AVEVA：工业 AI 走向自主化，安全治理需同步推进
AVEVA 谈工业 AI 的负责任部署：数据打通是基础，安全护栏与人类监督决定自动化能走多远。
工业 AI 正从预测性分析走向基础模型、物理 AI 与智能体，但它直接作用于物理系统，一次意外决策就可能影响安全、可靠性和关键基础设施。AVEVA 首席技术专家 Arti Garg 认为，落地前提是打通遥测、服务日志、工程文档等分散数据，并用护栏划清哪些环节可自动、哪些仍需人负责。
正文摘录
工业 AI 正在进入一个新阶段。在经历了数十年的预测性分析和其他专用应用之后，基础模型、物理 AI（physical AI，指能够直接与物理世界交互的 AI）以及智能体 AI（agentic AI，能够在最少人工干预下自主规划并执行多步任务的 AI）的进步，使得在各类工业环境中自动化更复杂的任务成为可能。但与纯粹运行在数字世界中的 AI 不同，工业 AI 可以直接与物理系统交互——在那里，一个意料之外的决策可能对安全、可靠性以及关键基础设施造成后果。 这让"负责任地部署"成为下一波工业自动化的核心。AVEVA 首席技术官 Arti Garg 问道："我们如何在使用这些技术的同时维持安全、维持可靠运营，同时仍然能够兑现这些新能力的承诺？"随着更新的 AI 系统能力越来越强、但也越来越难以预测和解释，这一挑战变得尤为尖锐。 让这一转型真正落地的基础之一是数据。工业系统往往把信息分散在遥测数据、服务日志、工程文档以及其他互不相干的来源中。更新的技术可以帮助更快地连接和关联这些信息，在操作员诊断问题时提供实时支持。由 AI 驱动的机器人还能更进一步：在危险环境中收集信息，而无需让工人亲自进入。 但更高的自主性也要求新的治理方式。AVEVA 的负责任 AI 框架强调安全、效率，以及人身安全与人类监督。Garg 认为，在关键决策回路中，AI 应当增强而非取代人，并通过护栏（guardrails）来界定哪些环节自动化系统可以行动、哪些环节仍由人类监督者负责。 可持续性是这一方程式的另一部分。随着可再生发电规模增长，AI 可以帮助管理复杂的电力系统；与此同时，各组织也需要更好的方法来理解 AI 自身的环境足迹。Garg 参与了一个 IEEE 工作组，正在制定一套标准化方法，用于衡量 AI 在电力、能源、资源、水和碳方面的环境影响。