃資源的行業，你們是怎么切入的？而且你過去的經歷是互聯網，沒有任何重工業的積累。

譚勝虎：我沒有資源，這個行業的門檻很高，最本質的門檻不是關系門檻，而是信任門檻。信任門檻的邏輯是：先認識，再了解，再認可，最后才是信任，任何行業都跳不開這個過程，但工業行業還有一個特殊的信任門檻，就是產品和技術——我們的產品不是在家就能造出來的。

我們的第一臺產品，必須和客戶一起研發、一起打造。產品從0到1的過程最難，沒有案例，還要讓客戶和你一起造，甚至還要向客戶收錢，這個過程很不容易

虎嗅：憑什么這些封閉的大廠愿意給一家初創公司機會，做“第一次吃螃蟹”的事情？

譚勝虎：只有一個原因：你解決的是他真正想解決、且沒人能解決的問題。我們每款產品都是這么來的。

別人給你機會，你必須把事情做好；再給機會，再做好，甚至能讓他在同行面前有面子、爭光。鋼鐵行業內部，前30、前50的大企業之間，很多人都是朋友，他們會互相問“那家公司做得怎么樣”，如果得到“還挺好”的評價，慢慢就形成了公司層面的信任。

所以我總結，信任分三個層級：信任個人、信任產品、信任公司，一步都不能少，而且這三個層級相互關聯、相互疊加。這就是我們干的活早期特別難的原因，不管是誰進來，都要經歷這個過程。

我們認識的人越來越多，得到的認可也越來越多，還有人主動把我們推薦到更多場景。同時，我們的案例和成功產品也在不斷積累。

虎嗅：怎么磕出第一個客戶的？

譚勝虎：我們先做了山東的的一家鋁用陽極企業。之所以選擇電解鋁行業切入，一方面因為它的市場規模很大，一年產值差不多2萬億，我們找到了一個行業通用的核心痛點切入口需求。當時有一個行業資深的老大哥前輩帶著我們去見了工廠的相關負責人并介紹說，“這是我兄弟，北大畢業的，想來幫你解決問題”。對方本身就有痛點，所以很歡迎我們。但對方也明確說了，“你們要是做砸了，我不管”。他還說2012年、2015年、2017年都有人來嘗試做過這個事，都沒做成。

至少對方給了我們場地和機會。我們還簽了一個試用期合同，約定做成后再付錢。這就是我們的第一次機會，要是沒抓住這個機會把事情做成，公司也就死了。

虎嗅：最難的那個時點是什么時候？

譚勝虎：我感覺過去這些年都一樣。直到2025年，我們才邁過了從0到1的階段，最難的時刻才算過去。

虎嗅：怎么定義邁過了從0到1？

譚勝虎：我對從0到1的定義是，在此之前，你隨時可能死掉，沒有真正把商業循環跑通并建立可持續的內生力和組織體系。

虎嗅：為什么會覺得2025年你們邁過了從0到1？

譚勝虎：過去五年，我們真正完成的不是某一個產品，而是一件更基礎的事情——搭建起一支能夠跨越AI與工業邊界的核心骨干團隊。這個過程比技術研發更慢，也更難。

工業智能迎來了奇點時刻

虎嗅：你為什么覺得是現在工業智能才迎來了奇點時刻？站在瓦特曼的角度，怎么理解工業的智能化？

譚勝虎：在過去很長一段時間里，工業的自動化投入是積極且成功的，但智能化并沒有真正發生。我們做的事情，其實很簡單，就是把那些過去自動化還不能解決的問題，那些需要依靠人的經驗和判斷能力去干的事情，變成讓機器也能干。

很多人過去理解工業機器人，大多停留標準固定重復作業動作的在“機器替代”上。但其實工業生產中（尤其是在基礎重工業領域），因為環境，條件，工況，原料，工藝等的限制，大量的核心生產工序的控制和執行依然需要人來操作，甚至特別需要經驗豐富的老師傅來控制，瓦特曼做的，正是這一件事。

在過去工業自動化時代，伺服、電機、驅動、PLC、電氣控制等是核心。在智能領域，數據，感知，算法，模型，環境理解，任務決策，柔性執行才是內核，當然也不少了自動化的控制基礎。而這些內核，在過去存在明顯的數據不全（甚至是沒有），算法不優，模型不強，算力不足，柔性不夠，人才不足等明顯問題，在今天，這些問題正在被一個個解決或快速提優。

同時，用戶認知，行業接受度，政策鼓勵，行業發展階段的需求迫切性倒逼等要素也在這一兩年應該來重要拐點。

虎嗅：我發現我們的這些場景里，其實沒有現成數據可以參考，但算法和AI又離不開數據，這又是另外一個困難？

譚勝虎：過去幾年，我們在多個產品中，圍繞鋼包內襯侵蝕狀態識別、電解鋁陽極質量評估等場景，持續積累了大量現場經驗和數據樣本。這些數據并不是孤立存在的，而是與具體工藝、設備運行和現場環境深度綁定，在長期運行中不斷被驗證和優化。我們更看重的，不僅是數據本身，更是基于這些數據形成的智能判斷能力。當不同設備之間能夠打通實時數據與狀態信息，前后工序之間的關聯關系才有可能被識別和優化，從而解決過去依賴人工經驗、難以系統化的問題。如果沒有這種打通，數據就只是記錄。只有進入決策環節，數據才真正變成生產力。

今天，中國前二十的鋼鐵集團，中國前30的有色金屬集團，瓦特曼的產品已經進入超過一半以上，在這個過程里，我們積累了全世界最大的鋼包內襯腐蝕數據庫，建立了國內最大的電解鋁正極材料質量數據等?，F在我們上百臺設備每天都在運轉，還在持續積累中。這個東西就是我們說的進一步智能化的基礎。未來要實現產線級智能機器和數據的全打通，讓所有機器靠環境數據和生產數據驅動，而不是程序和人為經驗控制，機器之間數據實時打通后，數據和工藝才能進一步耦合關聯，前道和后道工藝的關聯因素才能更好理清，這時候AI更大的真正系統化智能的價值創造才得以實現這個。

虎嗅：我們之前做電解鋁，后面做鋼廠，現在還開始進入煤炭電力，場景的選擇和進入順序，有什么規劃嗎？比如選哪些場景、哪些場景絕對不會去？

譚勝虎：我們給自己的定位是基礎工業，更準確地說是基礎原材料工業，比如有色金屬，鋼鐵、煤炭、化工，電力等基礎工業領域。我們一直在圍繞產業鏈延展，從電解鋁到鋼鐵、銅、鉛、鋅，再到煤炭，電力，現在還逐步延展到金屬加工、焦化等領域，且場景切入上還選擇有很大的通用或遷移性的場景切入，這里每個行業產值都很大，比如焦化行業產值接近1萬億。

我每周至少能收到一個新場景、新需求，一年下來至少有50個，但我們一年只挑1到兩個。我選產品的三個標準：第一個是用戶價值，第二個是通用性，第三個是技術儲備和競爭壁壘。

用戶價值是重中之重，比如我們今年暫時新啟動的一個項目，就是高爐的智能化控制，我心里計劃投入3年時間。很多跨界進入工業領域的企業，容易在這一步走彎路，因為判斷不準需求的“痛度”，客戶找我們，肯定是有痛點的，但這個痛點是真剛需，還是“手有點癢、發抖”的小困擾，兩者完全不一樣。

第二個指標是通用性，核心就是判斷這個需求是客戶的個性問題，還是行業共性問題。

第三個指標是技術儲備和競爭力。我們只做“人無我有”或“人有我優”的事，比如機械臂的“胳膊”，現在行業卷得厲害，已經非常成熟了，我們肯定就不會去做了，合作就好。但有些關鍵環節如果有人開始做了，但做得很不成熟，我們也愿意去攻堅。

我們在2023年做過一個重要調整——核心技術模塊化重組。就像先把火鍋做好，能吃且味道不錯，再像做預制菜一樣，把底料、食材拆分模塊化，這些模塊不僅能用于這一款產品，還能遷移到其他場景。

虎嗅：隨著行業技術的不斷發展，有哪些場景和我們解決的問題，是技術和行業發展到現在才得以實現的？

譚勝虎：我們今年才開始啟動去做智慧高爐項目，真正的原因是，現在從大模型算法能力的快速演進，到算力條件的充分，到工藝知識積累沉淀等等，這些基礎設施和技術條件和場景認知都已經具備了。

其實我第一次思考和接觸高爐這個場景是2022年。當時鋼鐵行業形勢比較好，是河北的一家民營鋼鐵廠，他們老板說，只要我們能解決他們的問題，就愿意支付一個億。

這件事核心是讓高爐實現智能化的穩定順暢運行，不能停。就像農村原來燒柴的土鍋，你得一直往里面加柴，但怎么能讓燃料消耗更少、不浪費，高爐要常年穩定運行、不熄火，還要保證最高的燃料比。

2022年的時候，我們聽了客戶的需求，去調研了一下，回來后根本不敢想。我咨詢了行業內的專家，他們是設計高爐的，結果他們都嘲笑我們，說這事兒根本不可能，他們搞了幾十年都沒做到。

當時的技術條件也不具備。傳感器的類型和精度都不夠，而且高爐運行產生的大量數據、相關的機理模型，我們都無法掌握。

去年下半年開始重新思考這件事，年底啟動項目?，F在從算力到模型，我們有很多可以借鑒的資源，而且我們也是邊做邊對接相關人才。

而且我們這6年一直扎根在這個行業，對鋼鐵工業、對現場情況有深入了解；另外這兩年我們已經找到了最專業的學術專家團隊；第三，我們現在合作的鋼廠不止一家。不能只拿一家鋼廠的數據，中國前二十的鋼鐵集團，我們已經合作超過一半以上。通過這些客戶的真實情況，我們可以找到行業共性問題，拿到全行業的產業數據，這是很關鍵的一點。

我們這幾年融資比較克制，不能說摳，但確實很審慎，瓦特曼的創業過程中，除了研發的持續投入試錯，我們幾乎沒怎么浪費過錢，每一分錢都花得很認真。因為這對我來說是第三次創業，我很清楚，雖然每個企業的死因不同，但最終的結果大多是因為沒錢。

“我不想把瓦特曼做成一家‘不死不活’的公司”

虎嗅：如果有一天，你的這次創業失敗了，可能會是什么原因？

譚勝虎：我覺得現在瓦特曼已經不容易死了，只要我們想讓它活著，它就能活著。

但這種“不死”并不是我想要的，也不是什么性感的東西。所謂的“失敗”，對我來說是指瓦特曼不能實現我預期的健康可持續增長。比如保持15年以上30%的增長率，像匯川那樣三百億營收之后依然能繼續持續穩健高增長。這也是我們看到過去全世界范圍內優秀工業頭部企業的共性特征，當然，這個可持續增長是結果，支撐可持續健康增長的內生力和組織體系才是核心。

如果我看不到它健康可持續增長的希望，看不到它的內生活力，不管是因為團隊、技術，市場，還是出現了全新的技術顛覆我們或其他任何其他原因，在我心里這就是失敗，我可能就會選擇放棄或改變。

中國有很多上市公司，其實是“不死不活”的。它們有幾十億市值，業務有些規模但沒有想象力和持續增長性，每年不好不壞，我不想把瓦特曼做成這樣的公司。

虎嗅：瓦特曼從成立到現在已經6年了，回想起來，有沒有一兩個比較后悔的決定？

譚勝虎：有的，但都過去了。一類是與人相關的，涉及團隊層面，我承認在這方面，有些決策不夠有魄力。

另一類是與事相關的，不能說后悔，更多是走過一些彎路、得到一些教訓?，F在我們對產品選擇、場景選擇有清晰的答案，正是因為過去走了很多彎路，浪費了一些時間，而時間是最大的代價。這些彎路主要源于對行業認知不夠深入。

虎嗅：有吃到這波具身泡沫的紅利嗎？

譚勝虎：這兩年我們沒有刻意去追逐融資節奏，更多精力還是放在項目落地和產品打磨上。但如果從產業視角來看，這兩年我們已經變化很多了。外界討論的很多具身智能，還停留在通用能力探索，而我們面對的是已經在生產線上持續運行的系統。

在鋼鐵、有色金屬等場景中，這些系統需要在高溫、粉塵等復雜環境下穩定運行，并直接參與生產決策，這類問題的復雜度與驗證門檻，與實驗室或標準化場景有明顯差異。某種程度上，我們是在工業場景里，把具身智能真正落到了生產環節。

虎嗅：那你覺得未來5到10年，瓦特曼可能會出現的競爭對手是哪一類企業？會不會擔心新進玩家越來越多？

譚勝虎：我覺得會有兩類玩家：一類是在傳統工業領域干了幾十年的企業，他們正在轉型，雖然現在技術水平和認知還不夠，但這只是時間問題；另一類是新的人工智能創新企業。工業是個大門類，市場足夠大，這兩類企業都會進來，而且已經在加速進來，這是確定事實。

我們完全不但心有新的玩家入場，我甚至更希望且經常在國內外的AI圈吶喊，呼吁更多的真正有水平的人工智能企業進來，多往工業看看?！笆逦濉逼陂g預計人工智能+產業預計會有10萬億規模，我相信這里面最大且最有價值的領域之一就會是人工智能+工業。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4853058.html?f=wyxwapp