薇观科技:企业 AI 落地,先接住“不会用”

01 / 判断

先看这组数字：政策目标是 2027 年智能体普及率 70% 以上，但当下真实渗透率不足10%。这其中的裂缝有多大，决定了有多少潜在商机。

但缝大不代表好做。要先分清 C 端和 B 端是两本完全不同的账本。

C端的账，越算越薄

B端的账，写在预算表上

企业不会为“智能”付钱，只会为“省下来的人力、止住的损失、快出来的报告”付钱。所以 B 端的付费能力可以按营收倒推：数字化预算大致是营收的 2%–5%。

换算成现金：上市公司一年投 200 万到 5000 万；千万营收的中小企业，一年 20 万到 100 万。

这个数字不性感，但真实、稳定、能签合同。更重要的是，B 端没有垄断——每家企业的流程都不一样，大厂做不了精细的活，也看不上过小的单。

02 / 打法

企业说“我们想用 AI”，翻译过来其实是四种完全不同的困境。薇观的做法是先分类，再对症。

• 不知道怎么用 → 咨询。先讲清楚哪件事值得交给 AI，哪件不值得。多数企业真正需要的不是模型，是一次判断。

• 没有工具 → 本地部署。把模型和系统搬进客户机房，数据不出门。制造业、金融、政务，几乎都卡在这一步。

• 不会用 → 培训。把工具安排至具体岗位的人，而不是停在 IT 部门的演示中。

• 用不好 → 知识库 / Skill 定制。将一家公司自有的经验、话术、判例，沉淀为可调用的资产，让系统越用越像“他们家的人”。

这套角色在国外有个名词——FDE，Forward Deployed Engineer，前端部署工程师。不是坐在办公室写代码，而是驻场、蹲车间、跟着业务跑一遍，再把流程翻译成系统。

薇观这么做，底气在硬件：自有算力机房，与上海联通合作对外出租算力。对很多公司而言，“本地部署”是话术；对他们来说，是真的能把机器搬进客户机房。

他们给自己的窗口期是 3–5 年。理由很直接：大厂看不上的活——要上门、要陪跑、要处理脏数据、要按客户的流程一一修改——恰好就是本地公司的活。

03 / 案例

案例一：一家做地板设计的公司，把“抽卡”变成了流程

设计这件事在大模型手里，长期像个老虎机：描述得再准确，成品依旧随机。对一家做地板设计的公司而言，意味着 AI 只能当灵感工具，进不了生产流程——因为交付要稳定，要能修改，要过得了主管那一关。

薇观所做的系统叫“灵造”，一句话概括它的主张：

AI 做设计，不应该像抽卡。

做法分为两层。第一层是把行业资产结构化：1,941 个色号、19 种面料档案，做成可调用的库，AI 不再是凭空想象，而是在真实素材里做组合。

第二层是把流程固定化：双候选 + 设计师初筛 + 主管复核。AI 一次给两个方案，设计师先筛选，主管最后把关。人从“从零画”变成了“从候选里挑”。

还有个产品化的细节：生成任务在后台排队执行，关掉页面也不中断。设计师可以关闭窗口去开会，回来直接看结果。

最终，原来普通设计师承担的重复性工作被系统接手。对企业主而言，一年可省下几百万的人力成本（系统年费收取 30 万）。

所有传统设计的过程，薇观科技全部用 AI 的方式去替代。

案例二：一张“朋友圈”，揪出一伙黄牛

连锁餐饮的优惠券是拉新工具，同样也是灰产生意。黄牛批量注册、批量领券、层层截留套利，企业每年因此产生的损失，在千万到亿级。

那么这里的困境在哪？从单个账号看，每一个都合规：实名是真的，手机号是真的，券也是按规则领取的。

薇观的做法是把“人、号、机、券、单、店”连成一张图。用本体论建模，把散落在各个系统里的账户、设备、支付和订单，聚拢为背后的“实际控制人”——风险分直接落在控制人，而不是落点为某个账号上。

在工程上是三个数字：12 类对象、5 层关系、3 步识别。系统看的不是“这个号有没有问题”，而是“这个号和谁在一起”：13 个账号可能用着不同的手机，但手机号、设备指纹、收货地址、下单节奏，会将其串联成同一条线。

灰产链条被识别出来、定位到具体账户之后，风控才真正可以落地。企业一年止住的损失，就是千万到亿级。

案例三：±800 千伏的换流站，从 24 小时到 5 分钟

某省级电网的 ±800 千伏换流站，五个系统各自产生数据。传统做法是人工看曲线：一轮全量比对需 24 小时，一份异常分析报告需 3 小时。

而设备的异常，常常隐藏在只占波动 5% 的增量里——人眼最容易漏掉的，恰恰是这种“没超过阈值”的变化。

薇观将这些数据变成“设备”：设备本体 + AI 智能体。智能体不需要人先写规则，它盯着每一台设备的基线，看的是“相对自己”的变化，而不是“相对阈值”。

结果是三个数字：5 分钟全量比对一轮，原先需 24 小时；2 分钟出一份带证据的分析报告，原先需约 3 小时；能抓住只占波动 5% 的增量。

例如，GIS 气室的 SF₆ 微漏——“藏在噪声里的漏气”。这种问题不会报警，因为数值一直在阈值内；等到报警，往往已经迟了。

这个案例的价值，不是“AI 替代了谁”，而是将人从看曲线中解放出来，而去做判断。

04 / 自用

这套打法，薇观先自己走了一遍。

中小企业最痛的不是“没有模型”，是获客。所以薇观把“写、剪、发”整条链路自动化：给数据源，让系统定时抓取；按热度、新鲜度、相关度三维打分，给出选题；生成并同时发布到公众号、小红书、视频号。

效果是：两个礼拜，线上做到几千粉丝。不是大投入，而是用内容自动化，先将“获客”这道切口在自己身上跑通。

质量上，标准很务实：剪辑、编曲这类活，AI 先交付一版 70 分的可用稿，人工再做审美层面的精修，几轮迭代即可满意。70 分起步，意味着“从 0 到 1”这段最耗人的路，被 AI 走完了。

将来，初级剪辑师——包括现在——已经面临失业。

这是分工的重新洗牌：重复性的“从素材到成片”正从人力转向硅基，人退到定义目标、做判断和把关的位置。

05 / 结论

AI 是能力放大器，不是魔法棒

• OPC（一人公司）真的成立了

当代码、设计、剪辑都能被 AI 内化，一个人的审美与判断，乘以 AI 的执行力，就是一家内容公司的产能。雇用关系正变成能力调度关系。

• AI 放大能力，但下限还是人

AI 是能力放大器，不是魔法棒。你的审美、判断、对行业的理解，决定了放大之后的分数，是 70 分还是 90 分。工具拉平了执行，判断力反而更贵。

• 切入点是“最痛的那件事”

对中小企业而言，通常是获客；对设计公司而言，是交付不稳定；对连锁餐饮而言，是被灰产吃掉的资金；对电网而言，是看不完的曲线。找到“最痛的那件事”，AI 才有落点。

GUEST / 项目

本文整理自 2026 年 10 月 31 日「碳基出逃日 · 硅基时代的畅想：AI+ 的下一站进化」现场分享。活动由 HUAWEI、无界眼镜、ATTENTION FIELD 联合主办，保利商旅、花木时光里、SongChill 共创，BigQuant、长虹佳华、FOUNTAIN 支持。

小红书扫码关注

硅基脉动，获取薇观科技联合创始人每日科普

点击关注视频号

第二火种（薇观科技联合创始人高维），获取AI化转型落地方案 👋