月份：2024年3月

市政自来水：

智能化管理：随着物联网(IoT)技术的发展，市政自来水系统正逐渐实现智能化，通过传感器和数据分析来优化水资源的分配和监控水质。

水质监测与提升：由于水源污染和水质标准提高，对水质的实时监测和处理技术的需求不断增长。

节能减排：在自来水处理和输送过程中，采用节能技术和设备，减少能源消耗和温室气体排放。

污水处理：

高级处理技术：为了应对越来越严格的排放标准，污水处理厂正在采用更高级的处理技术，如膜生物反应器(MBR)和先进氧化过程(AOPs)。

资源回收：污水处理不仅关注净化水质，还注重从污水中回收资源，如磷、氮等营养物质，以及能源回收。

去中心化处理：分散式或小规模的污水处理解决方案越来越受到重视，尤其是在偏远地区或小型社区。

水利工程(区域调水)：

气候变化适应：随着气候变化影响的加剧，水利工程需要更加灵活和可持续，以适应极端天气事件和水资源分布的变化。

跨区域合作：面对水资源分布不均的问题，跨区域甚至跨国界的水资源管理和调配项目变得越来越重要。

生态水利：在水利工程建设中，更加注重生态保护和恢复，避免对环境造成不可逆转的损害。

海水淡化：

能源效率提升：海水淡化是一个能源密集型过程，因此提高能源效率和降低成本是该领域的重要趋势。

技术创新：新型淡化技术，如膜技术、多效蒸馏和电渗析等，正在被开发和优化，以提高淡化效率和降低环境影响。

综合利用：海水淡化设施不仅提供淡水，还可以生产盐和其他有用的化学品，实现资源的综合利用。

这些趋势反映了水行业在全球范围内面临的挑战，包括人口增长、城市化、气候变化和环境保护等。为了应对这些挑战，水行业正在不断创新和改进，以实现水资源的可持续管理和利用。

今天，是第三十二届世界水日，也是第三十七届“中国水周”的开端，今年我国纪念“世界水日”与“中国水周”活动主题为：“精打细算用好水资源，从严从细管好水资源”。

随着全球人口不断增长，用水量也在不断增加，水行业在生产和提供清洁水以及处理污水方面需要消耗大量能源。据估算，水行业的耗电量占全球总耗电量的3.5%到4%。1 然而，如果采取正确的措施提高能源效率与回收能源，预计到 2040 年，该行业的能耗可减少15%。2

当下，全球水行业面临诸多挑战，如：气候变化、水资源短缺、基础设施老化、城市化快速发展和能源成本上升等。为了应对这些挑战，水务公司可利用数字化解决方案，改善运营，优化战略决策。

实时传感和监测技术的不断进步推动了智能系统的集成，智能系统可提高工艺效率和精度。这包括自动控制机制、先进的水质和流量监测，以及实施高效的水计量系统来管理用水量。

通过为变频器、电机和PLC的传动链设备集成智能传感器提供设备状态监测，水务公司可以对其管理的设备采取预防性措施，从而提高资产管理效率。然而，不同组织与地区对数据分析、云服务和自动化的应用水平仍不一致。

尽管目前许多水行业的企业仅将数字工具用于特定功能，但数字化改造整个行业的潜力是巨大的，以下三个领域尤其有望实现根本性的改进。

水质管理

传统的水质检测方法既耗时又费力，因此在饮用水和污水处理系统中保持持续稳定的水质一直是水务公司所面临的难题。通常，人工流程涉及样本抽取、实验室检测，待数日或数周检测结果出来后再分享给工厂操作员。

当出现总悬浮固体（TSS）含量过高等水质问题时，需要进行人工干预，随后还需进行再次检测以确认水质是否达标。这一方法不够快捷简便，可能会造成对严重水质问题响应不及时，或在此期间对可自然修复的水质问题进行不必要的干预。

在系统中安装数字水质传感器，可通过物联网（IoT）收集和共享准确、实时的数据。传感器一旦检测到任何异常，便会立即通知工厂操作员。

使用数字水质传感器的另一个优势在于，其与化学喂料系统之间更智能的通信能够实现水质自动调节，无需人工干预。例如，当pH值下降时，化学喂料系统可通过增加泵送的碱性物质来自动调节水质。此外，采用可自动调节泵电机速度和转矩的联网变频器，可优化碱性物质的流量控制，确保泵在最佳效率点（BEP）运行。

过程控制和维护计划

保持对水及污水处理应用性能的适当控制是该行业所面临的另一大挑战。例如，如果不对泵的压力进行调节，会导致损失巨大的泄漏事故，考虑到目前水资源匮乏和能源成本上升的现状，水务公司无法承受此类故障带来的后果。这种浪费往往是由于维护不当造成的。

为了解决这个问题，水务公司可以将控制应用的电机和变频器系统连接到云，实现远程状态监测，从而确保更佳的系统性能和效率。通过对变频器、电机和泵的数据进行综合分析，可以全面了解系统的整体健康状况和性能。

利用PLC实施状态监测系统（CMS）还可实现更广泛的状态监测。PLC平台通过云连接，利用可扩展的可靠组件，实现泵、变频器、传感器和其他应用的自动化流程。其他优势还包括可与现有控制系统无缝集成，即使在严苛条件下也能确保更优的可用性，同时支持高效的水务工程。

该解决方案使水务公司能够在功能故障发生前进行预防性维护，助力减少停机时间、优化维护成本、预防计划外停机以及节省备件库存成本。通过数字数据分析，专家可以利用传感器数据指导改进措施，从而延长设备的使用寿命。

CAFC是一家意大利水务公司，为 122 个城市提供服务。ABB 为 CAFC 的设备提供了数字化状态监测解决方案。通过智能化连接，该系统加强了对水务公司变频器和电机水泵的性能监测和设备维护能力。

在使用该解决方案前，CAFC 与 ABB 合作开展了数字化传动链试点项目，例如位于里维尼亚诺污水处理厂的项目。该项目涉及部署一个传动云连接助手盘，可实现即时云访问，且易于安装。

在变频器的调试过程中，即可同步配置云连接助手盘，安装简单快速。同时，云连接助手盘还预装了窄带物联网调制解调器、SIM卡和高容量天线，可自动连接信号最佳的可用网络。

目前，CAFC 每年对所有输水管网的电机和泵进行一次维护，仅需派一名电工和一名机械师即可完成作业。据CAFC预计，其未来对设备现场维护的次数将会持续减少，间隔周期将会更长。

节能增效

全球近三分之一的电机配备了变频器，以减少能源消耗。当这些电机和变频器应用实现联网时，便能传输有关能源消耗和能源效率的宝贵数据，这些数据可助力水务公司更清晰地识别能源浪费的潜在因素。

掌握了这些信息后，水务公司能够更准确地识别和解决之前可能被忽视的影响能效的问题。这些问题可能包括部件选型过大、电机能效等级较低、可变负载流程持续以最大产能运行或资产状况恶化等。

Saneago是位于巴西戈亚斯州的一家水务公司，通过实施该解决方案，该公司每年可节省约70万美元的 泵的能耗支出。Saneago在其四个进水泵站中安装了ABB的智能变频器、电机、传感器和远程调节工具，使用15 台高效低压电机和变频器来控制水泵的速度和转矩，能耗降低了 25%。

整体解决方案

这些案例充分表明，智能供水系统的应用不仅能够为用户提升效率、节省时间，还能有效减少财力与人力成本。然而，考虑到水循环涉及处理、分配、可持续性、消费以及基础设施管理等多个环节，水行业的数字化解决方案必须具备整体性。因此，水务公司必须放眼全局，不可只局限于某一功能的优化，而应综合考虑各个环节，以实现整体效益的更大化。

数字化解决方案为应对和管理多重挑战带来了新机遇。通过实现互联操作，数字化解决方案能够显著提升效率，有效应对各种挑战，这一点在能源和交通运输行业已得到验证。如今，全球水行业也迎来了实现这些优势的重要时刻。

今年的政府工作报告提出，2024年国内生产总值增长预期目标定在5%左右。这一目标充分体现了中国经济稳中向好的积极信号。与此同时，面对复杂多变的国内外环境，有效需求不足、部分行业产能过剩、社会预期偏弱等挑战依然存在。

当前，中国经济正面临转型周期交错叠加时期，全球经济结构性重构，中国经济结构性转型进入深水区，消费变革、提质升级蔚然成风，产业出清步伐加速、内卷程度大幅提升，人工智能、物联网、大数据等新兴技术全面深入产业发展，技术变革浪潮进一步加深。

周期叠加带来的不确定因素增加，2024年或许注定是动荡变革的一年。工业自动化企业如何谨慎应对各种变革信号，如何穿越周期，实现既能稳定可持续的生存，又能获得适度的进化与成长，透视变革与动荡，如何拥抱变化中可能产生的机遇？

3月14日，2024中国自动化+数字化产业年会现场。2024中国工业自动化市场白皮书重磅发布，与此同时，gongkong®市场研究与咨询业务团队还隆重推出重点产品自动化市场趋势分析、重点行业自动化市场趋势分析、中国自动化市场热点领域趋势分析。以鲜鲜的行业数据、宏观的经济分析、中观的政策和产业分析为业内用户提供有效参考和帮助。

2024中国工业自动化市场白皮书

面对全球经济格局的变化和技术革新的冲击，中国工业自动化市场面临着前所未有的挑战和机遇。尽管经济下行、产业升级及全球供应链重构等多重压力叠加，但是，技术进步和国产替代趋势下自动化行业正迎来新的发展空间。面对如此复杂多变的市场环境，工业自动化市场又将迎来怎样的发展趋势？

gongkong®副总裁、市场研究与咨询业务总经理 陈然

会上，中国工控网副总裁、市场研究与咨询业务总经理陈然重磅发布《2024中国工业自动化市场白皮书》。他率先对2023年工业自动化整体市场情况进行总结：在面对全球化倒退、出口承压、国内产能过剩、内需乏力等不利因素下，2023年中国工业及制造业企业盈利水平大幅降低，投资意愿低迷。叠加产业链库存高企，新兴产业拉动力不足。中国工业自动化市场2023年同比呈现负增长。

面对国内外复杂多变的环境及行业变革背景，尽管2023年中国工业自动化整体市场不尽人意，但他仍看好未来发展潜力。陈然表示，伴随去库存周期入尾声，制造业企业债务压力逐步缓解，设备更新升级诉求逐步释放以及中国制造业“外溢”出海，未来中国工业自动化市场仍有一定机遇。预计未来中国自动化市场保持1-3%同比增长。

从行业角度来看，项目型市场预计增幅趋缓，传统OEM市场底部缓慢回升。新兴行业中，锂电行业需求预计同比下滑，光伏产能短期过剩风险加剧，新增需求压力较大。伴随自动化内卷时代到来，自动化产业集中度或将进一步提升，产业链高度协同，生态圈高频整合。数字化、低碳环保仍将是长期驱动力。

最后，他还针对国内各区域支柱产业及新型产业集群进行归纳总结，为业内人士提供了深入洞察和前瞻性分析。

中国工业自动化市场热点领域趋势分析

当前中国工业自动化市场正处于变革与创新的关键期，众多领域的技术创新与市场需求的融合，塑造着行业发展的新格局。

gongkong®市场研究与咨询业务，市场研究总监李红

在“中国工业自动化市场热点领域趋势分析”环节，gongkong®市场演讲与咨询业务，市场研究总监李红从存量服务、企业出海以及新能源、新技术、新政策等维度展开介绍。

首先，她指出中国自动化市场正处于成熟后期的发展阶段，存量市场规模将大于一万亿元，同时对存量市场衍生的产品需求、细分行业需求及服务需求进行深入剖析。

其次，她认为中国制造业“走出去”势在必然，并结合数据解析了近十年来中国商品出口情况、对外投资、区域投资情况，同时指出，以光伏、新能源汽车、锂电为代表的“新三样”出口居全球首位，此外，中国工业自动化企业的海外业务布局正在逐步深化和拓展。最后，她表示，未来能源、工业AI落地、新质生产力、新政策等这些新驱要素将为产业创新注入新的活力与价值。

重点产品自动化市场趋势分析自动化行业的发展离不开产品的创新和高质量发展，随着科技的演进和制造业需求变化，产品在产业中的发展趋势和影响力备受关注。gongkong®市场演讲与咨询业务，市场研究总监张凤济对重点产品自动化市场趋势进行详细解读。

她从宏观角度概述了2023年自动化市场整体态势，即“去库存、生态圈融合”弥漫整个自动化圈。

▶ 从细分自动化产品大类看 ，除执行机构微幅增长外其他类产品均呈现不同程度的下滑，其中运动控制类产品下行显著，远低于市场平均水平。

▶ 从细分主流的自动化产品看，PLC、HMI、伺服、传感器、低压变频器等产品2023年表现不及疫情期间的表现，其中PLC虽有所增长，但增速明显减缓，HMI、伺服、传感器、低压变频器等产品均呈现不同程度的下滑。

随即，她对2023年“去库存”的根本原因和市场表现展开说明，这一轮库存的大幅增加主要源于2022年缺货和涨价的恐慌所带来的客户去提前透支未来的订单，故以PLC、伺服、低压变频器为代表的产品订单额表现远不及销售额表现。

▶此外，从国别角度看，多数自动化产品本土品牌份额逐步提升，主要源于 2021~2022年外资品牌高缺货的压力叠加下游客户认可度和粘性的提升。

▶从未来预测的角度看，未来多数工业自动化产品的增长预期处于低位，竞争也会更加激烈，但整体解决方案以及数字化业务仍然有较大潜力空间。并且自动化行业内生态圈的融合成为大势所趋。

除了自动化产品表现外，她还分享了工业机器人、AGV/AMR、工业软件、人形机器人等热点产品和热点领域的表市场现。

重点行业自动化市场趋势分析

2023年，出口遇冷、内需低迷、投资乏力，加之供应链分流和去库存效应，我国制造业面临多重挑战，自动化+数字化市场陷入低谷，不同行业呈现出不同发展态势及相关市场机遇。

中国工控网市场研究与咨询业务，市场研究总监潘雪松在《重点行业自动化市场趋势分析》演讲中率先总结了过去十年自动化市场基本处于波动周期的情况。并深入OEM行业、项目型行业细分子行业市场发展情况、TOP 10行业主要区域分布情况展开分析，并结合数据对OEM行业及项目型行业市场规模及增速情况进行充分说明。

他强调2020~2021年，OEM自动化市场增速明显是明显好于项目型市场，主要基于智能装备的拉动及出口拉动所带来的需求释放。而2020-2023年又形成了一个新的波动周期。对于2024年OEM市场走势，他认为整体继续下探的动力不足，新增和存量市场相关的政策行情都将直接影响其未来走势。

同时，他指出项目型市场已经连续6-7年一直处于正向增长且增幅相对较高的状态，预计在未来1-2年，很可能会回归到低速增长阶段。

此外，他还针对传统行业和新兴行业中的亮点行业展开分析，为业界人士提供了有价值的参考和启示。

在这充满各种变局信号的2024年，中国制造业面临着前所未有的挑战和机遇。尽管经济和产业格局错综复杂，但我们坚信，正是在这样的风雨洗礼中，中国制造业将焕发出更加坚韧的生命力和创新力。就如同春风拂面，必将迎来春花烂漫的美好时刻，相信中国制造业在变局中经历了蜕变与复苏后，将走向更加繁荣和可持续的未来。

智能化发展趋势：

集成人工智能：工业传感器正逐渐集成先进的人工智能算法，使设备能够进行实时数据分析和预测性维护。这种智能化使得传感器不仅是数据收集的工具，还能作为决策支持系统的一部分。

边缘计算：随着计算能力的提升，许多传感器现在能够在数据产生的地方即时处理信息，减少了对中心服务器的依赖，降低了延迟，并提高了数据处理的效率。

物联网（IoT）：传感器是物联网的核心组件，它们使设备能够相互通信并集成到更广泛的工业自动化系统中。这种集成为远程监控、自动化操作和智能优化提供了可能。

精准化发展趋势：

高精度传感器：为了满足工业应用中对精确度的高要求，传感器技术正在向更高的精度和分辨率发展。这包括温度、压力、流量等各种类型的传感器。

多传感器融合：通过结合来自不同类型传感器的数据，可以提高测量的准确性和可靠性。这种多传感器融合技术在复杂环境中尤其有用，如在动态或变化的环境中进行精确测量。

校准和自适应技术：现代工业传感器越来越多地采用自适应技术进行校准和调整，以确保在不同环境条件下都能保持高精度。

总的来说，工业传感器技术在智能化和精准化方面的发展，正在推动工业自动化向更高级别的自主性和效率迈进。这些技术的进步不仅提高了生产效率，还有助于降低运营成本、提高产品质量和增强安全性。随着技术的不断进步，我们可以预期未来工业传感器将在智能制造和工业4.0中扮演更加关键的角色。

近几年来，人工智能 (AI) 一直是网络安全领域的赌注，但大型语言模型 (LLM) 的广泛采用使 2023 年成为尤其令人兴奋的一年。事实上，大型语言模型已经开始转变网络安全的整个格局。然而，它也产生了前所未有的挑战。

一方面，大型语言模型使处理大量信息变得容易，让每个人都可以利用人工智能。大型语言模型可以为管理漏洞、防止攻击、处理警报和响应事故提供惊人的效率、智能和可扩展性。

另一方面，攻击者也可以利用大型语言模型来提高攻击效率，利用大型语言模型引入的额外漏洞，而滥用大型语言模型可能会造成更多网络安全问题，例如由于人工智能的普遍使用而导致的无意数据泄露。

大型语言模型的部署需要一种新的网络安全思维方式。这种思维更具活力、互动性和个性化。在硬件产品的时代，硬件只有在被下一个新版本的硬件取代时才会发生变化。在云时代，可以更新软件并收集和分析客户数据来改进下一版本的软件，但前提是发布了新版本或补丁。

现在，在人工智能的新纪元，客户使用的模型有了自己的智能，可以不断学习，根据客户的使用情况改变 — 要么更好地服务于客户，要么向错误的方向倾斜。因此，我们不仅需要在设计中建立安全性 — 确保我们构建安全的模型并防止训练数据中毒 — 而且还要在部署后继续评估和监控 LLM 系统的安全性、保障性和道德性。

最重要的是，我们需要在我们的安全系统中内置智能（例如向儿童灌输正确的道德标准，而不仅仅是规范儿童的行为），这样他们才能适应性地做出正确而坚定的判断，而不会轻易被不良意见所迷惑。

大型语言模型为网络安全带来了什么，是好还是坏？我将分享我们在过去一年中的收获以及我对 2024 年的预测。

 

回顾 2023 年

一年前（大型语言模型时代之前），我在撰写机器学习在网络安全中的未来时，指出了人工智能在网络安全领域面临的三个独特挑战：准确性、数据短缺和缺乏基本事实，以及三个虽然常见但在网络安全领域更为严峻的人工智能挑战：可解释性、人才稀缺和人工智能安全。

一年后的现在，经过大量探索，我们发现大型语言模型在这六个领域中的四个领域帮了大忙：数据短缺、缺乏基本事实、可解释性和人才稀缺。另外两个领域 — 准确性和人工智能安全，是极其关键的，但仍然非常具有挑战性。

我从两个方面总结了在网络安全领域使用大型语言模型的最大优势：

1.数据

标注数据

使用大型语言模型帮助我们克服了没有足够“标注数据”的挑战。

要使人工智能模型和预测更准确、更适合网络安全用例，就必须要有高质量的标注数据。然而，这些数据很难获得。例如，很难发现能让我们了解攻击数据的恶意软件样本。遭到入侵的企业并不热衷于分享这些信息。

大型语言模型有助于收集初始数据并根据现有的真实数据合成数据，对其进行展开以生成有关攻击来源、载体、方法和意图的新数据，然后使用这些信息来构建新的检测，而不局限于实地数据。

基本事实

正如我一年前的文章中提到的，我们并不总是掌握网络安全的基本事实。我们可以使用大型语言模型，通过发现我们的检测与多个恶意软件数据库之间的差距、降低误报率和频繁地重新训练模型来显着改善基本事实。

2.工具

大型语言模型特别擅长使网络安全运营变得更容易、更用户友好、更具可操作性。到目前为止，大型语言模型对网络安全的最大影响体现在安全运营中心 (SOC)。

例如，利用大型语言模型实现 SOC 自动化背后的关键能力是函数调用，这样有助于将自然语言指令转化为可直接操纵 SOC 的 API 调用。大型语言模型还可以协助安全分析师更智能、更快速地处理警报和事故响应。大型语言模型使我们能够通过直接从用户那里获取自然语言命令来集成五花八门的网络安全工具。

可解释性

以前的机器学习模型表现很好，但无法回答“为什么？”的问题。大型语言模型有望通过准确而自信地解释原因来改变游戏规则，这将从根本上变革威胁检测和风险评估。

大型语言模型快速分析大量信息的能力有助于关联来自不同工具的数据：事件、日志、恶意软件系列名称、来自常见漏洞和暴露 (CVE) 的信息，以及内部和外部数据库。这不仅有助于找到警报或事故的根本原因，还可以极大地缩短事故管理的平均解决时间 (MTTR)。

人才稀缺

网络安全行业的失业率为负。我们没有足够的专家，人类也无法追赶海量的警报。鉴于大型语言模型的优势：快速汇集和消化大量信息、理解自然语言命令、将命令分解成必要步骤以及找到执行任务的正确工具，大型语言模型极大地减轻了安全分析师的工作量。

从获取领域知识和数据到剖析新的样本和恶意软件，大型语言模型可以帮助我们更快、更有效地促进构建新的检测工具，使我们能够自动完成从识别和分析新的恶意软件到查明不良行为者的工作。

我们还需要为人工智能基础设施构建正确的工具，这样每个人不必成为网络安全专家或人工智能专家，也能从在网络安全领域利用人工智能中受益。

 

2024 年的三大预测

人工智能在网络安全领域的应用越来越广泛，很明显，我们正处于一个新时代的开端 – 也就是通常所说的“曲棍球效应”增长的早期阶段。我们对能够改善安全状况的大型语言模型了解得越多，就越有可能在充分利用人工智能方面领先于潮流（以及我们的对手）。

我认为，在网络安全领域，有很多方面都已经成熟，可以讨论越来越多地使用人工智能来放大力量，对抗复杂性和不断扩大的攻击载体，但有三件事很突出：

1.模型

人工智能模型将在创造植根于网络安全需求的深入领域知识方面取得巨大进步。

去年，人们对改进通用大型语言模型给予了很多关注。研究人员努力让模型变得更智能、更快、更便宜。然而，这些通用模型可以交付的功能与网络安全的需求之间存在巨大差距。

具体来说，我们的行业不一定需要一个巨大的模型来回答“如何制作佛罗伦萨鸡蛋”或“谁发现了美洲”这样多元的问题。相反，网络安全需要超精确模型，具备网络安全威胁、流程等深入的领域知识。

在网络安全中，准确性至关重要。例如，我们每天在 Palo Alto Networks 处理来自世界各地 SOC 的超过 75TB 的数据。即使 0.01% 的错误检测判定也可能是灾难性的。我们需要具有丰富安全背景和知识的高精度人工智能，提供专注于客户安全需求的定制服务。换句话说，这些模型需要执行的具体任务更少，但精确度更高。

工程师们在创建具有更多垂直行业和特定领域知识的模型方面取得了巨大进步，我相信，以网络安全为中心的大型语言模型将在 2024 年出现。

2.用例

网络安全领域的大型语言模型将出现变革性用例。这将使大型语言模型对于网络安全不可或缺。

2023 年，每个人都对大型语言模型的惊人能力感到无比兴奋。人们用这把“锤子”去敲击每一颗“钉子”。

2024 年，我们将了解到并非每个用例都最适合大型语言模型。我们将针对与大型语言模型的优势相匹配的特定任务，推出真正的大型语言模型赋能的网络安全产品。这将真正为客户提高效率、改善生产力、增强可用性、解决现实问题并降低成本。

试想一下，能够阅读成千上万有关安全问题的剧本，例如配置端点安全设备、排除性能问题、使用适当的安全凭据和权限引入新用户，以及逐个供应商地分解安全架构设计。

大型语言模型以可扩展且快速的方式消耗、总结、分析以及生成正确信息的能力将改变安全运营中心，并彻底变革调度安全专业人员的方式、地点和时间。

3.人工智能安全与保障

除了利用人工智能实现网络安全之外，如何在不损害人工智能模型智能的情况下构建安全的人工智能和安全的人工智能使用也是一个重要的话题。在这个方向上已经有很多讨论和伟大的工作。2024 年，真正的解决方案将得到部署，尽管这些解决方案可能只是初步的，但它们将是朝着正确方向迈出的一步。此外，还需要建立智能评估框架，动态评估人工智能系统的安全性和保障性。

请记住，大型语言模型也可能被不良行为者所利用。例如，黑客可以使用大型语言模型轻松生成大量质量更高的网络钓鱼电子邮件。还可以利用大型语言模型来创建全新的恶意软件。但行业在使用大型语言模型方面正在采取更加协作和战略性的行动，帮助我们相对于对手取得领先并保持领先。

2023 年 10 月 30 日，美国总统约瑟夫·拜登发布了一项行政命令，内容涉及负责任且适当地使用人工智能技术、产品和工具。这项命令的目的涉及要求人工智能供应商采取一切必要手段，确保其解决方案用于适当用途，而非恶意目的。

人工智能安全和保障代表一种真正的威胁 — 我们必须认真对待这种威胁，并且要假设黑客已经在设计部署来攻击我们的防御。人工智能模型已经得到广泛使用，这一简单事实导致攻击面和威胁载体大幅扩张。

这是一个充满活力的领域。人工智能模型每天都在进步。即使是在部署人工智能解决方案后，模型也会不断发展，永远不会保持静止。我们非常需要持续的评估、监控、保护和改进。

越来越多的攻击将使用人工智能。作为一个行业，我们必须把开发安全的人工智能框架作为首要任务。这就好比当今的登月计划，涉及供应商、企业、学术机构、政策制定者、监管机构 — 整个技术生态系统的通力合作。毫无疑问，这将是一项艰巨的任务，但我想我们都意识到这是一项多么重要的任务。

结语：最好的还在后头

在某种程度上，ChatGPT 等通用人工智能模型的成功已经让我们在网络安全方面被宠坏了。我们都希望能够构建、测试、部署并不断改进我们的大型语言模型，使它们更加以网络安全为中心，但我们却被提醒，网络安全是应用人工智能的一个非常独特、专业、棘手的领域。我们需要从数据、工具、模型和用例这四个关键方面入手，使其发挥作用。

好消息是，我们可以接触到许多聪明、坚定的人，他们有远见，能够理解为什么我们必须推进更精确的系统，将功能、智能、易用性以及最重要的网络安全相关性结合起来。

我有幸在这个领域工作了很长时间，Palo Alto Networks 内部的同事和我们周围的行业每天都在取得进步，这让我感到非常兴奋和欣慰。

回到预言家这个棘手的问题上，我们很难对未来有绝对的把握。但我确实知道这两件事：

2024 年将是人工智能在网络安全领域大显身手的一年。

而与未来相比，2024 年将显得黯然失色。

声像仪的概念首次出现在 19 世纪末期,由生理学家 J.R.Ewald 研究内耳功能时提出。它是一种用于分析、定位和可视化声源的设备,不仅可以让人知道声音来自哪里,还可以进一步展现声音的特征。

完整的现代声学相机通常由麦克风阵列、摄像头和显示设备构成。麦克风采集声音,经处理后以不同颜色的光斑和摄像头拍摄的画面叠加(投影)并在显示器中显示。

基于声学成像技术,利用麦克风阵列获取声源声波信息,通过波束成形和图像识别算法,将声源位置准确叠加在可视影像之上,实现声源的可视化定位。

超声源声波,又称为超声波,超声波即频率超出人耳可听范围的声波。科学家们将每秒钟振动的次数称为声音的频率,它的单位是赫兹(Hz)。我们人类耳朵能听到的声波频率为20Hz-20000Hz。因此,我们把频率高于20000Hz的声波称为“超声波”。

声像仪与热像仪区别

声像仪是一种通过物体表面发射的声波获取表面或内部缺陷信息的检测仪器。其原理类似于超声波探伤仪,通过将高频声波射入被测物体内部,并对射入声波后反射回来的信号进行分析,从而获得内部缺陷的特征信息。

热像仪则是一种通过物体表面辐来的红外线能量来检测物体表面温度分布的测量仪器。其原理即为测量物体表面的热辐射能量,并将数据转换成数字信号,进而分析出物体表面的温度分布情况。

一、特点

(1)声像仪让声音可视化,通过声像仪,人可以“看见”可听声和超声波的声源位置和强度。

(2)声像仪可以通过调节声强和频率的阈值排除环境的干扰信息,从而精准分析特定声源信号所含有的信息。

(3)部分高端声像仪还有本机软件可以把声强频率信息转化成气体泄漏量的评估和局放PRPD图展示。

二、应用

(1)气体泄漏检测,主要包含压缩气体泄漏、可燃性气体泄漏、有毒气体泄漏、腐蚀性气体泄漏以及惰性气体泄漏等。声像仪在检测气体泄漏时,与气体介质无关,任意种类的气体泄漏都可检测。

(2)电气设备局部放电检测,声像仪通过检测高压设备、电力电缆、绝缘体等设备局部放电产生的声波信号来识别和定位放电源,帮助维护人员及时发现和处理潜在电气故障,保障电力设备的正常、安全运行。

(3)机械振动,声像仪还可以通过捕捉机械振动发出的异响,进而定位出异响所在位置。

(4)声像仪的应用行业:工业气体、电力电网、石油化工、汽车、航空、轨道交通、制造业等。

三、技术参数

(1)麦克风通道,指声像仪所具有的麦克风通道数量,如FOTRIC声像仪有96个麦克风通道。

(2)定位频率范围,指声像仪能捕捉的声音频率范围,如2kHz ~ 65kHz,2kHz ~ 96kHz。

(3)声压灵敏度,指声像仪在捕捉声音时对声压强度判断的精准度。该参数对实现一些量化应用功能尤为重要,例如在判断气体泄漏时,FOTRIC声像仪的精度能做到在三米的范围内,0.3兆帕的气压条件下检测到0.03 升 / 分的泄漏。

(4)测量声压级范围,指声像仪可以检测并量化的声压级(SPL)的范围,如6 dB 至 120 dB( 1 dB SPL @ 5 kHz)

生成式人工智能将人工智能应用带到了新的阶段，且正在成为技术创新的前沿阵地。人工智能与机器人技术的持续融合蕴藏着巨大的潜力，将成为推动未来工业革新和效率提升的重要力量。

当前，人工智能与机器人技术融合进展到哪一阶段？二者的深入融合又将带来哪些颠覆性的应用变革？2月28日，电气与自动化领域的技术领导者ABB举办了人工智能技术战略发布媒体沟通会，ABB机器人与离散自动化事业部总裁安世铭、ABB机器人业务中国区总裁韩晨分享了ABB集团最新的AI战略、示范案例以及人工智能行业见解等内容。

AI驱动机器人技术变革与创新应用

当前，我们正处于前所未有的变革期内，个性化消费需求、数字化和人工智能发展提速、劳动力短缺及不确定性加剧、可持续发展等大趋势，将继续推动制造和物流等领域对机器人和自动化技术的长期需求，并对自动化和机器人技术的智能程度、速度和效率，尤其是否易于获得提出更高要求。

ABB领先的机器人和自动化解决方案，能够提高产能和质量，增强柔性和易用性，帮助企业创造价值最大化，灵活高效地应对上述趋势带来的挑战和机遇。更为重要的是，ABB利用数据信息及人工智能降低自动化应用门槛，其更柔性化的解决方案和更快速简单的编程，使得更多中小企业受益，并为用户带来更大的自主性，并实现更强的移动性，以及更强大的图像处理与分析功能。

ABB 机器人与离散自动化事业部总裁安世铭表示，ABB之所以持续地进行技术开发，就是希望能够有更易用的技术，减少或降低中小企业使用门槛，通过AI赋能机器人学习能力，使得物流或制造业更加轻松和方便。

工业机器人在生成式AI的加持下，正在实现从自动化到智能化的飞跃。这种智能化不仅体现在机器人执行任务时的自主决策和适应性上，还体现在它们可以通过学习不断提升工作效率和质量。由此可见，工业机器人的角色正在从简单的执行者转变为主动优化生产过程的智能体。

例如，针对仓储物流领域，人工智能可以教会机器人如何快速识别不同物体，并知道如何快速分拣和包装物品，同时还能利用机器视觉和人工智能学习能力，实现自主导航，规划最佳路径。在物品拣选环节，在3D视觉引导和AI深度神经网络支持下，ABB机器人快速高效准确拾取随机放置的工件，每小时可执行1400次拣选；在自主移动环节，ABB将3D视觉同步定位和地图共建（VSLAM）技术应用于自主移动机器人，使其能够根据周围环境做出智能导航决策。

作为全球技术领导者，ABB始终致力于推动人工智能技术的发展与应用，正越来越多地将人工智能融入其自动化与电气化产品组合，帮助电力、工业、交通和基础设施等领域的客户提升效率、质量与创新能力。ABB重点针对洞见生成、过程优化、技能开发和人机交互等AI应用门类，开展了100余个人工智能项目，兼顾分析型AI和生成式AI。

ABB电气、运动控制、过程自动化、机器人与离散自动化四大业务均已将人工智能投入应用，服务各行业客户。从宏观层面的能源管理到微观层面的机器人运动路径规划，借助人工智能，ABB正在实现新的应用突破，帮助更多行业用户优化运营，实现可持续增长。典型的案例如：

● ABB利用建筑系统数据，结合行为模式，进行建筑能源管理，大幅减少排放，降低成本超过20%，并延长设备寿命；

● ABB使用人工智能辅助预测变频器潜在故障，通过分析运行数据进行预测性维护，显著提高设备的可用性，并降低维护成本；

● ABB Ability™ Genix工业分析和AI套件通过流程优化，可帮助企业节约运营和维护成本达40%，生产效率提升30%，能源和排放优化提升25%。

● 在人机交互领域，ABB使用自然语言指令教导机器人，如进行拾取和放置等操作，提升易用性，方便进行快速调试。

积极推进AI战略融合落地

为满足对人工智能赋能的机器人解决方案日益增长的需求，ABB积极投资扩充生产设施并提升AI创新能力，在上海建成投产了世界级的机器人超级工厂，并启用新的人工智能、数字化和软件创新研发中心；在美国和瑞典扩建了已有的机器人工厂，提高产能、开发新一代人工智能技术。

ABB采用内生性增长和兼并收购相结合的路径，推进AI技术的创新与落地，构建AI应用生态系统。通过投资有潜力的人工智能初创型科技企业，ABB不断扩充新技术，了解新行业，探索新的商业模式。2024年初，ABB收购了瑞士初创公司Sevensense，以扩大在新一代人工智能自主移动机器人领域的领导地位；收购研发工程公司Meshmind的大部分股份，以扩大在人工智能、工业物联网和机器视觉领域的研发能力。

人工智能成功的基石是人才。ABB长期支持AI创新人才与产业应用人才的培养，包括与谷歌等合作组织编程马拉松竞赛（Hackathon），与中国自动化学会合作举办ABB杯智能技术创新大赛。此外，ABB还积极扩展工业教育系列机器人，以提高学生技能水平，赢得未来竞争优势。

AI+机器人，重塑未来工业发展图景

人工智能的引入为机器人行业带来了巨大的想象空间和机遇。多年来，工业机器人在机器视觉和深度学习能力加持下，完成了诸多人类难以胜任的繁重、枯燥、脏乱或危险的任务。而人工智能的融合使得工业机器人在这些业务上的表现更加游刃有余，并能够继续帮助人类改善工作，为个人、企业和环境三方共同增益。

作为新一轮科技革命和产业变革的核心驱动力，人工智能正在创新新价值、形成新质生产力。人工智能与机器人技术结合的巨大潜力正在扩展至远超过制造业的多个行业，特别是医疗保健、生命科学、新零售、新能源等充满活力的领域。

ABB机器人业务中国区总裁韩晨表示，中国是全球最大的机器人市场，也是全球人工智能领域的领军者之一。我们积极拥抱人工智能的新时代，加快创新速度，将人工智能与机器人技术深度结合，用更高自主化水平的新一代智能机器人解决方案，为国内汽车、3C、教育等重点领域以及医疗、零售、新能源等新兴领域的客户创造更大价值。

ABB作为引领智能制造革命的先锋，不仅仅是一个机器人技术的提供者，更是未来产业发展的引领者和创新者。我们坚信，人工智能与机器人的融合将开创出更加辉煌的未来，为人类社会带来更多惊喜与可能。