編輯|石亞軍
照片來源|佩塞爾斯@卡特琳娜·巴巴耶娃
衆多工業網際網路報告顯示，工業網際網路平台（IIoTs）是國内外機械和能源行業應用最多的平台。全球領先的IIoT軟體平台提供商PTC表示："這些行業由于其複雜的制造和營運流程以及高資産價值的裝置而在物聯網領域處于領先地位，是以他們可以從物聯網解決方案和數字化轉型中受益。"
36日前由清華大學技術成果轉化公司——北京華控智嘉科技有限公司（以下簡稱"華控智嘉"）簡單報告，他們擁有高端裝置客戶，以細微的特征檢測、低資源、非協同模組化為核心技術切入點，實作大規模工業裝置健康安全監測， 提供預測性維護計劃和裝置健康管理，這幾天我們會見了首席執行官劉德光，具體了解了公司的技術和業務情況。
大型/高端裝置價值高，生命周期長，重視資産性能管理，每減少1%的裝置消耗或因維修而暫停，即可創造巨大價值。現有的維護政策主要基于預防性維護，以進行定期檢查或事後維修。由于定期測試僅基于過去的經驗，是以可能無法及時維護或可能導緻不必要的維護。它不僅花費了大量的人力和物力，而且效率低下。
36日報道稱，多項聲學技術進入工業裝置預測性維護領域，如壽橙，前者于2019年7月由A輪融資，後者同月獲得A輪融資，并于2019年由中國科學院聲學音響技術有限公司設立。
"中國控制智加"與上述項目最大的差別在于，前者提取了多域特征，包括振動、聲音、圖像、多傳感器，除了多域特征和細微特征外，還對深度神經網絡融合實體機制方式進行模組化，在嵌入式邊緣晶片上進行可配置的智能計算，并進行雲深度計算和管理， 可以實作故障的早期檢測，發現裝置可能有"小病"，及時預警和及時維護，而打破這種模式的維護隻有定期進行基于裝置健康監測的維護。
照片來源|華志賀
"中國控制智加"方案的優勢主要在于兩點，一是提取細微特征，采集無損寬帶聲音信号，利用聲音和超現場頻段包含的細微特征來檢測早期的故障振動。其次，采用低資源深度學習模組化方法，工業裝置不會配合檢測系統，大型裝置故障率也很低，通過深度神經網絡提取振動和聲音融合寬帶資料來表征故障的早期細微特征，該方案獲得少量故障樣本即可實作深度學習模組化， 更容易适應工業裝置的健康管理。
同時，邊緣計算與雲端智能處理模型相結合，提高了故障檢測的準确性和效率、靈活性，降低了實施成本。
兩方面對團隊的科技攻關能力都要求非常高，"中國控智加"在聲音模式識别、麥克風陣列、機器聲音模式、細微特征提取、語音和音頻識别等領域都有完全自主的核心算法，獲得了清華大學轉讓的12項發明專利。近年來，已獲得國際最權威的聲音模式識别技術評估機構NIST評定前三名，參會機關包括麻省理工學院、加州伯克利等。
公司提供從邊緣計算硬體系統、智能終端、低資源深度學習模組化、可配置智能算法到雲平台的全套解決方案，《國控智加》36日表示，公司本身擁有低成本晶片的研發能力，而對于市場來說，所需的硬體是無法購買的，比如麥克風陣列、振動傳感器、 公司已投入研發并擁有相關專利，委托工廠批量生産。
在業務進展方面，"中控智加"在智慧城市、能源、石化、新材料和鋼鐵行業與國家電網、北京能源集團等行業負責人客戶進行了項目合作，研究了第一套基于磨床運作監控和故障排除系統的振動/聲音模式識别技術。
盈利模式，目前"中控智加"提供了一套解決方案，單價在百萬。同時，公司憑借語音和音頻信号處理、融合實體機制的神經網絡結構低資源模組化等方面具有較高的科研實力，智能語音和音頻處理以及城市信用技術業務，前者主要提供整棧算法和産品，使得缺乏智能語音底層技術的公司，後者主要服務于政府部門， 有利于保持公司的血液生産能力。據首席執行官劉德光介紹，公司目前業績增長相對較快，預計今年實作收支援平。
關于發展規劃，劉德光告訴36日，在工業網際網路平台建設中，等待充足的資料積累，将進一步挖掘資料的價值，一方面為工業廠商提供對接金融保險服務，另一方面，将業務逐漸向裝置廠商拓展裝置設計制造技術。
團隊成員，公司目前擁有40多人，核心技術和團隊誕生于清華大學電子工程系語音實驗室，創始管理團隊的關鍵成員畢業于清華大學，具有豐富的創業和管理經驗。清華大學電子系劉佳教授是專注于語音研究30多年的國内外知名學者，CEO劉德光是清華校友，擁有20多年的風險投資和創業經驗。
2018年5月，華控志加獲得超過2000萬筆現金投資，由清華控股、華控鼎石基金和清華校友管理的普通投資。目前，公司有融資需求。
目前，大型/高端裝置預測和健康管理（PHM）方案提供商并不多，據《華控智加》介紹，原因是市場上還沒有成熟的大型高端裝置成熟的安全預報監控方案，公司接到的項目更像是廠家和使用者委托的科研項目， 這是一個企業的科研實力和品牌背書要求非常高。而"中控智加"回到清華大學，擁有非常強大的多學科科研實力作為支撐，在客人中具有較大的優勢。
<h3>展開閱讀</h3>
誰是近萬億工業網際網路電路上的參與者？這是一個行業地圖
深入研究|拆解萬億元的工業網際網路電路，尋找下一個GE