2007年，富士康工廠正因產(chǎn)品不良率突然暴漲至10%焦頭爛額，無論是內(nèi)部團(tuán)隊(duì)，還是外部請(qǐng)來的幾家專業(yè)咨詢公司，都沒能做出有效分析。

彼時(shí)，張宗堯從臺(tái)灣大學(xué)研究生畢業(yè)，來到了他最景仰的公司富士康母公司鴻海精密擔(dān)任工程師。

初入鴻海精密的張宗堯，本著初生牛犢不怕虎的精神，設(shè)計(jì)出一個(gè)機(jī)器學(xué)習(xí)模型，通過機(jī)器學(xué)習(xí)和線性分析發(fā)現(xiàn)包含溫濕度，及其它影響制造的關(guān)鍵因子，并模擬出最優(yōu)的因子參數(shù)，從而才消除了這次產(chǎn)品不良率的暴漲。

這也是他第一次用數(shù)據(jù)的方式，實(shí)際解決制造業(yè)中的生產(chǎn)難題。

病根確認(rèn)，這一困擾工廠良久的“大難題”，最終順利解決。張宗堯設(shè)計(jì)的機(jī)器學(xué)習(xí)模型，幫富士康省去了2000萬美元的潛在損失。

數(shù)次脫穎而出的表現(xiàn)，讓一直有意提攜年輕后輩的郭臺(tái)銘，精神為之一振，張宗堯于是有了“鴻海之子”的稱號(hào)。

用數(shù)據(jù)分析，破解“黑天鵝”問題

成為一名科學(xué)家，是訊能集思創(chuàng)始人張宗堯從小就努力實(shí)現(xiàn)著的一個(gè)愿景。

正是由于這段與鴻海之間陰差陽錯(cuò)的緣分，張宗堯成為亞洲最早一批將機(jī)器學(xué)習(xí)在工業(yè)中落地的人。

在他眼中，許多實(shí)用的機(jī)器學(xué)習(xí)模型，并沒有太高的技術(shù)壁壘。大企業(yè)花大力氣都沒分析出原因的關(guān)鍵，是囿于傳統(tǒng)人工經(jīng)驗(yàn)的固有認(rèn)知。

面對(duì)罕見事件，既有的人工經(jīng)驗(yàn)失效了?！捌髽I(yè)大多時(shí)候不是利用數(shù)字化決策，而是憑經(jīng)驗(yàn)。不常發(fā)生的事，他們就沒有感覺?！?/p>

通過在富士康的學(xué)習(xí)，張宗堯近距離觀察到了AI參與制造業(yè)轉(zhuǎn)型升級(jí)的必要性。同時(shí)，他也意識(shí)到，數(shù)據(jù)分析盡管優(yōu)勢(shì)明顯，但門檻頗高，只有很小一部分人才具備這種能力。

后來，張宗堯申請(qǐng)到了前往麻省理工讀博的機(jī)會(huì)，在電機(jī)工程和計(jì)算機(jī)科學(xué)系，他做了大量指向降低技術(shù)使用門檻的AI自動(dòng)化研究。

除了技術(shù)上的鉆研，頂尖學(xué)府的教學(xué)理念以及整體的創(chuàng)業(yè)氛圍，也為日后張宗堯的創(chuàng)業(yè)，帶來不少啟發(fā)。

一是做事前一定要明確其價(jià)值。麻省理工十分強(qiáng)調(diào)“研究要以應(yīng)用為基礎(chǔ)”。課程結(jié)束，即意味著將研究成果落地，并且保證實(shí)用性。

二是有大量現(xiàn)成的創(chuàng)業(yè)經(jīng)驗(yàn)可參考。從孵化創(chuàng)業(yè)想法，到選擇創(chuàng)業(yè)路徑，再到尋找合作伙伴獲得融資，后來者得以從整個(gè)創(chuàng)業(yè)鏈條中，獲得借鑒與鼓舞。

六年前回國后，張宗堯四處走訪智能制造公司以及制造業(yè)企業(yè)，驚異于國內(nèi)企業(yè)竟還秉持著直覺與經(jīng)驗(yàn)式的傳統(tǒng)做法，“其他行業(yè)已經(jīng)天翻地覆，為什么中國的制造業(yè)還是沒有改變？”

彼時(shí)，中國的制造業(yè)正值脫胎換骨之際，數(shù)字化轉(zhuǎn)型已成為企業(yè)進(jìn)入下一個(gè)時(shí)代的門票。

想要在行業(yè)競(jìng)爭(zhēng)中保持領(lǐng)先，如何高效利用數(shù)據(jù)，變得尤為重要。

以往企業(yè)做數(shù)據(jù)決策過程中，完成數(shù)據(jù)提取、清洗、分析、建模等一系列操作，需要借助數(shù)據(jù)分析師/科學(xué)家，整套流程不僅貴，結(jié)果也是滯后的，并不能支撐起“即時(shí)決策”或華為所說的“隨需響應(yīng)”，而且數(shù)據(jù)模型還難以復(fù)用。

系統(tǒng)數(shù)據(jù)困境的背后，是數(shù)據(jù)科學(xué)家的匱乏，以及技術(shù)與業(yè)務(wù)在知識(shí)、技能和經(jīng)驗(yàn)上天然的壁壘。高成本投入下，企業(yè)決策卻明顯滯后，低效率的運(yùn)轉(zhuǎn)，很容易遭到市場(chǎng)淘汰。

面對(duì)行業(yè)痛點(diǎn)，張宗堯在2016年底創(chuàng)立了訊能集思，決定成為一家利用AI技術(shù)，輔助工業(yè)企業(yè)更好進(jìn)行決策的公司，其解決方案是一款結(jié)合前沿自然語音及AI數(shù)據(jù)分析技術(shù)的人工智能決策平臺(tái)JarviX。

這款平臺(tái)最大的特點(diǎn)，就是沒有使用門檻，每個(gè)人都可以成為數(shù)據(jù)分析師。

傳統(tǒng)商業(yè)決策向下，智能化BI向上

傳統(tǒng)式BI的最大弊端， 就在于效率低下。

2014年開始，自助式BI工具（也叫二代敏捷BI）開始在國內(nèi)迅速生長，它面向業(yè)務(wù)人員，打破傳統(tǒng)工業(yè)決策上的桎梏，但此時(shí)的BI產(chǎn)品，仍舊具有局限性，僅適用于具有一定IT能力的業(yè)務(wù)人員。并且，針對(duì)數(shù)據(jù)分析的能力而言，現(xiàn)行BI在Gartner定義的四種深度中（描述型分析、診斷型分析、預(yù)測(cè)型分析、指示型分析），也只能達(dá)到描述型分析的深度。

最理想的AI決策模式，無疑是讓業(yè)務(wù)人員，廣泛擁有數(shù)據(jù)分析的能力，且能做到不僅僅是陳述現(xiàn)狀的統(tǒng)計(jì)分析。

隨著 AI 、大數(shù)據(jù)和云計(jì)算的普及，疊加自然語言、機(jī)器學(xué)習(xí)等技術(shù)的發(fā)展，到2019年，完全由業(yè)務(wù)人員主導(dǎo)，幾乎沒有任何使用門檻的智能化BI，開始在國內(nèi)引領(lǐng)新的發(fā)展趨勢(shì)。

訊能集思致力于探索的智能化BI，就是相對(duì)于傳統(tǒng)式BI和自助式BI而言的。

當(dāng)時(shí)，智能分析領(lǐng)域的主要玩家，大多來自海外市場(chǎng)，國內(nèi)企業(yè)使用的決策系統(tǒng)，往往是簡(jiǎn)單的英譯漢版本。語言的隔閡，導(dǎo)致實(shí)際應(yīng)用效果欠佳，也讓眾多國內(nèi)有心轉(zhuǎn)型智能制造的企業(yè)望而卻步。

2019年，訊能集思正式在中國本土落地，立志成為一個(gè)能夠以中文進(jìn)行交互的AI決策系統(tǒng)。

隨著大規(guī)模大機(jī)器工業(yè)時(shí)代的不斷推進(jìn)，市場(chǎng)需求不斷變化，提升作業(yè)價(jià)值、降低庫存風(fēng)險(xiǎn)、縮短產(chǎn)品上市周期、少量多樣的個(gè)性化產(chǎn)品、高彈性低附加價(jià)值等，正在逐漸成為未來制造產(chǎn)業(yè)的發(fā)展趨勢(shì)。

訊能集思主要客戶以 1- 10 億元的中型企業(yè)或者工廠為主，典型落地場(chǎng)景主要分為三類：

以富士康為代表的EMS工廠、以福耀玻璃為代表的汽車零配件工廠、以鈺齊為代表的鞋廠。其中，前兩類代表的電子制造業(yè)和汽車零配件是訊能集思布局重點(diǎn)領(lǐng)域。

在這一系列的需求變革中，將數(shù)據(jù)分析的能力賦能傳統(tǒng)業(yè)務(wù)人員，是至關(guān)重要的一步，張宗堯認(rèn)為“數(shù)據(jù)分析如果永遠(yuǎn)只停留在少數(shù)技術(shù)專家的手上，人工智能根本就沒有辦法取得長足的進(jìn)步?！?/p>

如何才能讓數(shù)據(jù)分析不僅僅是少數(shù)專家的特權(quán)？

基于這一核心問題，訊能集思研發(fā)了一款基于增強(qiáng)分析技術(shù)開發(fā)的通用 SaaS ——無代碼 AI 智能決策平臺(tái)JarviX。

JarviX這個(gè)名字來源于電影《鋼鐵俠》，劇中Jarvis是鋼鐵俠Tony的AI管家，擁有超強(qiáng)大的數(shù)據(jù)分析能力，而擁有了Jarvis的Tony，得以快速處理各種信息，拯救世界。

不過，張宗堯?qū)追寰W(wǎng)(公眾號(hào)：雷峰網(wǎng))說，他把Jarvis的最后一個(gè)字母“s”，替換成了《X戰(zhàn)警》中Professor X的“X”。

在張宗堯的認(rèn)知里，Jarvis+ProfessorX，是終極技術(shù)理想的象征“最聰明的人腦結(jié)合最聰明的AI，幫助企業(yè)變成最聰明的企業(yè)?！?/p>

張宗堯認(rèn)為，AI的作用，并非取代決策，而是輔助決策。他們想實(shí)現(xiàn)的，就是借助JarviX，人人都能獨(dú)立且快速地?fù)碛袛?shù)據(jù)分析的能力。

對(duì)于不懂算法的業(yè)務(wù)人員來說，JarviX的操作步驟，可以簡(jiǎn)化為三步：鍵入關(guān)鍵詞或問句、點(diǎn)擊分析結(jié)果、點(diǎn)擊建模指導(dǎo)決策。

與之相對(duì)應(yīng)，JarviX背后的技術(shù)邏輯：

第一步：將各類數(shù)據(jù)（結(jié)構(gòu)、半結(jié)構(gòu)）導(dǎo)入到JarviX;

第二步：JarviX通過差異分析、根因分析、趨勢(shì)預(yù)測(cè)、關(guān)聯(lián)挖掘等AI算法發(fā)現(xiàn)因子，并結(jié)合機(jī)器學(xué)習(xí)找到關(guān)鍵因子；

第三步：通過行業(yè)優(yōu)質(zhì)實(shí)踐模板與仿真器，實(shí)時(shí)AI建模，模擬出最優(yōu)參數(shù)，找到解決方案。

JarviX的目的是無代碼的解決企業(yè)內(nèi)部數(shù)據(jù)源各異的需求，從經(jīng)管與供應(yīng)鏈的智能排產(chǎn)排程、自動(dòng)庫存優(yōu)化、共用料優(yōu)化、報(bào)價(jià)分析預(yù)測(cè)、到猜測(cè)供應(yīng)商底價(jià)以及采購的分析預(yù)測(cè)；從生生端的良品率優(yōu)化、不良根因查找、預(yù)測(cè)性維護(hù)到生廠參數(shù)優(yōu)化等不同場(chǎng)景。

“以前的AI應(yīng)用往往是一個(gè)算法對(duì)應(yīng)一個(gè)應(yīng)用，然后再搭建一個(gè)系統(tǒng)，JarviX可以自行組合各種算法并即時(shí)生成應(yīng)用程序應(yīng)對(duì)不同的客戶應(yīng)用需求?！睆堊趫虮硎?。

大部分中小企類連一個(gè)完整IT團(tuán)隊(duì)都沒有，更遑論建構(gòu)數(shù)據(jù)團(tuán)隊(duì)提升數(shù)字化決策能力。張宗堯想要幫助那些沒有足夠資源完成數(shù)字化轉(zhuǎn)型的中小企業(yè)，讓他們借助JarviX實(shí)現(xiàn)數(shù)據(jù)的快速導(dǎo)入和規(guī)?；瘧?yīng)用，在不同的業(yè)務(wù)場(chǎng)景快速得到有效的決策輔助。

某消費(fèi)電子制造商供應(yīng)鏈部門，在應(yīng)用JarviX后，項(xiàng)目準(zhǔn)備流程從4人5天縮短至5分鐘，分析銷量提升95%；決策時(shí)間由1天壓縮至30分鐘，時(shí)間成本降低93%。

數(shù)字化轉(zhuǎn)型，不是自動(dòng)化轉(zhuǎn)型

當(dāng)下的中國商業(yè)智能軟件市場(chǎng)，是一個(gè)頗具潛力的增量市場(chǎng)。

根據(jù)IDC數(shù)據(jù)，到2025年，中國商業(yè)智能軟件市場(chǎng)的規(guī)模將達(dá)到16億美元，未來5年，整體市場(chǎng)的年復(fù)合增長率為21.6 %。

然而客觀來看，制造業(yè)中，AI、大數(shù)據(jù)等技術(shù)仍未在決策中得到廣泛應(yīng)用。下一步，該如何從這個(gè)市場(chǎng)中分食蛋糕？

訊能集思團(tuán)隊(duì)將今年的主要精力，放在了與這個(gè)世界的溝通上。

在張宗堯看來，“在國內(nèi)從傳統(tǒng)粗放型制造走向高端制造的路上，制造業(yè)賺的除了技術(shù)財(cái)，更核心的還是管理財(cái)”。

最開始創(chuàng)業(yè)的時(shí)候，訊能集思面對(duì)的還是一個(gè)未經(jīng)培育的新興市場(chǎng)。經(jīng)常是“掏盡所有的腦子和別人解釋”，然而對(duì)方卻始終一臉不知所云的表情。

最記憶猶新的一次，張宗堯與一位有合作意向的廠商時(shí)隔一周后再見面，對(duì)方興奮地說找到一家和訊能集思很像的AI公司，結(jié)果他發(fā)現(xiàn)那是一家機(jī)器視覺公司，張宗堯哭笑不得。

觀念上的轉(zhuǎn)變，是當(dāng)時(shí)的商業(yè)智能軟件提供商們，集體面臨的困境。近些年，隨著整個(gè)智能制造大局的持續(xù)推進(jìn)，創(chuàng)業(yè)環(huán)境早已不復(fù)當(dāng)年。

張宗堯最直觀的感受是，客戶已經(jīng)會(huì)主動(dòng)帶著問題，前來尋求解決方案了。

盡管當(dāng)下的市場(chǎng)，已不復(fù)荒蠻時(shí)期獨(dú)立開墾的艱難，但智能BI在國內(nèi)的發(fā)展只有短短3年，商業(yè)智能軟件提供商與企業(yè)之間的隔閡依然存在。

張宗堯仔細(xì)研究后發(fā)現(xiàn)，那些被企業(yè)遺棄在角落的產(chǎn)品，其實(shí)本身做得并不差，問題在于產(chǎn)品手冊(cè)寫得不夠詳細(xì)。

產(chǎn)品的成功，從上至下每一處細(xì)節(jié)都至關(guān)重要。將產(chǎn)品各項(xiàng)功能與價(jià)值描述清楚，同樣是一項(xiàng)需要耗費(fèi)大量時(shí)間和精力的工作。“現(xiàn)在我們團(tuán)隊(duì)的兩個(gè)人，就專門負(fù)責(zé)做這件事，我發(fā)現(xiàn)這是我們需要一直強(qiáng)化的地方。”

經(jīng)過內(nèi)部市場(chǎng)調(diào)研，張宗堯從以往經(jīng)驗(yàn)中，發(fā)現(xiàn)另一個(gè)事實(shí)，即最成功的客戶，領(lǐng)導(dǎo)者本身都擁有一定程度的數(shù)據(jù)思維，能夠在企業(yè)內(nèi)部慢慢引導(dǎo)形成正向循環(huán)。

“我們是降低門檻，但是不代表他們可以什么都不懂?！睆堊趫?qū)追寰W(wǎng)說。

這意味著，當(dāng)企業(yè)越清楚自己需要AI解決何種問題，實(shí)際落地效果就會(huì)越好。

怎樣在幾乎不用教育的情況下，在企業(yè)內(nèi)部快速形成正向反饋，使業(yè)務(wù)人員具備數(shù)據(jù)思維，是包括訊能集思在內(nèi)，整個(gè)行業(yè)將持續(xù)攻克的又一道難題。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。