見到梁燕，是在中歐DBA的課間。

她剛聽完一節(jié)課，正低頭對著手機里的豆包快速輸入著什么。湊近一看，原來是在“喂”給AI幾個課上沒完全消化的概念。

見我好奇，她抬起頭笑了：“現在上課是‘心流’模式，就是確保要吸收到位，聽不懂、理解不透徹的，馬上讓AI解釋，還得逼著它說人話。這學習效率，跟以前完全不一樣了。”

在隨后的采訪中，我逐漸理解了為什么梁燕作為安徽元琛環(huán)保科技股份有限公司（688659）的總經理，能在短短兩年間帶領一家傳統(tǒng)環(huán)保材料企業(yè)，在AI浪潮中走得如此篤定。她身上有一種難得的特質：對新技術保持開放，卻從不盲從；對趨勢保持敏感，卻始終腳踏實地。

當前國內人工智能產業(yè)迅猛發(fā)展，并開始與千行百業(yè)結合。2026年政府工作報告中強調“深化拓展‘人工智能+’”，工信部等八部門聯合印發(fā)的《“人工智能+制造”專項行動實施意見》也明確提出“推動人工智能技術在制造業(yè)融合應用，打造新質生產力”。在梁燕看來，這些都在印證一個趨勢：AI+工業(yè)已經不是選擇題，而是必答題。

但是，這道題，怎么答？如何答好？那天下午的采訪，梁燕把自己這兩年走過的路、踩過的坑、想明白的事，事無巨細、傾囊相授。以下是梁燕的自述。

01 AI在工業(yè)領域，到底能解決什么真問題？

說起傳統(tǒng)制造業(yè)面對AI的心態(tài)，我太有發(fā)言權了。因為就在兩年前，元琛作為一家專注于環(huán)保新材料研發(fā)與應用的制造型企業(yè)，我們自己也正處于那種深深的焦慮中。

這種焦慮是什么？本質上是對“不確定性”的恐懼——既怕錯過這班車，又怕上錯了車。

具體來說有三層：第一層，技術迭代太快了，大模型、智能體、多模態(tài)……滿天飛的概念，哪些是泡沫，哪些真能落地？看不清。第二層，投入產出算不清賬，AI前期投入動輒幾百萬，什么時候能回本？心里沒底。第三層，也是最要命的，即便買了算法、上了系統(tǒng)，如果團隊沒有AI思維，組織能力跟不上，最后還是“新瓶裝舊酒”，花架子一個。

元琛科技真正下定決心“不再觀望”，是2023年。當時我和丈夫徐輝去國外考察，在硅谷感受到一種強烈的“技術焦灼感”——所有人都在談論AI，但不是作為概念，而是作為下一代基礎設施。那種氛圍讓我們意識到，AI不是又一個風口，而是未來科技浪潮的大趨勢。

但回國后，我們沒有急著上項目，而是沉下來做了一件事：跑高校、訪專家、深入工業(yè)場景反復論證。就想搞清楚一個問題——AI在工業(yè)領域，到底能解決什么真問題？

我們有一個很樸素的判斷標準：看客戶愿不愿意為這個功能付費，而且是持續(xù)付費。如果客戶覺得“有了挺好，沒有也行”，那就是偽需求；如果客戶說“這個不解決，生產就沒法干了”，那就是真痛點。

我們與華中科技大學煤燃燒與低碳利用全國重點實驗室深度交流后發(fā)現，燃煤電廠工藝系統(tǒng)復雜、數據體量巨大。傳統(tǒng)計算與數據分析手段，不僅技術能力有限，也不熟悉工業(yè)機理與現場場景，難以真正解決實際問題。

而我們既懂行業(yè)、又懂現場，可以將高校理論與產業(yè)實踐相結合，用AI為復雜工業(yè)系統(tǒng)賦能。通過工藝機理模型+AI垂直模型，結合前饋預測、后饋反饋，實現系統(tǒng)自學習、自尋優(yōu)、自迭代，切實幫助客戶解決環(huán)保超標、能耗過高、設備異常等核心痛點。

這個“認知先行”的過程，現在看來至關重要。彼時，傳統(tǒng)工業(yè)環(huán)保系統(tǒng)長期困于“頭痛醫(yī)頭、腳痛醫(yī)腳”的困局：脫硝只管脫硝、脫硫只管脫硫、除塵只管除塵，節(jié)能與安全相互掣肘，降碳與成本難以兼得。買設備、投運營，這些在企業(yè)看來，都是合規(guī)成本，只為了不被罰款；但隨著“雙碳”目標深化，碳排放正在從“約束指標”變成“經營資產”。我們要思考的是，如何為客戶真正帶來價值？

2023年底，我們研究出了“AI智能環(huán)保島”的雛形，其商業(yè)邏輯，就是把環(huán)保設施從“被動處理”升級為“主動優(yōu)化”：比如傳統(tǒng)模式下，操作員看到排放數據升高了，再去加大噴氨，這是“事后響應”；我們的系統(tǒng)通過融合歷史數據、煤質變化、負荷預測等信息，提前預判排放趨勢，自動優(yōu)化控制參數，這是“事前決策”。如果你問我，AI到底改變了生產流程中的什么環(huán)節(jié)？我的答案是：改變了決策方式。

總結來說，元琛在AI轉型的第一步，不是“大干快上”，而是先搞明白：AI在我這個行業(yè)，到底能干什么？

02 別急著讓客戶相信，先拿小機組驗證

從認知、理解到應用，有很長的路要走。

“AI智能環(huán)保島”給出的破局之道，不是簡單的設備升級，而是通過深度融合機理模型與數據驅動的雙引擎架構，實現從單機到集群、從單點到系統(tǒng)、從節(jié)能到創(chuàng)效的三大躍遷。

有了方向，下一個問題是：怎么讓客戶相信你？

說實話，一開始根本沒人信。你跑去跟電廠說，讓我在你們大機組上試試AI，人家第一反應肯定是“你憑什么”？我們這么大的機組，出問題誰負責？

我們的辦法是：先從最小的機組切入，找最信任的老客戶。

元琛做環(huán)保材料起家，十幾年來積累了一批老客戶。每次我們有新產品、新技術，都會先拿給他們驗證。這次也一樣——我們跟一家電廠商量，能不能在他們一個小機組上試試？不影響生產，只是“旁路”驗證。

客戶給了機會。我們就把AI系統(tǒng)接進去，用三個月時間，以數據的對比驗證一切。結果出來的時候，客戶自己都驚訝了。三個層面的價值直接呈現：

第一，提前預警、安全可靠。以前環(huán)保超標，需要人盯著大屏幕，看見數據高了再去調；現在系統(tǒng)能預判趨勢、提前優(yōu)化，完全不用擔心排放超標；以前設備壞了才修，現在提前告訴你“哪個軸承溫度不對、哪個聲音異常”，給你留出計劃維保的時間，工人的勞動強度大幅降低。

第二，全局優(yōu)化、降本增收。通過AI的預測性控制，讓環(huán)保設施的能耗更低、物耗更省、設備壽命更長。比如在電力機組中，我們通過精準控制脫硫脫硝過程，大幅降低噴氨量和電耗，這些節(jié)省直接轉化為利潤。

2024年，在沙洲電力4#1000MW機組項目中，系統(tǒng)實現了99%以上的AI自控率，僅一臺機組就實現了每年約100萬的能耗物耗成本的下降、近3000噸的碳排放減少，并延長產品壽命，減少設備損傷和維修，創(chuàng)造價值300萬左右的間接經濟效益。

第三，智能管理、獲得溢價。我們把老師傅的經驗固化成了算法，又通過算法反向賦能給年輕操作員——原來需要三五年才能積累的操作手感，現在系統(tǒng)上線三個月就能形成標準化的決策能力；還通過AI建立可信的碳管理體系，幫助出口企業(yè)拿到綠色通行證，獲得訂單溢價等等。

這三個維度一跑通，客戶自己就成了我們的“推銷員”，這不是一個實驗室產品，而是從實際應用中長出來的。通過第一個項目的打磨、優(yōu)化、驗證，我們確認了這條技術路徑的可行性，再把其他潛在客戶拉到現場去看，數據擺在面前，比說什么都管用。

現在回想，這不就是商學院講的MVP（最小可行性產品）嗎？從小機組驗證，到中試，到大機組打標桿，再到規(guī)?；瘡椭?mdash;—這條路，走得很笨，但走得穩(wěn)。

03 投入重、回報低？我們這樣給自己算賬

很多企業(yè)問我：AI投入這么大，什么時候能回本？

這個擔心我們非常理解。中小企業(yè)的現金流緊張，每一分投入都要看到回報。

我的回答可能有點“雞湯”：如果你只盯著短期，確實很難邁出這一步。但如果你相信這件事是未來，就要有長期投入的打算。

元琛科技從2022年底開始布局AI，真正跑通第一個標桿項目，用了一年多。這一年多里，投入是真金白銀的——人才、算力、數據治理、現場調試，哪樣不要錢？

但我們是怎么給自己“算賬”的？

第一筆賬，算顯性收益。比如我們幫客戶降本，自己也能分到收益。這是最直接的。

第二筆賬，算隱性收益。比如通過AI項目積累的數據能力、對工業(yè)場景的深度理解，這些是看不見但未來值錢的資產。

第三筆賬，算戰(zhàn)略收益。元琛做AI，不是想做通用大模型，而是要做工業(yè)垂域的“專家級”系統(tǒng)。這個賽道一旦跑通，壁壘足夠高。我們現在在電力行業(yè)的AI環(huán)保解決方案，還沒有出現真正的追隨者。這就是戰(zhàn)略紅利。

而我們在AI落地的過程中，也不是眉毛胡子一把抓，元琛科技有一套自己的優(yōu)先級清單：

第一，什么先做？那些“客戶核心底層需求”的環(huán)節(jié)。比如工業(yè)場景中的能耗優(yōu)化、安全巡檢、環(huán)保設施運行效率，這些都是剛需。我們優(yōu)先把AI注入這些核心痛點，用智能環(huán)保島解決電廠、鋼鐵廠的減排降碳問題，用安全巡檢機器人替代高危崗位的人工巡檢。這些環(huán)節(jié)一旦跑通，價值立竿見影。

第二，什么緩一緩？那些“為了AI而AI”的花架子。比如在沒有數據基礎的情況下盲目上馬大模型，或者在沒有理清業(yè)務流程之前硬套智能應用。我們堅持“數據先行”，先幫助企業(yè)建立數據治理能力，把工業(yè)機理模型跑通，再逐步引入大模型的泛化能力。

第三，什么堅決不做？脫離工業(yè)場景的純技術炫技。元琛不做通用大模型，我們聚焦的是工業(yè)垂域專家級大模型的開發(fā)，要的是可解釋、可追溯、可閉環(huán)的決策智能。

當然，投入的路上我們也踩過坑。比如我們也走過“技術迷戀”的彎路，早期過于相信算法的通用性，忽視了具體工業(yè)場景的真實需求；數據基礎沒打好，在做第一個項目時，花在數據清洗和治理上的時間，比建模的時間還長；最深層的坑，是組織能力跟不上。即使技術方案跑通了，如果一線員工不理解、不信任、不使用，最后還是白做。要讓老師傅愿意把自己的經驗“教”給算法，要讓年輕操作員愿意信任算法的建議，這需要大量的培訓和溝通。

這些坑，現在看都是學費。但如果沒有長期主義的耐心，可能踩到第一個坑就放棄了。

值得一提的是，今年2月，由元琛科技全資持股的元琛安碳量芯（深圳）科技有限公司正式成立。新公司的命名本身就是戰(zhàn)略宣言——“安碳”錨定安全與碳管理，“量芯”寓意量子與智能核心。我們要做的，是把AI能力與全球碳資產管理深度融合，打造面向大工業(yè)與電力領域的“雙碳智能出海服務商”。

因為相信，所以我們選擇繼續(xù)前行，也希望我的講述，能夠給到大家一點小小的參考，足矣。

結語

采訪快結束時，我問梁燕：“您現在一邊管理企業(yè)，一邊讀DBA，還要運營自己的新媒體賬號，累不累？”

她笑了：“累是累，但很充實。讀DBA是想把實踐沉淀成體系，新媒體是想用真誠連接更多人。有人問我，作為一個企業(yè)家，你擁抱的‘新’是什么？堅守的‘舊’又是什么？”

“我的理解是：擁抱的‘新’，不是追逐風口，而是擁抱趨勢。就像2023年我們感受到AI浪潮，不是因為它‘新’才追，是因為它‘真’才做。堅守的‘舊’，也不是固步自封，而是守住本分——對客戶解決真問題，對員工負起真責任，對社會創(chuàng)造真價值。”

“新與舊之間，不是取舍，是遞進。用新工具，守舊本分，做長久的事。”