东南网5月18日报道（记者 林先昌）当前，通用大模型热度高涨，走入工业一线却常水土不服。

工业现场不同于民用消费场景，生产流程高度复杂严苛，设备运行容错率极低，分毫差错都可能引发生产停滞、安全事故，行业特性注定这里容不下模糊笼统的“差不多”式智能应用。

如何让AI真正成为产线上的“数字老师傅”？对此，日前，记者进行了走访。

为工业设备装上了“神经网络”

近日，记者走进厦门硕橙科技——一家从“机器听觉”起家的国家级专精特新“小巨人”企业。在这里，工作人员笑着说：“机器不会撒谎，声音就是它最诚实的语言。”

硕橙科技的发轫，源自清华大学可控核聚变实验室的一项高精度噪声监测技术。谁能想到，这套用于监测聚变装置异常的技术，如今正守护着钢铁、风电、水务等上百个工业场景的设备安全。

“为什么是‘听声音’?”面对记者的提问，硕橙科技技术相关负责人给出了一个直观对比。

传统的振动监测，如同在医院做完心电图后，要排队等专业医生读报告——振动传感器现场采集数据，每两小时甚至更久才能回传一批，再由专业分析师人工分析，最终上传系统。

而硕橙的“声振融合”技术路径，相当于直接给出一份人人都能看懂的分析结果：系统自动完成数据采集、分析到结果输出的全流程，无需人工介入，为工业设备装上了“神经网络”。

“这意味着什么？客户现场可以做到24小时不间断、秒级输出。”硕橙科技副总裁朴永焕说，对于连续性生产的钢铁冶金、风电新能源等场景，实时掌握设备状态就是杜绝突发故障的生命线。

例如，硕橙科技为一家食品饮料企业提供的输送线智慧监测系统，通过多维传感器、边缘计算、工业大数据、AI算法等手段，提高了产线设备监测的可靠性，缩短了55%的非计划停产时间，减少了60%的人工巡检时间。

而在一些特殊场景，比如严禁拆装的高价值进口设备、密封性要求极高的泵体或管道，传统传感器根本无从下手。硕橙的纯噪声监测方案只需在设备周围布置传感器，就能“隔空听诊”。截至目前，公司已积累300余种故障声纹库、500T高质量数据集。朴永焕说：“这些都是抄不走、学不会的硬核能力。让AI在复杂工业噪声中精准‘听懂’设备语言。”

工作人员正在对设备进行现场勘测，为工业设备装上“神经网络”。（受访者供图）

让“老产线”长出了“新大脑”

通用大模型下工业现场，常被戏称为“博士生进了车间”——理论一堆，实操抓瞎。

破解通用大模型“水土不服”，硕橙科技自研的“九畴工业大模型”给出了福建答案，采用“大模型+小模型”混合架构，精准适配工业场景需求。

正是这套架构，让硕橙的方案实现了“低成本、快部署、高可靠”。客户不需要从零建立知识库，也不需要天价算力资源。以某食品饮料巨头为例，其部分老旧工厂产线新老设备混用，品牌型号参数差异巨大，连设备资料都不完整。硕橙通过轻量化硬件加装和兼容PLC、DCS的开放式接口，实现了统一数据采集与分析，让“老产线”长出了“新大脑”。

再如，为某风电场部署的风机全生命周期监测系统，依托光纤光栅、油液等多元传感设备，融合九畴工业大模型赋能研判，有效将风机可利用率提升5%,场站整体经济效益增幅达10%。

国务院印发的《关于深入实施“人工智能+”行动的意见》提到，推广人工智能驱动的生产工艺优化方法。深化人工智能与工业互联网融合应用，增强工业系统的智能感知与决策执行能力。

“福建应促进人工智能的广泛应用与产业的深度融合，通过‘人工智能+’赋能产业升级形成新质生产力。”此前，福建省人工智能专家小组组长、厦门大学校长助理、厦门市人工智能创新中心主任纪荣嵘接受采访时表示，以高质量数据集驱动人工智能创新发展，将成为福建“十五五”时期支撑人工智能原创性突破和规模化应用的重要“燃料”。大模型驱动的人工智能发展对于高质量数据供给提出了更高要求，数据要素的市场化配置和开发利用显得尤为重要。

如今，在福建，越来越多像硕橙科技一样的工业AI企业，正扎根细分场景，以技术创新赋能产业升级。它们捕捉工业脉动，用工业大模型破解落地难题，推动AI应用走向端到端智能体，成为工业端新型基础设施。