林辰按下28层的按钮，“传统销售是先讲方案，再试点，再签合同。我们反过来，先免费试点，用效果说话，再谈合同。而且——”
他顿了顿：“我们不是要从零开始建模型。系统已经生成了纺织机械预测性维护的算法框架，我们只需要针对具体工厂的数据做微调。这个时间，可以压缩到两周内。”
王海清瞪大眼睛：“两周？这怎么可能？光是数据清洗和特征工程——”
“用我们重构‘星语’时积累的那套自动化工具链。”林辰说，“再加点新东西。”
电梯门开了。
林辰走出去，留下王海清站在原地，半天没回过神。
3
接下来的两周，林辰团队进入了另一种状态的工作节奏。
不再是“星语”重构时那种封闭开发、全员压上的模式，而是分成了两个小组：A组五个人，继续维护和优化“星语”系统，确保基本盘稳定。B组五个人，由林辰亲自带队，全力攻坚纺织机械预测性维护项目。
B组的办公区被单独隔了出来，白板上贴满了纺织工厂的车间照片、设备图纸、传感器布置图。桌子上摆着几本厚厚的《纺织机械原理》《设备故障诊断学》，还有从试点工厂拿回来的轴承、齿轮等实物样品。
林辰的工位在最中间，三块屏幕并排：左边是系统的算法开发界面，中间是试点工厂的实时数据监控，右边是项目管理和团队协作工具。
“林总，第一家工厂的数据接进来了。”一个年轻工程师报告，“不过质量很差，很多传感器读数有跳变，还有大段缺失。”
“用我们之前处理‘星语’日志数据的那套异常检测算法，先自动清洗一遍。”林辰头也不抬，“清洗完的结果，同步给算法组，开始训练基线模型。”
“第二家工厂不愿意给实时数据，只给了过去三年的历史故障记录和设备运行日志。”
“历史数据也行。先用这些数据做离线分析，找到故障发生的共性模式。等试点开始了，再用实时数据迭代模型。”
“第三家工厂……他们总工说，想先跟我们开个视频会，看看我们到底懂不懂纺织。”
林辰终于抬起头：“什么时候？”
“明天上午十点。”
“我来。”
视频会定在第二天上午十点，对方是华东地区一家中型纺织厂，年产值五个亿，设备老旧，故障率高。总工姓孙，五十多岁，在行业里干了三十年，是典型
…。。