運籌帷幄 上海交大團隊研發時間維度＂AI工程師＂

上海交大團隊研發時間維度“AI工程師”，運籌遠在新疆的世界最複雜工業發酵產線

精算到第150小時，爲每一刻尋最優解

“溫度31.331，風量40080，溶氧量26.625，pH值6.925，補糖速率750.658……”在上海交大人工智能與微結構實驗室，助理教授打開筆記本電腦上的AI工業自控系統，各種參數隨生產曲線的抑揚起落而實時變化，實線是已經完成的幾十小時，虛線是將要進行的幾十小時……

運籌帷幄，決勝千里。這位“AI工程師”管控的實際生產線，是遠在新疆的上市公司500噸級發酵罐。它們每個都高達四五層樓，是全球最大的抗生素中間體發酵罐。人工智能全面接管工廠後，一個月產量提升了3到5個百分點。

從醫藥生產到食品加工，從化工製造到能源開發，以往的微生物發酵過程高度依賴人工經驗，工程師24小時全天候值守，手動調節溫度、溶氧量、pH值等數百項參數，這種“試錯式”生產的效率如何提高？

來自上海交大集成電路學院的李金金教授及其團隊成功研發全球首套“基於時間維度的AI工業自控系統”——ManuDrive，將時間變量引入人工智能模型，實時分析微生物的生長狀態，實現對複雜發酵過程的動態預測與精準調控。

動態計算，預測到第150小時

微生物在各個生長階段的差異十分顯著，它們的生長狀態關係到整個發酵過程的穩定、效率乃至成敗。在時間線上，AI模型擅長在靜態數據中“回頭看”，如何在動態數據中“向前看”呢？

對此，李金金團隊與全球最大抗生素中間體發酵企業川寧生物合作，挑戰堪稱世界上最複雜的工業發酵過程，讓ManuDrive系統落地轉化，可實時生成未來每一時刻的最優發酵方案。

以抗生素髮酵7天的週期爲例，在發酵進行到第20小時的時候，ManuDrive就能生成從第21小時、第22小時、第23小時，一直到最後第150小時的完整發酵操作方案，通過精準計算“預測”整個生物製造過程。

同時，AI調控具備持續迭代的優勢，基於ManuDrive所產生的高質量數據，AI又能持續進行反饋和迭代，形成了不斷輸入新數據、提升產量，再輸入新數據、進一步提升產量的良性循環，進一步推動產業轉型升級。

“隨着AI技術與生物製造的深度融合發展，發酵生產正逐步從以往依賴經驗的‘試錯模式’，向依靠數據驅動的‘智能模式’轉變。”李金金表示，它對原有的生產流程進行重新塑造，在生物製造領域催生出意義深遠的技術革命。

打破黑箱，操控十多萬參數

AI模型往往被認爲是“技術黑箱”，不可追溯過程性參數。而ManuDrive系統，通過軟硬件結合方式運行，學習掌握18萬條工藝參數，不僅打破黑箱，還能減少人爲失誤率。

軟件層面，ManuDrive的“大腦”操作系統在上海。從備料階段起，它就深度挖掘並分析海量的歷史生產數據，憑藉強大的數據分析能力和自主決策能力，精確規劃出物料的配比方案，確保每一個環節都在最合理的準備下開啓。進入生產環節後，軟件系統會向硬件設備下達指令，指揮整個生產流程有序自動化推進。

顯然，物料並非投喂越多越好。例如，中控系統下，發酵罐依據指令自動啓停，溫度調節裝置可嚴格按照設定實現精準調控，通氣量控制設備也能穩定維持在合適水平，每一個硬件動作都能做到分毫不差，保證生產過程的精確性與連貫性。

硬件方面，密佈於發酵罐等關鍵生產設備上的各類傳感器，如同ManuDrive系統的“神經末梢”，它們時刻保持高度的敏銳性，實時捕捉微生物生長狀態等數百項關鍵參數，並將這些數據源源不斷地反饋給軟件系統。

軟件系統接收到硬件傳來的實時數據後，結合考慮時間維度動態變化的內置模型，以毫秒級的超快速度進行深度分析，迅速優化調控策略，讓整個發酵過程始終維持在最佳狀態。在產量預測環節，依託機器學習算法，這位“AI工程師”也能對海量生產數據進行深度挖掘和分析，提前洞察產量波動趨勢，將生產誤差嚴格控制在極小範圍之內。

遷移複製，僅需幾十塊GPU

在生物發酵罐的千錘百煉後，“AI大腦”能否遷移複製到不同行業企業，實現輕量化部署？在李金金看來，ManuDrive已經跳出傳統AI模型需要海量訓練迭代的窠臼，能精準捕捉微生物生長與環境變量間的動態關聯，構建起科學嚴謹的預測模型，訓練效率提升了數十倍，大大縮短了從模型開發到實際應用的週期。

值得關注的是，不同於主流AI大模型依賴數千乃至上萬塊GPU卡的高耗能運行模式，ManuDrive憑藉創新算法架構，僅需十幾塊GPU卡。同時，配合傳統AI模型中5%的數據量，就能實現連續、精準的推理預測。李金金表示，這一突破不僅大幅削減企業在算力資源上的資金投入，更顯著降低智能化改造成本，讓中小型企業也能以低成本部署高效的“AI工業大腦”。

國產化適配層面，該系統深度兼容國產算力服務器，從硬件底層到算法框架實現全鏈路自主可控。在保障運算效率的同時，擺脫對進口算力設備的依賴，有效規避技術封鎖風險，使企業不需要擔心算力基礎設施的高昂建設成本與維護壓力，可快速完成系統部署與調試，加速“中國智造”轉型進程。

(來源：解放日報 記者 徐瑞哲)