聂卫华：用二十年，跑出工业AI的中国范式

【导语】当全行业都在讨论大模型的参数与算力时,聂卫华带着容知日新,已经在工厂的车间里,把AI做成了能帮企业省下千万损失、守住生产安全的硬生产力。作为正和岛资深岛邻,聂卫华并不热衷谈论技术概念,他关注的是如何用算法捕捉工厂里那些最隐秘又最复杂的物理变量。从“设备状态监测”到“设备预测性维护”,再到“AI+设备智能运维体系”,他用近二十年定义了一条硬核路径:在工业领域,AI的终极战场不在实验室,而在每一台轰鸣运转的设备里;唯有深度服务场景,才能创造真正价值。

预判:在“AI+”之前,先成为“+AI”的实干家

早在20年前,人工智能还蛰伏于实验室时,聂卫华和他的合伙人贾维银已经开始了“让工业更美好”的实践。他们没有选择高举高打的互联网模式,而是沉入钢铁石化的核心腹地,以持之以恒的战略定力和为客户创造价值的朴素想法,不断深化“数据-案例-模型”的迭代过程。

这是一种极具前瞻性的“灰地战略”(Brownfield Strategy,即面向存量工业场景,在现有产线与设备基础上做智能化改造,而非从零搭建全新工厂)。聂卫华深知,工业智能化的难点不在算法,而在解决场景痛点。容知日新选择从最基础的“数据采集”做起,但并未止步于此,而是将振动、温度、声音、视频、压力等多维信号转化为机器语言,再进一步转化为工业语言,为用户从海量数据中提取高度精炼、高度精确的设备维护指令。

至今,聂卫华仍保持着定期下一线车间的习惯,蹲在设备旁和运维师傅聊痛点、抠细节,把现场的真实需求沉淀进每一次产品迭代。这种对物理世界的数字化映射,不是技术的简单堆叠,而是对工业场景的深度扎根,为日后容知日新的AI爆发埋下了最坚实的数据底座。

日新:构建自我进化的“工业大脑”

“日新,就是每天进步一点点。”这句容知企业哲学的背后,是一套严密的AI系统工程论。容知日新早已超越了简单的“故障报警”,进化成为一个拥有工业大模型思维的智能体。聂卫华和他的团队已经构建了一个完整的数据飞轮:海量工业设备产生的工况数据,训练出更精准的预测算法;算法的每一次正确决策,又反向优化和迭代模型。

这种“生成式维护”能力(即系统不只是被动发出故障警报,还能主动生成针对性维护方案、自主优化诊断模型,形成自我提升的逻辑闭环),让机器拥有了自我认知与自我迭代的能力。在聂卫华眼中,AI不是炫技的工具,而是工业设备的“健康系统”,它识别和警示着设备领域的不同风险,保障着万亿级资产的稳定、高效、持续运行。

破局:以中国方案定义全球工业智能

在巴西淡水河谷的矿山、在韩国浦项钢铁的高温车间,聂卫华正带领容知日新与全球顶尖巨头同台竞技。这不仅是商业的博弈,更是中国工业AI标准的对外输出。

容知日新服务的1400多家各工业领域头部企业,证明了一个事实:在工业智能化的深水区,中国企业不仅能依靠规模制胜,更能凭借对复杂场景的算法解构能力,提供超越传统欧美方案的智能化增量价值。

曾几何时,在设备智能运维领域,中国企业经历了艰苦漫长的学习过程:从第一代定检定修的前苏联模式,到以点巡检为核心的第二代日本模式,再到容知日新持续推动的第三代状态监测与预测性维护模式。每一步前进,都不仅是技术手段的进步,更是设备运维范式的跃升。而今天,聂卫华以“AI驱动的设备智能运维体系”,标志着第四代设备运维模式的正式确立,也标志着容知日新以中国的人工智能技术,服务并优化着全球的工业效率。

未来:从AI+到AI原生

对于AI,聂卫华有着自己独特的理解。作为一种技术手段,AI无疑可以在预测性维护的智能化工具层面提升效率,这也是容知日新的传统护城河。但这绝不是终点。聂卫华敏锐地看到,只有全然拥抱“All in AI”,做出AI原生产品,建设AI原生组织,才能让容知日新真正成为AI时代继续引领行业发展的企业。

这里的“AI原生”(即从产品设计、组织架构到业务流程,全部围绕AI能力做底层重构,而非在原有业务体系上简单叠加AI工具),正是第四代设备智能运维范式的核心基础。它充分融合了工业用户的组织、流程、标准、人员的一系列变革:AI不仅仅是诊断工具,更是基于用户场景的综合智能体,是基于用户体验的开放式、自优化设备智能运维平台,是基于用户价值的跨领域人机协同系统,让AI成为工作流驱动的核心来源之一。面对即将到来的行业巨大变革机遇,聂卫华内心十分笃定。

从单一的传感器到如今的工业智能运维新范式,从服务头部工业企业到开始赋能广大的中小企业,从中国市场领先到全球市场竞技,聂卫华从未偏离航向。

他常挂在嘴边的一句话是:“再忙也要迭代”。这句朴素的话,既是容知日新二十年发展的注脚,也是聂卫华一以贯之的行事准则。

在这个充满不确定性的时代,聂卫华与容知日新展示了一个中国科技企业的底色:不追逐风口,而是成为风本身。工业AI从来没有捷径,走得稳,才能走得远——他们用持续进化的技术,推动全球工业的每一次坚定前行。