近日，由上海交通大学人工智能与微结构实验室（AIMS Lab）科研成果转化、李金金教授团队推出的工业时序控制大模型ManuDrive，已落地生物发酵、污水处理等多个制造场景，可替代人工完成生产控制环节。该模型在川宁生物发酵项目中实现提前180小时预测发酵动态，预测准确率达99.9%，打破了AI此前集中应用于文字图像领域的局限，为工业智能化转型提供了新路径。
在川宁生物动辄数百吨的大型发酵罐旁，曾经控温控压全靠有着几十年经验的老工人盯班预判，经验的偏差往往会导致数吨原料报废。如今，这位被业内称为“AI老法师”的新员工，已经接过了核心控制的工作。
当前大众熟知的大模型应用大多集中在C端，从聊天对话到图像生成，AI的能力始终围绕内容生产展开。但在工厂车间这类对精度、稳定性要求极高的生产场景，AI此前一直未能深入核心的控制环节。
ManuDrive的不同之处，在于它瞄准的是工业领域的时序动态控制痛点，直接把AI的能力从生成内容拓展到了生产工艺优化环节，真正走进了布满机器的生产一线。
为了适配复杂的工业生产逻辑，李金金带领团队深入生产一线调研九个月，才完成了模型的针对性训练。在川宁生物的发酵项目中，面对代谢过程复杂难测的大规模发酵体系，传统人工经验很难做到长期精准调控，而ManuDrive可以实现提前180小时预测发酵动态，准确度高达99.9%，还能通过闭环控制实时调整工艺参数，最终实现发酵产量的稳定提升。
更重要的是，AI把老工人沉淀几十年的经验数字化留存，解决了行业普遍存在的技术传承痛点。
目前，ManuDrive除生物发酵外，已经开始向建筑设计、污水处理等更多领域拓展。不同于传统工业智能化方案需要针对单一场景高额定制，通用工业大模型的落地，有望降低中小企业的智能化转型门槛。
当AI成为工厂里经验丰富的“老法师”，传统制造业也将从固定流程的批量生产，转向动态优化的“生命化”生产模式，这或许会成为制造业转型的下一个重要方向。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号