格创东智有两个非常核心的抓手：一是自研工业软件，二是深耕智能装备。软件+装备是两个轮子，AI是强大引擎，驱动两个轮子跑得更快。这样的战略布局，核心就是为了解决AI的工程化问题和熵增困境。
简单理解，一家纯AI公司，要服务某个工业客户去做产品研发或场景落地，这一切都得从0-1重新开发。这时候，AI更多的是一种"外挂"，无法融合其中。与之形成鲜明对比的是，格创东智在整个体系中，以智能装备为基础，直接将AI和工业软件嵌入其中，完成和周边系统的高度一体化集成。这时，围绕良率、能耗、供应链等项目的优化，在数据采集的丰富性、精准性，指令执行的响应速度、并发能力、兼容性、稳定性、可拓展性方面，都具有不可比拟的领先优势。
朱金童总结，"格创东智依靠自主研发的东智工业应用智能平台，构建从底层算法模型，到中间层核心产品，再到上层应用场景的一站式解决方案，不断夯实'设备连接+数据建模+应用赋能'核心能力，持续推进'AI+工业软件+智能装备'战略三支柱布局，是当下切入工业制造场景的最优解。"
工业AI发展的六大趋势判断
朱金童在采访中向亿欧网表示，在全面质量管理理论中，"人机料法环"是影响产品质量的五大主要因素。从工业AI对五大因素的影响分析，对人的影响无疑是最大的。
根据格创东智过去6年多的一线实践来看，目前AI产品在落地层面效果最为突出的主要表现在四个方面：
1、围绕能碳的优化和管理。格创东智推出针对能碳管理的Multi agent多智能体AI能碳大脑，基于大模型、AI算法、大数据、云计算等前沿技术，实现对企业能源输入、能源消耗、碳排放三大环节的数字化管理。
2、围绕品质管理。通过机器视觉技术，围绕玻璃或面板的缺陷检测提供软硬融合服务。
3、围绕半导体领域的设备recipe控制。格创东智把历史批次数据反控优参交给AI来做，联动RPA去模拟工程师操作设备，实现自感知自驱动的闭环，帮助半导体生产实现良率提升。
4、围绕物流自动化。基于AI算法与自动物流搬运硬件软件做协同，可以实现OHT天车搬运顺序最优、路径最快、效率最高。
以上四个方面，表面看是围绕业务和生产现场，通过数据分析，让生产计划、排产、调度效率以及工艺、流程、节拍、工况等情况"跃然脑海"，但背后最终都是服务于"人"。
举例来看，在半导体厂商中，大多数的设备都是日本、韩国、欧洲进口的，这些设备不会给国内开放API接口。当生产过程中的关键参数（温度、时间、压强、角度偏离等）出现预警时，就只能依赖工厂"老师傅"的经验去微调，很多工厂里老师傅即是关键，也隐含风险。
格创东智创造性的通过AI去联动RPA，通过RPA模拟人去操作控制电脑。此时，AI完成了从察觉、预警、决策、优化、自动调整全链路操作。当AI经验积累越多，就会成为新的老师傅，它会更稳定、也更具传承性。格创东智通过AI+RPA创新实现了感、知、动的AI全闭环，彻底的解放"人"。朱金童分析称，除了对人的影响外，工业AI在制造业还呈现出以下五大趋势：
1、未来AI Agent有可能从本质上改变制造业。制造业的不确定性永远需要人和AI去解决，因此AI Agent会以顾问的方式与人共存，未来是一种人机共存的生产模式。
现实的生产场景里，其实有很多类似于Agent的形态存在。
以MES（制造执行系统）为例，当下的MES只是触发式的，也就是出现问题会亮灯，但还需要人完成最后的问题处理。如果MES能结合大模型，它是可以实现无人干预的工厂生产方式。人从执行者变成了监督者，完成角色的转换。
2、只有把AI作为变革动力，才能真正发挥最大价值。
AI在制造业的应用成功与否，并不完全取决于技术本身。事实上，企业管理和态度是非常重要的影响因素。
今天，很多企业对于AI的态度是尝鲜，是工具，很少有企业把AI直接定位为"变革驱动力"并付诸行动的。企业变革涉及到组织（做事的人）、流程（做事的方法）和IT技术（做事的工具），AI能在一定程度上解决组织的问题，但更多的是解决流程和IT技术的问题。
如果不把AI作为直接变革动力，或者说不围绕AI来做转型升级，是很难真正用好AI，很难最大化的发挥AI价值。
3、短期来看，小模型比大模型更有效。
一个确定性的结论是，从行业目前的应用统计，小模型占主流。为什么生成式AI没法成为主流呢？
大模型出现的时候，格创东智内部激烈讨论过，大模型最后会以一种什么样的产品形态出现？最有可能的是Chatbot形态，这跟大模型承担的角色是息息相关的。但是工厂里大多数场景并不是人的对话场景，而是机器和机器的"对话"。
除了场景属性外，小模型在高可靠性、低延迟性、成本优势、快速部署、高效集成、灵活性和可扩展性、数据需求低且泛化能力强、降低能耗等方面都更契合生产制造业。
