近日，深圳貝爾信息科技有限公司（以下簡稱「Using.AI」）完成數千萬元Pre-A輪融資，投資方為君聯資本和金沙江聯合資本，本輪融資將主要用于公司新產品研發和業務發展。

「Using.AI」是一家研發工業及能源AI智能操作系統的創新企業， 通過AGI技術（Artificial General Intelligence，通用人工智能）賦能泛工業領域的控制決策，推動產業實現智能化升級。

AGI催生工業控制新模式

2017年，「Using.AI」團隊就開始AGI相關領域的科學研究。據介紹，聯合創始人兼CEO王冠博士曾在斯坦福、伯克利、清華等高等院校從事人工智能領域學習和研究工作。公司團隊超90%為研發人員，有多AI智能體、基礎模型、強化學習、控制論等技術的研發和應用經驗?！窾sing.AI」的核心技術正是源自伯克利和斯坦福人工智能領域實驗室。

談及AGI，近段時間來最引人注目的產品莫過于由OpenAI訓練的大型語言模型ChatGPT。不同于大語言模型是面向“開放場景下低精度要求的決策”，「Using.AI」專注于“封閉場景下高精度要求的決策”。

經過多年技術積累，公司已經可以在垂直場景實現復雜任務的AI自主控制和決策，并最終選定工業和新能源兩大行業落地。“這是AGI的重要應用場景，也是算法、數據、商業壁壘極高的場景。”「Using.AI」團隊表示。

傳統工業行業存在生產效率低下、產品質量不穩定、運營成本高昂等顯著痛點，而AGI為產業智能化升級提供了新的技術路徑，推動工業實現剛性自動化向柔性智能化階段演進。

「Using.AI」選擇直接從難度大、價值高的上游核心控制環節切入，通過自研的AI智能操作系統，以軟件定義控制決策，對傳統基于rule-based的工業控制決策模式進行重塑。

傳統工控系統往往采用“軟硬一體”的模式，只能做簡單的運動控制編程，同時也只能實現對標準設備的邏輯控制，無法智能化滿足工業極度分散的非標場景的需求，痛點顯著。另外，由于行業生態封閉，傳統工控系統對生產執行系統（MES）、檢測設備等工業數據的兼容性低、可擴展性差。

針對此，「Using.AI」通過“軟硬解耦”的方式，以軟件配置硬件資源，實現多類型非標設備的可遷移決策能力。“我們打造的兼容多系統、沉淀全流程數據的標準化底座，在不同智能化生產鏈路。”「Using.AI」團隊介紹道。公司自研的AI智能操作系統具體分為仿真類和控制類，仿真類包括虛擬量測、異常檢測等，控制類包括實時控制、工藝優化等。

據介紹，在實際的客戶案例中，該產品幫助企業降低80%缺陷率，減少60%人員成本，單一線體創造年額外利潤近100萬元，已獲得市場驗證。

AI智能操作系統得以既“通用”又“智能”，正是依托其最核心的底層技術——“元學習（Meta Learning）”。元學習即利用以往的知識經驗來指導新任務的學習，讓機器學會如何學習，自己演化、推理、抽象新的應用，從而具備快速學習和泛化能力。

該技術適用于小樣本學習，打破AI深度學習需要大量標注數據的技術瓶頸?；谶@一底層技術，「Using.AI」構建“元基礎模型+工業垂直大模型”架構，實現跨場景下的自監督學習和低成本遷移。

工業和能源行業的場景碎片化特性更加凸顯了這一優勢。經過多年的研究和探索，「Using.AI」團隊發現，基于元學習的AGI技術更適合處理封閉場景下的閉環控制任務，在任務復雜、場景封閉的工業和能源領域，元學習和AGI帶來的價值更高。

“技術+商業”雙飛輪驅動

在工業和能源領域，「Using.AI」進一步選定3C、汽車、新能源、半導體等高景氣度高和高價值的細分行業切入，優先打造頭部標桿客戶，完成場景從0到1的閉環。

以「Using.AI」為某3C頭部企業智能化改造陽極氧化產線為例，在陽極氧化環節中，傳統解決方案多由人工手動控制制品的染色過程和維護染液狀態，品質管控不穩定；同時無法有效收集分析染液相關數據，加藥量不準確，導致大量的物料損耗；此外，工廠生產過程參數管控能力差，難以進行可量化的質量分析及決策，制程能力不足。

針對上述痛點，「Using.AI」引入AGI技術，實現參數全程監控、自動染色和加藥執行、智能參數控制等功能，幫助客戶提升工藝水平、提高良率和大幅降低成本。據介紹，該客戶首次簽單后， 半年內就進行了二次增購， 目前已從單一產線擴增到五條產線。

目前，「Using.AI」已在表面處理、加工成型等工藝場景實現快速PMF（Product-Market Fit，產品與市場的契合度）驗證。

公司計劃沉淀標準控制器模塊，輻射其他中大企業，實現規?；瘡椭坪涂焖僭鲩L；同時進一步拓展多設備領域，正在泛新能源制造類、泛半導體制程類及泛能源優化類等場景進行POC（Proof of Concept，概念驗證）。

公司能夠在多場景實現快速PMF驗證，得益于“前沿技術+行業專家”的復合基因。據介紹，團隊中配置多位超過20年工業經驗的多行業專家，助力公司快速拓展商業資源和產品交付落地。“這些行業專家均來自業內知名企業，包括IDRA（特斯拉一體壓鑄設備供應商）、SAP、匯川等多家知名企業前高管。”

近年來，隨著人口紅利的消失，勞動力成本增加，工業智能化迎來發展機遇。面對愈發激烈的競爭 ，「Using.AI」以數據壁壘為核心，打造“技術+商業”雙飛輪，一方面積累數據反哺技 術底座和產品迭代，加快在新場景的遷移落地能力；另一方面通過標桿客戶撬動品牌勢能，持續推動老客戶增購和新客戶拓展。

「Using.AI」團隊認為，隨著AI技術發展尤其是ChatGPT的出現，“通識底座大模型+垂類控制決策模型”的范式將在更多場景中釋放AI智能體的閉環能力。“未來，AI將不再只作為輔助角色，而能夠在合理開發后參與更多決策控制。”

投資人說

本輪投資方君聯資本表示：“君聯持續性投資通過新一代AI技術推動實體經濟數智化升級的公司，我們很看好「Using.AI」的持續性發展。

“元學習具備‘數據依賴低、遷移性強’等優點，模型復制快且代價低，隨著底層模型技術的持續性升級，有機會實現AI的通用性、規模化、健康化發展。該技術很適合數據非標、小樣本量的制造、能源、半導體等大實體行業，應用于設備控制、參數監測等關鍵環節，有機會實現良率提升、節約人工、實時預警等價值，商業潛力大。

“「Using.AI」是元學習技術的先發者，團隊技術能力出色，業務扎實，打造了AI智能操作系統的解決方案，并在多個工業場景、多個環節實現頭部客戶的案例落地，有望進入業務成長的拐點。”

本輪投資方金沙江聯合資本表示：“「Using.AI」是合適的團隊在合適的時間做合適的事情?！窾sing.AI」團隊充分利用基礎模型（foundation model）的架構，結合AI控制算法在工業控制場景中提供了獨特且效果顯著的解決方案，并且因其元學習模型的固有特點具備極強的遷移能力和通用性。

“「Using.AI」憑借其對模型基礎和元學習技術的深刻理解和研發落地能力，既能為客戶提供獨到的工藝控制和良品率優化的解決方案，又能不斷拓寬新的應用場景，為追求更高良品率及系統魯棒性的企業帶來高效、高性價比的產品。”