工业大模型
Agentic PdM
第 43 期
设备智能运维 AI 日报
2026年10月19日 · 星期一 · AI + PdM / PHM 每日精选
本期关键词:AI「进车间」。工业大模型落地的主战场正在从模型能力转向场景适配与知识工程——先给 AI 建一座工厂的「数字本体」,它才读得懂设备、接得住老师傅的经验。
工业大模型
来源:闪电新闻 / 今日头条
卡奥斯天智工业大模型成产线「AI维修大师」,维修效率整体提升 75%
在卡奥斯创智物联胶州互联工厂,设备异常被快速捕捉、故障根因秒级分析,工业大模型正把老师傅的排障经验变成随叫随到的数字维修师。
闪电新闻 10 月 9 日报道,在卡奥斯创智物联胶州互联工厂,依托天智工业大模型,设备异常可以被快速捕捉、故障根因能够秒级分析,维修效率整体提升 75%。从设备维修到工艺优化、产品设计、仓储物流,工业大模型正加速走进生产一线。
这条新闻的价值不在「75%」这个数字,而在它代表的能力结构:天智大模型不是替代诊断算法,而是把设备台账、历史工单、工艺机理和老师傅经验组织成可检索、可调用的知识体系,让「报警→定位→处置」的链路从小时级压缩到秒级。对于设备密集型企业,这意味着排障经验第一次真正脱离「某位老师傅」而沉淀为企业资产。
值得关注的是,卡奥斯模式印证了一个趋势:工业大模型在设备运维环节的落地,比在生产控制环节更快——因为运维场景容错空间更大、知识复用价值更高,是「AI+制造」最现实的切入点之一。
值得关注:对 PdM/PHM 方案商而言,「知识沉淀型」智能运维正在成为客户验收的新基准——只卖报警不沉淀知识的产品,会越来越难卖。
原文链接:https://www.toutiao.com/article/7694875320544920104
工业大模型
来源:山东省工信厅 / 大众日报
创新奇智孔明工业大模型:应用市场份额全国第一,靠「工业本体」听懂工厂的话
750 亿参数的 AInnoGC 先给 AI 理清设备、物料、工艺、订单的关系,再生成故障诊断工作流;多模态能力可把几十年前的「哑图」变成可交互智能图纸。
山东省工信厅 10 月 12 日刊文介绍创新奇智奇智孔明 AInnoGC 工业大模型。据 IDC 数据,创新奇智已位列中国工业大模型应用市场份额第一。这款 750 亿参数的工业大模型落地的第一件事不是回答问题,而是构建工业「本体」:把散落在不同系统里的设备、物料、工艺、订单、生产规则梳理成实体、属性和关系,用户用自然语言提出需求后,大模型再生成设备故障诊断工作流。
在配套的大众日报访谈中,中国工业互联网研究院李优博士补充了一个典型案例:孔明多模态工业大模型可直接导入石化、冶金行业存量的大量 PDF 版 PID 图和老 CAD「哑图」,自动识别设备、管线、阀门、仪表的连接关系,识别还原度超 95%,图纸处理周期从人工数天压到分钟级,产线技改图纸核查效率提升 10 倍。
这两条信息合起来看,指向同一个判断:工业大模型落地的瓶颈排序是「场景适配 > 高质量工业数据 > 模型底座」,而工业本体与图纸解析正是打通场景适配的两把钥匙。
值得关注:「先建本体、再上模型」的落地方法论值得所有设备运维数字化项目借鉴——设备台账、故障案例、检修规程的结构化程度,直接决定 AI 能落地多深。
原文链接:http://gxt.shandong.gov.cn/art/2026/10/12/art_15171_10367996.html
行业趋势
来源:中国市场情报中心(CCID)
华中科大副校长高亮:设备运维是 AI+制造率先落地并取得实效的重点场景
多源传感数据与设备台账、维修记录深度融合,工业智能体可自主完成状态分析、故障研判、工单生成与结果追踪,运维从「发现问题」走向「协同处置」。
中国市场情报中心刊发华中科技大学副校长高亮对人工智能与制造业深度融合的分析。文章指出:设备运维是人工智能在工业领域率先落地并取得实效的重点应用场景。依托工业传感器、机器视觉、工业互联网与边缘计算,企业可系统采集振动、温度、压力、电流、声学及图像等多维数据,并与设备台账、工艺参数、运行日志和维修记录深度融合,借助 AI 算法识别异常特征、研判演变趋势,实现故障精准定位、健康量化评估及寿命科学预测。
文章进一步指出,设备管理体系正加速从周期性点检和故障后维修,向实时状态监测与预测性维护转型;工业智能体则集成设备数据、运维知识库及诊断模型,自主完成状态分析、故障研判、检修任务拆解、工单生成与结果追踪,推动运维模式从「发现问题」向「协同处置」纵深演进。这一判断与《「人工智能+制造」专项行动实施意见》关于生产过程控制、预测性维护、智能巡检应用部署的部署方向一致。
值得关注:权威学术机构把设备运维点名为 AI+制造「率先见效」场景,等于为 PdM/PHM 赛道的政策与预算倾斜背书,是向客户高层汇报时的好素材。
原文链接:https://www.ccidreport.com/zjgd2/1129450.jhtml
Agentic PdM
来源:微信公众号(开源社区盘点)
PdM 开源 AI Agent 全景地图:四层技术栈 14 个项目,「预测完之后」终于有人接了
从 PLC4X 采集接入到 IoTDB 时序存储、PyOD 异常检测、LangGraph 编排与 MCP 工具调用,预测性维护的完整开源闭环已可装配。
10 月 19 日,一篇系统盘点设备预测性维护开源 AI Agent 项目的长文给出全景地图:L1 采集接入层(Apache PLC4X、EdgeX Foundry、eKuiper)、L2 存储与特征层(Apache IoTDB、TDengine、tsfresh)、L3 诊断预测层(PyOD、Merlion、Chronos/TimesFM、Anomalib)、L4 智能体执行层(LangGraph/AutoGen/CrewAI、MCP、Grafana、OpenMAINT),共 14 个项目逐个拆解了能力、接法与坑点。
文章的核心判断是:真正的变化不是模型变强了,而是「预测完之后」那段路终于被铺上——Agent 能调工具查工单、备件库存、排产计划,能记住设备的历史故障上下文,能在置信度不够时主动降级为「建议人工复核」。缺这三条中任何一条,都只是套了对话框壳子的看板。文章同时提醒最常见的失败模式是「跳层」:L1 数据还没采干净,直接上 L4 大模型编排,调一圈工具出来全是空值。
值得关注:对设备运维服务商,这是本年度最实用的一张技术选型地图——按 L1→L4 顺序装配,避开「跳层」陷阱,可大幅降低 Agentic PdM 项目的试错成本。
原文链接:微信公众号「AI Agent 在设备预测性维护领域的最新开源项目汇总(截至 2026年10月19日)」
来源:设备智能运维 PdM
关注 AI + 设备预测性维护 / PHM / 工业智能体
微信公众号:设备智能运维PdM
深圳金邦通达智能科技有限公司 —— 华致赢设备数字化落地公司,专注设备智能运维(PdM/PHM)与故障诊断
粤ICP备2026076177号-2