FAQ
为什么工业空间物理智能需要第一方实时数据？
工业空间中的判断高度依赖现场语境。同一个温度、压力或人员动作，在不同设备、工况、区域和作业阶段可能代表完全不同的风险。只有知道数据来自哪里、发生在什么时候、对应哪台设备和哪项作业，AI的判断才具有操作意义。
什么是第一方实时数据
第一方数据是企业从自身现场和获授权系统中直接获得的数据，例如视频、声音、气体、温度、压力、振动、设备状态、人员位置、作业票和告警记录。实时并不意味着所有数据必须毫秒级传输，而是采集频率和时效能够满足具体决策。
它为什么是物理智能的基础
保留现场身份：数据能够关联资产、区域、人员、工序和作业任务，避免脱离语境解释数值。
反映正在发生的状态：实时或近实时数据使系统能够识别变化，而不是只在事后生成报表。
连接机理、规则与模型：设备逻辑、工艺边界和企业制度可以与多模态模型共同参与判断。
支持可追踪动作：告警、确认、处置和关闭能够回到同一数据链路，形成可复核记录。
通用模型和公开数据仍然有价值
公开数据和通用模型可以提供语言、视觉和行业知识基础，也有助于减少从零训练的成本。但它们通常不知道某个现场的设备编号、风险边界、作业许可状态、网络条件和处置责任人，因此不能替代现场数据。
数据多不等于数据可用
建设前应检查数据来源、时间戳、单位、质量状态、资产映射、采样方式和访问权限。一个连接成功但身份不清、单位不一致或时间不同步的数据点，不应直接进入告警或控制逻辑。
建议先选择一个明确问题，建立从感知、判断到处置的最小闭环，再按已验证模式扩展。写回控制必须单独进行风险评估、权限设计、测试和回退准备。
微筑的技术路线
微筑以现场物联数据为基础，组合智能感知装备、场景算法盒、机器人行动大脑和物理智能平台，连接感知、计算、空间理解、决策和行动。具体数据范围和闭环深度取决于现场系统、网络与安全边界。