欢迎来到《信号》月刊。本期聚焦亚洲高韧性企业如何以更少资源创造更大价值,探讨人、工具与信息协同的新范式,以及支撑智能工作方式的互联基础设施。
Axium Industries:以数据工程筑基,构建可持续的工业AI代理
AI智能体正从简单的个人助理向业务审计与资金流失识别等核心场景演进。然而,据麻省理工学院媒体实验室报告,95%的AI试点项目未能产生可衡量回报;Gartner预测,到2027年底,超40%的代理式AI项目将因成本上升、价值不明及风控不足而被取消。
这一困境源于许多企业过度关注应用层开发,忽视了底层连接性建设。相比之下,新加坡工业AI初创公司Axium Industries认为,连接碎片化数据才是最具价值的环节。其联合创始人兼CEO Jeremy Ang指出:“我们80%的时间花在数据上,仅20%用于AI模型本身。”
图片来源:Ulla
过去一年,Axium项目数从2个增至19个,年度合同规模跃升至七位数美元,并在运营前六个月实现盈亏平衡。客户群已从油气领域拓展至制造、海事、零售及航空航天等行业。通过识别采购、库存及生产资源分配中的资本泄漏,Axium帮助客户提升现有工厂产能,部分案例中为客户带来数百万美元的额外利润。
借鉴FDE模式,攻克数据工程难题
Axium采用类似Palantir的前置部署工程师(FDE)模式,派遣工程师深入客户工厂现场,观察实际工作流程并验证数据与现实的一致性。在工业场景中,传感器每日产生数十亿数据点,若缺乏可靠连接与上下文理解,AI智能体只能基于不完整信息运行。
联合创始人兼CTO Tobias Leong表示,数据的结构化与上下文化往往是最难攻克的环节。例如,某客户需处理逾1.2万份多语言文档,其中包含难以辨认的手写扫描件;另一客户ERP系统无API接口,团队只能通过屏幕截图等变通方案提取数据。这些案例表明,企业必须在应用AI前完成流程数字化与设备间可靠传输的基础建设。
以专业深度赢得工业客户信任
面对市场上“代理清洗”现象及ROI不足的质疑,工业客户对AI供应商极为审慎。Axium强调绝对准确性,要求团队必须掌握车间物理现实及相关工艺参数。为此,公司汇聚了拥有20至30年经验的大型工业企业专家,指导产品方向与指标优化。
曾有客户故意隐瞒关键信息以测试AI能力,结果Axium输出的数值完全准确,成功证明了技术有效性。这种对工业现场的深刻理解,是其区别于通用AI包装方案的核心竞争力。
聚焦高价值场景,夯实互联基础设施
Axium谨慎选择投入领域,专注于人类无法完成、不愿做或不应做的高价值工作负载。鉴于制造业占东盟多国GDP比重超20%,该领域成为其战略重心。只有当车间传感器、机器及遗留系统实现充分互联,AI智能体才能释放规模化价值。
目前,Axium正扩大团队规模至40-45人,以支持多国客户的本地化服务需求。行业数据显示,AI项目失败率高企的根源在于忽视基础连接工作。唯有先打通数据与系统壁垒,AI才能可靠运行并创造实效。
AI落地实践建议
基于本月行业对话,以下为团队可尝试的AI应用策略:
为AI智能体设定支出限额
随着智能体开始自主采购软件,企业应将其视为金融参与者管理。建议在配置工具前,赋予智能体明确身份、预算额度及票据审核机制,避免隐性成本失控。
将专家知识转化为标准化产品
AI的真正价值在于将专家头脑中的隐性知识转化为可搜索、一致的内容。建议在自动化前,先梳理核心业务流程的决策规则,再交由智能体执行。
缩短AI路线图规划周期
鉴于模型迭代迅速,长期规划易导致产品过时。建议将路线图缩减至2-3个月,发布最小可行版本后根据实际使用情况动态调整后续开发方向。
本通讯由XLSMART支持。作为Ookla“2026年度最佳移动网络”获奖者,XLSMART持续投资数字基础设施并扩展5G网络,致力于在印尼构建更快、更可靠的连接,助力个人与机构高效协作。


