【创业】20年技术人的四个创业方向（三）：产业数字化——离互联网越远，溢价越高
20年技术人的四个创业方向（三）：产业数字化，离互联网越远溢价越高
系列第三篇。前两篇谈了 AI 应用层和开发者生态，多少还带着互联网的味道。这一篇聊一个完全不同的世界：产业数字化。我的一个观察是——离互联网越远的地方，你20年的经验越值钱。
换个坐标系看自己
在互联网行业，20年经验有时候跟"贵、不好管、思想固化"画等号。35岁焦虑不是没原因的。
但在制造业，20年经验是"终于等到一个既懂软件又下过车间的人"。
原因不复杂。制造业的数字化人才极度稀缺。懂 PLC 的工程师不懂微服务，懂 Java 的程序员分不清传感器和执行器。而你可能是那个在两个世界都转过的人。
方向一：工业 AI 质检
市场有多大
2025年中国制造业质检人力成本超过3000亿元/年，而且还在涨。年轻人不愿进工厂做目检，招工越来越难。
用 AI 替掉人工质检，不是"有没有市场"的问题，是"谁先跑出来谁先吃"的问题。
这活的技术含量
工业 AI 质检不是纯算法问题。它是光学、机械、算法再加上产线理解的系统工程：
┌──────────────────────────────────────────┐
│ 产线集成层 │
│ 传送带同步 │ 分拣机构 │ MES对接 │
├──────────────────────────────────────────┤
│ 算法层 │
│ 缺陷检测模型 │ 分类模型 │ 异常检测 │
├──────────────────────────────────────────┤
│ 光学层 │
│ 相机选型 │ 光源方案 │ 成像参数调优 │
├──────────────────────────────────────────┤
│ 数据层 │
│ 缺陷样本标注 │ 数据增强 │ 模型迭代 │
└──────────────────────────────────────────┘
```
光是把相机拍清楚、光源打均匀这一步，就能筛掉80%的纯算法团队。你家底里的现场问题解决能力，在这一层是最直接的竞争力。
选什么场景
| 行业 | 典型场景 | 技术难点 | 市场状态 |
|---|---|---|---|
| 3C 电子 | PCB 焊点检测、屏幕瑕疵 | 微小缺陷、高速产线 | 很成熟 |
| 汽车零部件 | 铸件气孔、表面划痕 | 复杂曲面、反光材质 | 较成熟 |
| 纺织/服装 | 布面疵点、色差 | 柔性材料、纹理干扰 | 增长中 |
| 食品/药品 | 包装完整性、异物 | 高速、卫生要求 | 增长中 |
| 新能源 | 电池极片缺陷、焊接 | 高安全要求 | 高速增长 |
怎么收钱
别卖"AI质检软件"，卖"质检结果"。这是工业领域最要命的认知转换——工厂老板不关心你的模型准确率几个9，只关心能不能替掉质检员。
可以按件计费（每检一件收几分钱，检出率不达标免费），也可以设备租赁（软硬件一体机，按月收租金），或者效果分成（省下的人力成本按比例分）。
怎么切进去
别一上来就想做大平台。找一个具体到不能再具体的场景——比如"某型号连接器的焊点检测"——做到99.5%以上检出率。
前三个月，蹲在工厂。不是远程看数据，是站在产线边上，看质检员怎么干活。每个行业的缺陷判断标准都是口口相传的经验，不蹲下来学不到。
前三五个客户走项目制，把钱挣了把场景攒了。一年后开始抽通用平台，把光学方案、算法模型、产线集成做成可配置的标准化模块。
方向二：IT/OT 融合的低代码平台
这里有个大坑
制造业数字化转型最大的卡点，是 IT（信息技术）和 OT（运营技术）之间的那道鸿沟。
IT 这边是 MES、ERP、WMS，用的是 HTTP、JSON、SQL。OT 那边是 PLC、SCADA、传感器，用的是 Modbus、OPC-UA、MQTT。两个世界的协议、数据格式、实时性要求完全不一样。现在的做法是每个项目派一群工程师去现场写胶水代码，成本高、周期长、没法复制。
做什么
一个 IT/OT 融合的低代码平台：
| 能力 | 说明 |
|---|---|
| 多协议适配 | Modbus、OPC-UA、MQTT、S7 等 20+ 工业协议，拖拽配置 |
| 数据管道 | 设备采集→边缘清洗→云端存储，可视化配置数据流 |
| 规则引擎 | 可视化定义告警（如"温度超80°C且持续3分钟→停机关闭阀门"） |
| 数字孪生 | 3D 可视化建模，实时映射设备状态 |
| API 开放 | 标准 RESTful/gRPC 对上对接 MES/ERP |
为什么是你
工业协议虽然多，但都有标准文档，静下心看一个月能上手。低代码平台的架构（模型驱动、插件机制、多租户）全是后端架构的老本行。做了20年，你不会被各种"工业互联网平台"的概念忽悠，分得清真需求和 PPT。
海外已经有跑出来的：Litmus（工业边缘数据，$30M+）、Cognite（工业数据运维，$1.6B 估值）、HighByte（工业数据集成，增长很快）。国内这个赛道还在早期，大概还有2-3年的窗口。
制造业客户，可能比你想象的香
说个你可能没意识到的事：制造业客户可能是最好的客户。
他们决策不情绪化。能用数字证明 ROI 就买单，不像消费互联网那么玄学。替换成本极高——你的系统一旦嵌入产线，客户想换你，停一天产的损失可能比你的年费还高。而且工厂老板天然理解"好东西要花钱"，他们买一台 CNC 几十万不眨眼。
缺点也坦率说：慢。从接触到签约，半年起步很正常，跟互联网的"周"完全不是一个节奏。但换个角度想，慢就是竞争壁垒——年轻团队熬不住。
下一篇
最后一篇聊前沿技术：具身智能中间件和 AI 安全。四个方向里最有想象力也最需要耐心的——赌的是3到5年后的基础设施。