分类建议：工业智能 标签：工业节能、HVAC、物理模型、OT安全、网络分段、资产治理 缩略图：[占位：厂房空调控制系统与IT/OT/IoT分区关系示意图；暂不生成图片] 厂房的空调系统常年运行，设定值只调小一点，年度账单就可能出现差异。但节能软件一旦接入楼宇自动化系统，也会成为工业网络的一部分：它要读取传感器和设备状态，有时还要向控制系统写入新的设定值。9月24日，Infineon发布工业分析方
分类建议：工业智能 标签：软件定义感知、3D视觉、触觉采集、机器人技能、工业数据 缩略图：[占位：移动机器人感知区域与人工操作技能采集的现场示意图；暂不生成图片] 机器人在工厂里看清一个物体，与可靠地搬起、插入或拧紧它，是两件不同的事。前者需要在运动中识别空间、距离和障碍；后者还得判断何时接触、接触后施加多大力、出现偏差如何修正。9月24日的两条产品消息，正好落在这条链路的两端：Leopard
.wechat-article{font-family:-apple-system,BlinkMacSystemFont,'Segoe UI','PingFang SC','Microsoft YaHei',sans-serif;line-height:1.8;color:#333;max-width:680px;margin:0 auto;padding:20px;background:#ff
生成式人工智能进入工业设计后，真正困难的并不是“让模型画出一个像零件的三维图”，而是让设计结果可编辑、可核验、可制造，并能解释每一次修改从何而来。AgenticCAD 0.10.1给出了一条颇有工程意味的路线：以自然语言和交互式建模作为入口，以build123d Python脚本作为设计主记录，以Open CASCADE Technology（OCCT）的精确边界表示为几何事实，再将同一模型延伸
强形式PINN把控制方程直接写成点残差。例如二阶Poisson方程需要网络输出对空间坐标的二阶导数，再最小化域内残差、边界残差和可能的数据误差。Deep Energy Method（DEM）走另一条路：若PDE对应某个变分原理，就让神经网络表示试探解，通过数值积分最小化总势能或其他能量泛函。arXiv:2602.07838概括了它相对强形式PINN的两个直接优势：所需导数阶数更低、超参数更少；并
视觉语言模型进入工厂后，最容易落入两个误区：一是把“能描述图片”当成“能稳定判定缺陷”，二是把模型输出的一句“看起来正常”直接接到放行逻辑。工业巡检真正需要的不是更会说话的模型，而是一个可测量、可校准、可设阈值、必要时会拒答的决策接口。Glance的价值正在这里：它不是新模型，也不训练模型权重，而是围绕冻结的开放视觉语言模型构建测量与校准层，直接读取一次前向计算中的答案词元logits，把图片问
工业机器人软件项目最常见的失败，并不是某个规划算法不会用，而是机器人描述、控制器、规划组、末端执行器和启动顺序之间存在细小但致命的不一致。一个演示可能在开发者电脑上运行，却无法在第二台机器复现；URDF能显示，控制器却找不到关节；MoveIt能规划，执行接口却对不上；抓取程序由大量点到点命令堆叠，环境稍有变化便失效。 kuka-kr6-ros2-pick-and-place项目提供了一个清晰基线
复杂几何上的物理信息神经网络常被描述成“把PDE残差、边界条件和数据误差相加后训练”。真正进入二维、三维和区域分解后，这个“相加”会成为主要故障源：不同损失项对同一组参数提出相反更新方向，一个子域在降低方程残差时，可能同时破坏界面连续性；面积很大的子域或量纲较大的残差又可能长期压过小界面。arXiv:2609.14841将区域分解与投影式梯度手术结合，评估PCGrad和ConFIG，并提出归一化
制造企业谈“数字线程”时，常把重点放在软件清单：CAD、CAM、仿真、PLM、MES、质量系统是否齐全。但对车间真正有意义的问题是：设计意图能否无损地走到机床，现场修正能否回到工程端，最终尺寸与工艺经验能否沉淀为下一版产品和程序的输入。Siemens“Meet at the Machine”所呈现的工程逻辑，正是把数字化的终点从办公室里的模型和刀路，推进到机床旁的投产、验证与反馈。 这不是简单地
刀具磨损预测很适合机器学习，也很容易在真实工厂里“卡住”。单台机床、单条产线的数据通常不够丰富；把多个工厂的数据汇总训练，又会碰到工艺机密、客户保密条款、数据出域限制和网络条件差异。arXiv:2608.11281给出的关键信号是：在以真实刀具轨迹划分模拟客户端的实验中，联邦模型的表现接近集中式训练，并显著优于各客户端独立训练。这并不等于联邦学习已经可以直接接管换刀决策，却说明多工厂协作训练的额
本文基于2026年9月24日《工业智能每日观察》中Qualcomm拟收购PickNik、MoveIt继续开放，以及Unity Simulation Pro进入Early Access两条信息展开。收购尚待完成，文中不将拟议交易写成既成事实。 从“大模型控制机器人”回到工程现实 机器人行业正在经历一次明显的接口迁移。 过去，工业机器人主要依赖示教器、离线编程和固定工艺程序。机械臂执行什么动作
本文基于2026年9月24日《工业智能每日观察》中Honeywell《2026 Operational Technology Cybersecurity Benchmark Report》相关数据展开。报告调查603名关键基础设施安全负责人；具体比例与损失数据采用Honeywell发布口径，不外推为所有工业企业的普遍水平。 88%自认成熟，为什么只有21%拥有完整资产清单 OT安全领域最危
您的浏览器不支持视频播放。 摘要 今天工业智能方向的新动态更多来自“开源机器人软件、OT安全、仿真基础设施、数字孪生研发和多模态车载智能”五个工程层。Qualcomm宣布拟收购PickNik，把MoveIt这一广泛使用的开源机器人操作框架与Dragonwing Robotics、Arduino等边缘平台进一步连接，同时承诺MoveIt 1/2继续开放和社区驱动；Honeywell发布2026
Prevas与Alleima在真实生产环境中用高速相机连续采集长管材表面图像，并以AI模型实时识别缺陷。案例的关键不只是用模型替代人工看图，而是揭示在线视觉质检的完整工程链：稳定成像、样本治理、模型验证、人员复核、质量追溯，以及把缺陷结果连接到工艺参数和设备状态。
Dragos完成对NetRise和runZero的收购，释放出一个清晰信号：工业网络安全正在从网络侧设备识别，深入到固件、第三方组件和软件供应链。制造企业需要建立的不只是资产台账，而是一套能够连接设备身份、固件版本、SBOM、漏洞情报、生产影响和处置工单的持续治理体系。
重型装备智能制造的难点不是把设备接上大屏，而是让钢板、结构件、工艺参数、质量证据和物流状态沿同一条工艺链流动。振华重工南通数字智能结构件车间的价值，在于把无人天车、切割、坡口、焊接、AGV与质量控制重新编排。本文给出重型装备工厂的流程重构方法与验收指标。
具身智能公司的竞争指标正在从Demo动作转向月产能、执行器良率、现场可用率和服务成本。Genisom披露累计生产超过1.5万台行业机器人、月产能超过5000台，意味着资本和客户开始审视机器人是否能被稳定制造、交付和维护。本文给出厂商与采购方的量产评价框架。
Anthropic 发布的模型硬件标准 MHS，把大模型与显微镜、液体处理器、机械臂、量子计算设备之间的连接问题，抽象成统一驱动、设备描述、状态反馈和安全约束。它与 MCP 的关系并非替代，而是把 MCP 已经验证过的工具调用思路进一步向物理设备延伸。对工业智能而言，MHS 最值得关注的地方不在于“自然语言控制机器”，而在于设备能力是否能够被机器读取、边界是否能够被程序执行、异常是否能够进入闭环，以及探索性任务能否沉淀成确定性工艺脚本。
惠州近期持续推进人工智能与机器人产业。本文结合惠州新闻网、羊城晚报等报道，观察这座制造业城市如何把硬件供应链转化为 AI 场景优势。
西门子 Eigen Engineering Agent 的意义，不在于又多了一个工业 AI 助手，而在于 AI 开始尝试进入 PLC、TIA Portal、控制逻辑、验证和工程交付这些真正难的工业现场。