在工業AI領域，一種創新的商業化模式——“按收益分成”正引發關注。與傳統AI公司向制造業客戶收取軟件授權費或算力服務費不同，上海金珵科技采取了一種更具風險共擔特性的合作方式：先派遣工程師入駐工廠調試算法，待產線因AI介入實現產量提升后，再從增量收益中按比例獲取分成。這種模式已在川寧生物的新疆發酵車間落地，據其2025年財報顯示，通過智能計算機虛擬工程師調控的發酵罐平均產量較對照組提高3%-5%，雙方已進入收益分成階段。

上海交通大學人工智能與微結構實驗室主任、金珵科技創始人李金金教授介紹，團隊自主研發的工業時序控制大模型ManuDrive是該模式的核心支撐。與通用大語言模型不同，ManuDrive基于工業領域多場景的真實物理機理與深度學習技術構建，可解決傳統AI在工業應用中因“幻視”和“災難性遺忘”導致的不垂直、不專業問題。該模型已走出實驗室，在生物制造、重型機械、紡織、環保等十余個省份的數十家上市企業中完成部署，并進入與客戶收益分成的商業化階段。

“AI接管后，企業一個月內提升的產量比過去五年還要高，同時生產波動降低50%。”李金金以川寧生物案例說明，ManuDrive通過精準調控發酵參數，顯著提升了生產效率。他進一步透露，目前團隊優先聚焦“國之重器”領域，重點關注那些技術邊界尚遠但能為企業帶來巨大經濟效益、可替代大量人力決策的場景。

盡管收益分成模式具有吸引力，但其落地仍面臨挑戰。工業場景的多樣性意味著每個新場景若需從頭開發算法，邊際成本將居高不下，進而侵蝕分成利潤。對此，金珵科技通過模塊化設計破解難題：ManuDrive平臺包含127個可組合的功能組件（涵蓋感知、規劃、記憶、工具調用等），形成“工業智能體”框架。當某一場景驗證有效的算法被封裝后，其他類似場景可快速復用，從而降低邊際部署成本，為收益分成留出利潤空間。

在資本市場看來，AI賦能制造業長期存在“價值可量化但收費難對等”的矛盾：工廠傾向于一次性購買服務以規避風險，而技術方則希望獲得與價值創造相匹配的長期回報。金珵科技的“先干活、后分錢”模式被業內視為潛在解決方案。行業人士分析，這一模式類似于早年工業自動化領域的“節能分成”——技術服務方不銷售設備，而是從節省的電費中抽取比例。其優勢在于利益高度綁定：技術方必須持續保證模型效果，否則分成收入將直接受損；客戶則無需提前承擔試錯成本，效果不達預期可拒絕付費。不過，該模式對技術方的現金流和信任成本要求較高，前期需自墊成本完成現場部署和效果驗證。

李金金認為，我國制造業擁有全球規模最大的存量產線，但眾多細分賽道利潤空間有限，難以承擔傳統智能改造的高昂前期投入。按效果分成、低門檻入局的創新模式，為傳統產線智能化升級開辟了輕資產啟動、效益后置付費的新路徑。依托模塊化、標準化的核心技術底座，ManuDrive可實現跨行業快速復制，為全國海量傳統制造產線提供可復用的轉型范式。