工业企业加速布局“AI+”战略 蘑菇物联“315”前夕揭露工业AI真假

随着DeepSeek等通用大模型技术的突破，AI在设备预测性维护、能源优化、质量管控、生产制造等场景中已展现出颠覆性潜力，工业企业纷纷加速布局“AI+”战略，然而贴上“AI标签”的服务商和解决方案真假难辨。根据行业调研数据，77%的企业工程师并不知道如何判断真假AI技术。那么，如何判断真假AI？

3月14日，蘑菇物联举行315打假AI暨灵知AI2.0——公辅能源垂直大模型发布活动，揭露工业假AI，发布工业真AI。

“不只是C端需要打假，B端也需要打假。”蘑菇物联创始人兼CEO沈国辉在发布会上总结了假AI的4个类型：规则型伪AI、数据伪装型AI、黑箱型AI和功能嫁接型AI。

具体来看，沈国辉认为，常见的假AI具有四个特征。第一，无自主学习能力，系统无法通过新数据优化表现；第二，无法将AI可视化，只停留在PPT阶段，AI界面不可视，AI计算的过程不可视（客户体验不到）；第三，技术不透明，拒绝提供模型架构或训练数据信息（常见于toB服务商）；第四，人工依赖度高，后台需持续人工维护的规则库或修正结果。

“打假先打自己。”会上，沈国辉以蘑菇物联自身发展经历详解假AI真实情况。

“2021年，蘑菇物联通过AI技术初步切入中央空调场景，在AI算法控制测试验证前，首先应用的是机理模型做控制，但有同事为了更快地把软件卖给客户，就自己把当时还没有发布的AI技术写到了汇报PPT里，实际上还没有写明白，只有概念和一堆唬人的名词，这是典型的假AI。而今天，有更多友商大肆宣传自己有AI技术，本质只是披着‘AI’皮的传统软件。”沈国辉说。

此后，蘑菇物联在内部采取了多项管理措施：比如严禁员工操之过急地宣传AI和在AI的应用研发上继续加大投入，并在工业AI首席技术官周子叶的带领下自主研发了工业公辅能源系统的AI垂直大模型——灵知AI，掌握超20多类高耗能通用设备的设备机理和专家知识库，具备问答、诊断、预测、控制4大模型能力，入选国家工信部人工智能赋能新型工业化典型应用案例。

据介绍，截至2024年底，蘑菇物联经过超2600个工厂公辅能源车间的实践摸索，总结出AI在工业场景落地的AROE模型框架：异常检测-根因分析-优化决策-效果评估，AROE模型框定了AI在工业场景部署落地、创造价值的技术结构。

如今，各行各业加速拥抱AI浪潮之际，工业企业掌握一套判断真假AI的办法迫在眉睫。周子叶分享了工业企业需要的真AI需具备4大技术特征，它们分别是云边端技术架构、垂直大模型与行业知识库结合应用、丰富的工业设备通讯协议库、AI系统具备开放性。

其中，云边端技术架构是指任何AI都建构在数据的基础上，能让采集-分析-决策-控制数据流跑通，比如在边缘侧可进行实时数据采集和实时控制，在云端可进行大规模计算及训练AI大模型，而如果采用传统的PLC、SCADA等技术，在技术架构上无法支持AI的应用。

有关垂直大模型与行业知识库结合应用方面，周子叶表示，设备故障诊断、设备组合控制、设备参数控制等工业场景中的问题，需要通过特定的垂直模型结合行业知识库去解决，只有通用大模型,或只有行业知识库，其它都无法在工业场景发挥AI的价值。

周子叶还表示，工业设备通讯协议是采集设备数据和控制设备的“钥匙”，先采集不同型号、不同种类的设备数据，以供AI分析计算。若掌握的协议有限，只能采集有限的设备数据，AI也难以发挥作用。

此外，周子叶认为，AI系统要具备开放性，一是通过开放的API接口与企业或其他第三方系统深度集成；二是系统需能从单点优化升级到全局协同优化，从某个车间的优化拓展到全工厂甚至跨工厂的协调优化。

“真AI必须脱离‘PPT AI’模式，做到AI可落地+创造可测量价值+可持续创造价值。”周子叶在会上正式发布了“灵知AI2.0，蘑菇物联认为，这是中国唯一落地的公辅能源垂直大模型”。

周子叶表示，工业企业部署灵知AI垂直大模型有可落地的路径，也有可测量的价值，灵知AI贯穿工业能源全流程，承诺具体节能率，也有可持续的价值，灵知AI具备问答、诊断、预测、控制4大模型能力,可持续优化公辅能源系统的能耗水平，持续提高系统能效。