在 5 月 5 日 AI for Smart Manufacturing Productivity Forum 上, 李傑教授圍繞 SoX, 工業 AI, 人才培養與智慧製造未來 發表了主題演講.
李傑教授的分享強調了製造業智慧化下一階段的重要方向: 不僅要理解工業運行中"看得見"的數據, 也要理解那些"看不見"的關鍵變量. 在製造場景中, 看得見的數據包括產量, 設備狀態, 品質結果, 能源消耗和工藝參數; 而看不見的數據則可能包括風險前兆, 品質波動, 異常模式, 效率損失以及隱藏的系統行為.
李傑教授關於 SoX 的闡述, 進一步延展了 Stream-of-X 的理念. SoQ, 即 Stream of Quality, 強調品質不是一個靜態結果, 而是貫穿生產過程的連續信號; 而 SoX 則將這一思想擴展到更多工業維度, 包括品質, 風險, 效率, 成本, 能源和工藝波動等.
本次論壇也讓與會者進一步了解了 The Industrial AI Center 的研究方向, 包括 domain adaptation, transfer learning, large language models 和 SoX machine learning. 這些方向體現了工業 AI 在真實製造環境中的核心需求: 能夠適應複雜場景, 在有限或變化的數據條件下學習, 並支持工業營運中的實際決策.
李傑教授演講中的另一個重要主題是 人才培養. 隨著工業 AI 從研究概念走向真實部署, 製造業需要一批既理解工業系統, 又掌握 AI 技術的新型人才. 建立這樣的人才體系, 將成為製造企業有效, 負責任, 可持續地採用 AI 的關鍵基礎.
李傑教授的觀點指向了工業 AI 的未來: 它不僅僅是算法或自動化, 而是將碎片化的製造數據轉化為連續, 即時, 可信的工業智能. 透過理解工業運行中可見與不可見的維度, 製造企業將能夠更好地預測風險, 優化流程, 提升生產力, 並創造長期營運價值.