大数跨境
首页
>
千峰访谈肥猫网张鸿：再生资源估价从“人治”到“数治”
>

千峰访谈肥猫网张鸿：再生资源估价从“人治”到“数治”

千峰访谈肥猫网张鸿：再生资源估价从“人治”到“数治” 未来商业新知
2026-11-10
0
导读：近日，在2026千峰奖访谈期间，亿邦动力、亿邦智库与北京欧德鑫数字科技有限公司副总经理张鸿，围绕再生资源产业的“AI与出海带来的模态进化”进行了深度交流。
近日，在2026千峰奖访谈期间，亿邦动力、亿邦智库与北京欧德鑫数字科技有限公司副总经理张鸿，围绕再生资源产业的“AI与出海带来的模态进化”进行了深度交流。
亿邦：本届千峰奖以“AI与出海带来的模态进化”为核心主题。结合再生资源行业，您如何理解这一轮由AI和全球化共同驱动的产业模态进化？肥猫网的定位和业务模式是什么？
张鸿：再生资源产业是一个典型的“非标垂类行业”，过去几十年，它高度依赖“人治”，靠老师傅的经验去质检、估价，靠线下人脉去跑业务。所以当我们谈“模态进化”时，对肥猫网而言，它绝不是简单地给传统业务套上一个AI工具，而是底层逻辑的两层深刻变革。
第一层变革是对内的，是从“人治”向“数治”的跃迁。质检主观偏差大、资产估值不准、风控缺乏数据依据是长期痛点。AI的价值在于，它能将这些原本只存在于老师傅脑子里的经验，转化为可复制、可规模化的数字化能力。我们在AI战略上非常克制，不盲目追求通用大模型，而是深耕垂类场景，重点围绕产品质量智能定级、大宗商品价格预测和商品智能估值三个核心痛点做深度部署。第二层变革是对外的，是从国内存量内卷走向全球价值重估。国内大量淘汰的二手工业设备，其实仍具备极高的使用价值；而海外新兴工业市场对此需求极其旺盛。但痛点在于，跨国交易极度缺乏评估、拆除、价格保护以及交易履约的整套服务链路。我们的出海战略优先布局了二手工业设备的跨境处置业务，用AI能力去打磨货源价值评估、设备定级和跨境协同。
肥猫网的定位是：不只是信息撮合中介，更是深度介入交易履约的产业数字专家。业务模式依托四大核心板块：整场KA全包处置、线上竞拍、钢厂废钢代采以及会员增值服务，打通商流、物流、资金流和信息流，落地“五流合一”的交易闭环。
亿邦：目前AI落地在哪些核心业务环节？
张鸿：四个核心环节。第一，AI视觉废钢质检评级：将AI视觉技术应用到货物入厂、装车、运输的全流程，实现料型精准识别和危废异物实时预警，把非标品变成标准件。第二，资产智能估价：针对整厂资产和废旧物资，依托平台沉淀的海量真实交易数据训练机器学习模型，让系统自动输出公允的AI估价。第三，现场管控智能分析：对厂区监控视频进行AI行为识别和货物状态动态追踪，用数字化的眼睛代替人工巡检。第四，行情预测：基于多维度因子构建预测模型，输出价格研判，直接辅助客户的竞拍和采购决策。这四个点连起来，就实现了产业纵向打通。
亿邦：能否分享一个最具代表性的“AI+价值链”案例？
张鸿：河北某大型钢厂工业拆迁项目。这个项目把废钢AI评级系统、价格预测和AI估值系统三大核心技术完整跑通了一遍。它解决的是行业长期存在的三大共性痛点：第一是定价难，几万吨废钢和设备堆在那，靠几家评估公司人工看，主观偏差极大；第二是质检难，装车拉走时，里面有没有危废品、密封件，肉眼根本看不全；第三是结算难，上游说是一级料，下游钢厂验出来是二级料，中间差价谁来承担。在这个项目中，货品挂牌前先跑时序数据预测模型，输出“起拍价测算与销售时机建议”；CV视觉算法自动提取设备型号、成色、磨损程度等关键特征，结合时序价格模型完成设备价值评估；到了现场拆除和装车环节，CV计算机视觉算法通过“肥猫易控”物联网摄像头，实时对每一车货物进行料型识别、杂质扣减计算，同时做危废异物预警，毫秒级触发警报，直接叫停装车。价值很直观：对中游贸易商和物流端，现场作业效率提升，客诉纠纷率断崖式下降；对下游钢厂，入炉前的危废异物得到有效拦截，彻底杜绝安全隐患。
亿邦：您提到算力架构是“双轨制”：边缘计算主攻CV视觉，云端算力主攻时序预测与模型训练。为什么废钢质检不能把视频流全传到云端？
张鸿：废钢质检和危废预警要求极低的延迟，不可能把视频流全传到云端去跑。所以我们把训练好的轻量化CV推理模型，直接下发部署到现场的“肥猫易控”物联网本地服务器上。这部分算力是一次性硬件投入加本地运行，几乎没有所谓的“Token消耗”，单次图像推理的边际成本极低，完全能支撑高频并发。云端算力则集中在离线模型训练迭代和周期性批量推理上，而不是实时的高耗能生成。我们的原则是：重训练轻推理、重边缘轻云端、重垂类轻通用。
亿邦：数据竞争力方面，您说数据在再生资源行业是命脉。肥猫网的数据竞争力怎么概括？
张鸿：我们的数据要素竞争力总结起来就四个字：“原生闭环”。我们的护城河不是买来的，而是肥猫网多年深耕业务，一车一车拉出来、一笔一笔订单交易出来的。目前沉淀了近千亿的真实交易记录，积累了大量的废钢和设备现场图像视频，以及整厂处置项目的全维度数据档案。战略选择上，绝对优先深耕自有的产业闭环数据。跨主体数据协同上，策略是“适度开放、合规先行”，绝不触碰、也绝不交换原始的敏感业务数据，大家只在安全的边界内共享数据的价值，而不是数据的本体。两大挑战：一是“非标带来的样本饥渴”，二是“B端商业数据的隐私与合规风险”。应对方式是依托全国各地的项目现场和物联网硬件持续采集最真实的边缘样本，同时建立“铁壁式”的数据分级脱敏机制，原始业务数据绝对不出平台。
亿邦：您怎么看产业智能体改写B2B？垂类大模型是否有长远发展必要？AI护城河在何处？
张鸿：产业智能体的出现，正在把B2B平台从“提供工具”升级为“交付结果”。在再生资源这种极度非标、重度依赖线下履约的行业里，产业智能体不是聊天机器人，而是能调用看货定级、预测价格、自动匹配交易对手并调度物流的“数字业务专家”。对于垂类大模型，通用大模型存在两个致命短板：一是不懂行，分不清废钢的细化品类；二是成本高，产业高频调用场景下，通用大模型的Token消耗和算力成本极其高昂。所以垂类大模型或垂类AI能力的长期价值不在于无所不能，而在于一针捅破天。真正的AI护城河由三道防线交织而成：第一道是闭环原生数据；第二道是场景咬合力，算法和模型深度耦合物联网硬件；第三道是公信力，当上下游企业习惯了用你的垂类大模型做公允估价、做防作弊质检、用你的智能体自动撮合交易时，整个产业链的信任锚点就扎在了你这里。
亿邦：您特别提到很多产业数字化项目容易“技术好看、业务难落地”，肥猫网怎么避免技术和业务两张皮？
张鸿：三句话：让熟悉产业的人写代码，让每一行代码都能应用到产业里，最后做产业人的产品。我们的算法工程师必须“脚上有泥”，把办公室搬到拆解现场去，跟着货车去现场过磅，看看下雨天的废钢长什么样、油污反光怎么干扰识别；必须去跟贸易商喝茶聊天，搞清楚他们盯盘的直觉和存货逻辑。内部不看模型在测试集上准确率提高了零点几个百分点，只看一个东西：算法输出能不能直接推动业务动作。不能驱动商流、物流、资金流转动的AI，就是无效的。
作为TO B领域年度风向标，“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”，聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴，汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例，举办决策人闭门会、“千峰奖”颁奖盛典。

【声明】内容源于网络
0
0
未来商业新知
内容 1106
粉丝 1
未来商业新知
总阅读10.5k
粉丝1
内容1.1k