4月18日，在奇點(diǎn)智能技術(shù)大會(huì)「AI+行業(yè)落地實(shí)踐」分會(huì)場(chǎng)，中能拾貝創(chuàng)始人兼CTO劉勇給出了他的判斷與答案：中國(guó)作為制造業(yè)大國(guó)，人工智能最大的賽道未來(lái)將會(huì)在工業(yè)。但工業(yè)場(chǎng)景對(duì)確定性、可靠性和安全性的極致追求，決定了它不能簡(jiǎn)單復(fù)制消費(fèi)互聯(lián)網(wǎng)的AI落地路徑，必須建立一套專(zhuān)屬的工程化理論方法和可靠的技術(shù)工具集。
 

基于這一判斷，中能拾貝提出了以“SDKIP（Signal信號(hào)數(shù)字化→Data數(shù)據(jù)資產(chǎn)化→Knowledge知識(shí)語(yǔ)義化→Intelligence智能自主化→Purpose意圖具象化）”為核心的方法論，并發(fā)布了其工業(yè)智能操作系統(tǒng)（CyberwIIOS）及工業(yè)模型引擎（IIOS IME），破解長(zhǎng)期困擾工業(yè)領(lǐng)域的“數(shù)據(jù)割裂”與“知識(shí)隔閡”難題。
 

工業(yè)將成為人工智能未來(lái)最大的落地賽道
 

“今天我的主題，在 CSDN 的會(huì)議上應(yīng)該算是比較特別的一個(gè)。中國(guó)作為制造業(yè)大國(guó)，我個(gè)人認(rèn)為，人工智能未來(lái)最大的賽道，一定會(huì)在工業(yè)。” 演講開(kāi)篇，劉勇便直接點(diǎn)明了工業(yè)賽道在 AI 時(shí)代的核心價(jià)值，同時(shí)也直面行業(yè)現(xiàn)狀：人工智能在工業(yè)領(lǐng)域的應(yīng)用落地，整體節(jié)奏仍相對(duì)滯后。
 

在他看來(lái)，這種滯后并非源于行業(yè)需求不足，而是工業(yè)場(chǎng)景的核心屬性決定的 —— 工業(yè)生產(chǎn)對(duì)確定性、可靠性、安全性有著極致的、近乎苛刻的追求，這與當(dāng)前通用大模型天生的不確定性、幻覺(jué)問(wèn)題形成了本質(zhì)矛盾。而這，也正是整個(gè)工業(yè)智能行業(yè)必須面對(duì)的核心課題：想要讓人工智能在工業(yè)場(chǎng)景真正落地，我們是否應(yīng)該擁有一套專(zhuān)屬的工程化理論方法，以及一套能夠完整支撐落地的技術(shù)工具集？
 

這也正是劉勇本次分享的核心主題，更是中能拾貝深耕行業(yè) 21 年給出的答案。作為國(guó)家專(zhuān)精特新重點(diǎn)小巨人企業(yè)，中能拾貝已成立 21 年，始終聚焦能源電力行業(yè)，定位工業(yè)智能產(chǎn)品與服務(wù)提供商，以 “拾貝” 為核心產(chǎn)品品牌，打造工業(yè)智能操作系統(tǒng)底座，構(gòu)建完整的工業(yè)智能產(chǎn)品與服務(wù)體系，助力資產(chǎn)密集型企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，同時(shí)也是智能水電廠等多項(xiàng)國(guó)家、行業(yè)標(biāo)準(zhǔn)的發(fā)起、編制單位，是工業(yè)智能化領(lǐng)域的資深踐行者。
 

通用大模型，能解決工業(yè) AI 的落地難題嗎？
 

歷經(jīng)二十余年的數(shù)字化建設(shè)，劉勇所深耕的能源電力行業(yè)，早已建成了能夠支撐正常業(yè)務(wù)運(yùn)行的數(shù)字化技術(shù)平臺(tái)與應(yīng)用體系。從物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)的底層支撐，到電力生產(chǎn)經(jīng)營(yíng)的全鏈路業(yè)務(wù)覆蓋，再到水電廠、儲(chǔ)能電站的安全區(qū)、控制區(qū)、生產(chǎn)管理區(qū)的分級(jí)體系建設(shè)，電力企業(yè)已經(jīng)完成了基礎(chǔ)的數(shù)據(jù)支撐與應(yīng)用支撐搭建。
 

但當(dāng)行業(yè)想要進(jìn)一步引入大模型，構(gòu)建真正可用的工業(yè)智能應(yīng)用時(shí)，卻陷入了核心困境，這也引發(fā)了劉勇的核心拷問(wèn)：只靠通用大模型，真的能解決工業(yè) AI 的工程化落地難題嗎？答案顯然是否定的。他在會(huì)上拆解了工業(yè) AI 落地的三大核心痛點(diǎn)，也是通用大模型無(wú)法直接突破的行業(yè)壁壘。
 

第一是數(shù)據(jù)與知識(shí)的雙重割裂。工業(yè)領(lǐng)域二十余年的數(shù)字化建設(shè)中，絕大多數(shù)核心數(shù)據(jù)與業(yè)務(wù)知識(shí)，都沉淀在了系統(tǒng)架構(gòu)設(shè)計(jì)、詳細(xì)設(shè)計(jì)、應(yīng)用代碼、復(fù)雜數(shù)據(jù)庫(kù)表關(guān)聯(lián)關(guān)系、用戶手冊(cè)與作業(yè)流程中，形成了大量數(shù)據(jù)孤島與知識(shí)壁壘。如果直接將這些原始數(shù)據(jù)與文檔輸入大模型，不僅要重復(fù)漫長(zhǎng)的業(yè)務(wù)邏輯重構(gòu)過(guò)程，重走一遍數(shù)字化的 “長(zhǎng)征路”，更無(wú)法從根源上解決大模型的幻覺(jué)問(wèn)題，難以適配工業(yè)場(chǎng)景的準(zhǔn)確性要求。
 

第二是智能體開(kāi)發(fā)的碎片化困境。當(dāng)前工業(yè)領(lǐng)域的智能體開(kāi)發(fā)，大多停留在任務(wù)型 AI 助手階段，技術(shù)體系碎片化，依賴工作流驅(qū)動(dòng)的定制化開(kāi)發(fā)，無(wú)法實(shí)現(xiàn) AI 原生的、意圖驅(qū)動(dòng)的自動(dòng)化應(yīng)用構(gòu)建，更難以形成具備本體認(rèn)知能力的多智能體協(xié)同體系，無(wú)法適配工業(yè)場(chǎng)景復(fù)雜、聯(lián)動(dòng)的業(yè)務(wù)需求。
 

第三是高容錯(cuò)與零容錯(cuò)的場(chǎng)景鴻溝。正如中國(guó)信通院余院長(zhǎng)所言，當(dāng)前大模型的應(yīng)用，更多集中在高容錯(cuò)的輔助工作場(chǎng)景。但在工業(yè)領(lǐng)域，尤其是能源電力行業(yè)，對(duì)設(shè)備運(yùn)行、生產(chǎn)操作、系統(tǒng)控制有著絕對(duì)的安全、可靠、正確要求，任何執(zhí)行偏差都可能引發(fā)設(shè)備損壞、大面積停電甚至人身安全事故，這種零容錯(cuò)的場(chǎng)景要求，正是通用大模型難以深入工業(yè)核心生產(chǎn)環(huán)節(jié)的關(guān)鍵原因。
 

劉勇直言，工業(yè) AI 落地的核心瓶頸，從來(lái)都不僅僅是人工智能技術(shù)的先進(jìn)性不足，而是要打破數(shù)據(jù)割裂與知識(shí)隔閡，讓人工智能真正理解工業(yè)領(lǐng)域的策略與規(guī)則，能夠正確、可靠、安全地執(zhí)行任務(wù)。
 

工業(yè) AI 工程化，必須吃透的雙輪驅(qū)動(dòng)核心體系
 

針對(duì)工業(yè) AI 落地的核心痛點(diǎn)，劉勇在會(huì)上正式發(fā)布了中能拾貝打磨多年的SDKIP 工業(yè) AI 工程化全鏈路方法論，以及支撐這套方法論落地的工業(yè)智能操作系統(tǒng)底座CyberwIIOS ，而這套體系的核心，正是數(shù)據(jù)與知識(shí)雙輪驅(qū)動(dòng)。
 

SDKIP方法論的底層邏輯，是以讓工業(yè)資產(chǎn)更安全、更經(jīng)濟(jì)、更智能的核心意圖（P）為牽引，構(gòu)建從信號(hào)（S）到數(shù)據(jù)（D）、到知識(shí)（K）、到智能體（I）、再到意圖（P）實(shí)現(xiàn)的全鏈路閉環(huán)。這套體系徹底重構(gòu)了工業(yè) AI 的落地邏輯：將工業(yè) AI 實(shí)施的核心工作，從傳統(tǒng)的應(yīng)用開(kāi)發(fā)與軟件設(shè)計(jì)，轉(zhuǎn)移到了數(shù)據(jù)資產(chǎn)構(gòu)建（D）與工業(yè)知識(shí)沉淀（K）兩大核心環(huán)節(jié)上。
 

而支撐這套雙輪驅(qū)動(dòng)體系落地的，正是兩大核心模型引擎，也是工業(yè) AI 工程化必須吃透的核心能力：
 

● 信息模型：讓 AI 真正 “讀懂” 工業(yè)數(shù)據(jù)，破解數(shù)據(jù)割裂難題
 

針對(duì)工業(yè)數(shù)據(jù)割裂、大模型無(wú)法準(zhǔn)確調(diào)用數(shù)據(jù)的問(wèn)題，中能拾貝采用基于 MOF 的建?？蚣?，通過(guò)M0 對(duì)象 —M1 模型 —M2 元模型 —M3 元元模型的四層建模體系，構(gòu)建標(biāo)準(zhǔn)化的工業(yè)信息模型。
 

該模型通過(guò)強(qiáng)邏輯關(guān)聯(lián)，將數(shù)據(jù)庫(kù)中存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù)，以及非結(jié)構(gòu)化、半結(jié)構(gòu)化工業(yè)數(shù)據(jù)進(jìn)行統(tǒng)一綁定與映射，同時(shí)實(shí)現(xiàn)與物聯(lián)網(wǎng)物模型的無(wú)縫對(duì)接，讓工業(yè)現(xiàn)場(chǎng)的信號(hào)采集能夠準(zhǔn)確映射到信息模型中，形成高度可靠的工業(yè)數(shù)據(jù)集。這一設(shè)計(jì)讓大模型在讀取、調(diào)用工業(yè)數(shù)據(jù)時(shí)，能夠?qū)崿F(xiàn)精準(zhǔn)匹配，從數(shù)據(jù)層面杜絕幻覺(jué)導(dǎo)致的錯(cuò)誤輸出，讓 AI 真正 “讀得懂” 工業(yè)數(shù)據(jù)。
 

● 本體模型：讓 AI 真正 “理解” 工業(yè)業(yè)務(wù)，破解知識(shí)壁壘難題
 

解決了數(shù)據(jù)問(wèn)題后，更核心的是讓 AI 理解工業(yè)場(chǎng)景的業(yè)務(wù)邏輯、規(guī)則與策略。劉勇團(tuán)隊(duì)選擇通過(guò)本體模型，構(gòu)建基于統(tǒng)一語(yǔ)義的工業(yè)專(zhuān)業(yè)知識(shí)體系，實(shí)現(xiàn)領(lǐng)域知識(shí)的標(biāo)準(zhǔn)化沉淀與復(fù)用。
 

以電力基建場(chǎng)景為例，本體模型會(huì)將變電站建設(shè)的全工序流程、各環(huán)節(jié)的施工與驗(yàn)收規(guī)范、監(jiān)理的工作權(quán)責(zé)與執(zhí)行標(biāo)準(zhǔn)、不同工序?qū)?yīng)的規(guī)范條文，全部轉(zhuǎn)化為標(biāo)準(zhǔn)化的本體知識(shí)，實(shí)現(xiàn)工業(yè)業(yè)務(wù)全流程的強(qiáng)邏輯、高精準(zhǔn)表達(dá)。通過(guò)本體模型，工業(yè)領(lǐng)域復(fù)雜的策略、規(guī)則、處理流程被轉(zhuǎn)化為大模型可理解、可執(zhí)行的邏輯，從業(yè)務(wù)層面保障 AI 輸出的合規(guī)性與正確性，讓 AI 真正 “理解” 工業(yè)業(yè)務(wù)。
 

兩大模型的融合對(duì)接，構(gòu)成了IIOS 工業(yè)智能操作系統(tǒng)最核心的IIOS IME 工業(yè)模型引擎的基礎(chǔ)機(jī)制。該引擎不僅實(shí)現(xiàn)了工業(yè)數(shù)據(jù)的強(qiáng)約束管理與工業(yè)知識(shí)的精準(zhǔn)化表達(dá)，還配套了覆蓋全主流工業(yè)協(xié)議的協(xié)議棧，支撐工業(yè)現(xiàn)場(chǎng)信號(hào)的接入與處理，同時(shí)為上層應(yīng)用提供統(tǒng)一語(yǔ)義定義、知識(shí)推理、數(shù)據(jù)交互、知識(shí)挖掘的核心能力支撐，成為工業(yè) AI 原生應(yīng)用開(kāi)發(fā)的核心底座。
 

以工程化體系，筑牢 AI 落地的安全與價(jià)值底線
 

在劉勇看來(lái)，這套數(shù)據(jù)與知識(shí)雙驅(qū)動(dòng)的工程化體系，并非消除了工業(yè)系統(tǒng)開(kāi)發(fā)的復(fù)雜性，而是實(shí)現(xiàn)了復(fù)雜性的合理轉(zhuǎn)移 —— 從傳統(tǒng)的代碼編寫(xiě)、規(guī)則理解，轉(zhuǎn)移到了本體設(shè)計(jì)、規(guī)則編寫(xiě)與模型推理計(jì)算上。而這種轉(zhuǎn)移的核心價(jià)值，是讓工業(yè)智能化應(yīng)用的研發(fā)，從純手工的 “古法編程”，升級(jí)為可預(yù)期、可實(shí)現(xiàn)的流水線式自動(dòng)化生成模式。
 

演講最后，劉勇結(jié)合中能拾貝的落地實(shí)踐，給所有工業(yè)智能化從業(yè)者，給出了明確的落地路徑與行動(dòng)建議。
 

在落地節(jié)奏上，要遵循分級(jí)落地、安全優(yōu)先的原則。他提出了成熟的大小模型協(xié)同落地方案：在工業(yè)場(chǎng)站邊緣側(cè)，通過(guò)機(jī)理模型、機(jī)器學(xué)習(xí)等可控可靠的小模型處理工業(yè)信號(hào)，保障現(xiàn)場(chǎng)數(shù)據(jù)處理的確定性；在云端管理側(cè)，通過(guò)大模型實(shí)現(xiàn)意圖理解，打造面向工業(yè)人員的 AI 員工，支撐智慧運(yùn)營(yíng)、智慧生產(chǎn)與智慧管理。針對(duì)工業(yè)控制場(chǎng)景，越靠近底層的過(guò)程控制環(huán)節(jié)越審慎應(yīng)用 AI，當(dāng)前人工智能核心落地場(chǎng)景集中在多能互補(bǔ)、系統(tǒng)協(xié)控、網(wǎng)源協(xié)同等上層調(diào)度環(huán)節(jié)，從根源上保障生產(chǎn)安全。
 

在確定性保障上，要筑牢三道核心防線：一是以行業(yè)規(guī)程規(guī)范為核心的標(biāo)準(zhǔn)校驗(yàn)，所有 AI 輸出必須符合工業(yè)行業(yè)的強(qiáng)制標(biāo)準(zhǔn)與規(guī)程；二是分區(qū)分級(jí)的權(quán)限管控與人工預(yù)演，基于電力行業(yè)安全分區(qū)的嚴(yán)格安全防護(hù)體系，實(shí)現(xiàn) AI 應(yīng)用的分級(jí)落地與人工核驗(yàn)；三是以數(shù)字孿生仿真技術(shù)為核心的技術(shù)驗(yàn)證，所有 AI 方案先在與真實(shí)工業(yè)系統(tǒng)機(jī)理一致的數(shù)字孿生體中完成仿真驗(yàn)證，再落地到真實(shí)生產(chǎn)系統(tǒng)中。
 

在企業(yè)轉(zhuǎn)型路徑上，要走 “漸進(jìn)滲透 + 全面升級(jí)” 的雙線路線：一是基于企業(yè)原有業(yè)務(wù)脈絡(luò)進(jìn)行 AI 能力滲透，在設(shè)備故障診斷、資產(chǎn)全生命周期管理、系統(tǒng)控制等現(xiàn)有業(yè)務(wù)環(huán)節(jié)實(shí)現(xiàn)效率提升，這是最易落地、最快實(shí)現(xiàn)價(jià)值的路徑；二是圍繞 “自主執(zhí)行的好員工、業(yè)務(wù)增效的好助手、輔助決策的好參謀” 三大方向，全面構(gòu)建企業(yè)數(shù)字大腦與超級(jí)智能體，實(shí)現(xiàn)企業(yè)數(shù)字化架構(gòu)的全面升級(jí)。
 

在商業(yè)化與行業(yè)共創(chuàng)上，劉勇也公布了開(kāi)放的合作模式：一是標(biāo)準(zhǔn)化的工業(yè)智能工具集與產(chǎn)品體系的開(kāi)放售賣(mài)；二是 SDKIP方法論的行業(yè)分享與共創(chuàng)，推動(dòng)工業(yè) AI 工程化體系的持續(xù)演進(jìn)；三是各類(lèi)細(xì)分行業(yè)的解決方案聯(lián)合落地，在電力等核心優(yōu)勢(shì)行業(yè)開(kāi)放成熟解決方案，同時(shí)與合作伙伴共創(chuàng)非電力行業(yè)的定制化落地方案。