交大最新AI成果发布：既“准时”，又靠谱！

来源：上海交通大学

　　发酵技术是生物制造的核心手段，在食品、医药、能源以及化工等诸多领域都有着广泛的应用，是否掌握发酵领域的最新技术，决定着是否能在全球最“高精尖”的生物制造领域占得先机。而在生物发酵领域，时间是一个很大的影响因素：微生物在各个生长阶段的差异十分显著，它们的生长状态关系到整个发酵过程的成败。为了保证发酵质量，通常需要人类工程师根据常年积累的经验，24小时不间断地进行手动调控。

　　近日，上海交通大学李金金教授团队打造了“基于迁移学习和物理可解释的小样本AI工业自动控制系统”（AI自控系统，ManuDrive），并落地转化，使用“AI工程师”将时间维度引入工业发酵过程，实现了AI动态调控，通过在复杂的生物发酵过程中能动态调控参数，实时生成未来每一个时刻的最优发酵方案，进而大幅度提升了工业发酵产量。

　　将“时间维度”引入AI

　　推动产业转型升级

　　在新疆川宁生物的落地应用中，ManuDrive大幅提升了发酵罐的发酵产量，同时生产过程中的波动也得到了极大幅度的降低，工厂的生产稳定性和效率都显著增强。

　　以抗生素发酵7天的周期为例，在发酵进行到第20小时的时候，ManuDrive就能生成从第21小时、第22小时、第23小时，一直到最后的第150小时的完整发酵操作方案，精准“预测”整个发酵过程。这改变了传统的发酵调控模式，不再需要人类工程师手动去进行每个小时的发酵调控工作，而是借助人工智能向中控系统发送操作指令，大大提高了调控的效率与精准度；通过AI调控所生成的方案更加科学有效，对原先以经验为主的生物发酵方案进行了进一步优化。同时，人工智能的调控具备持续迭代的优势，基于ManuDrive所产生的高质量数据，AI又能够持续进行反馈和迭代，使得发酵产量不断提升，形成了一个不断输入新数据、提升产量，再输入新数据、进一步提升产量的良性循环，进一步推动产业转型升级。

ManuDriveAI工业自动控制系统界面

　　ManuDrive将“时间维度”引入到工业控制领域当中，攻克了生物发酵这一复杂且动态过程里实时预测与精准调控的国际难题，显著提高发酵稳定性和产量。“随着AI技术与生物制造的深度融合发展，发酵生产正逐步从以往依赖经验的‘试错模式’向依靠数据驱动的‘智能模式’转变。它不仅对原有的生产流程进行了重新塑造，更在生物制造领域催生出了一场意义深远的技术革命，为整个行业的未来发展开辟了更为广阔的前景。”李金金表示。

　　ManuDrive已成功为新疆的川宁生物赋予强大科技动能。通过这一先进算法的应用，川宁生物在生产、配方等多方面实现了显著提升，企业收获了巨大的经济利益，成为了沪疆合作中的典型代表案例，更是彰显出上海科技赋能新疆产业所取得的重要成果。值得一提的是，上海市科委对这一成功实践大力支持，并积极推荐在全国范围内，充分利用人工智能技术去为更多的制造业企业注入发展活力，助力企业打破发展瓶颈，实现产业升级，进而推动我国制造业整体迈向更高质量的发展阶段。

　　“AI工程师”

　　精准预测复杂发酵过程

　　ManuDrive通过软硬件结合方式运行。在软件层面，ManuDrive具备强大且智能的“大脑”，从备料阶段起，它就能够深度挖掘并分析海量的历史生产数据，凭借强大的数据分析能力和自主决策能力，精准地规划出物料的配比方案，确保每一个环节都能在最合理的准备下开启。进入生产环节后，软件系统会向硬件设备下达指令，指挥整个生产流程有序自动化推进。例如，发酵罐能够依据指令自动启停，温度调节装置可严格按照设定实现精准的温度调控，通气量控制设备也能稳定地维持在合适的水平，每一个硬件动作都能做到分毫不差，保证生产过程的精确性与连贯性。

　　在硬件方面，密布于发酵罐等关键生产设备上的各类传感器，如同ManuDrive系统的“神经末梢”，它们时刻保持高度的敏锐性，实时捕捉微生物生长状态、PH值、溶氧量等多达数百项关键参数，并将这些数据源源不断地反馈给软件系统。软件系统接收到硬件传来的实时数据后，会结合内置的考虑时间维度动态变化的智能模型，以毫秒级的超快速度进行深度分析，迅速优化调控策略，让整个发酵过程始终维持在最佳状态。在产量预测环节，依托机器学习算法，“AI工程师”能够对海量生产数据进行深度挖掘和分析，提前洞察产量波动趋势，将生产误差严格控制在极小的范围之内。

　　低成本“AI大脑”

　　可适应企业轻量化部署

　　以生物发酵行业为例，ManuDrive跳出传统AI模型需要海量训练迭代的“窠臼”，能精准捕捉微生物生长与环境变量间的动态关联，构建起科学严谨的预测模型，训练效率提升了数十倍，大大缩短了从模型开发到实际应用的周期。操作人员不仅能直观理解模型决策依据，还能基于因果逻辑对生产策略进行灵活调整，提升生产决策的科学性与可靠性。这一特性在生物发酵等高风险、高成本领域尤为关键——既降低了因盲目试错带来的资源损耗，又为生产流程优化提供了坚实的理论支撑。

　　与此同时，不同于主流AI大模型需依赖数千乃至上万块GPU卡才能运行的高耗能模式，ManuDrive凭借创新算法架构，仅需十几张GPU卡，配合传统AI模型中5%的数据量，就能实现连续、精准的推理预测。这一突破不仅大幅削减企业在算力资源上的资金投入，更显著降低智能化改造成本，让中小型企业也能以低成本部署高效 “AI工业大脑”。

　　在国产化适配层面，该系统深度兼容国产算力服务器，从硬件底层到算法框架实现全链路自主可控。系统充分发挥国产算力设备的性能优势，在保障运算效率的同时，摆脱对进口算力设备的依赖。这种轻量化部署与国产算力的结合，使企业无需担心算力基础设施的高昂建设成本与维护压力，可快速完成系统部署与调试，加速智能化转型进程。