AI如何助力工业设备预测故障提升效率？

在现代工业领域，设备的异常声响往往是故障的前兆，提醒人们可能存在隐患。过去，故障通常依靠人工排查或在问题显现后才能被发现，但如今，随着传感器技术与人工智能（AI）的结合，设备发出的每一丝细微警告都能被捕捉并分析，从而提前识别潜在问题，避免更大损失。

Groundup.ai的创始人兼首席执行官林久禾敏锐地捕捉到了这一技术的广阔前景。他带领团队研发出基于声学AI的解决方案，为工业机器赋予了‘听力’和‘思考能力’，通过预测性维护技术防患于未然，减少设备停机时间，大幅提升生产效率。

现年36岁的林久禾早年涉足加密货币挖矿行业，他在接受《联合早报》采访时分享了这段经历如何启发他对设备维护的深入思考。他提到，矿机需要全球分布并24小时高负荷运转，导致频繁过热和故障，每次故障都需要耗费大量人力去修复，这让他深刻体会到预防性维护的重要性。

在挖矿过程中，林久禾发现机器故障前往往伴随着特定的声音信号，这一观察成为他技术研发的起点。他的团队随后开发出相关技术，不仅显著优化了矿机的运行效率，还吸引了众多客户将设备托管给公司。然而，2018年下半年的加密货币市场崩溃让业务一度受挫，但也让他意识到，预测故障的技术本身才是真正的核心价值。

自2020年起，Groundup.ai将重心转向工业领域的声学AI应用。林久禾表示，这项技术适用范围极广，尤其对需要频繁运作重型设备的行业具有重要意义。他还提到，通过机器学习中的迁移学习方法，AI模型能够在不同行业和设备类型间灵活应用。目前，公司客户已涵盖制造业、海事及陆路交通等领域。

然而，将AI技术推广到传统工业并非易事。林久禾坦言，最大的挑战之一是说服行业内资深工程师接受新技术。这些被称为‘老安哥’的专业人士习惯通过传统方法诊断设备问题，对AI的介入常抱有戒备心理，担心自身经验被取代甚至失去工作机会。

为了化解这一顾虑，林久禾和团队耐心地与工程师沟通，倾听他们的担忧，并强调AI并非替代者，而是辅助工具。他指出，工程师的经验对AI的训练至关重要，反而能让技术更精准。通过与AI协作，工程师可以将精力转向更高层次的工作，而非重复性的人工检查，仿佛拥有了‘千只手’来高效处理大量设备。

除了工程师，传统行业的客户对AI的接受度也需逐步培养。林久禾回忆了一位来自水泥行业的企业董事总经理，最初对AI持怀疑态度，认为这种技术只适合金融或电商领域，与传统水泥行业无关。面对质疑，林久禾选择从基层员工入手，展示AI如何提升工作安全性和效率。例如，AI能够在无需接触机器的情况下实时监控设备状态，提前预警风险，减少危险操作。

这一策略逐渐赢得了基层员工的认可，也最终改变了这位管理者的看法。他意识到AI不仅能优化生产流程，还能显著降低运营成本。林久禾透露，通过他们的解决方案，这家水泥企业的第三方维修费用从每年15万元锐减至原来的十分之一。

随着技术的成熟，Groundup.ai也逐步走向国际舞台。2023年，公司成功融资180万元，用于产品研发和海外市场拓展，业务触及中东和印度尼西亚等地。例如，他们的传感器已被安装在卡塔尔的火车站和多哈哈马德国际机场。林久禾观察到，中东国家近年来大力推进工业化发展，对设备维护技术有着迫切需求。

展望未来，林久禾表示，公司近期有望获得更多投资支持，助力业务进一步全球化。他计划在未来三年内将技术推广至欧洲和澳大利亚等地，持续深化国际市场的布局，为更多工业企业带来创新解决方案。