设备智能运维 AI 日报

这场发布会是国内 PHM 行业首次以"操作系统"形态定义设备智能运维。观星 OS 被定位为面向工业场景的 AI 原生操作系统，强调"让设备可感知、让应用可生长、让运维可进化"。同期发布的报告系统梳理了从"经验驱动"到"数据驱动"再到"AI 驱动"的运维范式演进，将为石化、钢铁、风电、煤炭等流程与重资产行业提供可落地的参考框架。

对代理商和客户而言，这意味着 PHM 不再只是单点监测工具，而是一个可承载第三方应用、智能体与行业 Know-how 的开放底座；未来生态竞争将围绕 OS 的数据标准、算法商店和运维小程序展开，软硬一体、订阅制与生态分成或将成为主流商业模式。

报告给出了中国制造业智能化进程的量化坐标：截至 2026 年 6 月底，全国累计建成 5.6 万余家基础级、9000 余家先进级、500 余家卓越级智能工厂。工信部副部长辛国斌提出"深入推进人工智能+制造，梯度培育智能工厂，大力发展开源基座模型和垂类模型"。

对设备运维赛道而言，这意味着 AI 预测性维护已从"灯塔项目"变成智能工厂分级建设的必选项，客户预算、验收标准和 ROI 测算都将进入规范化阶段。对德姆斯灵瞳这类轻量级订阅方案来说，正是规模化获客、与智能工厂评级体系对齐的政策窗口。

DiagFit 的核心价值在于"只学正常、不靠故障样本来识别异常"：先用历史运行数据建立设备正常行为基线，再比对实时多传感器数据发现偏离。这对卫星、直升机、核电、国防等故障样本稀缺但后果严重的场景尤为关键。I-care 计划将 DiagFit 逐步融入 I-see 平台，并支持本地部署以满足高安全合规需求。

此次并购也预示着 PdM 市场进入整合期：具备独特算法能力的垂类初创被头部平台收购，数据主权与少样本学习正成为新的技术竞争壁垒。对国内厂商的启示是，在高端装备、军工、能源等敏感领域，"无先验学习 + 本地化部署"将成为必须回答的两个问题。

海航技术的平台整合故障报文、QAR 飞行数据等核心信息，开展时域/频域多维分析，实现飞机系统全时段趋势化监控和潜在故障预警。目前平台已成功捕获 200 多项潜在故障，典型案例包括提前预判空调热交换器性能衰减、孔堵塞和污染物附着等隐患，在功能性故障发生前统筹协调恢复工作。

民航局副局长韩钧强调，人工智能与民航融合是培育新质生产力的核心路径。这对工业 PHM 的启示是：高可靠性行业（航空、轨道交通、核电）对"预测—决策—执行"闭环的要求正在把 PHM 从监控工具推向安全关键系统，数据完整性、模型可解释性和人机协同流程将成为准入门槛。

该研究提出"指令—编排—执行"三层抽象架构，将四足机器人与异构传感器统一接入；针对模拟表计、数字表计、开关/LED 状态、外观缺陷等任务分别优化协作智能体。实测中，模拟表计读数误差 1.66% FS，数字表计识别率 83.8%，定性外观缺陷识别 κw=0.724，11,692 例真实运行数据的自动巡检成功率达 87.6%。

研究指出，异常检测、退化建模和剩余使用寿命（RUL）估算是后续 PHM 方向。它说明：Agentic AI 正在从论文走向真实地下/封闭空间巡检，PHM 的"感知层"正在被机器人+多智能体重构，未来的设备健康档案将不只是振动曲线，而是包含视觉、语音、环境、工况的多模态连续记录。