智能体时代，数字经济产业向何处去？8月5日，由中国经营报社主办的“重塑·赋能——2026中国数字产业生态大会”在北京中关村国际技术交易中心举办。

　　在大会主题演讲环节，素源矩阵联合创始人、COO那荣钰以《当AI走进工厂》为题，分享了这家仅成立一年多时间的AI for Materials公司如何从“最小组织”起步，借助AI跨越从机理到产品、从模型到场景的“最后一公里”，更拆解了团队从两名全职成员起步，拿下数千万元订单的成长路径，以及AI重新定义个体边界、重构组织形态的一线实践经验。

　　AI重新定义价值边界

　　“AI重新定义了一个人的边界，以及人和AI协作之后所能带来的价值边界。”那荣钰在演讲开篇即抛出核心观点。他认为，AI改变的不只是做事效率，更是硬科技从实验室走向真实世界的创业路径与逻辑。“它不会替代专业本身，却能让我们依托专业快速打磨出成型产品，将产品带向更广阔的世界。”

　　素源矩阵定位于面向材料工业的决策系统，核心是为工厂回答三个问题：当收到一批原料时，会带来什么样的质量？当工况发生波动时，如何稳定生产？当生产目标改变时，如何快速获得改进方案？那荣钰介绍，这套系统持续嵌入工厂的生产决策流中，不断优化、预测、执行，成为工厂的核心决策中枢。目前公司业务主要集中在建材、化工、冶金、高分子、新材料等方向——这些行业的共同特点是生产连续、波动复杂、决策代价高，且长期非常依赖经验。

　　在技术路径上，素源矩阵与传统黑箱模型有本质区别。那荣钰强调，公司基于科学智能和第一性原理模型，去理解材料最底层的机理变化；搭通可在通用领域适用的模型后，再结合产线特异性数据进行微调去适配产线的实时工况，动态适应生产中的各种波动；最终通过"预测、执行、评估、再预测"的回路，让系统能够自主优化，产出满足实时生产、实时预测、实时决策的精确模型。

　　但真正让技术走向工厂的难点不在模型本身。“基座模型解决的是共性能力问题，真正难的是把模型打磨成客户当下就能用、现场落得下、业务端愿意买单的落地成果，因为一旦进入真实工厂，要把工厂千差万别的需求、各不相同的产品、各异的产线设备、不一样的决策流程，转换成AI真正能够理解的语言，这才是最棘手的关卡。”那荣钰表示，这部分工作被团队定义为“非标应用的产品化”，而这恰好是AI最能发挥赋能价值的环节。

　　那荣钰将AI区分为两类：一类是素源矩阵卖给客户、解决工业问题的核心技术，即材料机理底座模型，这是公司的核心壁垒。

　　另一类是创业过程中使用的AI工具链，它不直接替代核心技术，但在团队中扮演“第二大脑”角色：第一是“分析大脑”，将客户需求进行快速拆解、路线快速规划；第二是“执行大脑”，将文档、技术翻译等重交付工作加速完成；第三是“协同中枢”，将项目的核心技术、核心目标快速转译，成为多团队协作的枢纽。这一模式将原本数月甚至数年的开发周期压缩至数周甚至数天。

　　那荣钰以水泥行业为例展示了技术的落地效果。水泥生产看似粗放，实则包含1300多摄氏度高温烧结反应过程、多种原材料变化，过去严重依赖老师傅经验——人的经验无法实现全局优化，单点可调但整体难达最优。

　　素源矩阵将AI落地到生产系统中，实时模拟材料状态变化，并反向指导产线在配料和工艺上进行调整，同时提前预判每批配料的质量走向。那荣钰透露，这是行业首个科学智能工艺落地应用案例，过去一年已在中国头部建材行业产线中应用。“单产线通过AI技术带来1200万元直接效益的提升，整个生产方案采纳率超过99%，真正被专家所认可。”

　　值得关注的是，这一技术仅需几百组产线数据，再结合素源矩阵的基础模型，即可实现精确预测和调控，产品化周期仅需25天，且上线过程不中断产线运营。同样的机理AI技术也被应用于混凝土领域——通过底层数据搭建混凝土水化演化模型，客户可在成本最低和质量最好之间灵活选择。

　　从创造价值到释放价值

　　在业务布局上，那荣钰将素源矩阵拆解为两个维度：一个是“创造价值”——用AI发现新材料满足细分需求，如与一个科研院所合作开发替代铅衣的抗辐射新材料；另一个是“释放价值”——用AI精准控制已有产线，将材料的全部能力发挥出来。“目前我们在释放价值上的边际效率非常高，因为每个材料垂直领域的反应机理近似，我们正逐步把比重放到创造新材料上，这不仅能展示肌肉，而且能创造更多更厚的利润。”

　　在组织形态上，那荣钰提出了一个核心判断：“AI不是取消组织，而是重构组织的起点。”

　　他认为，AI时代的组织逻辑正在发生根本性变化——“不是先有组织才有能力的开始，而是通过AI先跑通业务的最小闭环，快速验证新技术的商业价值，极大程度地压缩开发成本和试错成本，在试错和实践过程中释放价值。由过去的组织驱动，走向未来的价值驱动，这是AI时代组织重构的新范式。”

　　回顾AI如何帮助团队快速进入新行业，那荣钰分享了方法论：通过AI工具快速学习行业知识，了解行业“黑话”、技术人员的KPI和操作流程中的问题，在客户交流前提前学习，加速项目理解和落地。“我们团队已经服务了六家大型的材料企业，公司创立一年多，已经有数千万元实际订单，这都是由AI加速的进程。”

　　演讲最后，那荣钰表示：“不是AI的工具有多强，也不是做ToB有多难，而是AI真正让一个有足够专业壁垒的团队或者个人，第一次可以跨过科研、跨过机理，很快地走向模型到场景交付的'最后一公里'。过去稀缺的可能是会不会做某件事情，但是今天开始，更多的是通过快速地执行、试错、翻译、理解需求，把客户的问题转化成一个可被执行、可被解决的方案。AI改变的不只是效率，而是硬科技开始创业的方式，它没有替代专业，但是它可以让我们的专业快速地做成产品，将产品带向世界。”