音频文字.

Erik：Jag，非常感谢你今天加入我们。

贾格：谢谢你，埃里克。很高兴来到这里。

Erik：Jag，你知道我在上海，我刚才提到了。我有一个中国妻子和一个三岁的孩子。正如你可以想象的那样，她已经在计划他的职业生涯——尤其是学术生涯。所以，光看你的简历，我不得不想象你妈妈为你感到骄傲。你有这个完美的 IIT 工程，密歇根州立工程，MS，然后是家乐氏的 MBA。显然，你是一个非常努力的人。你在哪儿长大的？

Jag：所以，首先，谢谢你。你这么说真是太好了。现在，我在印度长大。我所有的教育——我的小学、初中、高中，然后是我的本科——几乎都是在印度。然后在我本科毕业后，那是我搬到美国攻读硕士学位的时候。从那以后，我在美国已经有 20 多年的时间了。

Erik：然后我在你的简历中看到了。你在 MathWorks 工作了一段时间，然后转到 GE。我想，MathWorks 是建立技术基础的好地方。 GE，我想你正在与石油和天然气合作进行产品开发。因此，这一定是您开始更多地了解帮助运营公司改善运营这一主题的地方。你在做什么？您能否仅提及您与 GE 合作的项目中的几个亮点？

Jag：我的背景，我的本科生，我是在机械工程专业做的。但后来，我总是对这个领域的交叉点很着迷，这是机械领域，然后是计算机领域。我的意思是，这又回到了那个时代。所以，编程、优化、模拟，这总是让我非常感兴趣和好奇。在我读完本科之后，当我读完硕士学位时，它又在同一个空间里。我还在做应力分析、模拟、流体-固体相互作用以及建模等方面的硕士和研究。因此，我很自然地看到了 MathWorks 的机会，它再次处于工业软件的交叉点。

MathWorks 实际上制作的软件被许多工业公司用于数据分析和设计生产。因此，他们的工具用于汽车、航空航天的控制系统设计。有一些软件用于设计汽车和其他部件中的许多软件组件。再次，这是一个非常好的十字路口。

现在，有趣的是，当我在 MathWorks 开始我的职业生涯时，我开始在 MathWorks 的工业公司工作很多。我一开始与很多汽车公司合作，然后与国防公司、美国空军、美国海军、美国宇航局、波音公司合作，然后是哈里伯顿、马拉松、贝克休斯等能源公司。

关于我如何开始与工业公司合作的基础几乎是从我的硕士学位开始的。但后来，我在 MathWorks 工作了将近十年后所做的事情，我更多地进入了 GE 的商业角色和产品创新角色。所以，我完成了我的商业学位。然后我进入了通用电气。在通用电气，我主要关注新产品创新。因此，我管理了智能仪器领域的一些新产品机会，添加了更多传感器，在边缘和云级别进行分析，然后还管理一些资产和设备监控软件，包括预测性维护解决方案。所以，这就是我进入太空的旅程。

埃里克：明白了。然后是在 2019 年，也就是最近，你创立了 UptimeAI。你的动力是什么？你有一个成功的职业生涯。我总是很好奇，是什么驱使一个企业家说，“我要放弃这份稳定的薪水和这份成功的事业，去试试我的命运？”给你什么？

Jag：就像你说的，这总是一个非常个人化和有趣的旅程，因为每个创始人都有自己的旅程。就我个人而言，我总是喜欢建造东西。我总是非常亲力亲为。我为自己所做的事情感到非常自豪，无论是在家里，还是电子产品或我在电脑上做的事情。对我来说，构建一些东西来解决问题的过程——其他人会为之兴奋，影响其他人、其他行业、人们的生活——对我个人来说是非常非常有益的。因此，创办公司并建立具有创新性并对我们周围的世界和社会产生影响的东西的想法或兴趣一直存在。

所以，我的职业生涯，无论是攻读商业学位，还是转向更商业的角色，都是我采取的步骤来完善我的技能和经验，以便我可以准备开办一家公司。然后，当我在 GE 时，在公司的最后几年里，我开始与许多流程超级专业人士密切合作。我的意思是，全球非常大的加工公司，非常大的工业公司，包括美国、中东、欧洲、俄罗斯、埃及、阿尔及利亚、东南亚。这也试图就工业空间的演变提供很多观点。

具体来说，人们正在研究如何开始使用数据来提高盈利能力。人们想要移动，或者公司想要移动的不仅仅是 KPI 和仪表板，甚至是简单的警报或分析工具，这也很有趣。他们想解决问题。他们不想只收到一堆警报或只显示仪表板和 KPI。与此同时，公司也在关注专业人才流失或人才流失的挑战——资深专家离开了这个领域，然后年轻一代不一定会像过去那样以同样的速度进入。

所有这些，我看到了一个巨大的机会。因为我认为其他领域或其他行业的技术发展有很多变化。但是，出于正确的原因，制造本身在采用方面更为保守。所以，我看到颠覆的时机已经成熟。那时我决定启动 UptimeAI。

埃里克：明白了。是的，时间很重要，很明显。任何有实际足迹的人，事情都会进展得更慢，而且他们不会成为第一个行动的人。但我们似乎确实已经达到了这样一个点，即有足够多的试点、足够的证据案例，让公司感到更高的信心。

在我们进入特定主题之前还有一个问题，即创业公司与跨国公司的问题，以及将新技术推向市场的问题。因为如果你只是把要点写在纸上，你会说跨国公司有 20 倍的获胜权。他们在该领域拥有资产。他们有现有的客户，等等。但是，当你看看谁真正成功地将产品推向市场时，在很多情况下，初创公司是能够更快行动的公司。你认为这是为什么？为什么您认为 UptimeAI 与市场上较大的现有企业相比更有优势？

Jag：是的，这是一个很好的观点。有很多关于这类主题的经典案例研究。他们中的大多数人都在谈论成功在某种程度上是你的敌人。这是非常真实的。因为当您查看一家大公司时，通常他们拥有大量的产品组合。通常，当您进行创新时——例如，大公司提供了许多服务驱动的解决方案，这将产生大量收入。

现在，如果你要开发一个软件应用程序，让公司能够自行完成工作，自助服务类型的能力，它会破坏他们拥有的业务线，而这更多地是由服务驱动的。所以，矛盾总是存在的。那么公司越大，你就越有可能发生多次冲突来做一些非常具有破坏性的事情。

通常需要有人迈出非常大胆的一步才能说没关系，我会抓住这个机会。我将冒着现有收入线的风险去做一些破坏性的事情，根据定义，这是一个冒险的提议。通常，这是一个艰难的决定。这也是大公司很难创新的原因之一。从理论上讲，其他原因也是硬件公司应该能够开发软件。它是真实的。当人们谈论文化时，当人们谈论公司的核心优势时，它们都是真实的。当你有来自纯硬件领域的人，而领导力来自硬件领域，建立软件业务时，它就不再是相同的模式了。这是我看到公司核心实力不一定与他们想要去的空间一致的另一个原因。

然后还有一些方面的限制。当有需要和有必要时，创新就会发生。我遇到了很多来自大型企业或在大型企业工作过的人。有时他们说这几乎就像一家大公司的初创公司。这是一项新举措。这是一家大公司的初创公司。但让我告诉你，它实际上并不是一家真正的大公司的初创公司。因为当人们经常说它是一家大公司的初创公司时，他们只是意味着产品可能是新的。但是，他们仍然拥有庞大的销售队伍。他们仍然拥有庞大的软件工程师团队。他们仍然拥有所有的 IT 支持。一切都在那里。只是产品是新的，所以他们需要处理那个业务。

而一个初创公司本身，你有更多的限制，这意味着你必须更加专注。你不能只看，我可以壮大我的团队吗？在真正发展团队之前，您确实必须发展业务。我认为这些因素中的很多因素使初创公司、小公司的条件更有利于真正的创新，而不是非常大的公司。

埃里克：好的。

Jag：这是一个很长的答案。

Erik：不，这很有用。这反映了我的经历。几个月前，我正在与一家电信公司的高管聊天。他说，“是的，我们有很多非常创新的产品团队，他们在做非常棒的产品。但是一旦他们开始获得任何牵引力，就会有人扼杀他们。”因为当只是一个小团队在做某事时，好吧，我们可以给他们自由。但是一旦他们开始在市场上获得一些牵引力，就会有人说，“好吧。我们需要把它整合到我的投资组合中，”或者正如你所说，“这可能会蚕食我们的业务。让我们坚持下去。让我们讨论一下。”然后这些讨论继续进行。

贾格：没错。

埃里克：好的。伟大的。这是一个非常有趣的动态。但是，让我们现在进入主题。也许我们可以从价值主张开始。在某种程度上，它以您的名义 UptimeAI。但显然，您所做的不仅仅是正常运行时间。那么，您为市场带来的高水平价值主张是什么？

Jag：我认为，从根本上说，如果一个人生病了，我们会去看医生进行诊断并弄清楚我们需要做什么。如果机器出现问题或操作问题，通常人们会去找专家。这些是拥有 30、40 年经验的专家。他们可以连接点，诊断和解决问题。

现在，我们知道，在过去几年中，这些专家中有相当多的人已经退休，接近估计，例如，几乎 75% 或更高的高级专家已经退休。当您看到这样的专业知识流失时，年轻一代期望能够指导他们或以更有效的方式为他们提供这些见解的工具和解决方案，同时更加强调可持续性机器受到打击，机器变得越来越老，如何您是否更有利地、更安全、更可持续地运行这些计划？这就是 UptimeAI 所做的。它通过提供模仿专家学习和解决运营问题的解决方案来解决这些问题。它是一个纯基于软件的应用程序，使运营团队能够更快、更省力、更大规模地解决可靠性问题、设备问题以及性能和能源效率问题。这就是我们所做的。

Erik：我很想深入了解一下我们所处的现状。因为我们处于这个有趣的领域，正如您所提到的，不久前，人们或多或少对可视化感到满意，并且能够在仪表板上远程访问数据。现在人们期望您能够在某种程度上进行预测分析和优化系统。我们有这方面的成功案例。但这并不容易，对吧？

那么对于公司来说总是有一个问题，什么是速赢？在哪些领域我对这项计划会取得成功有相当高的信心？哪些用例具有挑战性并且有失败的可能性，但它们值得尝试，因为它们具有很高的价值？那你怎么把它们联系起来？你如何建立一个路线图，你可以说，“好吧，我们不愿意在高风险的企业中投入大量资金，但我们想开始建设基础设施，开发数据集，然后搬进来那个方向？”我们如何做到这一点？

我想你经常和你的客户进行这些对话，帮助他们确定我们今天做什么，我们明天计划什么，以及我们对未来的想法。您如何看待构建这些路线图并确定计划的优先级？

贾格：当然。因此，让我从现状中的用例开始，然后我们将讨论一家公司应该如何看待它，或者当他们考虑将针进一步转向更复杂的解决方案时，他们应该如何看待它。

所以，如果你看看市场，我已经谈到了解决运营问题。我们正在谈论可能消耗更高能量的性能问题。如果你看看一家水泥厂，它可能有 40% 到 60% 的成本是能源。如果您在能源上多花费 1%，那么仅在这 1% 中，您每年可能会损失 500 万或 1000 万。

同样，在炼油厂或太阳能发电厂中。在太阳能发电厂中，如果面板上积聚了灰尘，您可能会损失高达 7% 的生产损失，这仍然是效率损失。然后你看看一家每天生产 300,000 桶的炼油厂，它通常可以连续使用高达 1000 吨/小时的蒸汽。这是蒸汽中的大量能量。如果你能节省 2% 的钱，那么每年的价值就是数千万美元。这些是我们在性能方面的问题——能源效率、原材料效率、用水效率等等。

现在，另一部分是操作问题，是设备故障。这些通常在用例方面更受欢迎，因为它们在本质上更明显。如果有一个设备出现故障，人们会非常非常直接地注意到它。而从性能的角度来看，您可能会在一年内损失 5% 的效率，而您甚至可能都不知道。人们实际上可能会错过这种机会是很常见的。所以，这些都是运营问题。如果您大规模有效地执行它们，那么您可以降低维护成本，提高员工生产力，提高企业一致性。所有这些次要影响都紧随其后。

现在，如果你看看这些用例，然后看看现状是什么，人们今天是如何解决这些问题的，那么你确实有市场工具。市场上有一些数字工具，无论是 DCS 警报还是它们——都有很多单点解决方案。有一些用于查看性能的解决方案。有一些解决方案可以查看旋转设备的预测分析。有用于查看维护数据的工具。这些都是针对不同设备、不同功能的不同点解决方案。

问题是，如果你真的想更进一步，你必须更全面地看待事情。举个例子，我们正在与之合作的一位客户，他们在涡轮机上安装了这个案例，他们正在查看涡轮机上的实际换档。然后他们认为这可能是一个可靠性问题，可靠性团队正在研究它。他们找不到任何不对劲的地方。然后他们把它送去维修，然后他们把它送去仪器仪表。然后他们回来了，然后他们拉了一个专家，一个外部的高级专家，作为第三方顾问。那个人进来了。他看了一堆数据，分析了几个星期。然后他发现这实际上是因为性能或流程问题。这不是因为机械问题。

所以，我提到这一点的原因是，整个过程花了十二周的时间。它非常清楚地表明，可靠性性能和维护的这些方面，它们都是相互关联的。所以，人们现在想要做的是，第一，人们想要更全面地看待事物并以综合的方式优化机会，而不是有这些错过这些机会的单点解决方案。这是人们想要的一件事。

另一方面，人们正试图通过高级分析来做到这一点。这就是所有关于我们如何使用更多数据来做到这一点的举措。因为现在我有很多数据。我如何利用这些数据？仅使用纯分析方法的挑战在于，如果您使用纯分析，那么您需要大量的数据科学、活动和努力。这可能需要几个月的时间。你必须雇人，或者你必须花很多钱。我们已经看到很多部署 1000 台设备的案例，可能需要数年时间才能上线。这是很多钱和精力。然后，即使您进行部署，这些模型也不会为您提供有关诊断内容和问题原因的信息。它仍然会告诉您有关压力高、温度低的症状。所以，你仍然依赖专家。

纯分析方法的第三个主要挑战是，比如说，你要建立一个模型。它会发出警报。然后接线员说没关系。它没有任何问题。该警报实际上是一个误报。模型会发生什么？什么也没有发生，因为操作员所说的和模型所做的之间没有联系。那里没有直接联系。这就是为什么很多客户被困在试点的原因。以泵或压缩机为例并分析数据非常棒。但实际上使其成为可扩展的操作工具是另一回事。这就是 UptimeAI 的用武之地。

因此，我们有一个专门构建的应用程序，用于在整个单元级别、整个工厂级别监控资产，它将帮助您连接这些点，预测问题，连接点，帮助您确定原因，为您提供有关如何进行的建议修理它。然后随着操作者采取行动，它可以自动从这些行动中学习调整并学习变得越来越好。它模仿专家实际做事的方式。所以，这实际上是旅程。

你还问，客户怎么看这个？就如何从他们所在的位置到更复杂的工厂级监控而言，这似乎是一项艰巨的任务。通常，当我们与客户交谈时，有些客户经验丰富，因为他们尝试了很多东西。我们发现很多这样的客户尝试了很多试点，但他们无法扩大规模。他们的手上有烧伤的痕迹。所以，他们更加小心——他们知道要寻找什么。

但也有一些客户刚刚开始他们的旅程。我们告诉客户的是，首先要从用例开始。不要只是从“我想建立一个巨大的数据湖，或者我想添加数百个传感器”开始。因为归根结底，这数百个传感器可能会或可能不会真正解决您要解决的问题。你想基本上从“我如何产生价值？”这一点开始。

因此，我们建议首先查看用例。与了解用例的人一起工作。不要只使用数据库或数据记录，纯粹的技术方面。先看业务方面。第二部分是，这些公司中的许多已经拥有大量数据——已经有了很好的数据。因此，我们总是建议先看看如何从现有数据中产生价值，然后与供应商合作或看看如何最大限度地利用现有数据，然后再看看缺少什么。需要填补哪些空白，以便您可以真正证明削减项目以添加这些空白是合理的？

第三件事是，您希望从更广阔的视野开始。不要从真正的点解决方案开始。因为你有很多点解决方案。这些植物通常非常昂贵，非常广泛。有公用事业。有过程。有很多不同类型的设备。所以，你可以扩展它的唯一方法是，如果你已经从一个你对如何更广泛地覆盖的愿景开始。否则，会发生什么——我们已经看到客户在其中构建了 10 个小型应用程序，其中 15 个用于 15 个不同的用例。但管理和维护它们变成了一场噩梦。他们无法真正扩展。所以，我认为这是我们与客户合作的三件事。我们与客户交谈。我们真的帮助他们，指导他们完成这个决策过程。

Erik：是的，它似乎真的把这些点联系起来了。这是具有挑战性的事情。因为设置现场解决方案是——我的意思是，这并不是说它很容易，但它相对更容易，风险更低。一个小团队可以做到这一点，因为他们拥有该资产的所有权。定义愿景通常并不太具有挑战性，因为您聘请了一些顾问并将 PP 技术放在一起。你有远见。

但是，然后，以一种您可能从较小的解决方案开始的方式连接这两者，但是您这样做的方式是它们可以相互集成并且它们在逻辑上相互契合，然后将它们构建成一个更大的解决方案，它具有更多的流程视角而不是资产视角。这似乎是这里的一大挑战。

有没有案例？也许这将是一个有用的方式来思考这个问题。这是看一个公司的例子，以及他们是如何经历的。是否有任何公司想到了这一旅程，或者至少可能正在旅程中可以帮助说明这一点？

贾格：是的，绝对的。我们在电力、炼油、化学品和可再生能源方面进行了部署。以一家传统的炼油公司为例。这是一种传统植物。可能是30多年的植物。他们正在寻求提高可靠性和可持续性，尤其是在能源使用方面。所以，我们看待它的方式是，让我们首先开始 - 所以，业务目标是明确定义的。本质上，我们如何减少能源消耗？我们知道正在消耗的不同类型的能源或能源是什么。我们首先看看基线是什么，然后了解从那里开始，我们必须向前迈进。我们必须减少能源消耗。

然后我们看了看，好的，炼油厂中有哪些不同的系统或单元实际消耗或更多地消耗这种能源？我们开始一个单元一个单元。然后我们开始监控这些单位，以确定哪些地方存在过多的能源消耗机会。例如，通常情况下发生的情况是——比如说，你今天每小时平均消耗 1000 吨。明天，它会增加到 1,100。问题来了，为什么这 100 次额外消耗蒸汽，这是否有效？是因为效率低下，还是因为环境温度下降，所以我不得不注入更多能量？还是因为我的投入，我的单位负荷增加了？这对于工程师来说通常会变得非常复杂。因为有很多参数。

因此，我们所做的是查看了单元数据或传感器数据——既有工艺信息也有机械信息。然后我们用我们的 AI 引擎，不仅在单位级别，而且在设备级别，所以我们现在可以用它做的是我们可以看看，好吧，每小时有额外的 100 吨消耗。有问题吗，还是可以的？我们的应用程序正在执行该分析。它正在确定是否存在问题，如果这 100 吨中的 5 吨实际上是因为效率低下，我们的应用程序能够确定可能是气体压缩机有问题，或者您的主鼓风机实际上消耗更多，并且比它应该的更多的能量。

因此，我们总是从现有数据、现有传感器开始这项练习。这也是我们为这位客户所做的。我们能够识别挑战或问题。例如，对于压缩机，我们能够确定某些再循环或喘振阀在一定程度上打开，这实际上导致了过多的能源消耗。它导致效率低下，这可能会导致每小时节省几吨蒸汽。因此，这些是我们能够为他们展示的问题。

然后，随着我们现在越来越深入，我们几乎覆盖了整个炼油厂中的所有单元，以便能够准确地看到正在发生的事情。当我们这样做时，我们确实发现传感器数据中可能存在一些差距，尤其是特定单元、特定设备。这就是我们建议客户的地方，“嘿，您拥有的下一组改进机会是为该设备添加这些传感器，以便我们在诊断和准确诊断方面获得更多不同的见解，更有意义的见解问题的原因。”所以，这是一个例子。

埃里克：太好了。也许如果我们使用这个例子，我们可以从不同的角度来看待它——组织的角度。当您开始连接解决方案的不同组件时，您开始需要大量的领域专业知识并了解为什么会出现这些动态。此外，当您查看我们如何诊断此问题时，我们可以做些什么不同的事情？同样，您需要特定的专业知识。那么，谁将是该项目团队的内部利益相关者呢？另外，有外挂吗？你在拉动原始设备制造商吗？您是否也将其他技术合作伙伴或系统集成合作伙伴纳入这些项目团队？

贾格：这是一个很好的问题。因此，我们所做工作的独特之处之一是，当我们说 UptimeAI 有一个专门为重工业运营而构建的应用程序时，我们的解决方案结合了数据科学和领域专业知识。我们这样做的方式是我们有内置的故障模式库和针对不同类型设备的建议。我们建立该图书馆的方式是单独聘请在该行业拥有 40 年经验的各种高级主题专家。我们在各个领域都有十几位这样的专家——有人来自锅炉，有人来自旋转设备，有人来自能源集成，有人来自仪器仪表。这就是我们开始构建该库的方式。

发生的情况是，使用我们的应用程序，它可以检测到。它可以预测问题。它使用该知识库来诊断可能是什么问题。它可以看看，嘿嘿，对于我的粉丝来说，现在的使用量在增加，但是我的输入压力却在减少。我的沥青流位置不断增加。它可以分配给阻塞问题过滤器。因此，该解释已经内置到应用程序中。应用程序中内置了故障模式和影响分析，因此它可以查看症状并诊断问题可能是什么，故障模式可能是什么，以及应该采取什么样的建议措施。

现在，这是一个很好的起点。最重要的是，我们确实引入了现场团队。因为现场团队将拥有更专业的运营知识。毫无疑问，他们是具体操作的专家。然后，他们可以添加到我们作为基线提供给他们的知识库中。

我们的应用程序被使用——在提炼的情况下，我们有来自能源团队的用户。我们有来自流程的用户。我们有用户从操作，机械可靠性。我们有来自每个职能部门的代表，他们都在同时查看我们的应用程序中的问题，以确定这是一种责任，这是一个过程吗？他们一起工作。然后，他们将与控制室的运营团队协调，然后解决这些问题。我们确实有，在应用程序中，有一个协作游戏，您实际上可以在其中来回进行。然后，该活动将成为未来问题的知识库。

埃里克：明白了。好的。伟大的。我认为在这些复杂的情况下，数据科学和内置以及外部领域专业知识的结合似乎非常关键。但让我们看看另一个用例，即能源效率的用例。这已经是一个长期的优先事项，因为正在稳步推动成为更可持续的经济体。我认为在这里提供解决方案的每个人都需要向普京总统派发红利，因为他在乌克兰的战争确实加速了这一需求。然后我们在北半球也发生了干旱，这也给公用事业带来了很大的压力。

总的来说，我想，对于任何正在寻找能源效率解决方案的人来说，今年都是非凡的一年。我认为，就你如何使用而言，这里仍然存在相当多的复杂性——即使只是跟踪能源的使用地点，我认为很多公司还没有在细粒度的基础上做到这一点。然后看你如何优化。那么，您对我们所处的位置有何看法？那么企业应该采取哪些措施呢？

Jag：你提出了一个非常好的观点。因为，传统上，许多数字解决方案一直关注关键旋转设备的可靠性。这一直是数字工具的宠儿。出于正确的原因，在查看关键设备的设备故障方面具有很好的价值。没有问题。但是，当您查看能源效率和性能时，它们就更难被发现了。部分原因是，当某些事情发生故障时，就会出现持续退化。您实际上无法观察到这一点，因为在最终失败之前最终可能会发生重大变化。

对于性能和能源效率，您可能会看到总体上 2%、3% 或 5% 的改进。很多时候，它实际上可能不会持续退化。您可能总是会损失 5% 的效率，而且您甚至可能不知道，因为您就是这样操作它的。一般来说，这些降解在性质上非常非常缓慢。

因此，您使用的工具和技术应该能够识别这些细微差别和细微变化，而不是可靠性类型问题中典型的主要症状。第一，您必须能够构建或拥有专门针对这些类型问题的解决方案。其次，就像你说的，你希望能够跟踪它。因为，归根结底，你必须先衡量。然后第二部分是确定可能导致这些变化的因素，然后拥有该智能来解决这些问题。

公司——正如你所说，由于你提到的所有原因——他们非常关注这些方面。因此，总的来说，连接所有不同的信息点，并能够组织信息并从整体上看待它，然后从那里，能够理解和分析为什么会这样，以及是否存在问题与否，本质上很重要，但本身就是一个复杂的解决方案。

Erik：您认为这里的数据可用性如何？我们有一个案例，一位客户致力于支持中国的汽车原始设备制造商。从历史上看，原始设备制造商只在工厂级别跟踪能源消耗就很舒服。但是，当你开始考虑如何改进时，那肯定不是——那是行不通的。您是否在整个行业或您所在的行业中更广泛地看到这一点？您是否在这里看到了更好的数据可用性？

Jag：通常，我们将制造空间分割成离散的，然后进行加工。公用事业、精炼化学品等加工行业。因为它们通常是连续经营的行业。他们运行 365 天。它们也是完全自动化的。因此，我们确实发现找到该数据的可能性更大。我并不是说它总是 100% 全面，但是在我们发现的这些加工工业中，您确实在能源消耗和信息方面获得了更多的粒度。

另一方面，如果您查看汽车或电子制造或其他一些行业等离散制造领域，传感器的数量可能会更少。因此，您可能还需要添加一些额外的硬件，添加一些额外的硬件来开始测量这些点。这就是为什么我们更多地从流程方面开始我们的旅程，因为数据的可用性。今天，我的意思是，我们在电力、公用事业、化工和炼油领域都有部署。正如我所说，这不是 100%。我们是否拥有想要拥有的每一个传感器？不，但你能覆盖 75%、80% 的价值吗？是的，我们可以。

Erik：好吧，让我们来看看 UptimeAI 的下一步是什么。你们仍然是一家相对年轻的公司。我相信你有一个非常雄心勃勃的产品路线图。你能否分享一下——如果你展望未来 24 个月、36 个月——对你来说最重要的优先事项是什么？

Jag：我们一直着眼于能够——鉴于这是一个保守的空间，我们一直希望让客户看到我们可以提供的价值，并将这些故事带给其他客户，以便能够——你拥有他们作为证明点，这样我们实际上可以为其他客户提供与我们为现有客户提供相同的价值。

现在，在过去两年半左右的时间里，我们有幸与一些行业思想领袖合作。就像在印度一样，我们与 Tata Power 合作。我们正在与多家公司合作，包括水泥、可再生能源。我们正在为甚至像壳牌这样的大公司进行部署。现在我们正在做的是处理这些案件。我们实际上正在全球扩张。今天我们在亚洲有客户。我们在中东有客户。我们在北美有客户。

现在，在接下来的 24 或 36 个月内，我们希望团队规模几乎增长 2 到 3 倍，并且基本上会在我们较少出现的地区进入市场。作为其中的一部分，我们还引入了来自不同领域或不同行业和地区的许多合作伙伴，以便我们可以提供更全面的解决方案。

埃里克：太好了。那些合作伙伴，这更多是在系统集成方面还是在技术技术集成方面？

Jag：更多的是在系统集成方面，以及实施合作伙伴，然后是销售合作伙伴。

埃里克：好的。伟大的。 Jag，我认为我们已经在这里覆盖了很多领域。我们没有提到的任何事情对于人们来说很重要吗？

Jag：不，我认为我们确实涵盖了很多东西。我知道对于正在经历这个旅程的公司来说，他们可能有很多问题。我们总是乐于参与和支持。我们公司拥有令人难以置信的员工，他们在与客户合作构建他们的路线图方面拥有丰富的经验，并且还致力于旧解决方案或下一代解决方案。因此，我们非常乐意与客户互动和合作。

我们的网站上确实有一些白皮书，其中讨论了您如何评估解决方案，平台和专用应用程序之间的区别，我们拥有的不同类型的用例研究，您如何区分实际人工智能应用程序与声称是人工智能应用程序的应用程序，但只是使用机器学习或某种回归模型或类似的东西。很多资源。我们很高兴参与。我们的网站是 www.uptimeai.com。也可以通过 LinkedIn 或其他社交媒体形式联系到我。

埃里克：好的。完美的。 Jag，谢谢你今天的时间。

贾格：谢谢你，埃里克。是的，很高兴来到这里。