在 5 月 5 日 AI for Smart Manufacturing Productivity Forum 上, 李杰教授围绕 SoX, 工业 AI, 人才培养与智能制造未来 发表了主题演讲.
李杰教授的分享强调了制造业智能化下一阶段的重要方向: 不仅要理解工业运行中“看得见”的数据, 也要理解那些“看不见”的关键变量. 在制造场景中, 看得见的数据包括产量, 设备状态, 质量结果, 能耗和工艺参数; 而看不见的数据则可能包括风险前兆, 质量波动, 异常模式, 效率损失以及隐藏的系统行为.
李杰教授关于 SoX 的阐述, 进一步延展了 Stream-of-X 的理念. SoQ, 即 Stream of Quality, 强调质量不是一个静态结果, 而是贯穿生产过程的连续信号; 而 SoX 则将这一思想扩展到更多工业维度, 包括质量, 风险, 效率, 成本, 能源和工艺波动等.
本次论坛也让与会者进一步了解了 The Industrial AI Center 的研究方向, 包括 domain adaptation, transfer learning, large language models 和 SoX machine learning. 这些方向体现了工业 AI 在真实制造环境中的核心需求: 能够适应复杂场景, 在有限或变化的数据条件下学习, 并支持工业运营中的实际决策.
李杰教授演讲中的另一个重要主题是 人才培养. 随着工业 AI 从研究概念走向真实部署, 制造业需要一批既理解工业系统, 又掌握 AI 技术的新型人才. 建立这样的人才体系, 将成为制造企业有效, 负责任, 可持续地采用 AI 的关键基础.
李杰教授的观点指向了工业 AI 的未来: 它不仅仅是算法或自动化, 而是将碎片化的制造数据转化为连续, 实时, 可信的工业智能. 通过理解工业运行中可见与不可见的维度, 制造企业将能够更好地预测风险, 优化流程, 提升生产力, 并创造长期运营价值.