万宾科技物理AI系列产品在山西首发:从“感知风险”到“预判风险”

城市生命线进入“预测时代”,AI正在从云端走向城市基础设施现场。

9月21日,山西省首届城市生命线安全工程大会在太原举行。来自行业协会、科研院所、城市生命线相关企业及产业链单位的专家代表齐聚山西,围绕城市生命线建设、风险预测、设施健康管理以及文物古建预防性保护等议题展开交流。大会聚焦“城市生命线安全工程的山西实践与未来”,探索适配山西实际需求的城市安全建设路径。

大会现场,万宾科技总经理郑益斌作《万宾科技城市生命线风险预测与健康管理》主题报告,围绕风险预判与设施全周期健康管理,系统介绍万宾科技从前端感知、边缘计算到风险研判的技术实践。随后,万宾科技解决方案总监郑鹏飞正式发布AI预测模型及配套硬件产品。

其中,万宾科技ES800系列AI存算一体机正式亮相,将“物理AI”带入城市生命线安全监测现场。

这也意味着,城市生命线的智能化能力开始从“采集数据、发现异常”,进一步向现场计算、智能研判、风险预测延伸。

一、AI走出屏幕,来到离风险更近的地方

过去谈AI,更多是在云端处理文字、图片和数据。

但城市生命线面对的是一个真实且持续变化的物理世界。

地下管道有没有出现细微泄漏?桥梁结构是否正在发生毫米级位移?连续降雨会不会形成积水风险?低温环境下道路什么时候可能结冰?

这些问题,仅仅“看见数据”还不够。

AI需要真正接入来自燃气、供水、排水、桥梁、隧道等基础设施的实时数据,在距离现场更近的位置完成分析、判断甚至预测。

这正是Physical AI——物理AI在城市生命线场景中的价值。

万宾科技在产品资料中将其定义为一种从数字世界走向真实物理世界的能力:AI不仅理解文字和图像,还需要能够“看”毫米级位移、“听”管道漏点,并对降雨、结冰等真实风险进行分析预测。

而要让这样的能力真正落地,仅靠云端并不够。

城市生命线前端分布着大量感知设备。如果所有数据全部上传云端再进行分析,容易受到通信链路、时延和成本等因素影响;而普通前端终端又受到功耗、算力等条件限制,很难承担复杂AI模型。

因此,需要在感知终端与中心平台之间,增加一个真正具备计算和判断能力的“边缘大脑”。

这就是ES800系列诞生的逻辑。

二、一台“AI基站”,把算力部署到城市生命线现场

与传统边缘网关主要承担数据接入和转发不同,ES800系列AI存算一体机定位于城市生命线边缘计算中心的物理AI基础设施。

它把过去分散的通信接入、高速回传、数据存储和AI算力集成到一个边缘节点中。

简单来说,它不只是“把数据传回来”,而是要在现场把数据接住、存下、算明白。

能连。

通过星闪(NearLink)短距无线通信,与具备相应通信能力的前端智能感知终端进行低功耗自组网。产品资料显示,单台设备覆盖半径约1公里,可就近接入片区内近2000个智能感知节点。

能传。

通过5G承担数据高速回传,将本地汇聚的感知数据、预警结论和AI分析结果上传中心平台,形成边缘与云端之间的协同。

能存。

感知数据可在本地留存,让历史数据能够查询、追溯,也为趋势分析和后续模型迭代提供数据基础。

更重要的是——能算。

ES800采用CPU、NPU、GPU、VPU等国产化异构处理单元,可以针对不同AI任务进行协同计算,让多类推理模型直接部署在城市生命线边缘侧。

于是,城市基础设施产生的数据,不必每一次都等待云端给出答案。

风险在哪里发生,AI就尽可能在哪里完成第一轮研判。

三、不止发现异常,更要看到风险正在怎样发展

物理AI真正改变的,并不是设备多了一项“AI功能”。

而是城市生命线风险管理的时间尺度。

传统监测解决的是:

“现在有没有异常?”

而预测型监测进一步希望回答:

“风险正在怎样变化?”

“下一步可能发生什么?”

目前,围绕城市生命线典型应用场景,ES800可在边缘侧部署多类专业模型。

例如,在结构安全场景中,高精度空间定位修正模型可对卫星空间定位数据进一步修正,为结构位移变化分析提供更精细的数据基础;在供水、热力等管道场景中,声纹漏损识别模型可以分析管道振动波和噪声特征,识别漏损并辅助判断漏点位置。

针对桥梁、建筑、边坡等结构,微形变视觉分析模型能够利用AI视觉分析结构形变;针对城市防汛排涝和冬季道路安全,还可以部署气象预测、路面结冰预测等模型,对降雨趋势以及道路结冰风险进行提前分析。

这背后的变化很关键:

城市生命线不再只是“异常发生以后报警”,而是开始尝试从连续数据中寻找风险演化的趋势。

从“发生了什么”,走向“可能发生什么”。

从被动处置,走向预防性维护。