Uptake是美国工业互联网领域的明星创业公司，目前已是估值23亿美元的独角兽。

Uptake于2014年7月成立于美国芝加哥，围绕高价值设备提供设备监管、运维、预测性维护等产品服务。2017年11月，Uptake获得1.17亿美元D轮融资，估值23亿美元，总融资额达2.5亿美元。

融资和估值迅速提升的背后，是Uptake业务的爆发增长。2014年成立首年，Uptake第一个订单为卡特彼勒的上亿美元订单。2015年，Uptake拿下了卡特彼勒旗下一家火车头公司的订单。2016年，Uptake拿下全美国最大的风机运营商Berkshire Hathaway Energy的订单。

截止目前，Uptake已服务了一百多家企业，横跨能源、制造、矿业、农业、航空、建筑、施工、车队、政府、油和气、轨道等领域。

Uptake找到了哪些痛点？提供什么样的解决方案？产生怎样的价值？成功的核心因素是哪些？最新的规划和动态是什么？

围绕这些问题，36氪采访了Uptake全球副总裁、大中华及北亚董事总经理陆泓。

Uptake融资历史（数据来源：crunchbase）

抓住核心增长引擎：设备预测性维护

卡特彼勒是世界上最大的工程机械和矿山设备生产厂家，每天有300多万台运转设备，难以统一管控。Uptake创立之初拿下的第一个订单，是为卡特彼勒开发一套设备联网和分析系统，采集设备的各类数据信息，联网监控，同时分析预测设备可能会发生的故障，以提前应对。

以设备预测性维护为核心抓手，Uptake扩展到了多个高价值设备行业，包括工程机械、火车头、风机等。在另一个维度，设备产业链上，Uptake也扩展到了设备使用企业、经销商、主机厂等多个重要角色。

设备经销商连接着主机厂和设备使用企业，是Uptake的重要服务对象。陆泓告诉36氪，在重型机械领域，如果设备在维保期外发生了故障，约有80%的维修、更替都不会找到原主机厂，而是购买价格更低的仿制品。

针对该问题，Uptake为经销商提供设备联网运维系统，可以对所有其销售的设备进行预测性维护分析，预判设备故障并及时告知客户，快速高效完成相应维修。

这样可以保证客户施工的不中断，同时大大提高经销商和原厂的售后服务收益，降低服务人工和备件成本。更重要的是将设备运行反馈传递给了原厂商，用于改造制造工艺和优化供应链，提高产品质量，从而形成良性的产品闭环。

Uptake的工业AI和物联网服务架构（图片来自Uptake）

设备预测性维护，是一门大生意

从上一节我们看到，设备预测性维护是Uptake业务增长的核心引擎。国内也有大量的工业互联网公司，提供设备预测性维护，但是鲜有真正能大范围落地的。

我们也听到一些声音，认为设备预测性维护规模太小，需求不强烈，提供价值有限，并不是一个好的落地场景。

所以先回答一个问题，设备预测性维护有多大的价值？陆泓给了我们一些实际案例：

美国一家Class1的火车公司，在美国有大约一万四千个火车头，通过启用人工智能做的预测性维护，帮助他们企业每年节省4700万美金。AMEREN是美国一家发电厂，每年用了Uptake的人工智能应用平台帮公司节省990万美金。PaloVerde是一家核电厂，每年Uptake帮他们节省1000万美金。某个重型机械经销商，UPTAKE软件服务帮助公司每年提高850万美金的收入。

这些案例都清晰的表明，无论是提高收入还是降低成本，设备预测性维护可以发挥的价值巨大，能直接带来企业的显性经济效益提升。

如何真正落地：“人工经验+算法模型+闭环无限迭代”

前面我们聊了Uptake以预测性维护为核心，解决了哪些痛点，能产生多大的价值。这么好的生意全球自然有不少模仿者，可是绝大多数设备预测性维护的公司并没有赚到钱。

所以在这一章节中，我们来探讨下Uptake是如何让设备预测性维护产生这么大价值的。

和陆泓聊完后，我将答案总结为3个关键点：“人工经验+算法模型+闭环无限迭代”。我们结合Uptake的项目服务流程来具体说明，在拿到一个客户项目时：

Uptake会先和客户探讨明确他们的痛点，即定义好问题；

然后看相应设备是否有需要的数据。Uptake不做数据采集，只做数据对接，客户要将所需要的数据准备好。

弄清楚客户是怎么诊断设备故障的，怎么看参数和症状。然后建立一个故障模型，能判断出：什么样的设备数据，对应什么样的故障。