设备智能运维 AI 日报

今天（9 月 20 日），以"智造世界·创造美好"为主题的 2026 世界制造业大会在合肥滨湖国际会展中心开幕。本届大会展览展示总面积达 7 万平方米，900 余户企业、1 万余件展品参展，英国担任主宾国、四川省担任主宾省，全球 1000 余名嘉宾参会。

对设备智能运维从业者而言，本届大会看点集中在三处：其一，新一代信息技术展区内，工业声学大模型公开亮相——声学正是泵、风机等旋转设备故障诊断的重要信号源，大模型化意味着"听音辨障"进入规模化落地阶段；其二，明天（9 月 21 日）容知日新将在大会期间全球首发工业设备智能运维 AI 原生操作系统"观星 OS"，支持第三方开发运维小程序；其三，9 月 22 日"AI+制造"专题会议将设置"设备诊断"独立展项，知源智能等厂商将首发工业算法平台与设备诊断系统。

此外，机器人和具身智能展区近 2000 平方米，集中展示配电站房人形巡检机器人、特高压站用四足巡检机器人等装备，与设备在线监测形成"机器人巡检+AI 诊断"的组合拳。

《机械工程学报》2026 年第 12 期刊出"数字孪生赋能的高端装备智能运维"特邀专栏（下篇），集中呈现两条技术主线。

清华大学褚福磊团队提出 Diffusion-Ramanujan 数字孪生架构：用条件扩散模型把未知类型故障样本"生成"为健康样本，通过对比转化前后包络谱分布差异自动挖掘潜在故障特征，再以唯象仿真模型驱动 Ramanujan 周期变换实现无参数依赖的特征分离。在 IMS 轴承数据集上，该方法在缺乏故障先验知识的情况下，较包络谱提升、Anomaly-Transformer 等基线实现了更早的故障检出时间与更高的监测准确性——直击工业现场"故障样本稀缺"这一最大痛点。

上海交大刘成良团队则聚焦齿轮传动系统在线监测：传统结构性能评估依赖离线有限元仿真，计算耗时难以满足在线时效要求。该团队构建物理层-边缘层-云层-通信层四层边云协同数字孪生框架，用图神经网络代理模型替代有限元完成结构性能快速预测，实现齿轮传动系统的实时在线状态评估。

中国工业新闻网 9 月 18 日报道，华东理工大学"华帆智安"青年团队深耕特种承压装备智能运维。石化、能源等高危流程工业中，装备长期处于高温、高压、强干扰环境，微裂纹、腐蚀等早期损伤隐蔽性强、尺度微小、"看不清、定不准"，是制约智能运维落地的核心瓶颈。

该团队以非线性超声传感与精准损伤定位两大核心技术攻关，目前可实现亚毫米量级微小损伤精准检出，设备损伤定位误差严格控制在 5% 以内。在感知前端之上，团队自研搭载数字孪生架构的 Vessels 智能运维系统，打通设备运行数据壁垒，构建实体装备与虚拟数字模型的实时动态映射，形成损伤智能监测、装备状态评估、安全风险预警、精准运维决策四大功能体系，实测装备安全风险预测准确率达 95%，把"检测发现异常、事后被动处置"的传统模式改写为"感知损伤—识别位置—映射状态—研判风险—辅助决策"的全链条主动运维。

团队已与中石化宁波工程有限公司及其数字分公司达成深度产教合作，推动自研技术从实验室走向真实工业应用场景。

9 月 18 日，来自芬兰的工业物联网厂商 Treon 在达拉斯发布工业 AI 引擎 Treon IQ，定位是"替运维团队盯数据、开处方"：系统持续读取实时与历史资产数据，结合 CMMS（计算机化维护管理系统）与 ERP 数据，自动检测异常、解释根因，并生成按优先级排序的行动清单，免除运维人员逐屏分析仪表盘的负担。

技术上，Treon IQ 是对 Treon Connect 处方性维护（Prescriptive Maintenance）云平台的扩展，把专有异常检测、深度学习诊断模型与大语言模型整合进同一框架——用 LLM 把"冷冰冰的阈值告警"翻译成"可执行的维护建议"。这一发布延续了国际市场从预测性维护（PdM）向处方性维护（RxM）升级的趋势：PdM 回答"什么时候会坏"，RxM 进一步回答"该怎么办、该先修哪一台"。配合其传感器与网关硬件，Treon 正试图打通"感知—诊断—建议—工单"的完整闭环。

9 月 18 日，华为全联接大会 2026 期间，达智汇解决方案中心与华为联合发布基于昇腾算力底座的电子行业工业 AI 联合解决方案"伏羲工业 AI 平台"。

该方案覆盖 AI 设备运行检测、AI 安全检测、AI 质量检测等核心场景，形成边缘部署、企业部署、集团部署的多层次架构：达智汇聚焦应用层，以伏羲 AI 平台与洛神 AIOS 把 AI 能力封装为面向制造场景的一站式应用；华为则提供从数据、计算、存储到网络的平台能力。针对制造企业 AI 落地普遍面临的"数据困境、忽视人的因素、跳过基础工作"三大挑战，达智汇提出"伏羲模式"——一套工具平台加一组数字教练，通过伏羲智算、伏羲智眸、伏羲智擎三大平台，帮助企业培养自己的 AI 人才梯队，实现 AI 方案的持续自主开发、应用与迭代，摆脱外部依赖。

这一"授人以渔"的路线，与当下多数"交钥匙"式 AI 项目形成差异化，也把"组织能力"提到了与技术方案同等的位置。