在工业AI领域，一种创新的商业化模式——“按收益分成”正引发关注。与传统AI公司向制造业客户收取软件授权费或算力服务费不同，上海金珵科技采取了一种更具风险共担特性的合作方式：先派遣工程师入驻工厂调试算法，待产线因AI介入实现产量提升后，再从增量收益中按比例获取分成。这种模式已在川宁生物的新疆发酵车间落地，据其2025年财报显示，通过智能计算机虚拟工程师调控的发酵罐平均产量较对照组提高3%-5%，双方已进入收益分成阶段。
上海交通大学人工智能与微结构实验室主任、金珵科技创始人李金金教授介绍，团队自主研发的工业时序控制大模型ManuDrive是该模式的核心支撑。与通用大语言模型不同，ManuDrive基于工业领域多场景的真实物理机理与深度学习技术构建，可解决传统AI在工业应用中因“幻视”和“灾难性遗忘”导致的不垂直、不专业问题。该模型已走出实验室，在生物制造、重型机械、纺织、环保等十余个省份的数十家上市企业中完成部署，并进入与客户收益分成的商业化阶段。
“AI接管后，企业一个月内提升的产量比过去五年还要高，同时生产波动降低50%。”李金金以川宁生物案例说明，ManuDrive通过精准调控发酵参数，显著提升了生产效率。他进一步透露，目前团队优先聚焦“国之重器”领域，重点关注那些技术边界尚远但能为企业带来巨大经济效益、可替代大量人力决策的场景。
尽管收益分成模式具有吸引力，但其落地仍面临挑战。工业场景的多样性意味着每个新场景若需从头开发算法，边际成本将居高不下，进而侵蚀分成利润。对此，金珵科技通过模块化设计破解难题：ManuDrive平台包含127个可组合的功能组件（涵盖感知、规划、记忆、工具调用等），形成“工业智能体”框架。当某一场景验证有效的算法被封装后，其他类似场景可快速复用，从而降低边际部署成本，为收益分成留出利润空间。
在资本市场看来，AI赋能制造业长期存在“价值可量化但收费难对等”的矛盾：工厂倾向于一次性购买服务以规避风险，而技术方则希望获得与价值创造相匹配的长期回报。金珵科技的“先干活、后分钱”模式被业内视为潜在解决方案。行业人士分析，这一模式类似于早年工业自动化领域的“节能分成”——技术服务方不销售设备，而是从节省的电费中抽取比例。其优势在于利益高度绑定：技术方必须持续保证模型效果，否则分成收入将直接受损；客户则无需提前承担试错成本，效果不达预期可拒绝付费。不过，该模式对技术方的现金流和信任成本要求较高，前期需自垫成本完成现场部署和效果验证。
李金金认为，我国制造业拥有全球规模最大的存量产线，但众多细分赛道利润空间有限，难以承担传统智能改造的高昂前期投入。按效果分成、低门槛入局的创新模式，为传统产线智能化升级开辟了轻资产启动、效益后置付费的新路径。依托模块化、标准化的核心技术底座，ManuDrive可实现跨行业快速复制，为全国海量传统制造产线提供可复用的转型范式。
