“数字老师傅”破解行业痛点，格物见微打造全链路智慧化核心技术

会上，杭州格物见微数字科技有限公司创始人兼CEO孔令西以“AI助力垃圾焚烧行业高质量发展——全链路AI技术系统”为题，作了主题发言。

他表示，格物见微拥有垃圾焚烧全链路智慧化四大核心技术：一是全面深度感知和全面深度理解；二是多模态数据融合，大小模型融合；三是自主学习，自我迭代；四是超前预测与模型控制体系。目前已建设了全国首个AI+垃圾焚烧发电全链路技术系统的标杆项目，实现了垃圾焚烧前、中、后全链路的AI应用。

孔令西

杭州格物见微数字科技有限公司（以下简称：格物见微）是一家初创公司，是国内在垃圾焚烧领域中专注人工智能的供应商之一。致力打造全球领先的企业级AI平台，聚焦工业、能源、汽车、金融等行业企业的AI解决方案，成为国内人工智能与先进控制技术融合架构引领者。格物见微位于浙江杭州，获得了国内顶尖基金机构顺为资本、初心资本的支持，及余杭区创新创业计划的支持。团队主要来自阿里、蚂蚁、华为、IBM、百度、国家能源、宝武等互联网IT企业以及大型制造业集团，是一家既有  AI技术，又有丰富的工业、能源、汽车、金融等行业经验的复合跨界人才团队。

01行业发展与核心挑战

垃圾焚烧行业历经四个发展阶段：1988年-2005年的探索期、2006年-2011年的初步成长期、2012年-2020年的高速发展期，以及2021年至今的稳定发展期。在当前“运营为王”的时代，企业面临着多重运营挑战，可概括为“两大、两多、两协同、两复杂”：

两大：时滞大（从入炉到出渣，整个过程超过2小时，对技术方案的预判和协同能力有很高要求）、波动大（垃圾质量的变化，会影响燃烧的状态）；

两多：多模态（需要具备处理视频数据、测点数据（时序数据）、操作规程（文本数据）等不同模态数据的能力），多变量（需要在数以百计的原始测点数据、数以千计的衍生变量中寻找规律）；

两协同：跨系统协同（系统内协同如料、风、水等系统内部协同，系统间协同包括燃烧系统与烟气系统之间协同）；

两复杂：工况复杂（焚烧炉内积灰、结焦、部分设备更换等情况时有发生，往往会引起燃烧系统工况的变化，导致预训练好的模型效果发生变化）、成分复杂（垃圾成分随季节、天气、发酵时长变化）。

此外，行业还存在“数据孤岛”问题——垃圾焚烧全流程（料仓管理、燃烧控制、烟气处理等）的多环节、多系统数据未打通，难以形成全局最优协同，且运营高度依赖老师傅经验。

02聚焦实际运营痛点，实现从顶层设计到技术落地

针对行业痛点，格物见微提出以“智慧化顶层设计”为核心的系统性解决方案，强调从集团到工厂的两层规划协同，并构建数据平台、模型平台、仿真与数字平台等数字化基础设施，为智能化应用奠定基础。

孔令西表示，实现数字化和智能化需先搭建好必要的基础设施，包括数据平台、模型平台（含机理模型、AI模型及大模型平台）、仿真和数字平台，这是建设智慧工厂的基础。在具备数字化智慧工厂的基础设施后，仍需解决数据多、系统割裂的问题。一方面要实现全域数据打通，将运营数据、工具数据、设备数据、安防数据等纳入同一系统；另一方面要汇聚各类工艺数据，这是推进下一步智能化的重要基础，也是实践中的经验。基于工厂层面的数据汇聚与统一，再向上延伸至集团层面，开展运营决策优化（包括运营优化、面向管理层的领导驾驶舱等），能达到事半功倍的效果。综上，做好智慧电厂需通过基础设施打通数据、实现全局优化。但有了数据、基础设施和相应能力后，如何真正落地，是企业管理者及厂级总经理面临的关键课题。

为此，格物见微将解决方案的落地聚焦三大核心场景，聚焦实际运营痛点，实现实际价值创造：

燃烧优化：通过AI技术提升燃烧稳定性，减少波动，提高能源转化效率；

烟气处理：优化烟气净化过程，降低耗材成本，确保排放达标；

料仓管理：精准掌握料仓状态，为燃烧环节提供稳定的原料基础。

孔令西表示，AI技术并非取代人类，而是通过构建“数字老师傅”智能体，模拟人类的感知、预测、分析、决策能力，与一线工人协同作业，从而实现垃圾焚烧更优、烟气处理更佳、料仓管理更好，形成行业未来的新范式。

03四大核心技术：构建全链路AI能力

为有效破解垃圾焚烧行业面临的“两大、两多、两协同、两复杂”及“数据孤岛”等核心挑战，格物见微构建了全链路智慧化的四大核心技术。

全链路智慧化的核心技术一：

全面深度感知与全面深度理解

格物见微在垃圾焚烧领域的全面深度感知与理解技术，主要通过三个环节实现：

首先是料仓的全面感知。借助3D数字孪生技术，对整个料仓进行仿真还原，精准刻画各区域状态，从而掌握每个区域垃圾的具体情况；同时，通过垃圾料的一系列数据反推预测各区域垃圾的热值，为后续燃烧环节提供基础。

其次是燃烧环节的“看火”感知。针对老师傅依靠经验“看火”的传统方式，格物见微深入研究大模型的技术架构，并将其与小模型的CV技术融合，以此模拟老师傅的经验，实现对火线、火焰亮度、标边界等的技术化识别，替代人工经验判断。

最后是料层的感知。料层状态是行业公认的难题，不同人理解存在差异，格物见微通过AI多变量预测技术，以软测量方式实现对料层状态的预测。

通过这三段感知，实现对垃圾焚烧全流程的精准感知与深度理解，为后续决策提供数据支撑。

全链路智慧化的核心技术二：

多模态数据融合，大小模型融合

在整合过往经验数据、公司规程、炉子特性数据等知识的基础上，通过多模态技术融合各类数据——包括视频数据、测点数据（时序数据）、操作规程（文本数据）等。

再借助通用的DeepSeek大模型技术等大模型技术，实现大小模型数据的融合。基于通用大模型技术，融合操作规程等专业领域知识及LoRA、RAG等优化技术，使系统掌握产线操作的专业知识。结合小模型的计算结果，实现资深操作员的控制水平。

孔令西表示，该技术的关键在于将小模型的精准性与大模型在推理、知识泛化性以及对最新工艺理解的迭代能力相结合，结合行业专业知识，从而提升控制工程的精准度，使其达到实际老师傅的操作水平，这也是该技术的最佳实践。

全链路智慧化的核心技术三：

自主学习，自我迭代

在大小模型对知识、历史及专业经验知识形成理解后，格物见微提出四大学习机制，以实现系统的自主学习与自我迭代，这是其核心技术之一。

1、大模型反哺机制：通过大模型对历史数据和行业知识的深度解析，持续反哺到领域内的专业模型中，不断完善并形成行业专属模型。

2、仿真与真实世界双场景学习：一方面，基于历史数据构建仿真环境，同步部署执行智能体与仿真智能体，在仿真环境中还原各类工况，模拟不同操作模式及结果，通过强化学习实现迭代；另一方面，系统已与AR系统、DCS系统打通，可快速验证仿真结果，并结合过去一周老师傅的操作行为数据，将最新经验持续迭代进系统。

3、错误学习机制：针对系统运行中出现的调偏置、异常工况操作失误等不良案例，通过减少激励、弱化此类操作的方式，避免重复错误。

4、优质行为持续迭代机制：持续从历史数据中提取优质操作行为，不断迭代优化系统。

通过这四大机制，整个系统能够实现自我学习、自我迭代，持续进化。

全链路智慧化的核心技术四：

超前预测与模型控制体系

格物见微的超前预测技术已应用于烟气预测与优化场景，可实现3-5分钟的超前预测，能对硫化物、氮氧化物及相关氧化多变量因子进行预测。借助这种超前预测，操作可预留提前量，直接减少耗材消耗。

结合感知、预测、决策优化及自我迭代学习能力，系统形成了具备“老师傅”水平的智能体。

运营生产全链路智慧化效果方面，孔令西以北京朝阳集团项目为例作了介绍。其3台600吨炉排炉已全面上线该系统，实际数据显示主蒸汽流量波动极低，达到“老师傅”级稳定水平（对比原有数据波动范围显著降低）。这意味着年轻操作人员与系统协同时，多数时候仅需监控即可，大幅提升了企业运营效率。

04建成全国首个标杆项目，助力行业攻破难题

目前，格物见微已建成全国首个“AI+垃圾焚烧发电全链路技术系统”标杆项目，在多个合作案例中展现出显著成效。以北京朝阳集团项目为例，其AI系统上线后垃圾发电主蒸汽稳定性提升36%—48%，自动投运率达98%以上，操作强度降低80%，安全冗余度大幅提升，吨垃圾产汽量同比提升约4.5%，上网电量同比增加约4.2%，脱酸、脱硝环保耗材同比降低3%以上，实现了减污降碳与降本增效的均衡，为行业探索出高效环保的高质量发展路径。

截至目前，格物见微已与6家行业集团达成合作，通过与客户共创合作，打磨全链路AI技术体系。

未来，格物见微将进一步深化AI智能体在垃圾焚烧、固废领域的应用：探索料仓技术与智能行车技术的协同，攻坚行车无人化这一行业难题；依托杭州区位优势，具身智能在智能行车与智能巡检中的应用；借鉴钢铁、水泥行业经验，推动设备预防性维护在固废领域的深化应用，并联合行业伙伴打造行业大模型；联合行业伙伴打造固废领域大模型，最终实现“数字化员工”与人类的深度协同，助力行业高质量发展。

正如孔令西所言，AI与人类的协同将成为垃圾焚烧行业突破瓶颈的新范式，通过技术创新让经验不再稀缺，让运营更高效、更智能。

编辑：李丹