1600℃的炉边，正在孕育下一场工业革命
一个叫做“钢包热修”的技术，被业内公认是最艰苦、也最依赖经验的岗位。
走进钢厂，这种危险瞬间变得具象化。每一炉钢水倒空后，几十吨乃至数百吨的钢包并不会冷却。内衬的耐火砖刚经历过 1600℃ 的洗礼，依然烧得通透，呈现出刺眼的亮橘色，向外辐射着上千度的余热。在空气都被烤得扭曲的热浪里，工作台高低错落，稍不留神就会踢到突起的钢板。底砖吹扫、烧氧通渣、引流砂加沙、氩气管插拔、耐火泥涂膜，滑板的更换与安装……每一项操作都容不得闪失。
就在一年前，这些活儿还完全由工人拿着长长的氧枪和各种工具，在这种极端环境下完成。干这行的师傅时常面临灼伤或碰撞的风险。这个行当里还有条铁律：越是这种要命的高温岗位，越需要经验老到、见过各种异常状况的老师傅来扛。毕竟，一旦几百吨的钢水在运转中发生穿包事故，后果不堪设想。在云栈社区的相关讨论中，这类高风险工业场景的智能化一直是个热门话题。
在这样的场景里，时下火热的双足人形机器人根本站不住脚，轮式机器人则随时可能被地上的土疙瘩或钢板卡住。中国每年生产超过 10 亿吨钢铁，占全球的一半以上，这个行业已经被传统自动化持续升级了七十年，但热修这道工序，从未真正实现过机器替代。
钢包热修吊运现场 图片由瓦特曼提供
可如今，在热修作业区旁，已经能看到极为科幻的一幕：6 台大型智能机器人带着长长的执行机构，探入巨大的“发光鼎”，依靠一套集感知、执行与决策于一体的系统，在火花四溅中精准地搅动、修补、烧氧、通渣、更换滑板、加引流砂……
过去依赖人类经验积累和环境判断的那种柔性能力，正在被智能机器接管。这，才是工业智能化真正的奇点时刻。一家名为瓦特曼的公司，正成为其中的关键变量。
谭胜虎本人 照片由瓦特曼提供
创始人谭胜虎把自己对未来的构想放进了公司名字里：做工业智能革命的推动者——“像瓦特一样的男人”。这家公司近期即将完成一笔 C 轮融资。
车间里，天车移动的刺耳警报声、巨型排风扇的轰鸣、高压气管喷射烤包时的“嘶嘶”尖啸交织在一起，震耳欲聋。进现场必须“全副武装”：安全培训、戴头盔、穿工服、穿劳保鞋，还得严格遵循行走规范。在瓦特曼的世界里，没有 CTO 或 CMO 这类花哨头衔，大家互称“刘工”、“李工”、“王工”。
有件事得先理清楚：过去很长一段时间，工业自动化替代了许多固定操作岗，可就是替代不了对人和经验的依赖。在重工业的不少关键环节，依然靠老师傅的经验和随机应变扛着。他们的能力往往有三个特点：经验积累、环境识别与判断、柔性执行。就拿钢包热修来说，什么时候该修？烧氧通渣的力度和深度怎么把握？钢包内衬侵蚀到什么程度了？哪里最危险？这些问题，没有简单的固定程序能给出答案。
类似的场景在电解铝、矿山、冶炼等行业比比皆是：粉尘环境下的异常判断、高温中的材料状态识别、复杂工况下的操作决策。一位经验丰富的工人可能只看一眼，就能断定风险在哪，但这恰恰是经典工业自动化一直难以攻克的死角。
谭胜虎说，瓦特曼干的事其实很简单：就是把那些只能靠人的感知、判断和经验才能完成的任务，变成机器也能干。这就是工业自动化和智能化的分水岭。这些问题往往集中在几个特征鲜明的岗位上：高温、高粉尘、高风险、情况复杂，也就是典型的“3D 场景”（Dangerous, Dirty, Difficult）。这些，大多是过去工业自动化没能解决的遗留问题。
“工业智能化的奇点时刻真的来了。”谭胜虎如此解释他的判断。首先是技术条件成熟了，多模态感知、算力提升、视觉识别、算法模型的能力都大幅增强——而这些技术，从前并不具备完整的工程化落地能力。其次是产业条件在变：人力成本攀升、招工越来越难、安全和环保要求提高，企业对 AI 新技术的认知和接受度也在上升，那些过去还能将就的“痛点”，终于变得足够痛。
过去十年，以钢铁为代表的中国基础工业普遍进入了一个“技改”周期。国家环保标准升级，产能整合加剧，产业工人换代。从单纯追求规模转向效率与效益，以前那些只搞简单设备买卖的采购负责人逐渐退居幕后，懂工艺、要效率的总工程师和技术专家们话语权越来越重。这批人不在乎供应商有没有大厂或名校光环，只在乎这玩意儿在我的产线上到底能不能真正用起来，能不能解决问题。权力结构的微妙转移，意味着愿意沉下心解决问题的科技公司，终于有了更多叩开大门的机会，这也为瓦特曼提供了市场前提。
当然，数字化转型喊了好些年，这些头部工业巨头每年数亿的转型投入，最后怎么就落到了一家毫无行业背景的科创公司头上？因为“扎下去”这件事本身，就是最核心的壁垒。今天，中国前 20 的钢铁集团、前 30 的有色金属集团中，瓦特曼的产品已进入超过一半。更重要的是，他们积累了全世界最大的钢包内衬腐蚀数据库，建立了国内最大的电解铝正极材料质量数据库。
跟重工业打交道，没什么现成的参考，就得扎根在一线，就得摔跤，就得被客户“虐”，就得从上百次的失败里爬出来。“我们的每一个‘第一台’，都一定是跟客户一起经历了无数次失败才磨出来的。”谭胜虎说。
技术和产品的研发积累，催生了瓦特曼的另一重壁垒。谭胜虎内部称之为“全栈自研 AI 技术模块库”。从单一产品出发，把共性能力沉淀为可复用的模型或技术组件，每开拓一个新场景，这套技术体系和模块库就厚实一层。比如 3D 感知模块、高温防护模块、粉尘处理模块、视觉识别模块、智能控制模块、力控算法模块、虚拟仿真模块等等。这些核心技术模块可以在不同场景下复用和迭代，这意味着：每进入一个新场景，都不是从零起步。
钢包热修无人化机器人集群 图片由瓦特曼提供
第三个条件是组织积累。谭胜虎花了五年，才终于把团队搭建到自己满意。团队里既有大量具备 L4 无人驾驶背景和互联网大厂经验的算法工程师、软件工程师、数据科学家，也有深耕工业几十年的工艺专家、电气自动化专家和硬件专家。
瓦特曼的融资历程非常简单：早期是产业天使投资人，2021 年由亦联资本领投 A 轮，2022 年云晖资本领投了 B 轮，再后来，国投证券、中移基金相继入局。每一轮的投资方都很单纯、专业且纯粹。谭胜虎说这和他的风格有关，未来也不想引入多而散的财务投资人。理解产业、理解公司、能够长期陪伴，是选择伙伴最重要的标准。他的下一步计划，是把投资合作伙伴锁定在那些有业务协同、产值千亿级的行业龙头集团上，持续深度绑定，一起挖掘数据和工艺，共同研发产品并推动行业技术进步。
谭胜虎觉得，瓦特曼到今天才算真正跨过了他心里的从 0 到 1。他不想把公司做成一个没有想象力的存在。如果能在未来 15 年甚至更久，保持持续、健康的增长，拥有内生活力，那才叫成功；只是“活着”，不过是失败的另一种写法罢了。
一头扎进工厂，本身就是壁垒
虎嗅：那段时间有很多工厂搞技改、数字化转型，不少会和高校、科研院所合作，找教授做横向课题，你们接触得也多，为什么他们没做这件事？
谭胜虎：在钢厂的技改体系里，高校和科研机构通常承担的是前沿研究和局部工艺优化的角色，比如材料成分分析、工艺参数优化等。这些在技术探索阶段价值很大，但一旦进入复杂的生产现场，真正的智能化就得经历一个更长周期的多学科复杂产品工程化过程。很多系统在实验室或测试环境中能跑通，但要真正在产线上长期稳定运行，离不开持续的现场验证和反复迭代。
虎嗅：在 2021 年左右，互联网大厂、科技大厂都有专门的产业化和工业化部门或军团，他们不做吗？
谭胜虎： 2021 到 2023 年，工业数字化经历了一轮明显的投入高峰。大型科技公司在那段时间推动了“上云”、“数据化”的基础设施建设，这为行业打下了重要底座。但在更复杂的核心生产环节，单纯把数据搬上云，并不能直接转化为生产效能的提升。工业现场的很多问题，依然卡在“工艺执行”这一层——比如在高温、粉尘等极端环境下，如何完成判断与操作。这不是靠数据采集或系统连接就能直接搞定的，得深入到具体工序里，重构感知、决策和执行的能力。可以理解为，过去几年更多是在建基础设施，而现在，才开始真正进入能力重构的阶段。这个阶段的难点，不在于系统连接，而在于能不能深入现场，把具体工艺做透。
虎嗅：这是一个很吃资源的行业，你们是怎么切入的？而且你过去的经历是互联网，没有任何重工业的积累。
谭胜虎：我没什么现成资源。这个行业门槛很高，但最本质的门槛不是关系门槛，而是信任门槛。信任门槛的逻辑是：先认识，再了解，再认可，最后才是信任。任何行业都绕不开这个过程。但工业行当还有个特殊的信任门槛，就是产品和技术——我们的产品可不是在家里就能凭空造出来的。我们的第一台产品，必须和客户一起研发、一起打造。产品从 0 到 1 的过程最难，没有先例，还得让客户跟你一起干，甚至还要向客户收钱，这相当不容易。
虎嗅：凭什么这些封闭的大厂愿意给一家初创公司机会，去做“第一个吃螃蟹”的人？
谭胜虎：原因只有一个：你解决的是他真正想解决、而且暂时没人能解决的问题。我们每款产品都是这么来的。别人给你机会，你就得把事情做好；再给机会，再做好，甚至好到让他在同行面前有面子。钢铁行业内部，前 30、前 50 的大企业之间，很多人都是朋友，他们会互相打听“那家公司做得怎么样”，如果得到的评价是“还不错”，慢慢的，这种信任就从个人层面上升到了公司层面。所以我总结，信任分三层：信任个人、信任产品、信任公司，一步都不能少，而且它们相互关联、层层叠加。这就是我们早期做的事儿特别难的原因，不管谁进来，都得经历这个全过程。如今我们认识的人越来越多，得到的认可也越来越多，还有人主动把我们推荐到更多场景，我们的成功案例和产品也在持续积累。
虎嗅：怎么磕出第一个客户的？
谭胜虎：我们先做了山东一家铝用阳极企业。之所以选择电解铝行业切入，一是因为市场足够大，一年产值差不多 2 万亿，我们找到了一个行业通用的核心痛点作为切入口。当时有位行业资深的老大哥带着我们见了工厂的相关负责人，介绍说：“这是我兄弟，北大毕业的，想来帮你解决问题。”对方本身就有痛点，所以很欢迎我们。但他也把丑话说在了前头：“你们要是做砸了，我可不管。”他还提到，2012 年、2015 年、2017 年都有人来尝试过，全都没做成。至少，对方给了我们场地和机会。我们还签了份试用期合同，约定做成了再付钱。这就是我们的第一次机会，要是没抓住，公司也就没了。
虎嗅：最难的那个时点是什么时候？
谭胜虎：我感觉过去这些年一直都挺难。直到 2025 年，我们才算真正迈过了从 0 到 1 的阶段，最难的时候才过去。
虎嗅：怎么定义迈过了从 0 到 1？
谭胜虎：我对从 0 到 1 的定义是，在此之前，你随时可能死掉，没有真正把商业循环跑通，也没建立起可持续的内生力和组织体系。
虎嗅：为什么会觉得 2025 年你们迈过了从 0 到 1？
谭胜虎： 过去五年，我们真正打磨出来的不单是某个产品，而是一件更基础的事——搭建起一支能够跨越 AI 与工业边界的核心骨干团队。这个过程比技术研发更慢，也更难。
工业智能迎来了奇点时刻
虎嗅：你为什么觉得是现在工业智能才迎来了奇点时刻？站在瓦特曼的角度，怎么理解工业的智能化？
谭胜虎： 过去很长一段时间，工业的自动化投入是积极且成功的，但智能化并没有真正发生。我们干的事其实很简单，就是把那些过去自动化解决不了、只能依靠人的经验和判断去干的事，变成让机器也能干。很多人过去理解的工业机器人，大多还停留在标准固定重复动作的“机器替代”上。但在实际生产中，尤其在基础重工业领域，受限于环境、工况、原料和工艺，大量核心生产工序的控制和执行依然得靠人，甚至特别需要经验丰富的老师傅来把控，瓦特曼要做的，正是这件事。
在过去工业自动化时代，伺服、电机、驱动、PLC、电气控制是核心。而在智能领域，数据、感知、算法、模型、环境理解、任务决策、柔性执行才是内核。当然，也离不开自动化的控制基础。这些内核在过去一直存在明显的问题：数据不全甚至没有，算法不优，模型不强，算力不足，柔性不够，人才不足。而今天，这些问题正被一个个攻克或快速优化。同时，用户认知、行业接受度、政策鼓励，以及行业发展到这个阶段所倒逼出的迫切需求，也都在这两年迎来了重要的拐点。
虎嗅：我发现我们的这些场景里，其实没有现成数据可以参考，但算法和 AI 又离不开数据，这又是另外一个困难？
谭胜虎：过去几年，我们在多个产品中，围绕钢包内衬侵蚀状态识别、电解铝阳极质量评估等场景，持续积累了大量的现场经验和数据样本。这些数据并非孤立存在，而是与具体工艺、设备运行和现场环境深度绑定的，并在长期运行中不断被验证和优化。我们更看重的，不仅是数据本身，更是基于这些数据所形成的智能判断能力。当不同设备之间能够打通实时数据与状态信息，前后工序间的关联关系才有可能被识别和优化，从而解决过去依赖人工经验、难以系统化的问题。没有这种打通，数据就只是记录；只有进入决策环节，数据才真正变成了生产力。
今天，中国前二十的钢铁集团、前三十的有色金属集团中，瓦特曼的产品已经进入超过一半。在这个过程中，我们积累了全世界最大的钢包内衬腐蚀数据库，建立了国内最大的电解铝正极材料质量数据库。现在，我们有上百台设备每天都在运转，还在不停积累。这就是实现下一步智能化的基础。未来，要实现产线级智能机器和数据的全打通，让所有机器都由环境数据和生产数据驱动，而不是靠程序和人为经验控制。当机器间的数据实时打通，数据和工艺才能进一步耦合关联，前道和后道工艺的关联因素才能被更好地理清，这时候，AI 那种更宏大、更系统化的智能价值创造，才能得以实现。
虎嗅：我们之前做电解铝，后面做钢厂，现在还开始进入煤炭电力，场景的选择和进入顺序，有什么规划吗？比如选哪些场景、哪些场景绝对不会去？
谭胜虎：我们给自己的定位是基础工业，更准确说是基础原材料工业，比如有色金属、钢铁、煤炭、化工、电力这些领域。我们一直在沿着产业链延展，从电解铝到钢铁，再到铜、铅、锌，然后是煤炭、电力，现在还逐步延展到金属加工、焦化等领域，并且优先选择那些通用性或迁移性很强的场景切入。这里面的每个行业产值都非常大，比如焦化行业，产值接近 1 万亿。
我每周至少能收到一个新场景、新需求，一年下来少说有 50 个，但我们一年只挑一到两个。我选产品有三个标准：第一是用户价值，第二是通用性，第三是技术储备和竞争壁垒。用户价值是重中之重。比如我们今年暂时新启动的一个项目，就是高炉的智能化控制，我计划为此投入 3 年。很多跨界进入工业的企业，容易在这一步走弯路，因为他们判断不准需求的“痛度”。客户来找你，肯定是有痛点的，但这个痛点是真要命的刚需，还是只是“手有点痒”的小困扰，这完全是两码事。第二个指标是通用性，核心是判断这个需求只是客户的个性问题，还是行业的共性问题。第三个是技术储备和竞争力。我们只做“人无我有”或“人有我优”的事。比如机械臂的“胳膊”，现在行业内卷得厉害，已经非常成熟了，我们肯定不做，直接合作就好。但有些关键环节如果有人开始做了，可还很不成熟，我们也愿意去啃硬骨头。
我们在 2023 年做过一个重要调整——核心技术模块化重组。好比先把火锅做好，能吃且味道不错，再像做预制菜一样，把底料、食材拆成模块。这些模块不仅能用于这一款产品，还能迁移到其他场景。
虎嗅：随着行业技术的不断发展，有哪些场景和我们解决的问题，是技术和行业发展到现在才得以实现的？
谭胜虎： 我们今年才开始启动做智慧高炉项目，真正的原因是，现在从大模型算法能力的快速演进，到算力条件的充沛，再到工艺知识的积累沉淀，所有这些基础设施、技术条件和场景认知都已齐备。
其实我最早接触和思考高炉这个场景是在 2022 年。当时钢铁行业形势比较好，河北一家民营钢厂的老板说，只要我们能解决他们的问题，就愿意付一个亿。这件事的核心是让高炉实现智能化的稳定顺行，不能停。就像农村以前烧柴的土灶，你得不停往里头添柴，但怎么样让燃料消耗更少、不浪费，高炉得常年稳定运行不熄火，还要保证最高的燃料比。
2022 年那会儿，我们听了需求，调研一圈回来，根本不敢想。我还咨询了行业里设计高炉的专家，结果连他们都笑话我们，说这事压根不可能，他们干了几十年都没做到。当时的技术条件也不具备：传感器的类型和精度都不够，高炉运行时产生的海量数据和相关机理模型，我们也都掌握不了。直到去年下半年，我们才重新思考这件事，年底启动了项目。现在，从算力到模型，我们有了很多可以借鉴的资源，而且是边做边对接相关人才。我们这六年一直扎在这个行业里，对钢铁工业、对现场情况有深入了解；这两年，我们找到了最专业的学术专家团队；再一个，我们现在合作的钢厂不止一家。不能只盯着一家的数据，中国前二十的钢铁集团，我们合作了超过一半。通过这些客户的真实情况，我们能找到行业共性问题，拿到全行业的产业数据，这一点相当关键。
我们这几年融资比较克制，不能说抠，但确实很审慎。在瓦特曼的创业过程中，除了研发的持续投入和试错，我们几乎没怎么浪费过钱，每一分都花得很认真。这对我来说是第三次创业，我很清楚，虽然每家企业的死法不同，但最终结果大多都是因为没钱。
“我不想把瓦特曼做成一家‘不死不活’的公司”
虎嗅：如果有一天，你的这次创业失败了，可能会是什么原因？
谭胜虎： 我觉得瓦特曼现在其实已经很难死掉了。只要我们自己想让它活着，它就能活着。但这种“不死”并不是我想要的，也算不上什么性感的事。我所说的“失败”，是指瓦特曼不能实现我预期的健康可持续增长。比如保持 15 年以上 30% 的增长率，就像汇川那样，做到三百亿营收之后依然能持续稳健地高增长。这也是我们看到的，全世界优秀工业头部企业的共性特征。当然，这个可持续增长是结果，支撑它的内生动力和组织体系才是核心。如果我哪天看不到它健康可持续增长的希望，看不到它的内生活力，不管是因为团队、技术、市场，还是出现了全新的技术颠覆我们，或其它任何原因，在我心里这就是失败，我可能就会选择放弃或改变。
国内有很多上市公司，其实就处在一种“不死不活”的状态。它们有几十亿市值，业务有些规模但没有想象力和持续增长性，每年不好不坏地过着。我不想把瓦特曼做成那样的公司。
虎嗅：瓦特曼从成立到现在已经 6 年了，回想起来，有没有一两个比较后悔的决定？
谭胜虎： 有的，不过都过去了。一类是跟人相关的，涉及团队层面，我承认在有些决策上不够有魄力。另一类是关于事的，不能说后悔，更多是走过弯路，得到过教训。现在我们对产品选择和场景切入有了清晰的答案，恰恰是因为过去走了不少弯路，浪费了一些时间，而时间才是最大的代价。这些弯路主要源于对行业认知还不够深。
虎嗅：有吃到这波具身泡沫的红利吗？
谭胜虎：这两年我们没有刻意去追逐融资节奏，更多精力还是放在项目落地和产品打磨上。但如果从产业视角看，这两年的变化已经很大了。外界讨论的很多具身智能，还停留在通用能力的探索，而我们面对的是已经在生产线上持续运行的系统。在钢铁、有色金属这类场景中，这些系统需要在高温、粉尘等复杂环境下稳定运行，并直接参与生产决策。这种问题的复杂度和验证门槛，与实验室或标准化场景有着天壤之别。某种程度上，我们是在工业场景里，把具身智能真正落到了生产环节。
虎嗅：那你觉得未来 5 到 10 年，瓦特曼可能会出现的竞争对手是哪一类企业？会不会担心新进玩家越来越多？
谭胜虎：我觉得会有两类玩家进来。一类是在传统工业领域干了几十年的企业，他们正在转型，虽然眼下技术水平和认知还不够，但这只是时间问题；另一类是新兴的人工智能创新企业。工业是个大门类，市场足够大，这两类企业都会进入，而且实际上已经在加速进场了，这是板上钉钉的事。
我们完全不担心有新玩家入场，我甚至更希望，也经常在国内外 AI 圈子里呼吁，有更多真正有水平的人工智能企业进来，多往工业看看。“十五五”期间，预计“人工智能+产业”会有 10 万亿的规模，我相信这里面最大、也最有价值的领域之一，就是人工智能+工业。
发表于 4 小时前
|
查看: 4|
回复: 0
