设备智能运维 AI 日报

9 月 15 日，人民日报刊发《智能经济活力奔涌》，把"智能体成为人工智能场景化落地的关键入口"作为核心命题，首个工业案例即是能源设备运维：龙源电力在国内上百座风电场管理着超万台风机，大多分布在戈壁、山地、海域等偏远地区，运维检修是长期难题。2025 年，龙源电力与百度智能云联合发布千亿级发电大模型"擎源"，设备运检智能体随后进驻全国 100 多个风电场。

如今，运维人员只需自然语言交互，大模型就能给出处置建议；风机则能实时通过振动、温度、功率等多维数据进行"自我诊断"，累计发现设备缺陷 2600 多个，故障识别准确率和运维效率均大幅提升。同篇报道还披露：国家电网 1.8 万名运维人员配上"AI 搭子"，单站巡视时间由 2.5 小时压缩至 45 分钟；南方电网深圳供电局 75 名"数字员工"上岗，覆盖生产运维等关键环节。李彦宏点评称，智能体火爆说明用户买单的是"能不能帮我把事做完"，AI 正从聊天工具向"数字员工"转变。

9 月 20 日至 23 日，2026 世界制造业大会将在安徽举办，3 天内 9 场专场发布接连上演。其中 9 月 21 日的"人工智能+制造"场景对接专场最受设备运维圈关注，分为"软件赋能制造""自主软件基座""产需对接"三大板块，集中发布 13 项成果。

两个发布直接命中 PdM 赛道：其一，容知日新将全球首发设备智能运维操作系统——观星OS。作为面向工业场景的 AI 原生操作系统，观星OS 将重塑设备智能运维的技术底座与应用方式（9/12 本报曾报道其预告，本次正式定档），同期还将发布《AI+设备智能运维发展路径报告书》，把行业方法论体系化输出。其二，羚羊公司将发布羚羊工业大模型 3.5 版本，融合多模态感知与时序预测，搭载能源知识图谱，实现算力—电力—能耗三体协同调度，综合用能成本可下降 15%—30%，绿电消纳率达 95%，并同步推出算电协同、电力交易、零碳园区三大智能体。

9 月 11 日，预佳智数科技（上海）与深圳中亿集团签署战略合作协议，围绕具身机器人综合服务平台能力提升与维护保养标准共建展开深度合作。签约背景是：随着人形机器人量产窗口临近，单台机器人 28—60 个关节的健康管理与售后运维，正成为制约产业规模化的关键短板。

合作聚焦两大方向：一是关节传感数据的高效应用——预佳智数 V-PdMS@IAS 振动智能监测技术，用非介入式方案复用关节内置编码器信号实现原位监测，单关节监测成本较传统振动方案大幅下降，可覆盖减速器、电机、控制器等主要故障类型；二是运维标准体系的联合探索，双方将围绕关节维护保养、健康评估与故障分级制定团体标准与服务规范。预佳智数是工业设备预知维护领域的 AI 模型平台型企业，其技术与昆明理工大学振动与噪声实验室联合研发，在机器人关节、RV/谐波减速机故障诊断上具备行业独有优势，并拥有"6—18 个月提前预警"能力。

9 月 10 日，Nokia 在芬兰 Espoo 正式发布 Cognitive Operations（CO）平台，将任务关键通信、加速边缘计算与运营 AI 统一在一套可现场部署的系统内，首发瞄准矿业、公共安全与国防三大市场。平台为作业团队提供实时场站与资产智能：AI 智能体辅助决策、实时 3D 数字孪生、视频分析、预测性维护与自主安全监测，目标是提升作业韧性、降低停机时间。

硬件核心是 Cognitive Edge Node（CEN）——一台坚固型网络与边缘计算节点，板载 GPU 加速运算，并集成 Rajant 的 InstaMesh 弹性无线网状网络技术，确保偏远矿区网络无单点故障。CO 支持本地私有化部署或通过 Microsoft Azure Marketplace 云端部署，矿业运营商"几天内"即可上线；矿业版 CO for mining 是其旗舰产品。Omdia 分析师评价称，AI、边缘计算与任务关键通信的融合正成为工业组织提升运营绩效与人员安全的关键要求。

2026 年 9 月，阿布扎比科技创新研究院（ATRC）旗下应用研究机构 TII 成为中东首个获得高通"Tech for Good"资助的机构。该资助支持一项联合研究：把 TII 自研的 SADEED 预测性与健康管理（PHM）平台，部署到高通 Dragonwing IQ9 边缘 AI 处理器上，让安全关键系统能直接在飞行器上完成健康分析，无需依赖持续的云连接。

随着货运无人机与电动垂直起降飞行器（eVTOL）逼近商业化，航空维护仍高度依赖计划性检查与固定维护间隔。SADEED 的目标是支持向"状态修+预测修"转型：持续监测关键系统健康状态，用 AI 识别预示故障萌芽的异常模式，在部件劣化早期、尚未演变为故障前发出预警。机载运行意味着更快的本地决策、更少的连接依赖，安全关键运行数据直接在边缘侧完成处理。该合作基于 TII 推进与太空研究中心 AI 诊断与预测团队两年多的研究积累；由于 SADEED 平台无关，其能力还可扩展到其他对可靠性要求苛刻的行业。高通高管强调：自主飞行器是 Physical AI 的典型代表，"不能依赖云连接才知道自己出了问题"。