2025全球新品发布暨工业AI创新发展大会于8月28日在杭州举行。中控算法工程师周烨旭谈如何破解时间序列难题时表示，能预测时间就能控制未来。
“假设如果我们能够提前看到关键变量未来一步的变化，我们就可以提前动作，把即将超标的温度拉回来，把障碍消消灭在萌芽之中。预测对于工厂而言，是更高的产量、更稳定的运行、更安全的运行。”他说。
周烨旭指出，预测是从被动应对迈向主动控制的关键一步。准确而又可靠的预测，其灵魂不仅在于理解时序，而是要抓住变量之间的运动逻辑、运作逻辑，而这是工业预测的困境。数据缺失了灵魂原始时间序列，数据不会轻易的告诉我们变量之间的运行逻辑。那么如何在数据中注入工业的灵魂，这是实现精准预测的之一道难关。
他表示，数据之难模型层面时间序列与语言相比更大的区别在于没有固定统一的语法，他还涉及了多领域、多场景、多量纲，天生难以泛化。更关键的是，模型更倾向于学习变量之间的统计相关性，而并非背后的运行逻辑。
“真正的挑战是如何让我们的模型能够不再仅关注于数据的表面，而是去理解工业的场景和上下文，遵循系统中的物理规律和控制逻辑，进行预测，进行推理，最终实现one model fits all，这是通往精准预测的第二道难关。”他说。
周烨旭直言，模型之难，我们选择迎难而上，我们要为数据铸魂，要在模型领悟工业的语法。
中控组织了最专业的数据团队，联合一线工艺专家，采用专家加工具的协同方式，对数据进行了深层的数据清理以及有结构化的标注。此刻标注不再是简单的打个勾，而是把老师傅的经验控制逻辑系统的意图转化为模型能够理解的工业上下文。
他表示，这套数据体系早在大模型兴起，我们相信数据一旦被赋予了灵魂，它将成为智能涌现的土壤。
他介绍，今天发布的就是这样的一个大模型，混合专家时序大模型。他不是只会拟合曲线的黑箱，而是一个具有理解了解掌握工业运行逻辑，能够动态协同可自适应演化的智能框架。他在预测目标变量下一刻值是多少的时候，还在思考当前系统正在面临什么。
那么这个大模型可以为我们带来什么？周烨旭表示，在工况切换的时候，它可以是的导航引擎，预判每一步操作的连锁反应，规划出更优的控制路径，帮助我们规避超压、超温品质波动的暗礁。在异常检测的时候，它是我们的溯源大脑。除了预警，它还能帮助我们追根溯源，结合因果链和物理拓扑给我们可解释的预警路径。
为了应对工业场景的多样性，这个混合专家大模型应势而生。周烨旭指出，为了让动态调动调能够调动这些模型专家模型，我们赋予了整个框架像人类一样学会学习，举一反三的能力。在面临新的场景的时候，他能快速理解当前的任务，精准调用，并且组织协同最相关的专家模块。
他表示，精巧的算法的设计还要强大算力的支撑。然而真正让这个模型火起来的是多年沉淀的高质量数据集，以及有结构化的标准。这些数据不仅教会了我们的模型预测，更教会了他去理解工业的上下文和其中的运行逻辑。现在不再仅仅是预测精度的上升，而是从知其然迈向知其所以然的范式跃迁。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
