问题——高端装备运维“看不见、听不准、修不快” 高端制造领域，工业机器人、工业母机、航空航天等关键装备长期处于高负荷、连续化运行状态，故障一旦发生往往牵动产线节拍与产品质量。长期以来，高端工业检测与诊断装备价格高、维护门槛高，部分核心技术和供应链受制于人，叠加企业现场数据分散、标准不一、工况复杂等因素，导致“数据难用、模型难泛化、诊断难闭环”，成为制约智能运维规模化推广的突出难题。 原因——产业需求倒逼技术路线从“云端依赖”转向“现场自治” 业内人士指出，制造现场对实时性、稳定性与数据安全要求更高：一上，设备运行数据具有强时效性，诊断延迟直接影响停机损失；另一方面，企业对关键工艺数据外流高度敏感，要求本地完成采集、分析与决策。此外，不同行业、不同产线的工况差异显著，通用算法难以直接套用，迫切需要兼顾“可部署、可解释、可迭代”的系统化解决方案。这些现实需求推动智能诊断从单点算法竞争，迈向“软硬协同、端侧部署、人机协作”的工程化路径。 影响——国产“智能听诊器”提升效率并释放经济效益 围绕上述痛点，华中科技大学机械科学与工程学院联合集成电路学院组建多学科交叉团队，在多位专家教授指导下，完成多年技术攻关，研发出基于边缘智能体的人机协同智能运维系统，并获得学校研究生创新创业基金支持。团队提出“边缘智能感知—多模态协同诊断—大模型交互”的一体化思路：通过专家模型与大语言模型协同，提升跨场景适配能力，并以交互式方式支持异常数据自动沉淀、诊断过程可追溯、维护策略可生成，推动运维从“事后抢修”向“预测性维护”延伸。 在算法层面，团队构建了面向工业信号的专家网络结构与预训练模型库，提升复杂工况下的识别与诊断能力；在工程实现层面，基于国产边缘计算芯片进行软硬一体轻量化设计，实现毫秒级诊断与低功耗运行，并支持企业在不增加额外门槛的情况下逐步建立自有数据集，缓解数据稀缺与标注成本压力。团队介绍，对应的系统在实际应用中监测诊断精度可达较高水平，部分场景已形成显著的降本增效成果。 对策——以模块化产品与联合攻关打通“从实验室到车间” 在成果转化上，团队已完成从样机验证到工业级产品的跨越，形成系列化智能诊断装备，探索“模块化设计、定制化部署”的应用模式，并与多家行业企业开展联合攻关与场景验证，覆盖工业机器人、工业母机等关键领域。业内人士认为，推动智能运维装备国产化，不仅要关键算法和核心器件上持续突破，更需要在现场部署、系统兼容、运维流程重构等工程环节形成可复制的解决方案，通过产学研用深度融合加快迭代。 前景——政策牵引与需求拉动下，智能运维装备将迎来加速窗口 “十四五”智能制造发展规划、智能检测装备产业相关行动计划等政策持续释放信号，鼓励以新一代信息技术赋能传统制造业，培育智能检测与诊断装备生态。面向未来，随着国产芯片、工业软件与大模型应用的协同成熟，边缘侧智能诊断有望在更多关键装备上实现规模化部署，从“单机智能”走向“系统智能”，并在保障供应链安全、提升设备可靠性、降低全生命周期成本上发挥更大作用。团队表示，将继续围绕工业边缘智能、智能体与高端装备运维等方向开展攻关，并面向相关专业学生开放实践与研发岗位，吸纳更多复合型人才参与关键技术突破。
凌翼团队的这个成果，是产学研协同创新的具体体现，也为制造业数字化转型提供了可落地的参考路径。随着"十四五"智能制造发展规划的推进，此类关键技术的持续突破将有助于推动我国制造业整体能力的提升。如何加快创新成果的推广应用、构建更开放的产业生态，仍是下一阶段值得持续关注的课题。