近日，北京殺出一家未來獨(dú)角獸，英達(dá)視（Industrial Next）完成數(shù)千萬美元 A 輪融資。由 Khosla Ventures 領(lǐng)投，Y Combinator、沸點(diǎn)資本跟投。
英達(dá)視總部位于北京市海淀區(qū)，主攻業(yè)務(wù)是：為制造行業(yè)提供 " 智慧大腦 "，幫助工廠實(shí)現(xiàn)智能化、自動化改造。
這家由特斯拉前核心團(tuán)隊創(chuàng)立的公司，已吸引聯(lián)想、小米、YC、沸點(diǎn)資本等產(chǎn)業(yè)資本三輪押注。其融資熱潮背后，是全球制造業(yè)正經(jīng)歷一場從 " 被動維修 " 到 " 主動預(yù)測 " 的范式革命。
讓我們來看看，這個千億賽道還有哪些機(jī)會？
01
成立于 2021 年的英達(dá)視究竟是家什么公司？
通俗來講，它為先進(jìn)制造行業(yè)提供 " 智慧大腦 "，產(chǎn)品涵蓋工藝智能化技術(shù)、MES 及 MOS 軟件等，幫助工廠實(shí)現(xiàn)生產(chǎn)流程的智能化、自動化。
主要功能包括：
實(shí)時監(jiān)測：通過傳感器采集設(shè)備振動、溫度、壓力等數(shù)據(jù)。
AI 診斷：利用機(jī)器學(xué)習(xí)模型分析數(shù)據(jù)，識別異常模式并預(yù)測故障時間。
維護(hù)決策：自動生成維護(hù)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(chǎn)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(shè)備制造等行業(yè)。
英達(dá) CEO Allen 曾是特斯拉加州自主工廠研發(fā)項(xiàng)目負(fù)責(zé)人，是硬件背景的系統(tǒng)架構(gòu)師，擅長高集成技術(shù)；CTO Lukas 則是 Model 3、Y、X 的整車系統(tǒng)架構(gòu)師，曾領(lǐng)導(dǎo) Dojo 的前身 Autopilot 的系統(tǒng)架構(gòu)部門。
傳統(tǒng)工業(yè)維護(hù)長期陷于 " 故障發(fā)生 - 停機(jī)維修 - 產(chǎn)能損失 " 的惡性循環(huán)。
以汽車制造為例，一次非計劃停機(jī)平均造成每小時 50 萬元損失，而預(yù)測性維護(hù)通過實(shí)時監(jiān)測設(shè)備振動、溫度等數(shù)據(jù)，結(jié)合 AI 算法預(yù)判故障，可將停機(jī)時間減少 40% 以上。
在技術(shù)路徑上，通過 " 感知 - 決策 - 執(zhí)行 " 閉環(huán)系統(tǒng)，英達(dá)視重構(gòu)了工業(yè)質(zhì)檢邏輯。其自主研發(fā)的 UMOS 系統(tǒng)融合多源傳感器數(shù)據(jù)，利用強(qiáng)化學(xué)習(xí)算法實(shí)現(xiàn)工藝環(huán)節(jié)的實(shí)時質(zhì)量評價與參數(shù)調(diào)整，將傳統(tǒng)事后抽檢升級為 " 零缺陷預(yù)防 "。
例如在新能源汽車焊裝環(huán)節(jié)，該系統(tǒng)可使機(jī)械臂根據(jù)材料形變動態(tài)調(diào)整軌跡，避免批量瑕疵，幫助客戶節(jié)省 30% 的質(zhì)檢成本。
02
英達(dá)視所在的行業(yè)是：工業(yè)預(yù)測性維護(hù)賽道。大約分為幾個階段。
萌芽階段（上世紀(jì)中葉 - 20 世紀(jì)末）：這一時期，工業(yè)設(shè)備的維護(hù)主要依賴于定期維護(hù)和事后維修。當(dāng)時的技術(shù)水平有限，傳感器精度不高，數(shù)據(jù)處理能力也極為薄弱，難以對設(shè)備的運(yùn)行狀態(tài)進(jìn)行有效監(jiān)測和分析。
興起階段（21 世紀(jì)初 - 2010 年代中期）：隨著傳感器技術(shù)、計算機(jī)技術(shù)以及數(shù)據(jù)分析技術(shù)的發(fā)展，工業(yè)預(yù)測性維護(hù)開始興起。
企業(yè)能夠通過在設(shè)備上安裝傳感器，實(shí)時采集設(shè)備的運(yùn)行數(shù)據(jù)，如溫度、振動、壓力等。利用這些數(shù)據(jù)對設(shè)備的健康狀況進(jìn)行初步評估和預(yù)測。但這一時期，數(shù)據(jù)的整合和分析能力仍較為有限，數(shù)據(jù)格式不統(tǒng)一，難以進(jìn)行有效的關(guān)聯(lián)分析。而且預(yù)測模型的準(zhǔn)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(wǎng)、大數(shù)據(jù)、人工智能等新興技術(shù)的成熟，物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)了設(shè)備之間以及設(shè)備與系統(tǒng)之間的互聯(lián)互通，能夠?qū)崟r、全面地采集設(shè)備運(yùn)行數(shù)據(jù)。
人工智能算法，如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等，能夠?qū)?fù)雜的數(shù)據(jù)進(jìn)行深度挖掘和分析，建立更加精準(zhǔn)的設(shè)備故障預(yù)測模型。
03
英達(dá)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(xì)分市場和區(qū)域各有優(yōu)勢，競爭激烈，屬于紅海市場。
據(jù)博研咨詢數(shù)據(jù)，2025 年中國該市場規(guī)模將突破 240 億元，年復(fù)合增長率達(dá) 16%-20%。
全球制造業(yè)正在經(jīng)歷一場深刻的范式革命——從傳統(tǒng)的 " 被動維修 " 轉(zhuǎn)向 " 主動預(yù)測 " 的智能運(yùn)維時代。這場變革的核心在于，工業(yè)設(shè)備維護(hù)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(yù)防 " 的精準(zhǔn)醫(yī)療模式。
更深層的革命性在于，預(yù)測性維護(hù)重構(gòu)了制造業(yè)的成本結(jié)構(gòu)。通用電氣 Predix 平臺通過分析 10 萬臺傳感器數(shù)據(jù)，能提前 2000 小時預(yù)警燃?xì)廨啓C(jī)故障，使維護(hù)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(jī)指數(shù) " 將設(shè)備維護(hù)轉(zhuǎn)變?yōu)榘葱栌嬞M(fèi)服務(wù)，客戶資本支出節(jié)省 30%。這標(biāo)志著制造業(yè)價值重心正從 " 賣設(shè)備 " 轉(zhuǎn)向 " 賣服務(wù) "，就像從 " 賣藥 " 轉(zhuǎn)型為 " 健康管理訂閱 "，而預(yù)測性維護(hù)技術(shù)正是實(shí)現(xiàn)這種轉(zhuǎn)型的手術(shù)刀。
不過，這場革命也面臨數(shù)據(jù)安全、跨平臺兼容等挑戰(zhàn)。就像醫(yī)療領(lǐng)域需要解決患者隱私保護(hù)，工業(yè)領(lǐng)域同樣需要構(gòu)建三級安全監(jiān)測體系來守護(hù)設(shè)備數(shù)據(jù)。但趨勢已然明朗：當(dāng) 5G+ 工業(yè)互聯(lián)網(wǎng)項(xiàng)目突破 1.5 萬個，當(dāng) AI 算法能像預(yù)測疾病風(fēng)險一樣預(yù)判設(shè)備故障，制造業(yè)的 " 預(yù)防醫(yī)學(xué) " 時代已不可逆轉(zhuǎn)地到來。
來源：鉛筆道
