9/28/2025，光纖在線特邀編輯Helen

光纖在線訊，2025年9月24日至26日，由中國傳感器與物聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟和上?？萍颊箷?huì)有限公司主辦的中國（上海）國際傳感器技術(shù)與應(yīng)用展覽會(huì)（“SNESOR CHINA 2025”）在上?？鐕少彆?huì)展中心成功舉辦。

在工業(yè)智能化浪潮下，“AI + 狀態(tài)監(jiān)測(cè)” 正成為傳感器行業(yè)轉(zhuǎn)型升級(jí)的新賽道，這項(xiàng)融合了多維度感知、智能計(jì)算與精準(zhǔn)分析的新技術(shù)，不僅重構(gòu)了設(shè)備運(yùn)維的傳統(tǒng)模式，更在落地過程中遭遇數(shù)據(jù)、技術(shù)、成本等多重瓶頸，行業(yè)正探索破局之道。會(huì)展最后一天以“AI+ 狀態(tài)監(jiān)測(cè)”圓桌分享會(huì)為SENSOR TALKS的壓軸局，旨在匯聚傳感器專家及下游應(yīng)用端資源及研究院所等第三方平臺(tái)共同探討市場(chǎng)挑戰(zhàn)、行業(yè)痛點(diǎn)與解決思路。

      

技術(shù)迭代：多維度融合與架構(gòu)升級(jí)并行??

當(dāng)前，AI + 狀態(tài)監(jiān)測(cè)技術(shù)在感知層實(shí)現(xiàn)了從單一檢測(cè)到多參數(shù)融合的跨越。業(yè)內(nèi)已形成共識(shí)，僅依靠震動(dòng)或溫度等單一物理量監(jiān)測(cè)易產(chǎn)生誤報(bào)，而通過震動(dòng)、溫度、壓力、氣體濃度等數(shù)據(jù)的聯(lián)動(dòng)分析，可將誤報(bào)率顯著降低。?

計(jì)算架構(gòu)的 “端 - 邊 - 云” 協(xié)同優(yōu)化成為另一重要趨勢(shì)。傳統(tǒng)模式中，AI 算法多部署于云端進(jìn)行集中處理，但在工業(yè)控制、智能電網(wǎng)等低延遲需求場(chǎng)景，節(jié)點(diǎn)端離線算法的優(yōu)勢(shì)日益凸顯。邊緣計(jì)算憑借低成本、低能耗特性，在中小型設(shè)備監(jiān)測(cè)場(chǎng)景快速滲透，而云端則側(cè)重大數(shù)據(jù)建模與算法迭代，形成分層協(xié)同的計(jì)算體系。?

AI應(yīng)用的深度也在持續(xù)拓展。從早期的閾值判斷升級(jí)為機(jī)器學(xué)習(xí)驅(qū)動(dòng)的智能分析，設(shè)備健康度多維度評(píng)估、電池壽命預(yù)估、部件損壞定位等功能已在制造業(yè)廣泛應(yīng)用。在旋轉(zhuǎn)機(jī)器監(jiān)測(cè)等成熟領(lǐng)域，企業(yè)正嘗試融合視覺、語音等多模態(tài)數(shù)據(jù)，通過設(shè)備運(yùn)行聲音特征與振動(dòng)圖譜的交叉分析，實(shí)現(xiàn)更精準(zhǔn)的故障預(yù)警。?

行業(yè)痛點(diǎn)與挑戰(zhàn)?

盡管發(fā)展迅猛，AI + 狀態(tài)監(jiān)測(cè)仍面臨諸多現(xiàn)實(shí)挑戰(zhàn)。

標(biāo)準(zhǔn)化缺失與適配難題：多網(wǎng)絡(luò)傳輸協(xié)議、接口缺乏統(tǒng)一標(biāo)準(zhǔn)，客戶需求分散，傳感器廠家需頻繁適配不同規(guī)格，研發(fā)負(fù)擔(dān)沉重。設(shè)備報(bào)警閾值、健康度評(píng)價(jià)標(biāo)準(zhǔn)與場(chǎng)景深度綁定，上下游對(duì)傳感器性能認(rèn)知存在偏差，燃?xì)?、水?wù)等行業(yè)誤報(bào)成本高、接受度低。

數(shù)據(jù)問題成為最突出的瓶頸：企業(yè)因安全與商業(yè)機(jī)密顧慮，數(shù)據(jù)共享意愿普遍偏低；工業(yè)設(shè)備多處于正常運(yùn)行狀態(tài)，故障數(shù)據(jù)稀缺導(dǎo)致 AI 模型訓(xùn)練缺乏充足樣本；而數(shù)據(jù)標(biāo)注依賴行業(yè)經(jīng)驗(yàn)，不同場(chǎng)景標(biāo)準(zhǔn)不一，進(jìn)一步增加了算法落地難度。

成本與技術(shù)適配失衡：振動(dòng)、溫度等傳感器成本多在三位數(shù)以上，中小型泵等設(shè)備應(yīng)用性價(jià)比不足。設(shè)備端算力有限與 AI 部署需求存在矛盾，云端處理又面臨實(shí)時(shí)性差、通信效率低的問題，部分場(chǎng)景算法投入與價(jià)值感知不匹配。此外，誤報(bào)漏報(bào)問題突出、行業(yè)標(biāo)準(zhǔn)分散等問題，也讓燃?xì)狻雽?dǎo)體等高敏感行業(yè)的應(yīng)用拓展受阻。

需求模糊與服務(wù)斷層：多數(shù)水務(wù)等行業(yè)甲方需求不明確，僅少數(shù)企業(yè)招標(biāo)標(biāo)準(zhǔn)清晰。此外，中小型客戶缺乏專業(yè)數(shù)據(jù)解讀團(tuán)隊(duì)，現(xiàn)有監(jiān)測(cè)多為一維健康度打分，未形成 “預(yù)警 - 決策” 閉環(huán)，低價(jià)值人工點(diǎn)檢工作量巨大。

發(fā)展方向共識(shí)?

構(gòu)建標(biāo)準(zhǔn)化與數(shù)據(jù)生態(tài)：依托研究院牽頭，聯(lián)合上下游制定協(xié)議、數(shù)據(jù)格式及健康評(píng)估標(biāo)準(zhǔn)。通過保密協(xié)議、數(shù)據(jù)脫敏技術(shù)搭建共享平臺(tái)，由第三方機(jī)構(gòu)統(tǒng)籌數(shù)據(jù)資源，破解安全與共享矛盾。

聚焦端側(cè) AI 與多參數(shù)融合：推廣節(jié)點(diǎn)端芯片集成算法方案，小算力即可滿足壓力、溫度等一維數(shù)據(jù)處理需求，實(shí)現(xiàn)本地實(shí)時(shí)計(jì)算決策，降低云端依賴與成本。發(fā)展多參數(shù)采集技術(shù)，融合壓力、流量、溫度等數(shù)據(jù)，結(jié)合本地 + 云聯(lián)合大腦模式，大幅降低誤報(bào)率。

分級(jí)降本與場(chǎng)景深耕：針對(duì)不同設(shè)備推出分層方案，研發(fā)低成本傳感器適配中小型設(shè)備，借鑒端側(cè) AI 傳感器成本減半的量產(chǎn)經(jīng)驗(yàn)。聚焦智慧水務(wù)、二次供水等場(chǎng)景，深入對(duì)接運(yùn)維部門需求，固化功能標(biāo)準(zhǔn)，打造 “數(shù)據(jù)采集 - 預(yù)警 - 維護(hù)” 全流程方案。

強(qiáng)化跨領(lǐng)域協(xié)同創(chuàng)新：推動(dòng)傳感器、芯片、設(shè)備集成商與甲方聯(lián)動(dòng)，從場(chǎng)景需求反推技術(shù)研發(fā)。以實(shí)訓(xùn)基地為載體開展技術(shù)驗(yàn)證，通過 “數(shù)據(jù)采集 - 標(biāo)定 - 模型訓(xùn)練 - 芯片植入” 閉環(huán)，實(shí)現(xiàn) AI 技術(shù)與工業(yè)場(chǎng)景的深度適配。正如工業(yè)傳感器專委會(huì)秘書長鐘海燕在圓桌會(huì)上強(qiáng)調(diào)，需求來自場(chǎng)景，場(chǎng)景決定一切，必須讓傳感器、芯片、MCU企業(yè)、設(shè)備集成商、甲方客戶上下游之間相互獲取靈感、協(xié)力合作。

結(jié)語?

AI是否過熱、存在泡沫，這個(gè)問題一直是光纖在線的思考關(guān)注點(diǎn)之一（參見劉錚主編視點(diǎn) ：從MIT報(bào)告再看人工智能泡沫擔(dān)憂）。而筆者這次在傳感器展會(huì)論壇現(xiàn)場(chǎng)觀察到，傳感行業(yè)的上、下游企業(yè)對(duì)技術(shù)發(fā)展痛點(diǎn)的深度剖析折射出對(duì)行業(yè)高質(zhì)量發(fā)展的期盼，諸如全面數(shù)據(jù)的獲取、本地化算力芯片的成本、基于場(chǎng)景和需求的算法等關(guān)鍵問題若能得以解決，業(yè)界則對(duì) “AI+” 賦能感知有著積極正面的預(yù)判。而傳感行業(yè)各方人士對(duì)提升產(chǎn)品核心價(jià)值、優(yōu)化用戶體驗(yàn)的終極探索，展示了在AI技術(shù)融合浪潮中產(chǎn)業(yè)界的鮮明圖景和積極擁抱新技術(shù)的實(shí)干導(dǎo)向。