人工智能
NextFin News - 工业人工智能公司 Avathon 首席执行官 Pervinder Johar 近日在 Tech Disruptors 节目采访中表示，人工智能的下一阶段赢家不会是聊天机器人，而是能够在电网、矿山、工厂和物流网络的实体运营中采取行动的软件。这一主张十分具体：Avathon 的 Autonomy Platform 不止于预测或分析，而是在关键基础设施上采取自主行动，其最新商业合同将公司部分报酬与可衡量的运营成果挂钩。
时机至关重要。该采访于 2026 年 11 月 3 日发布，距离 Avathon 宣布与 Barrick 北美黄金业务达成多年协议仅数周，后者将在安全、生产、资产可靠性、供应链、矿山规划和勘探领域部署其 Physical AI 平台——这笔交易让公司的“自主运营”论点迎来迄今最引人注目的考验。此前，Avathon 与谷歌云的合作伙伴关系于 2025 年 12 月扩展，将平台与 Vertex AI 和 Gemini Enterprise 集成，面向能源行业。
现状：从数字采矿到 AI 原生运营商
Avathon 并非像大型语言模型供应商那样的家喻户晓之名，但其在重工业领域的版图在 2026 年迅速扩张。这家总部位于加州普莱森顿、成立于 2013 年的公司仍为私有企业，据私募市场数据提供商称，其 2022 年 1 月 D 轮融资确定的估值为 14 亿美元。其投资者名单——淡马锡、March Capital、Verizon Ventures、CME Ventures、Energize Capital 和波音等——宛如其试图变革的行业战略资本的点名册。
核心产品是 Avathon Autonomy Platform，围绕公司所称的“计算知识图谱”构建：这一层连接资产、流程、人员、约束条件和运营数据，随后让人工智能代理在该语境下进行推理，以支持决策并协调工作流。与仅向人类发出警报的仪表盘不同，该平台旨在形成闭环——生成工单、调整调度、自动化合规任务，并在限定领域内无需人工干预即可采取行动。它可接入现有工业系统，包括 SCADA、天气数据源、市场数据、合规记录及工单系统。
巴里克（Barrick）这笔于 2026 年 9 月 23 日宣布的交易，是观察其实际运作方式最清晰的窗口。巴里克北美业务选择 Avathon 作为战略技术合作伙伴，在其黄金资产上构建 AI 原生采矿运营模式。初期应用涵盖六大领域：通过计算机视觉进行安全监控；从矿山到选厂的产量与回收率优化；资产可靠性与预测性维护；供应链智能；矿山规划；以及勘探。Avathon 的平台自 2026 年第二季度起已在美国多个站点投入运营，包括 Nevada Gold Mines，预计在整个内华达矿区的全面部署将在宣布后一至两个季度内完成，随后向巴里克多米尼加共和国业务的推广也在计划之中。对该协议的分析将其描述为一项为期五年的安排，涵盖约 200 个 AI 模型，费用结构包括平台使用基础费，以及与所实现运营成果挂钩的额外绩效费；具体金额尚未公开披露。
“采矿业历来围绕单个职能、系统和流程组织，”Avathon 首席执行官 Pervinder Johar 表示。“现在的机遇在于将这些环节连接成一个智能操作系统。巴里克北美业务采取了一种根本不同的方法，将 AI 置于企业理解运营、做出决策并采取行动的核心。这是从数字化采矿向 AI 原生采矿公司的演进，人类专业知识与物理 AI（Physical AI）在整个价值链上协同工作，推动更安全的运营、更高的生产力、更强的回收能力和更优的回报。”
该安排有两点值得强调。首先，与绩效挂钩的费用结构将部分执行风险从运营商转移至软件供应商——这在同等规模的采矿技术合同中实属罕见。其次，尽管打着“自主”标签，公告明确指出巴里克的采矿专业人员仍保留运营判断权、问责权和控制权，并有治理保障措施作为支撑。其主张是 AI 加人类智能，而非无人化替代——至少目前如此。
为何本轮不同于上一轮工业 AI 周期
工业 AI 背负着二十多年积累下来的信誉问题。该行业目睹了一波又一波技术浪潮——20 世纪 90 年代的专家系统、2010 年代的预测分析、2020 年代的数字孪生——带着宏大承诺而来，最终却陷入试点困境，概念验证始终未能升级为全企业范围部署。自然的问题是：Avathon 是否只是在推销一个换了更好名字的仪表盘。
有三点理由表明本轮周期在结构上有所不同，尽管任何一点单独来看都不具决定性。
首先，技术栈已跨越临界点。代理式 AI——能够规划、调用工具并执行多步骤工作流的模型——与基础视觉和语言模型相结合，赋予软件行动能力，而不仅仅是报告。Avathon 与谷歌云 Vertex AI 和 Gemini Enterprise 的集成便是一个具体案例：异常检测、预测性维护和能源预测不再是静态模型，而是能够在地理分散的资产上自动化复杂工作流的智能体。计算知识图谱在此至关重要，因为它提供了通用模型所缺乏的上下文；一个能够区分压缩机站约束与维护窗口约束的 AI 智能体，可以以通用模型无法实现的方式安全行动。
其次，商业模式正从许可费转向基于结果的定价。巴里克（Barrick）的交易结构——基础费用加上取决于可衡量运营收益的额外报酬——将供应商的激励与客户损益表对齐，并降低了那些曾被从未推动任何指标的七位数软件项目伤害过的运营商的采用门槛。但这也改变了供应商的经济模型：相当一部分营收取决于可衡量的运营收益，这在爬坡期压缩利润率，并要求深度融入客户的工作流。这不是"先拿下再扩张"的 SaaS 模式；这是一种合作伙伴关系，要求供应商像客户一样了解其业务。
第三，实体自动化的存量规模已足够大，无需等待机器人更换周期即可吸纳 AI 改造。根据 Globe Market Research 汇编的行业数据，2025 年全球工业机器人在役存量达到 507.9 万台，当年新增安装 60.3 万台，同比增长 11%。亚马逊在其履约网络中运营的机器人超过 100 万台。Avathon 的方法瞄准的是该硬件之上的软件与决策层——即调度、派单、维护和规划逻辑，这些逻辑决定了一百万台机器人、一支风力涡轮机机队或一个矿业综合体能否真正接近其理论产能运行。
这一反驳意见值得重视，不应被轻描淡写地带过。上市的工业 AI 供应商仍在努力证明盈利能力。C3.ai 是最接近的可比上市公司之一，其报告 2026 财年第三季度营收为 5330 万美元，但 GAAP 毛利率仅为 17%，GAAP 每股净亏损为 0.94 美元。如果一家已具规模的上市公司都无法将工业 AI 转化为可持续的利润，那么一家仍在向规模化迈进的私营公司面临的将是艰难攀登。"自主行动"的宣传稿与经审计、可 recurring、高利润率的营收之间的差距，正是大多数工业 AI 投资逻辑走向失败的地方。
二阶后果：谁绘制了资产类别图谱，谁就掌控了工作流
Avathon 故事的一阶解读很简单：自主运营减少停机时间并提升生产力。二阶问题讨论较少却更为重要——当这一层成为实体产业的操作系统时，谁会捕获价值？
答案指向知识图谱，而非模型。基础模型正变得商品化；工业 AI 中持久的护城河是对特定资产类别的结构化表征——半自磨机（SAG mill）的吞吐量取决于什么、燃气轮机如何劣化、哪个维护团队具备哪些技能、合规日历要求什么。一旦该图谱建成并接入日常决策，转换成本将极为高昂。率先绘制某个行业图谱的供应商不仅仅是在销售软件；它会成为该行业运营方式的记录系统。这正是 Avathon 逐个行业推进——能源，然后是矿业，再是物流与航空航天——而不是从一开始就试图成为横向平台的原因。
这具有跨资产影响。如果自主运营证明其价值，重工业的资本支出将逐渐从增量人力和被动维护转向软件、算力和数据基础设施。如果停机时间和恢复波动性确实下降，能源和矿业公司的营业利润率可能会扩大——Avathon 声称可再生能源运营商的运营成本最多可降低 17%，非计划停机时间最多减少 20%，年营收提升 4% 至 9%，尽管这些是公司自述数据，而非独立审计结果。反之，未能在与绩效挂钩的合同下证明可衡量成果的供应商将发现其营收变得不确定，融资窗口也在收窄。
市场背景广阔，但定义差异巨大。Globe Market Research 预计，2026 年实体 AI 市场规模为 1159 亿美元，到 2030 年将增长至 1.01 万亿美元，到 2035 年达到 2.13 万亿美元——这一数字囊括了工业机器人、自动驾驶汽车、人形机器人和医疗系统。MarketsandMarkets 采用更窄的定义，预测 2026 年为 15 亿美元，到 2032 年升至 152.4 亿美元，年复合增长率为 47.2%。两种估算之间的差距本身就说明问题：“实体 AI”仍是一个正在被定义的类别，投资者赋予该机会的估值完全取决于他们统计的是哪一部分。
反方观点：自主性是一个谱系，而非开关
对 Avathon 论点最有力的挑战并非技术会失败，而是“自主性”将被证明是一个谱系，在达到无人化愿景之前就会停滞。Barrick 的公告本身也承认，人类仍保留运营判断和控制权。在安全关键行业——采矿、能源、航空——监管机构、保险公司和董事会不会迅速将决策权交给智能体。本十年的现实终点是决策支持：自动化常规任务、升级异常情况，而非完全自主运营。
历史是第二条、也是更沉重的攻击线。采矿领域可比的自主化部署花了近十年才达到全面规模：力拓的 AutoHaul 自动驾驶铁路项目和必和必拓的 Jimblebar 自动驾驶运输系统是前车之鉴，对这些项目的分析表明，Barrick 项目带来的实质性财务收益更现实地落在 2028 年至 2030 年窗口，而非近期季度业绩。如果这一时间表成立，Avathon 的五年期合同到 2027 年可能主要是基础设施建设，而支撑其估值的经济效益将晚于市场预期到来。
第三条攻击线围绕经济性展开。基于结果的定价对客户具有吸引力，正是因为它将风险转移给供应商，但接受该风险的供应商需要足够深厚的资产负债表，以吸收客户运营因软件无法控制的原因而表现不佳的时期——采矿中的矿石品位波动、可再生能源中的天气、物流中的大宗商品价格。Avathon 14 亿美元的估值和私募市场融资为其提供了实验空间；而同一模式的公开市场版本将面临季度审查，而基于结果的营收并不适合这种审查节奏。
此外还有竞争问题。Avathon 并非孤例。C3.ai 大举进军制造业与国防领域；超大规模云厂商正在构建自有垂直 AI 技术栈；而新一代物理 AI 初创公司——Skild AI 于 2026 年 1 月融资 14 亿美元，打造用于控制机器人的通用智能；Agility Robotics 报告其人形机器人 Digit 获得逾 3 亿美元多年期订单——正从相邻层面切入同一机遇。就采矿业而言，胜出的供应商未必拥有最佳模型，而是能在最长销售周期中存活、并最深程度集成到遗留系统中的那一家。
关注要点：证伪信号
关于 Avathon 正引领从预测分析向自主运营结构性转变的论点，取决于可观察的里程碑，而非言辞。最重要的近期信号是 Barrick 的运营报告。Barrick 2026 年第四季度与 2027 年第一季度的运营报告，是最早可能披露 Avathon 部署带来的吞吐量、回收率与安全数据的窗口。如果这些报告未显示可归因于该平台的可衡量改善——或者内华达金矿（Nevada Gold Mines）的全面部署超出两家公司所暗示的一至两个季度窗口——那么"AI 原生运营商"叙事将失去其最有力的证据。
在公司层面，营收规模与利润率走势至关重要。Avathon 的私募市场融资与 14 亿美元估值为其提供了缓冲空间，但通往盈利上市公司的路径狭窄。如果 Avathon 无法证明其能实现公共工业 AI 供应商一直难以企及的毛利率水平，且其营收增长停滞、同时绩效挂钩合同压缩利润率，那么这一结构性论点将弱化，转向曾吞噬前几轮浪潮的周期性"试点炼狱"结局。
更广泛的类别信号也指向同一方向。如果实体 AI 市场沿着 MarketsandMarkets 的保守轨迹而非 Globe Market Research 的扩张轨迹增长，机会依然真实，但规模更小、竞争更激烈——赢家通吃的软件市场将变成碎片化的服务市场。投资者应关注基于结果的合同是否会扩展到 Avathon 之外，还是仅停留在谈判让步层面；如果竞争对手拒绝跟进，该模式可能只是销售策略，而非持久的定价机制。
结论：结构性转变遭遇周期性关口
核心判断：Avathon 搭乘的是结构性变革，而非周期性浪潮。从预测型 AI 转向在实体运营中执行动作的 AI，是工业软件的范式转变，由代理模型、知识图谱情境以及此前周期中并不存在的基于结果的商业结构驱动。这一转变不会自行逆转；一旦运营决策由软件层编排，工作流就不会再回到电子表格和孤岛系统。
但结构性上行建立在周期性采用关口之上。重工业的部署以多年为周期波动，与资本预算、大宗商品价格和劳动力市场挂钩。未来 12 至 18 个月将区分拥有已部署、可衡量成果的供应商与仅有演示的供应商。Avathon 在大约一年内积累了可信证据：与 Barrick 的多年承诺，其平台已在 Nevada Gold Mines 上线；面向能源业务的 Google Cloud 集成；与 Aramco Digital 建立战略合作伙伴关系，以加速沙特阿拉伯的工业 AI；班加罗尔设施扩张；以及与 IIT Roorkee 规划共建 Avathon 实体 AI 实验室。
情景图谱：
- 基准情形：到 2027 年，Avathon 在 Barrick 实现可衡量的收益，基于结果的定价扩展到两到三家更多锚定客户，公司接近以高于 14 亿美元估值的溢价进行首次公开募股或战略出售。
- 乐观情形：Barrick 部署成为矿业和能源的参考架构，知识图谱成为行业操作系统，Avathon 重估进入工业 AI 平台第一梯队，与公开可比公司并列或超越它们。
- 悲观情形：部署推迟，报告的运营收益平淡，基于结果的合同压缩毛利率，Avathon 加入那家长期名单——那些大量融资却从未证明可规模化盈利的工业 AI 公司。
短期交易看情绪和融资头条；中期交易看已部署营收和毛利率；长期交易看知识图谱是否会成为实体产业的操作系统。这是三项不同的投资，它们不会在同一时间线上全部兑现。
核心要点：Avathon 的押注在于，工业 AI 的价值已从模型转向工作流——而与 Barrick 的交易正是首个真正考验：一家软件公司能否按成果而非承诺获得报酬。
更多独家洞察尽在 nextfin.ai.
