一家制造企业的总工程师退休了。他脑子里那套判断设计是否合理的经验，识别交付风险的直觉，散落在三十年的图纸、技术规范和无数个深夜的会议记录里。企业试图用数字化手段留住这些，但大多数系统只能存文档，不能存判断。直到2023年中，一家名为羚数智能的上海公司开始把大模型智能体对准这类“珍稀能力”，事情才起了变化。
希鸥网观察到，近日，工业AI智能体研发商羚数智能宣布连续完成A1、A2轮数千万融资，由浦东创投、张江科投、锡创投参与投资。这已是其第三轮融资，此前红杉中国、线性资本、银杏谷资本均已入局。与融资同步披露的是一组更值得细读的数据：2026年上半年营收已超过2025年全年，预计继续保持全年盈利，产品累计应用于超过100家头部工业企业，含国央企、上市公司与行业龙头。
工业AI最贵的部分不在模型参数，在“接到任务之后”。一条设计规范适用于什么工况，一份图纸对应哪个版本，一次变更会影响哪些物料——这些判断需要上下文工程、业务本体与持续评测三套能力咬合。羚数智能的路径是：先用Lead Forge把分散的文档、图纸和业务数据映射到统一的工业对象关系上，再让基于超10TB工业语料训练的百工大模型在任务发生时调用正确知识，最后通过Lead Guild智能体平台把结果放回工程要求中验证。这条链条上，每一步都需要真实交付来打磨。
这家公司的壁垒不在算法领先几个月，而在它选择了一条更难的路：从大型国央企和上市公司切入。这类客户的复杂技术标准、跨部门流程和严格交付要求，构成了实验室无法模拟的验证环境。哪些知识容易缺失、什么结果能通过专业审核，都在一次次交付中变成可复用的评测机制。创始人郭文蔚带着二十余年工业运营管理经验创办公司，团队近百人，研发占比超70%，累计获得近百项发明专利。技术积累帮它进入高要求客户，客户现场又反过来喂熟产品——这个循环需要时间，但一旦转起来，追赶者很难用资金速成。
目前羚数已参与运营商的MaaS平台合作，把标准化工业智能体嫁接到运营商渠道网络，为中小制造企业提供入口。同时与主流基础模型厂商围绕工业场景适配推进生态共建。2027年计划进一步完善商业模式与推广机制，从长三角向更多制造业区域拓展，并已迈出海外第一步。融资资金继续投入核心技术研发、产品矩阵迭代与市场拓展。沿着“人工智能+制造”专项行动的政策方向，工业智能体的落地正在从单点验证进入规模化复制的前夜。
希鸥网认为，这轮融资释放的信号比金额更值得琢磨。浦东创投、张江科投、锡创投三家同时下注，指向的不是通用大模型的又一次应用层套壳，而是工业知识资产化这个更底层的赛道。谁能把链主企业几十年沉淀的隐性经验变成可训练、可推理、可交付的数据资产，谁就卡住了工业AI价值链上利润最厚的一段。那些还在用“大模型+行业prompt”做演示的公司，会在这轮交付能力的比拼中加速出清。
进化论里有个被反复验证的机制：个体追求自身利益的行为，在合适的激励结构下会带来整体的进步。工业AI的落地同样遵循这个逻辑。羚数没有试图用一个超级模型解决工厂所有问题，而是让每个岗位的智能体先解决自己的具体任务——设计人员检查规范、生产团队分析质量、供应链人员跟踪缺料。每个岗位的效率提升汇聚起来，才是企业整体的升级。创业者容易犯的错是贪大求全，正确的做法恰恰是找到一个足够痛的单点，让激励机制在最小闭环里先跑通。
极度透明和头脑极度开放，在工业AI这个赛道不是鸡汤，是生存法则。羚数的做法值得借鉴：把客户现场暴露的问题——哪些知识缺失、哪些规则模糊、哪些结果通不过审核——不做遮掩地反馈到模型和产品迭代中。大多数To B创业公司死在“演示很成功，日常很拉胯”的鸿沟里。跨过去的方法没有捷径，就是像羚数一样，把头部客户的苛刻要求当成免费的测试集，把每一次交付失败变成评测机制里的一条规则。快速试验、快速适应，比任何战略规划都管用。
从自然的视角俯视自身，一家工业AI公司在制造业几十年的积累面前微不足道。但正是这种“什么都不是”的清醒，让羚数选择了从最难啃的链主企业做起，而不是从最容易签单的小客户做起。对创业者而言，这意味着在确定什么对你重要时，视角的选择比努力程度更关键。你选择服务谁、从什么场景切入、把什么能力沉淀为资产，这些决策会在三年后拉开公司之间的全部差距。拥抱现实——包括承认工业AI没有捷径——本身就是最务实的战略。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo