Sino——工业AI，从零到客户成交

概览

• 工业客户对成本、延迟和硬件设有硬性上限；无法在这些上限内运行的准确率毫无意义。
• 横跨语言模型、图神经网络和计算机视觉的工业AI产品，针对每位客户进行优化适配。
• 已完成：历时三年，从2022年5月至2025年5月，将产品从零推进到客户成交。

亮点

• 语言、图与视觉模型

  大语言模型、图神经网络和计算机视觉，应用于工业产品，而不只停留在研究层面。

• 适配成本与延迟上限

  模型经过优化，能在客户的成本、延迟和硬件限制内运行，而不只是在实验室里跑得通。

• 从零到售出的产品

  产品从最初的构想出发，经过交付，最终售予客户。

挑战

工业客户在成本、延迟和硬件上都有硬性上限。如果模型无法在这些限制内运行，研究级的准确率就毫无意义。

正是这一约束，区分了演示原型与工厂真正愿意付费的产品。工程上要回答的问题从来不只是模型能不能用，而是它能否在客户的硬件上、在客户的延迟限制之内、以客户可以接受的成本运行。

架构

横跨大语言模型、图神经网络和计算机视觉的多款产品。模型经过系统性优化，以适配每位客户在成本、延迟和硬件方面的上限，并经过分析，形成了相应的改进方案。

我构建了什么

工业AI产品从零起步，一直交付到客户成交。其背后的模型经过系统性优化，以满足工业与成本约束。

• 前沿难题与工业难题，借助AI得到解决。

• 产品从零做到售出，贯穿向客户交付的全过程。

• 适配约束的模型，针对每位客户的工业与成本限制进行优化。

• 模型分析与改进，并就如何提升每个模型提出系统性建议。

• 监督外部交付：指导、评审并验收由其他团队构建的大型项目。

结果

工业AI产品已售予客户；这项合作历时三年，于2025年5月结束，是Mohammad任职时间最长的一段经历。除本人负责的交付之外，他还指导、评审并验收了由其他外部团队构建的大型项目。

我的角色

• 将工业AI产品从零做起，直至交付并售予客户。
• 优化AI解决方案，使其符合每位客户的工业与成本约束。
• 将大语言模型、图神经网络、计算机视觉和深度学习应用于前沿问题和工业问题。
• 分析AI模型，并提出系统性的改进方案。
• 指导、评审并验收由其他外部团队交付的大型项目。

工程

• 约束即需求

  成本、延迟和硬件上限被视为需求本身：只有模型能在这些上限内运行，准确率才有意义。

• 系统性优化

  模型经过系统性优化，以满足客户的工业与成本约束。

• 外部工作的评审与验收

  指导、评审并验收由其他外部团队构建的大型项目。

成果

• 工业AI产品已售予客户。
• 三年交付，2022年5月至2025年5月：Mohammad任职时间最长的一段经历。
• 指导、评审并验收由其他外部团队构建的大型项目。