作者｜韋世瑋

編輯｜石亞瓊

**

36氪獲悉，近日工業互聯網解決方案提供商「華控智加」完成數千萬元Pre-A輪融資，由北京基石創投、科華基金、京?；鹜顿Y。該輪資金將主要用于擴大研發投入、加速產品設計，從而提升市場覆蓋率和滲透率。

「華控智加」成立于2018年5月，是清華大學科技成果轉化并現金投資的工業互聯網及人工智能產業化平臺企業，主要基于自主研發的細微特征提取、低資源與非協作人工智能技術，面向工業設備智能運維領域，推出基于機器指紋和運行大數據分析的設備健康預測性維護，以及運行參數智能優化解決方案。

此前，36氪曾對華控智加的產品解決方案和技術優勢進行了跟蹤報道，如今一年過去，華控智加在人員擴張、產品業務方面都有了不少進展。

一方面，公司團隊規模已從最初的40人擴張到70多人，核心人員來自清華大學、中科院及其他頭部企業。另一方面，公司已推出成系列的產品，包括針對火力發電機組、水力發電機組、風力發電機組、超高壓變壓器等大型核心設備的智能監測系統，并已開始部署上線。

縱觀工業制造領域，我國作為世界第一制造大國，每年的設備存量及新增規模龐大、造價高，同時也面臨著設備健康狀態不佳和運行過程參數配置不合理導致的能效降低、排放增加嚴重等問題。

但傳統的工業設備通常采用每個季度停機檢修、一年大修的計劃性維護方式，巡檢難度大、維護成本高，難以及時發現潛在隱患。此外與機器視覺AI質檢相比，圖像技術只能做外觀識別，無法提早預測設備內部的運行狀態，當識別到設備故障時往往大多已處于重大事故。

華控智加聯合創始人、CEO劉德廣告訴36氪，現在的工業設備維護方式正轉向預測性維護，從聲學及傳感角度切入設備檢測體系，能實時監測設備運行狀態，在線對設備健康狀態和運維數據進行提取，還能通過AI模型和數據統計模型準確分析設備的狀態變化趨勢，盡早地發現設備早期故障征兆、優化設備運行參數，達到節能減排、提高生產效率的效果。

因此，華控智加自主研發了同步多傳感器信號采集智能邊緣計算終端，可實時采集和處理設備內部的聲音、振動、溫度等信號，再通過深度學習對數據進行建模分析，生成故障預測模型并與基于動力學和材料學機理故障檢測模型相融合。

同時，系統還在線獲取設備實時運行數據，構建知識圖譜分析模型，對設備運行過程中可能出現的問題進行推理和決策分析，實現工業設備故障和效能的畫像分析，并對運行參數進行優化配置，實現智能運維。

劉德廣談到，華控智加具有三點優勢：一是公司的系統不光采集普通的信號的頻譜特征，還采用了獨有的細微特征提取方法，該技術來自于清華大學電子工程系核心技術成果的轉化，同時該技術也應用于國家部門，并發揮了重要作用。智加公司率先將該技術應用在工業領域，開發基于機器設備指紋的細微特征提取分析法，能夠超早期地發現設備故障并進行精準預測。

二是系統采用了融合物理機制的深度神經網絡建模方法，更適應工業場景，能夠更準確地監測和管理大型核心裝備的整體性運維狀態。

三是其他玩家主要采用開放式噪音監測方法，例如監測環境中的噪音，但公司能夠提取到設備內部的細微特征信號，比外部環境更早發現設備故障問題。

此外，華控智加還積累了豐富的數據樣本，包括水電領域的水輪機發電機、電網領域的變壓器、風力發電機組中以音頻為主的信號數據，并且每次對接一個客戶，公司都會開展定制化試驗工作，在現場實地采集生產設備的樣本數據，大大解決了傳統行業樣本積累難度大的問題。

整體來看，華控智加能給客戶帶來三大經濟價值。首先是公司的整套系統能夠幫助客戶降低巡檢費用，更早地回收投資成本；其次是幫助客戶從傳統的計劃性維護轉向預測性維護，降低維護費用；最后是盡可能地優化設備運行參數并延長設備的工作時間，增加經濟效益。

目前，公司的盈利模式有兩種，一種是產品銷售的方式，賣解決方案為主；另一種是服務方式，由公司安裝系統解決方案，每年收取相應的服務費。

現階段，華控智加主要優先落地水電、風電、煤炭、電網、火電幾大行業，產品已在國家電網、國家能源集團、國家電投、國投集團、京能集團等頭部企業的核心裝備上投入應用。預計明年，公司將在石油、化工、鋼鐵、軌道交通、裝備制造等行業與更多大型企業落地合作。

團隊方面，公司團隊以清華、中科院的博士和碩士為主，研發人員占比超過70%，具備多年非協作、對抗性和低資源AI算法研究基礎和科研積累，以及語音和音頻技術研發經驗。

其中，公司聯合創始人、CEO劉德廣碩士畢業于清華大學核研院，任清華大學新百年發展基金監事；聯合創始人、首席科學家劉加為清華大學電子工程系教授、博士生導師，英國劍橋大學博士后（Royal Fellow），專注智能信號和信息處理研究三十年；聯合創始人張衛強、何亮同為清華大學電子系副教授，智能信號和信息處理專家。