过去两年，工业 AI 的钱涌得很快。
IDC 的数据是，2025 年应用大模型及智能体的中国工业企业比例，从上一年的 9.6% 涨到了 47.5%；36氪研究院测算，2026 年中国工业 AI 的可落地市场规模约 1,163 亿元，到 2030 年将突破 3,000 亿元。
另一组数字则是反的。2026 年工业 AI 就绪度调查显示，68% 的制造企业仍卡在试点、概念验证或纯研究阶段，只有 7% 把 AI 真正嵌进了核心流程。MIT 在 2025 年的一项研究更直接：95% 的企业生成式 AI 项目，没能产生可衡量的财务回报。
钱进来了，账算不出来。
36氪研究院在《2026 年中国工业 AI 行业发展研究报告》里给了一个判断，破局的关键在于「场景化适配与闭环验证」。换句话说，卡点不在模型够不够强，而在改完之后，那一次改动到底算不算数，没有人管。
智海安途（北京）智能装备有限公司想做的，就是这一层。
一、卡在最后一公里：AI 进了车间，没进流程
工业客户提需求的方式，往往和软件公司理解的不是一回事。
「误报太多」这句话，翻译成工程语言是：过去一个月有多少条告警被人工忽略、忽略的是哪一类、忽略之后有没有漏掉真事。这三个问题答不上来，改模型就是凭感觉。而工业现场恰恰最不能凭感觉——一位受访工程师的说法是，AI 如果产生指令性错误，会对生产环节造成不可挽回的系统性风险。
于是出现一个很常见的局面：试点跑通了，老板也认可，但六个月后这套东西还只在那一条产线上。行业里把平均每次失败的规模化尝试，估成 230 万美元的沉没成本。
智海安途的判断是，这里缺的不是算法，是三类基础设施：改动的依据、改动的验证、改动的留痕。
他们最早落地的战场不是产线，是工地——安全生产是工业 AI 里预算最硬、也最容易被政策推动的一块。
已经交付的场景之一，是北京的一家市政工程施工单位。工地上的摄像头原本只用于事后调录像，追责时翻一翻；他们要做的是让它提前出声——安全帽、反光衣、安全带有没有戴，临边作业有没有防护，危险区域有没有人闯进去。这些事听起来是识别问题，真正的难点在尺度：什么程度算「未正确佩戴」，滞留多久算「闯入」，白班和夜班要不要两套标准。24 条规则，一条一条和甲方安全负责人对下来，才对出一套现场愿意用的东西。
同样的过程在餐饮连锁和冷库供应链又走了一遍，规则分别是 24 条和 20 条。三个行业差异极大，但有件事是共通的：「看得懂画面」是通用能力，真正决定能不能用起来的，是判定尺度。而这些尺度工程师定不了，得由甲方专家逐条对。这套「专家定尺度、系统做执行」的方法，是他们从三个行业里跑出来的同一套东西。
二、MEDC Engine：不提升模型能力，只管理「改进」这件事
智海安途的技术底座叫 MEDC Engine，全称是演进控制平面（Evolution Control Plane）。
这个命名本身就在划界：它不是 Agent 框架，也不做执行编排。业务怎么跑、工具怎么调，那是执行平面的事；MEDC 管的是另一件事——哪些经验值得留下、哪些改动可以上线、哪次改进真的有效。
拆开看是两套模型在跑。一套在线，负责单次判断，单次判定在 0.3 秒内完成，输出的是一个校准过的概率，而不是一段生成的文字。这样做的好处是结构性的：「编造出一个不存在的检出」在架构上不可能发生，因为系统根本不生成内容。看不清的时候，它原生弃权，宁可漏报也不误报。
另一套离线，从执行轨迹里提炼判据——这次为什么判对、那次为什么判错、边界在哪。它不参与实时判断，只负责把现场发生的事，变成下一次可以复用的约束。
两套模型之间是双向的：经验提升决策，执行证据回流。中间隔着一道门禁，六步——改进提案、隔离评测、安全与泛化与回归三项检查、风险审批、灰度发布、真实结果验证。一条原则贯穿始终：未经验证的经验和改进，不能自动进入生产环境。
这套机制的效果，可以从他们的实测数据里看出一部分。单路摄像头每天产生 86,400 帧画面，分桶之后，23.9% 被判为空帧直接丢弃，43.9% 因为拍不全或质量不达标被拦下，15.2% 高置信度直出结论，只有 6.3% 需要升级到云端大模型裁决。约 87% 的画面在本地就消化掉了。这组数字来自刻意挑选的难例测试集（夜间、遮挡、远小目标），真实固定机位的空帧率只会更高。
这不只是省钱。工业客户最在意的是数据不出厂——能源、军工、半导体这类行业，画面根本不允许出园区。所以他们的产品做成了三种形态：云端 API/MCP，给有研发能力的团队按量调用；私有化 SDK，给金融、政务、央国企做内网集成；端侧硬件 MEDC Box，单机 32 路、断网可用。
三种形态共用一套内核，区别只在部署位置。价格也按形态分：API 按调用量计费，SDK 按年起售，硬件按台报价，另配实施与年度订阅。
客户画像因此比较清楚：一类是有自有 AI 团队、但缺验证与门禁能力的中大型企业；一类是受监管限制、数据不允许出厂区的机构；还有一类是想把视觉能力嵌进自己产品的集成商与设备厂商。
三、九个人的公司，为什么敢做平台
坦白说，这不是一个轻模式。
智海安途目前 9 个人，计划在 18 个月内扩到 21 人，其中引擎研发和行业交付占大头。
创始人李鑫此前做了 8 年深度学习推理应用架构，带团队自研过多型工业级质量检测系统、机器人智能装配系统，也做过多智能体大模型。这条履历解释了他们的优先级：同样一批人，可以选择去做一个更强的模型，也可以选择去解决模型落地时的工程问题——推理延迟、端侧算力、误报率、判定尺度。他们选了后者。
「安全相关的控制，永远该由经过认证的 DCS、SIS、PLC 去承担，我们不去碰。」李鑫说，「我们只回答另一个问题：什么需要人看，什么可以上线，哪一次改进算数。」
公司给自己定了一条用人原则，「不做留不下资产的项目」——每个单子交付完，必须留下三样东西：规则库、评测集、失效清单。留不下的，宁可不接。目前有 2 项专利和 6 项软件著作权在申请中。
这也解释了他们的收入结构为什么看起来有点「不纯粹」。目前真正贡献现金流的，是两个应用层产品：安途智卫做物理安全监控，知识编译智能体做企业知识治理。按 2026 年的预测，这两块加上培训运维贡献了约 76% 的收入。
但在他们的账本里，这两个是「衍生产品」，定位是引擎的第一批应用——验证边界、积累行业资产、支撑当期现金流。真正被当作核心产品的，是上面那三种交付形态。按规划，核心产品收入占比会从 2026 年的 24%，走到 2028 年的 50%。
支撑这个斜率的是四样东西，他们认为只有时间能攒出来：覆盖工业失效模式的可执行评测用例、按工业类别归档的失效案例库、现场轨迹，以及肯把名字写进合同的联合署名客户。目标分别是 18 个月内做到 60 类、600 例、20,000 条和 8 家。投后 90 天给第一版基线，此后按季度披露。
财务上，他们的规划是 2026 年营收 1,084 万元，2027 年 4,001 万元，2028 年 1.11 亿元，2028 年营业利润转正。
智海安途正在启动 Pre-A 轮融资，计划融资 1,000 万元人民币，出让 10% 股权，投后估值 1 亿元。资金用途中，43% 投向团队扩充，22% 投向评测资产与产品研发，18% 用于市场与代理体系，其余投向算力储备和 FDE 交付团队。
在这个赛道里，比「模型更强」更难回答的问题是：客户凭什么相信你这一次改对了。这家九个人的公司，押的是后一个问题。
关于智海安途
智海安途（北京）智能装备有限公司成立于 2025 年 12 月，位于北京中关村（京西）AI 科技园。核心产品 MEDC Engine（演进控制平面）以 API/MCP、SDK、端侧硬件三种形态交付；衍生产品为安途智卫与知识编译智能体，目前已在建筑工地、餐饮连锁、冷库供应链三个行业完成交付。
公司现有 9 人，在申请 2 项专利、6 项软件著作权。本轮拟融资 1,000 万元人民币，出让 10% 股权。