1. 得塔云智能AIBox亮相CWP2026：推动风电智能体下沉至每台风机
得塔云在CWP2026发布端边云协同风电智能体体系，AIBox融合CMS振动等多源数据覆盖32类故障，可提前10-20天预警。
在2026北京国际风能大会（CWP2026）上，得塔云智能发布了面向风电机组单机智能运维的「AIBox—AI Server—GPU Server」端边云协同体系，核心主张是把风电智能体的算力和算法下沉到每一台风机就地运行。在现场，AIBox融合SCADA、CMS振动、温度、电气、声纹、视频、气象测风、告警、工单及检修记录等多源信息，提供边缘侧数据处理、异常识别和诊断辅助；场站级的AI Server支撑多机协同，集控侧GPU Server与Agent OS承担模型、知识和智能体的统一管理运营，Data Agent则负责风电设备、部件、工况、故障及检修知识的语义组织，让每条诊断结论都有可追溯的业务依据。值得关注的技术细节是：系统针对主轴、齿轮箱、发电机等关键部件具备8个测点的状态监测能力，覆盖32类常见故障类型，在已验证场景下可提前10—20天识别异常并发出预警；目前已服务客户10余家、落地案例10余个，支持双馈、直驱主流机型。定位上AIBox明确「不替代主控、PLC及安全保护系统」，涉及停机与安全策略仍由业主流程确认——这个边界意识在智能体热潮中值得同行借鉴。值得关注的原因：风电CMS厂商普遍停留在「振动+报警」层面，把诊断智能体下沉到单机、并把知识语义化做成Data Agent，是行业向「单机自主研判」演进的一个信号。
值得关注：把诊断智能体下沉到每台风机、明确不替代安全链路的边界设计，代表了风电智能运维从场站级走向单机级的新阶段。
2. 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」读懂工厂
750亿参数的奇智孔明AInnoGC位列IDC中国工业大模型应用市场份额第一，工业本体+可解释工作流是其落地方法论。
山东省工信厅近日刊发报道，详解创新奇智750亿参数的奇智孔明AInnoGC工业大模型——据IDC数据，其应用市场份额已位居中国工业大模型第一。报道披露的落地方法论颇有参考价值：大模型刚进车间时「连设备之间的关系都搞不清楚」，因为每家工厂的设备连接、工序影响、温度波动与故障传导关系都藏在生产数据、工艺流程和老师傅经验里，互联网上学不全。孔明的解法是先构建「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，相当于先给AI把工厂的「江湖关系」理清楚，用户再用自然语言提出需求，大模型即可生成设备故障诊断工作流。第二关是可解释性：设备异常时它不能只会猜，还要把依据摆出来。配套的ChatCAD能把PDF版PID图纸和老CAD「哑图」自动识别成可交互的智能图纸，识别还原度超95%，图纸处理周期从人工数天压到分钟级。中国工业互联网研究院李优博士在同一访谈中给出的分层判断也值得记录：文档问答、图纸解析等已可用；故障根因辅助分析「只做人工决策参考」；完全自主的实时工艺闭环还在远处，垂域大模型的可靠性尚未达到工业安全生产要求。值得关注的原因：「市场份额第一」背后是行业共识——工业大模型落地最难的不是模型，而是本体构建与场景适配这一工程化功课。
值得关注：市场份额第一的样本揭示了工业大模型落地的真实路径：先建工业本体、再谈诊断，可解释与边界可控比准确率更重要。
3. 包铝数字化集控与智能运维平台上线：DeepSeek行业知识库+设备健康预测
包头铝业动力厂上线数字化集控与智能运维平台，设备健康预测+数字孪生巡检+DeepSeek专属知识库三模块齐发。
包头市工信局发布消息，包头铝业（包铝）动力厂数字化集控与智能运维平台全面投用，标志着这家大型电解铝企业的动力系统运维从「事后抢修」向「事前预判、主动防控」转变。平台搭载三大智能化核心模块：设备健康预测模块结合电气运行机理与机器学习算法，采集电流、电压、温度、振动等多维数据，智能研判设备健康状态并自动分级预警，专门应对四季度高负荷工况下的故障风险；数字孪生巡检模块依托三维全景建模和实时数据驱动，运维人员可远程完成全域设备核查与点位巡检，大幅减少现场重复作业；第三个模块尤其值得注意——依托DeepSeek行业大模型搭建的专属运维知识库，系统性归集资深技师多年的运维经验和故障处置方法，解决通用AI专业性不足、贴合度不强的问题，为一线职工和青年员工提供精准化业务指导，实质是把「老师傅经验数字化传承」落到了实处。平台同时整合综自系统、智能巡检、操作机器人等子系统，构建覆盖全设备、全流程、全业务的智慧运维体系，所有操作全程留痕、可溯可查。值得关注的原因：电解铝动力厂这类高耗能连续工序场景，是国产大模型知识库+健康预测组合拳的典型验证场，其「机理+机器学习+大模型知识库」三层架构对流程行业有普适参考价值。
值得关注：重工业央企级落地样本：机理模型+机器学习预警+大模型知识库三层架构，验证了DeepSeek在流程行业设备运维的可用性。
4. 展湾科技发布O³设备数智运维系统：AI数字员工助理调用巡检机器人，跑通物理AI闭环
展湾科技在工博会发布O³工业AI原生平台设备数智运维系统，AI数字员工助理联动点巡检机器人，形成感知到学习的闭环。
在上海工博会上，展湾科技发布基于O³工业AI原生平台构建的O³设备数智运维服务平台，并整合AI数字员工助理与中国科学院沈阳自动化研究所点巡检机器人，面向点巡检、维修和维保三大场景展示「工业AI如何从软件系统进入物理现场」。其展示的闭环路径是：AI数字员工助理接收异常或计划任务后，结合设备数据、历史记录、作业标准和专家知识分析，生成点巡检任务并调用巡检机器人到达指定设备；机器人通过视觉、声音等非接触方式采集现场信息回传，AI再结合上下文形成初步判断与报告草稿，由设备保全员完成关键确认和维修实施，机器人或人员随后复核。每次任务的现场数据、处置过程和复核结果在专家审核后沉淀为可复用知识，形成「感知—分析—决策—执行—复核—学习」的完整物理AI闭环。边界设计同样清晰：涉及停机、参数写入、安全和维修实施等高风险动作仍保留人工或双重确认。展湾成立于2014年，从设备连接和工业数据采集起步，逐步延伸至工业物联网、设备数智运维与工业AI。值得关注的原因：当「AI运维」普遍停留在聊天窗口时，让AI的理解和任务编排真正连接机器人触达物理现场，且把每次处置变成可学习的组织记忆，这是设备运维数字化值得跟踪的「数字员工」路线。
值得关注：AI数字员工+巡检机器人的组合把运维闭环从数字世界接到物理现场，「执行后沉淀知识」的设计是智能体运维的关键进化。
5. 交通运输部印发《水运领域人工智能应用场景指引》：港口装卸设备健康监测列为重点场景
交通运输部10月8日印发《水运领域人工智能应用场景指引》，港口大型装卸设备健康运行监测预警被列为安全提升重点场景。
交通运输部办公厅10月8日印发《水运领域人工智能应用场景指引》，10月14日公开发布，为落实七部门《关于「人工智能+交通运输」的实施意见》提供场景化抓手。文件把「港口大型装卸设备健康运行安全监测预警」明确列为安全提升重点场景：利用智能巡检机器人、传感器网络等采集振动、温度、声纹等多源数据，构建故障智能诊断与预测模型，实现设备运行状态实时感知、智能研判、趋势预测、精准预警及剩余寿命评估（RUL），推动运维模式由事后被动维修向预防性、预测性维护转变。此外，港口危险货物储罐风险监测预警、内河通航建筑物智能安全运维（无人机+水下机器人+智能传感网络融合，支撑水工建筑物、闸阀门、启闭机预防性养护）等场景，同样大量涉及多源监测与健康管理技术。值得关注的原因：这是部委文件首次以场景指引形式把「振动+温度+声纹多源融合→故障预测→剩余寿命评估」写进行动清单，意味着PdM/PHM能力正从企业自选动作变成行业合规与投资方向，港口、航运装备的智能监测市场将迎来政策驱动的需求释放，对传感器、监测平台和诊断服务商都是明确利好。
值得关注：部委文件把多源监测+RUL评估写进场景清单，PdM从企业自选动作升级为政策驱动方向，利好监测硬件与诊断服务市场。