【受訪人簡介】唐櫟曾任職于阿爾卡特朗訊，在物聯網、智能制造與供應鏈管理領域有多年技術積累。2014年他在上海創辦展灣科技，深耕制造業現場的數字化與智能化。十二年間，他帶領公司從設備數據連接起步。公司先后獲得正軒投資、SIG海納亞洲等機構投資，已服務玻璃、汽車零部件、裝備制造、新能源等行業超百家制造企業。本屆工博會，展灣發布“展灣O3設備數智運維平臺”，推動設備運維從發現問題走向任務閉環。

　　華商韜略：展灣科技是干什么的？如何用一句話解釋企業目標？

　　唐櫟：展灣科技是一家面向制造業現場的工業AI企業。我們把設備數據、工業知識、業務流程、工具和權限連接起來，讓AI不只回答問題，還能在明確邊界內協助完成點巡檢、故障上報、維修和維保等任務。

　　如果只用一句話概括：展灣讓AI真正讀懂工廠，并以AI數字員工助理的方式進入具體崗位、參與真實工作。這里的“讀懂”不是識別幾個參數，而是理解設備、人員、規則、知識、任務和責任之間的關系。

　　華商韜略：展灣從2015、2016年就開始參加工博會，一直持續到2023年，此前都在6.1H工業自動化展；闊別兩年后，今年回歸就進入了新一代智能制造展區。展位的變遷背后是公司業務重心的變化——從“工業自動化”展區到“新一代智能制造”展區，您認為這個時機和位置的變化，對展灣意味著什么？

　　唐櫟：這個變化首先說明，制造業關注的重點正在改變。過去大家更關注設備是否聯網、控制是否自動、數據是否上屏；今天更關心這些數據能否被理解、知識能否被調用、任務能否真正閉環。新一代智能制造并不是拋開自動化，而是在自動化和數字化基礎上增加認知、決策與協同能力。

　　對展灣而言，這也對應了十二年的發展路徑：2014年至2017年先解決設備數據看不見、取不穩、傳不出的問題；2017年至2024年進一步理解設備與業務對象之間的關系；2024年以后，重點轉向讓AI進入執行流程。我們不是換了一個更時髦的標簽，而是把多年積累帶到了新的產業問題上。

　　今年回到工博會，我們希望回答的已經不是“設備能不能連上”，而是“告警以后，誰來理解上下文、調用知識、組織任務并推動結果”。

　　華商韜略：這次最想讓專業觀眾記住什么？現場會做什么演示？

　　唐櫟：我們最希望觀眾記住的是：展灣O3設備數智運維平臺，讓AI數字員工助理與點巡檢機器人協同，在設備保全員確認下，把設備運維從發現問題推進到任務閉環。

　　現場會圍繞一次具體設備異常展開，而不是展示一組彼此分散的功能。異常進入平臺后，AI數字員工助理識別具體設備和事件上下文，調用手冊、規程、歷史工單和案例，形成候選原因與檢查建議；隨后生成點巡檢或維修任務，點巡檢機器人到現場采集視覺、聲音等信息并回傳；設備保全員完成關鍵判斷、安全確認和維修實施；結果再被復核并形成報告。

　　這條鏈路體現的不是一次問答，而是“感知—分析—決策—執行—復核—學習”的物理AI閉環。

　　華商韜略：今年工博會智能含量極高，人形機器人、工業大模型扎堆。您希望把展灣歸進哪一類公司？

　　唐櫟：我們更愿意把展灣定義為一家面向制造業現場的工業AI企業。我們不訓練通用大模型，也不把自己定義成人形機器人公司；我們的核心工作，是把模型能力放進具體工業上下文，讓它知道面對的是哪臺設備、發生了什么事件、可以調用哪些知識和工具，以及哪些動作必須由人確認。

　　機器人是物理現場的感知終端之一。AI數字員工助理負責理解、分析、編排和報告，機器人負責移動與非接觸式采集，設備保全員負責專業判斷、安全確認和維修實施。展灣的價值在于把三者組織成一個可執行、可復核的系統。

　　華商韜略：工廠里真正決定競爭力的，越來越是那些看不見的東西，或者是隱形的基礎設施。O3AI工業原生平臺、設備數智運維、工業AI助理，分別要為工廠解決什么問題？

　　唐櫟：本屆工博會發布的新品統一稱為“展灣O3設備數智運維平臺”。O3不是與設備運維并列的另一個產品，而是平臺內部的三類工業AI能力。

　　Ontology解決“AI是否理解工廠”。它組織設備、部件、測點、人員、規則、知識和任務之間的關系，讓AI理解具體工業對象。Orchestra解決“AI能否把判斷變成任務”。它把數據、知識、工具、權限和業務步驟編排為可執行流程。Occupant解決“AI能否進入崗位執行”。它以AI數字員工助理進入具體崗位，擁有明確職責、業務上下文、工具與權限邊界。

　　設備數智運維是這些能力首先進入的關鍵業務場景，承載設備狀態、點巡檢、故障、維修、維保、工單、報告和知識沉淀。AI數字員工助理則是面向具體崗位的任務角色，負責持續對話、協助做任務、形成報告并復用經審核的經驗。

　　華商韜略：展灣的客戶集中在汽車零部件、玻璃、船舶制造、工程機械，包括多家世界500強工廠。這些頭部客戶最初買你們的產品，是解決什么具體問題？能分享一兩個最有代表性的合作嗎？

　　唐櫟：頭部制造企業最初找到我們，通常不是為了購買一個AI概念，而是因為一個具體問題：設備交付到異地后難以遠程掌握狀態，點巡檢依賴人工且容易遺漏，異常發生后信息分散在多個系統，維修經驗留在少數老師傅手中，或者連續生產設備的停機代價很高。

　　一個是早期遠程運維場景：大型工業部件交付到客戶現場后，原廠工程師距離很遠。我們先解決復雜現場中的穩定采集與通信，讓工程師能夠遠程看到設備狀態、縮短問題判斷鏈路。這個項目奠定了展灣的方法論：技術必須回到設備所在的真實環境。

　　另一個是設備點巡檢與維修場景：系統把設備狀態、歷史異常、手冊、SOP和工單放在同一上下文中，在需要檢查時形成任務，現場人員確認異常并完成處置，結果再回寫為可復用知識。它的價值不是代替老師傅，而是減少查找、整理和重復協調，讓經驗可以被驗證并留在組織中。

　　華商韜略：從當年的單點業務到今天提供一套完整的幫助客戶解決問題的系統，您認為展灣交付給客戶的東西發生了什么本質變化？又有什么是不曾改變的？

　　唐櫟：變化可以概括為三層。第一，從連接數據走向組織上下文。早期解決的是設備數據的采集與傳輸，現在還要把設備、工藝、人員、知識和任務關系組織起來。第二，從記錄流程走向推動任務。傳統系統擅長記錄和展示，AI數字員工助理開始在授權范圍內查詢、整理、生成任務草稿、跟蹤狀態和協助寫報告。第三，從一次性交付走向持續運營。任務結果經審核后沉淀為知識，平臺隨著真實業務不斷完善。

　　沒有改變的是對工業現場的尊重。技術必須理解真實設備和工況；高風險動作必須保留人工或雙重確認；效果必須以客戶基線和業務結果驗證；項目必須形成可復核的閉環。

　　華商韜略：我們了解到，你們給中小企業建議的起步方式是“一臺設備×一個高頻問題×一個AI助理”，反對一次性大項目。這個打法跟行業慣例有些出入，小切口怎么長成長期生意？

　　唐櫟：小切口不是把目標做小，而是把價值驗證單元做清楚。工業AI涉及數據、知識、流程、權限和人員協同，一次性覆蓋全廠，很容易出現范圍很大、責任不清、效果無法歸因的問題。

　　第一步選擇一臺關鍵設備和一個高頻、損失可衡量的任務，例如點巡檢、故障上報、維修輔助或報告生成；上線前記錄基線，明確AI數字員工助理的職責、數據范圍、人工確認節點和驗收指標。第二步用響應時間、工單閉環率、報告編制時間、知識復用和重復故障等指標驗證。第三步在驗證通過后復制到同類設備、相鄰任務和更多崗位。

　　長期生意來自同一底座上的持續擴展：設備增加、任務增加、知識積累、組織使用頻率提高，但每一步都能對應一個清楚的業務結果。

　　華商韜略：回看歷屆工博會，主角一直是一些很具體的東西或者是產品，比如最大的機床、最快的機器人、最精的零部件等。今年官方卻把展灣、黑湖、藍沃等一批公司推上新一代智能制造展區的C位。我們認為，制造業的邏輯發生了變化。您怎么看待這個問題？

　　唐櫟：制造業并沒有從硬件走向“不要硬件”，而是在硬件能力之上增加系統能力。機床的精度、機器人的速度、零部件的可靠性仍然是基礎；新的競爭力來自設備、軟件、知識、人員和流程能否協同。

　　過去更容易比較單機參數，今天越來越需要比較系統在真實場景中解決問題的能力：異常能否被及時理解，任務能否跨系統推進，結果能否被驗證，經驗能否成為組織資產。制造業的競爭正在從單點性能進一步走向系統效率、知識復用和持續優化。

　　展灣所代表的方向，是讓設備產生的數據被讀懂，讓工業知識能夠被調用，讓AI參與任務，同時保留人的專業判斷與責任邊界。

　　華商韜略：基礎設施重要但平常沒人看見，如何才能讓客戶持續感知到你的價值？

　　唐櫟：以前一次異常需要跨多個系統查數據、找手冊、問人、建單和寫報告；現在設備上下文、知識依據和任務狀態能夠在同一鏈路中組織起來。客戶感知到的，是少一次重復查找、快一次響應、少一次遺漏，以及報告和經驗能夠留下。

　　我們會用三種方式持續呈現價值。第一，任務可追蹤：從觸發到關閉，每一步有記錄、有責任人。第二，指標可復盤：圍繞響應時間、閉環率、報告時間、知識復用和重復故障建立客戶自己的基線。第三，知識可積累：每次經過審核的處理結果都成為下一次任務的依據。

　　因此，我們不把登錄次數或回答字數當作核心成果，而是看真實任務是否更快、更穩、更可復核。

　　華商韜略：過去十年制造業數字化建了不少的系統，就親身體驗來看，您認為這樣的效果如何？我們了解到，你們把原先的系統出現的問題概括為數據、知識、流程、經驗四個“斷點”。展灣如何去解決這個問題？

　　唐櫟：過去十年的數字化建設是必要且有價值的：設備連接起來了，數據能夠看見，很多流程實現了電子化。但不少企業也遇到第二階段問題——系統各自完成了局部工作，數據、知識和任務仍然沒有進入同一個上下文。我們的判斷不是過去的系統“無效”，而是它們需要從記錄系統進一步走向協同系統。

　　數據斷點，是設備、測點、事件和工單缺少統一語義。展灣通過Ontology組織對象、屬性和關系，讓AI知道正在處理哪臺設備、哪個部件和哪次事件。知識斷點，是手冊、SOP、案例和專家經驗分散。平臺把經授權和審核的知識納入可追溯檢索，結論能夠回到來源。

　　流程斷點，是告警、分析、派工、執行和報告彼此脫節。Orchestra把知識、工具、權限和業務步驟編排起來，由AI數字員工助理在授權范圍內推動任務。經驗斷點，是問題解決后沒有沉淀。平臺將經設備保全員或專家審核的原因、步驟和結果轉化為可復用知識。

　　同時必須守住邊界：查詢、整理和報告草擬可以由AI承擔；停機、參數寫入、安全相關動作和維修實施等高風險環節必須保留人工或雙重確認。