近日，北京殺出一家未來獨角獸，英達視（Industrial Next）完成數(shù)千萬美元 A 輪融資。由 Khosla Ventures 領投，Y Combinator、沸點資本跟投。
英達視總部位于北京市海淀區(qū)，主攻業(yè)務是：為制造行業(yè)提供 " 智慧大腦 "，幫助工廠實現(xiàn)智能化、自動化改造。
這家由特斯拉前核心團隊創(chuàng)立的公司，已吸引聯(lián)想、小米、YC、沸點資本等產業(yè)資本三輪押注。其融資熱潮背后，是全球制造業(yè)正經歷一場從 " 被動維修 " 到 " 主動預測 " 的范式革命。
讓我們來看看，這個千億賽道還有哪些機會？
01
成立于 2021 年的英達視究竟是家什么公司？
通俗來講，它為先進制造行業(yè)提供 " 智慧大腦 "，產品涵蓋工藝智能化技術、MES 及 MOS 軟件等，幫助工廠實現(xiàn)生產流程的智能化、自動化。
主要功能包括：
實時監(jiān)測：通過傳感器采集設備振動、溫度、壓力等數(shù)據。
AI 診斷：利用機器學習模型分析數(shù)據，識別異常模式并預測故障時間。
維護決策：自動生成維護計劃，推薦備件更換或維修動作，減少人工誤判。
系統(tǒng)集成：與工廠現(xiàn)有工業(yè)軟件（如 ERP、MES）對接，優(yōu)化生產流程。
其用戶主要包括各類制造企業(yè)，尤其是汽車制造、電子設備制造等行業(yè)。
英達 CEO Allen 曾是特斯拉加州自主工廠研發(fā)項目負責人，是硬件背景的系統(tǒng)架構師，擅長高集成技術；CTO Lukas 則是 Model 3、Y、X 的整車系統(tǒng)架構師，曾領導 Dojo 的前身 Autopilot 的系統(tǒng)架構部門。
傳統(tǒng)工業(yè)維護長期陷于 " 故障發(fā)生 - 停機維修 - 產能損失 " 的惡性循環(huán)。
以汽車制造為例，一次非計劃停機平均造成每小時 50 萬元損失，而預測性維護通過實時監(jiān)測設備振動、溫度等數(shù)據，結合 AI 算法預判故障，可將停機時間減少 40% 以上。
在技術路徑上，通過 " 感知 - 決策 - 執(zhí)行 " 閉環(huán)系統(tǒng)，英達視重構了工業(yè)質檢邏輯。其自主研發(fā)的 UMOS 系統(tǒng)融合多源傳感器數(shù)據，利用強化學習算法實現(xiàn)工藝環(huán)節(jié)的實時質量評價與參數(shù)調整，將傳統(tǒng)事后抽檢升級為 " 零缺陷預防 "。
例如在新能源汽車焊裝環(huán)節(jié)，該系統(tǒng)可使機械臂根據材料形變動態(tài)調整軌跡，避免批量瑕疵，幫助客戶節(jié)省 30% 的質檢成本。
02
英達視所在的行業(yè)是：工業(yè)預測性維護賽道。大約分為幾個階段。
萌芽階段（上世紀中葉 - 20 世紀末）：這一時期，工業(yè)設備的維護主要依賴于定期維護和事后維修。當時的技術水平有限，傳感器精度不高，數(shù)據處理能力也極為薄弱，難以對設備的運行狀態(tài)進行有效監(jiān)測和分析。
興起階段（21 世紀初 - 2010 年代中期）：隨著傳感器技術、計算機技術以及數(shù)據分析技術的發(fā)展，工業(yè)預測性維護開始興起。
企業(yè)能夠通過在設備上安裝傳感器，實時采集設備的運行數(shù)據，如溫度、振動、壓力等。利用這些數(shù)據對設備的健康狀況進行初步評估和預測。但這一時期，數(shù)據的整合和分析能力仍較為有限，數(shù)據格式不統(tǒng)一，難以進行有效的關聯(lián)分析。而且預測模型的準確性不高，容易出現(xiàn)誤判。
崛起階段（2010 年代中期 - 至今）：隨著物聯(lián)網、大數(shù)據、人工智能等新興技術的成熟，物聯(lián)網技術實現(xiàn)了設備之間以及設備與系統(tǒng)之間的互聯(lián)互通，能夠實時、全面地采集設備運行數(shù)據。
人工智能算法，如機器學習、深度學習等，能夠對復雜的數(shù)據進行深度挖掘和分析，建立更加精準的設備故障預測模型。
03
英達視的主要競對企業(yè)包括西門子（MindSphere）、GE Digital（Predix）、PTC（ThingWorx）等。
競爭格局上，賽道雖然未形成絕對的巨頭壟斷，但整體處于供大于求的狀態(tài)，眾多企業(yè)在不同細分市場和區(qū)域各有優(yōu)勢，競爭激烈，屬于紅海市場。
據博研咨詢數(shù)據，2025 年中國該市場規(guī)模將突破 240 億元，年復合增長率達 16%-20%。
全球制造業(yè)正在經歷一場深刻的范式革命——從傳統(tǒng)的 " 被動維修 " 轉向 " 主動預測 " 的智能運維時代。這場變革的核心在于，工業(yè)設備維護方式正從 " 故障發(fā)生后再處理 " 的救火模式，升級為 " 在故障發(fā)生前預防 " 的精準醫(yī)療模式。
更深層的革命性在于，預測性維護重構了制造業(yè)的成本結構。通用電氣 Predix 平臺通過分析 10 萬臺傳感器數(shù)據，能提前 2000 小時預警燃氣輪機故障，使維護成本降低 25%。
這場變革還催生了新的商業(yè)模式。三一重工推出的 " 挖掘機指數(shù) " 將設備維護轉變?yōu)榘葱栌嬞M服務，客戶資本支出節(jié)省 30%。這標志著制造業(yè)價值重心正從 " 賣設備 " 轉向 " 賣服務 "，就像從 " 賣藥 " 轉型為 " 健康管理訂閱 "，而預測性維護技術正是實現(xiàn)這種轉型的手術刀。
不過，這場革命也面臨數(shù)據安全、跨平臺兼容等挑戰(zhàn)。就像醫(yī)療領域需要解決患者隱私保護，工業(yè)領域同樣需要構建三級安全監(jiān)測體系來守護設備數(shù)據。但趨勢已然明朗：當 5G+ 工業(yè)互聯(lián)網項目突破 1.5 萬個，當 AI 算法能像預測疾病風險一樣預判設備故障，制造業(yè)的 " 預防醫(yī)學 " 時代已不可逆轉地到來。
來源：鉛筆道
