Pairing industrial AI autonomy and human control

工业AI自主性与人类控制的结合 | MIT技术评论

与AVEVA合作

合作伙伴：

（在新标签页中打开）

内容来源

MIT技术评论洞察

本内容由MIT技术评论的定制内容部门Insights制作，未由MIT技术评论的编辑团队撰写。

工业智能

工业AI自主性与人类控制的结合

动态数字孪生技术正在帮助工业设施更像有机系统一样运行，并为协同工作的行业奠定基础。

大多数人将工业环境与冰冷的钢铁和机械齿轮联系在一起。但从功能上看，工厂或车间更像一个生命体：它有脉搏，甚至有新陈代谢。随着年龄增长，它会经历磨损，健康状况恶化的迹象通常表现为微弱的异常波动。

数字孪生技术长期以来一直致力于映射这种动态性，并模拟可能预示更大问题的异常现象。但早期的实现方式始终落后于物理现实几拍：它们无法进行实时分析，也无法主动应对检测到的问题。它们更侧重于仿真、观察和假设情景规划，而非闭环执行。与只能作为现实镜像、发现异常或提出优化建议的数字孪生不同，动态数字孪生将复杂操作的动态、高保真数字模型与通过操作和控制系统干预物理世界的能力相结合。

AI正处于这一变革的核心。AVEVA公司首席产品官Rob McGreevy将新型AI驱动的数字孪生比作能够生长和进化的生物。这些“活性”版本是工厂资产和流程的自适应、持续更新的模型。由于它们能够跟上实时条件，并连接曾经独立运行的系统，因此提供了此前缺失的可见性和协调性层次，更真实地反映了设施本身的有机节奏。

如今，自主AI还使工业系统能够超越诊断或建议，自主采取行动。随着技术向更高自主性发展，它开始具备一种工业稳态的反射能力，通过持续的小幅调整保持工厂或车间的健康运转。

尽管如此，人类判断和操作员监督在定义“健康”初始标准以及标记AI系统偏离轨道时仍发挥关键作用。动态数字孪生为人类工程师提供了监控AI行为并确保执行按计划进行的手段。

保持数字孪生同步的技术

动态数字孪生通过数字线程（即资产生命周期中伴随其发展的连接记录）将工程和设计信息与实时运营数据相连接。几个显著的技术变革帮助构建了这一连接：近年来传感器成本下降，现在能够从物联网设备和工业控制设备持续传输遥测数据，而软件平台则将这些信息整合到用户友好的界面中。预测性和基于物理的模型也能为AI提供关于机器或流程可能行为的增强洞察。

“你可以通过可持续性的视角来看待数字孪生：我的排放量是多少？或者，通过维护的视角：这个资产是否处于健康运行状态？或者，通过性能指标的视角：它是否生产出我需要的零部件数量？”

AVEVA 首席产品官 Rob McGreevy

操作人员观察数字孪生的视角也随之演变。“你可以通过可持续性的视角来看待数字孪生：我的排放量是多少？”McGreevy 表示。“或者，通过维护的视角：这个资产是否处于健康运行状态？或者，通过性能指标的视角：它是否生产出我需要的零部件数量？”

为半自主系统设定边界

下一阶段是让 AI 根据这些视角揭示的洞察采取行动。制造商对此阶段充满期待：根据 2026 年制造领导委员会对制造商的调查（在新标签页中打开），66% 的受访者表示他们正在使用或计划在运营中使用自主 AI，40% 的受访者预计到 2030 年工厂将实现一定程度的自主性。与此同时，他们也对潜在风险保持警惕：根据德勤 2025 年智能制造调查（在新标签页中打开），65% 的高管将运营风险（包括业务中断的可能性）列为他们的首要担忧之一。

制造商正加速迈向自主 AI 和更高的工厂自主性

0

%

66% 的制造商表示他们正在使用或计划在运营中使用自主 AI

40% 的制造商预计到 2030 年工厂将实现一定程度的自主性

来源：MIT Technology Review Insights，数据来自制造领导委员会（在新标签页中打开），2026 年

“还需要进行大量完善工作，需要更多实证、测试和验证，”McGreevy 表示，关于让 AI 实现自主性的持续过程。“短期内，自主 AI 的发展路径将与其他工业技术（如 SCADA 系统）类似。”他说。“SCADA 中的‘S’代表监督，而监督意味着中间有一个人。”他预计 AI 在可预见的未来将主要以顾问模式运行，完全自主性仅限于狭窄且高度重复的任务。

至于人工操作员的角色，日常职责正在发生变化。曾经专门从事单一生产线或维护任务的工人现在可以承担多个领域的工作。他们可以减少逐个批准常规操作的时间和精力，更多地专注于定义可接受的操作限制。由于 AI 可以强化其接收到的数据中的模式，早期发现错误是工作的重要组成部分。人类在解读 AI 所见所为方面的知识和经验至关重要。

在公司和行业层面，治理机制也需要与时俱进。组织必须明确 AI 可自主做出哪些决策，以及其行为如何被监控和审计。然而，许多组织尚未建立全面的保障措施：根据 AVEVA 和 IMD 最近的一项研究（在新标签页中打开），43% 的组织表示 AI 仅对生态系统合作伙伴的决策和问责制产生了轻微或没有影响，而只有 23% 的组织报告了显著或根本性的变化。（只有 27% 的组织报告了与合作伙伴进行大量或广泛的数据共享。）

与此同时，监管机构开始制定部分规则。欧盟人工智能法案将用于关键基础设施的某些人工智能安全组件归类为高风险，并对人工监督提出了要求。企业也在建立自己的治理结构；例如，AVEVA设立了负责任的人工智能治理委员会，并发布了关于人工智能开发和部署的一套原则。

Agentic AI与实时数字孪生：现实案例研究

在已经运行的半自主系统内部，不同部署场景下的监督方式存在差异。在某些情况下，操作员需要批准每项操作；而在其他情况下，人工智能可以自主行动，而人员则负责监督并定义其操作边界。McGreevy列举了AVEVA客户中机器自主性与人机协作的多个实例：

• 在沙特阿美石油公司的延布炼油厂，优化算法通过闭环系统调整生产，操作员根据需要进行监督。在拉斯坦乌拉炼油厂，算法会提出改进建议，操作员决定是否实施。

• 瑞士雀巢公司在Nesquik工厂使用人工智能优化技术，对用于生产粉末饮料原料的工业干燥设备进行调校。在一项具有里程碑意义的测试中，这种调校使能耗降低了16%，同时提升了产品质量和产量。

• 在泰国SCG化学公司，一个覆盖工程、运营和维护的AI支持数字孪生系统，用于监控资产健康状况并预警潜在故障。该公司报告称，工厂可靠性达到99%，并在六个月内实现了投资回报率九倍的成果。

• 美国洛基山国家实验室为电网控制室构建了生成式AI模型，以实现大规模监督。该模型通过可再生能源预测和电网状态估算，为操作员提供支持。

展望未来

曾经在单个工厂技术系统中缺失的同步性，如今在更大范围内同样存在不足。“过去50年，制造业和关键基础设施一直作为孤立系统运行，”McGreevy表示。但他指出，某些新兴技术正在创造更全面协调的机会。

在企业层面，这可能涉及物理AI的整合：将机器人和传感技术与人工智能驱动的决策系统相结合。例如，飞越管道和输电线路的无人机可以将视觉检测数据传输给算法，用于发现气体泄漏等隐患。这不仅创造了更准确和互联的信息流，还使人类免于进入潜在危险环境。“机器人与软件的融合将意味着更少的事故、更少的停机时间，以及更可持续的运营方式，”McGreevy预测。

“机器人与软件的融合将意味着更少的事故、更少的停机时间，以及更可持续的运营方式。”

更宏观的视角则超越单个工厂或流程，扩展到整个工业网络，McGreevy将其称为“集成价值链”。“实时数字孪生使整个价值链的数字化呈现成为可能，”他表示。“这使公司能够快速应对供应链变化、需求变化、关税和材料可用性等问题。”

在当今地缘政治动荡和监管需求不断变化的现实背景下，麦格里维（McGreevy）补充道："这种韧性将'绝对必要'。'没有它，要经营一家有效的企业将非常困难。"