隨著DeepSeek等通用大模型技術的突破，AI在設備預測性維護、能源優化、質量管控、生產制造等場景中已展現出顛覆性潛力，工業企業紛紛加速布局“AI+”戰略，然而貼上“AI標簽”的服務商和解決方案真假難辨。根據行業調研數據，77%的企業工程師并不知道如何判斷真假AI技術。那么，如何判斷真假AI？

3月14日，蘑菇物聯舉行315打假AI暨靈知AI2.0——公輔能源垂直大模型發布活動，揭露工業假AI，發布工業真AI。

“不只是C端需要打假，B端也需要打假。”蘑菇物聯創始人兼CEO沈國輝在發布會上總結了假AI的4個類型：規則型偽AI、數據偽裝型AI、黑箱型AI和功能嫁接型AI。

具體來看，沈國輝認為，常見的假AI具有四個特征。第一，無自主學習能力，系統無法通過新數據優化表現；第二，無法將AI可視化，只停留在PPT階段，AI界面不可視，AI計算的過程不可視（客戶體驗不到）；第三，技術不透明，拒絕提供模型架構或訓練數據信息（常見于toB服務商）；第四，人工依賴度高，后臺需持續人工維護的規則庫或修正結果。

“打假先打自己。”會上，沈國輝以蘑菇物聯自身發展經歷詳解假AI真實情況。

“2021年，蘑菇物聯通過AI技術初步切入中央空調場景，在AI算法控制測試驗證前，首先應用的是機理模型做控制，但有同事為了更快地把軟件賣給客戶，就自己把當時還沒有發布的AI技術寫到了匯報PPT里，實際上還沒有寫明白，只有概念和一堆唬人的名詞，這是典型的假AI。而今天，有更多友商大肆宣傳自己有AI技術，本質只是披著‘AI’皮的傳統軟件。”沈國輝說。

此后，蘑菇物聯在內部采取了多項管理措施：比如嚴禁員工操之過急地宣傳AI和在AI的應用研發上繼續加大投入，并在工業AI首席技術官周子葉的帶領下自主研發了工業公輔能源系統的AI垂直大模型——靈知AI，掌握超20多類高耗能通用設備的設備機理和專家知識庫，具備問答、診斷、預測、控制4大模型能力，入選國家工信部人工智能賦能新型工業化典型應用案例。

據介紹，截至2024年底，蘑菇物聯經過超2600個工廠公輔能源車間的實踐摸索，總結出AI在工業場景落地的AROE模型框架：異常檢測-根因分析-優化決策-效果評估，AROE模型框定了AI在工業場景部署落地、創造價值的技術結構。

如今，各行各業加速擁抱AI浪潮之際，工業企業掌握一套判斷真假AI的辦法迫在眉睫。周子葉分享了工業企業需要的真AI需具備4大技術特征，它們分別是云邊端技術架構、垂直大模型與行業知識庫結合應用、豐富的工業設備通訊協議庫、AI系統具備開放性。

其中，云邊端技術架構是指任何AI都建構在數據的基礎上，能讓采集-分析-決策-控制數據流跑通，比如在邊緣側可進行實時數據采集和實時控制，在云端可進行大規模計算及訓練AI大模型，而如果采用傳統的PLC、SCADA等技術，在技術架構上無法支持AI的應用。

有關垂直大模型與行業知識庫結合應用方面，周子葉表示，設備故障診斷、設備組合控制、設備參數控制等工業場景中的問題，需要通過特定的垂直模型結合行業知識庫去解決，只有通用大模型,或只有行業知識庫，其它都無法在工業場景發揮AI的價值。

周子葉還表示，工業設備通訊協議是采集設備數據和控制設備的“鑰匙”，先采集不同型號、不同種類的設備數據，以供AI分析計算。若掌握的協議有限，只能采集有限的設備數據，AI也難以發揮作用。

此外，周子葉認為，AI系統要具備開放性，一是通過開放的API接口與企業或其他第三方系統深度集成；二是系統需能從單點優化升級到全局協同優化，從某個車間的優化拓展到全工廠甚至跨工廠的協調優化。

“真AI必須脫離‘PPT AI’模式，做到AI可落地+創造可測量價值+可持續創造價值。”周子葉在會上正式發布了“靈知AI2.0，蘑菇物聯認為，這是中國唯一落地的公輔能源垂直大模型”。

周子葉表示，工業企業部署靈知AI垂直大模型有可落地的路徑，也有可測量的價值，靈知AI貫穿工業能源全流程，承諾具體節能率，也有可持續的價值，靈知AI具備問答、診斷、預測、控制4大模型能力,可持續優化公輔能源系統的能耗水平，持續提高系統能效。