行业定制，扎根钣金
基于开源大模型底座，自研适配铝单板、金属加工等钣金细分领域的行业大模型，比通用大模型缺陷识别准确率提升 18%。
以 AI 盒子（工位与产线侧）与园区算力底座为核心，向上搭建 AI 边缘计算、大模型训练、自有软件三大平台， 向下覆盖工厂质检、能耗、设备、库存等全部应用场景——从训练到落地，模型与软件自主可控。
数据从产线出来，在边缘被处理，在园区算力侧被训练，通过软件回到管理者的桌面上。
边缘节点只做两件事——快，和守住数据。所有推理在产线旁完成，不依赖网络往返。
边缘 AI 盒子部署在产线旁，单张板材检测响应时间控制在 200 毫秒以内，完全匹配钣金喷涂线每分钟 4–6 张板的生产速度。
工业高清相机 + 定制稳定光源 + 边缘网关的组合，针对铝板喷涂的色差、划痕特征优化光学参数，可捕捉人眼难以分辨的细微缺陷。
原始视频与图像全部存在工厂本地，仅向园区算力平台上传结构化检测结果与异常告警，既满足回流训练，又守住数据边界。
新模型从园区算力一键下发至全部边缘节点，无需现场逐个部署，也不更换硬件。
通用大模型看得懂图片，看不懂工艺。差距就在这 18% 上。
基于开源大模型底座，自研适配铝单板、金属加工等钣金细分领域的行业大模型，比通用大模型缺陷识别准确率提升 18%。
所有模型训练均在园区内部的液冷算力方舱内完成，原始生产数据与缺陷样本全程不流出工厂，避免工艺与质量数据外泄。
各合作工厂数据无需出园，仅上传模型训练梯度，实现多工厂数据共享、模型共同进化，数据主权不受影响。
内置版本管理、加密部署、远程下发能力。现场误判、漏判样本自动回流至方舱再训练，模型精度随使用时间逐步提升。
六大模块，把方舱的算力、边缘的节点、工厂的既有系统串成一条链。
| 模块 | 做什么 | 关键指标 |
|---|---|---|
| MES 集成中间件 | 标准化 API 打通工厂既有系统，检测与生产数据双向流转，无需大规模改造 | 标准 API 对接主流 MES / ERP |
| 多租户 SaaS 管理平台 | 多工厂独立数据隔离、分级权限管理，按实际使用量计费 | 适配中小厂轻量化投入 |
| 全生命周期模型平台 | 训练、版本管控、加密下发、运行监控全流程，新模型一键下发全部节点 | 无需现场逐个部署 |
| 设备远程运维平台 | 边缘盒子、工业相机、网关的远程状态监控、故障诊断与在线升级 | 80% 故障可远程解决 |
| 生产可视化看板 | 实时缺陷定位、设备运行状态、生产进度汇总，多维度展示 | 手机电脑即可掌握 |
| 闭环数据回流平台 | 自动收集误判漏判样本，在线标注后回流方舱训练 | 模型越用越准 |
模块可整体交付，也可按需拆分。已有 MES 系统的工厂通常只需接入中间件与看板两部分。
我们卖的是技术能力，不是数据。这一点写在架构里，不是写在合同里。
边缘 AI 盒子在工厂本地完成计算，视频图像等敏感数据无需上传云端，仅上传结构化结果与告警。
液冷算力方舱部署在客户园区内部，与公网物理隔离，生产、工艺、业务数据全部存储在本地方舱。
多厂联合优化采用联邦学习架构，各厂数据始终留存本地，仅上传模型梯度参数，不上传原始业务数据。
模型与软件自主可控，不依赖第三方公有云平台存储与计算，不会被平台绑定收割，工艺秘密永久保密。
我们不主张一上来就建方舱。先证明收益，再谈扩容。
选择最痛点的单个工位（例如喷涂线色差检测），先跑通数据闭环、算出明确投入产出比。投入以现场测算为准，团队上门安装调试，不影响现有生产。
逐步扩展至表面缺陷检测、厂区安防、能耗管理、设备预警等多场景，每个场景单独核算收益，按工厂排期灵活安排，不打乱生产节奏。
多场景见效后，按需在园区内部建设小型液冷算力方舱，接入多家工厂实现联邦学习，数据不出厂即可共享模型进化。