共计 1159 个字符，预计需要花费 3 分钟才能阅读完成。
“开源才是护城河”: 制造老炮把品胜的 AI 交给了 00 后
导语: 一家做充电宝、充电器的硬件公司, 正在把 AI 创新的起点放在具体业务痛点而非战略 PPT 上 。品胜创始人赵国成将 AI 产品团队交给 00 后丛泽龙, 首个引发关注的成果, 是一款已在 GitHub 开源的 AI 专利附图工具。
📌 从专利附图开始: 先解决一个具体麻烦
专利附图涉及 3D 模型、结构理解和专利规范。 团队将 AI 与开源 CAD 工具结合 , 让系统读取模型并辅助生成爆炸图、部件标注。它的价值不是凭空画出一张“看起来正确”的图, 而是围绕真实模型减少前期处理和跨岗位沟通。团队设想, 部分前期工作可缩短至几十秒或几分钟, 但工程校验和专业审核仍不可少。
这个需求来自研发流程中的真实摩擦, 而不是公司先开一场 AI 战略会、再层层立项 。丛泽龙团队先在部门内部找问题、动手做, 再把完整流程拿出来讨论。这种从下而上的试错空间, 让工具更容易贴近业务。
🔍 为什么选择开源: 收费并非唯一答案
工具逐渐成形后, 赵国成看到了商业潜力 。按传统软件思路, 这样的产品收费行得通。但丛泽龙提出, 专利涉及企业尚未公开的研发信息, 如果使用工具必须上传数据, 潜在用户会有顾虑; 开源并支持本地部署, 反而更能降低使用门槛。
💡 工具箱正在成形: 试炼、SkillHub 与 AI Lab
- AI 试炼: 用于筛选符合 AI Native 定义的候选人, 未来计划开源;
- SkillHub: 把分散的 Skill 集中起来, 便于查找、复用和管理;
- AI Lab 官网: 集中呈现工具入口、下载方式和使用指南。
内部“许愿池”会收集各部门的 AI 需求, 每周约有两三个需求得到推进 。但需求增多后, 哪些值得做、相似需求能否复用、工具效果如何追踪, 成为新的管理难题。AI 降低了制作工具的门槛, 却没有自动消除组织协作成本。
📊 真正的硬仗在研发: 从工具提效到 Agent 造产品
相比具体工具, 赵国成更关注 AI 能否改变品胜的核心业务效率 , 尤其是研发环节。品胜自 2015 年起使用 PLM 系统, 持续积累物料信息、设计规范和风险记录。丛泽龙团队在此基础上搭建元器件数据库, 并连接第三方及原厂平台, 同步接口、电压协议、规格等信息。
目前, 团队正在探索用 AI 做出一款 Agent 遥控手柄: 已完成 AI 器件选型和初步结构堆叠,AI 也生成了原理图和初步 PCB Layout, 正结合 Agent 复核与工程师评审, 对照数据手册检查接口选型、天线周边布局和布线约束。后续仍需推进制板、焊接、上电调试以及软硬件联调。AI 给出的方案不能绕过实际测试和专业审核。
🚀 行业观察: 开源是姿态, 持续迭代才是答案
围绕““开源才是护城河”: 制造老炮把品胜的 AI 交给了 00 后”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
