4月29日，工信部发布《工业场景数据要素（886041）应用参考指引》，提出建立设备健康监测系统，识别设备异常信号，制定设备维护保养计划，实现设备运行状态分析、异常报警和智能诊断。浪潮海岳以政策为导向，以标准为支撑，深度融合物联网（885312）与人工智能（885728）大模型，以“工业机理+数据智能”为双轮驱动，打造集实时数据采集、知识沉淀、故障预警与诊断、闭环执行、设备健康度评估为一体的浪潮海岳工业AI设备运维智能体，推动企业设备运维向智能化升级。

传统运维两大短板

知识沉淀不足，链路协同缺失。传统人工运维全局视角不足，仅聚焦单点设备故障修复，无法联动整体生产链路，难以量化故障处置对产能输出、交付工期、产品质量、生产成本等核心指标的影响，导致运维与生产体系脱节，无法实现降本稳产、提质增效的运维价值。同时，运维决策与故障判别高度依赖专家或一线员工的个人从业积累，现场缺乏判定标准与作业体系的统筹管理，人员变动极易导致知识断层、新手上手难等问题，增加设备安全管控风险。

模型能力单一，闭环执行断裂。传统的运维模式使用小模型完成基础的感知，具有发现问题、输出结果的能力，但在生产过程中，问题识别只是运维管理的起点，故障分析和落地处置才是保障生产稳定的核心。单一小模型缺乏深度推理与决策的能力，发现异常后，仍需要手动翻阅手册、查阅资料，人工触发维修工单。这种处理方式存在明显的链路断层，是典型的开环运行状态，无法打通感知、推理、决策、执行的全流程，难以形成完整的智能运维闭环。

设备运维智能升级：从经验管控到自主优化

业务知识管理，从“零散文档”到“智库沉淀”。依托浪潮海岳大模型文本解析能力，智能整编运维规程、设备资料等文档，搭建层级化知识体系，以知识串联生产业务链路，赋能维修工单、智能问答等运维场景。借助知识抽取工具，深度萃取一线故障研判、实操经验等隐性资源，将个人经验转化为标准知识资产，破解人员流动引发的知识断层难题。依托元技能进化机制，智能体自主适配并生成专属知识抽取技能，辅以人工校验，构建知识抽取技能持续进化的长效机制。

大小模型协同，从“单点算力”到“双脑联动”。将擅长数据分析、分类预测与逻辑运算的小模型封装为大模型可直接调用的技能工具，浪潮海岳大模型作为核心大脑，聚焦高级逻辑推理、自然语言交互与全局任务规划，而小模型承担底层数值计算、时序分析与实时感知等基础能力，形成双向赋能的“双脑”机制。这种协同模式实现能力互补与优势叠加，兼具深度理解与精准运算能力，全面赋能设备故障研判、状态监测、运维决策等核心环节，筑牢浪潮海岳设备智能运维的技术根基。

闭环执行落地，从“人工研判”到“自主行动”。浪潮海岳工业AI提供从连接感知、高质量数据集构建到智能体开发的全链路能力。基于设备运行数据，智能体精准解析异常根因、推理潜在故障风险，生成分级预警与优化策略，并将优化策略自动下发至设备端，完成参数调整、工单派发与数据回写，实现运维策略端到端落地，推动工业智能从辅助分析工具升级为可自主规划、闭环执行的主动型智能体，构建“感知-推理-决策-执行”全链路闭环体系。

设备智能运维，是工业数字化转型的必经之路，更是产业长远发展的核心基石。未来，浪潮海岳设备运维智能体将持续以工业实际场景为核心、以前沿成熟技术为支撑，不断打磨产品能力，助力制造业企业筑牢安全生产根基、全面提升生产运营效能，全力护航工业企业高质量、智能化长远发展。