从暗数据到闭环控制：以AI时间网络重构工业大脑

在工业智能化向纵深推进的今天，时序数据早已成为解锁产业升级的核心密钥。

“温度、压力、流量、结构形变等带有时间标签的动态数据，是工业系统运行的真实写照，更是工艺优化、安全管控、效率提升的关键抓手。”上海交通大学人工智能与微结构实验室主任、博导，金珵科技创始人李金金教授于日前接受第一财经采访时称，不过长期以来，行业方案大多停留在“数据解读与辅助预警”层面，难以真正突破工业时序控制的核心瓶颈，机理与数据脱节、模型无法自主进化、工业暗数据难以捕捉等痛点，始终制约着工业智能化的深度落地。

在长期的研发过程中，李金金团队发现传统工业控制与通用AI模型存在天然局限，例如：常规模型侧重静态数据拟合，忽略工艺时间演化规律与动态关联，易突破安全边界；模型不具备自主进化能力，无法适配动态变化的工况、原料与设备状态；大量隐性工艺波动、设备磨损等暗数据难以被捕捉，控制与现场实操脱节，跨系统协同不足，只能实现碎片化单点优化。

“工业时序控制的痛点，本质是时间维度的缺失与工业逻辑的脱节。常规AI模型只懂数据拟合，不懂工业时序规律，更无法实现自主进化与全局协同，这是行业长期难以突破的根源。因此，读懂并掌控时序，是工业智能化的核心命题。”李金金称，该团队打造的工业时序控制大模型ManuDrive，并由上海金珵科技实现产业化落地，“该模型彻底跳出现有AI模型框架的桎梏，实现了从‘读懂工业暗数据’到‘全流程端到端闭环控制’的代际跨越，成为具备感官、思考与自我进化能力的智能控制核心。”

李金金解释称，ManuDrive实现了从底层算法到架构的完全自主创新，与现有方案形成本质代差，“不同于行业内基于通用AI架构优化的‘数据解读工具’，ManuDrive从工业控制核心需求出发，以时间维度为根基重构数据处理逻辑，构建起‘时序深度理解——自主决策——端到端控制——迭代优化’的全链路能力，技术自主性与先进性位居全球前列，真正拥有原生工业控制基因。ManuDrive最大的突破，在于它不依赖任何现有人工智能框架，从底层算法到整体架构均为团队完全自主研发，是专为工业时序控制打造的原生AI模型，而非在通用模型上修修补补的改良产品。”

据介绍，ManuDrive已在全国多个行业完成标杆项目落地，形成可复制、可推广的AI全流程改造样板，在生物发酵、空冷钢塔、污水处理、零部件精密加工、组件生产、高端装备运维等场景均取得突破性成果：生物发酵领域实现产量提升超5%，年创效数亿元；空冷钢塔管控人工减少95%，精度提升90%以上；污水处理运行成本降低70%，出水水质稳定达标；零部件精密加工效率提升80%、废品率下降90%，摆脱对国外高端软件依赖；高端装备可提前72小时预判故障，故障停机率下降90%……。

从实验室核心技术到产业规模化落地，ManuDrive实现了工业控制从被动应对到主动掌控、从经验依赖到智能决策、从碎片化管控到端到端闭环的跨越，重新定义工业时序控制的行业标准。“需要打破‘AI只是工具’的固有认知，它已经成为有思想、会进化的工业智能大脑。ManuDrive深度挖掘工业全流程暗数据，掌握底层生产逻辑与资深工程师经验，跳出单纯数据拟合的局限，无需人工干预即可自主迭代优化，持续适配生产场景动态变化，越用越智能，容错率趋近于零，为企业带来降本、提产、增效的直接效益。”李金金称，“ManuDrive已经在多个核心工业场景验证了价值，不仅实现效率、产量、成本的大幅优化，更在安全管控、环保减排、自主可控上实现突破，这是AI技术真正扎根工业、服务实业的有力证明，使得工业控制更智能、让效率与产能实现跃升。”