将最新人工智能模型部署至建筑、工厂及厨房等物理场景，远比嵌入聊天机器人复杂。霍尼韦尔与艺康集团高管近期表示，尽管看好AI前景，但实际落地仍面临严峻挑战。
霍尼韦尔首席技术官苏雷什·文卡特拉亚卢在《财富》AIQ峰会上指出，核心瓶颈在于准确性。工业客户要求的准确率高达99.9999%，而前沿模型目前仅能达到约85%。
艺康集团首席人工智能官AJ Wijesinghe则强调了成本限制。他坦言，将顶级模型应用于高负荷工作时，“代币经济学彻底失控”，有时成本甚至高于雇佣人类。为此，艺康对模型进行优化，使代币成本降低70%至80%，并混合使用Anthropic Claude、OpenAI等前沿模型与开源模型。“有时候你不需要最快的车，”Wijesinghe称。
两位高管均未描绘完全自主的未来。文卡特拉亚卢认为，发展方向是建立信任的“半自主世界”，自主性旨在辅助而非取代人类。Wijesinghe也指出，代理技术尚不成熟，无法单独大规模运行，应坚持“以人为本”模式。
物理迭代慢于软件更新
与手机不同，物理设备无法随意升级。文卡特拉亚卢表示，虽然无线空中下载（OTA）技术正进入商业建筑领域，但鉴于建筑和工业现场属于“任务关键型”及“安全关键型”设施，升级过程仍需人工参与。他强调：“特斯拉可以停机1.5小时更新，但建筑无法承受同等时长的停机风险。”
针对投资者日宣布的与英伟达合作，文卡特拉亚卢透露，双方正共同微调开源模型，以满足客户对数据和模型自主权的需求。霍尼韦尔精心挑选模型并与英伟达Nemotron团队合作，因为缺乏护栏支持的开源模型存在“危险”。
霍尼韦尔提出了“看、想、做、学”框架：首先通过BACnet协议连接暖通空调、消防及安防系统等资产，随后让AI代理学习系统关联并运行。此外，公司还在探索教导AI化学知识，如催化剂配方。
艺康则利用洗碗机、害虫陷阱和水系统中的传感器，减少服务访问次数并预测维护需求。其业务还涵盖芯片生产水管理，以及AI基础设施中的电力和冷却系统管理。
区分价值创造与停滞的关键
对于AI工作如何避免陷入停滞，Wijesinghe认为，单体AI在企业层面几乎无法产生可衡量价值，职能内部的垂直AI价值有限。真正的最大价值来自“横向”AI，即从销售、财务和供应链等功能出发，逆向推导以达成特定结果。
他表示，AI不应仅是另一种技术，而应与公司整体转型挂钩。艺康预计，到2027年将实现每年3.25亿美元的常态化节省，目前已有相当可观的金额入账。他强调，数据基础、流程准备度和成本控制纪律缺一不可：“若其中一项比重过大，便无法获得价值。”
霍尼韦尔高管指出，AI部署位置（边缘端、客户场所或云端）取决于延迟、数据交易成本及主权需求。他透露，那些已通过现有控制系统实现7%节能的客户，正询问AI能否再带来30%至40%的额外节能效果。