人工智能在水务行业中的应用：来自中国的经验教训

漫长的职业生涯如何塑造你对人工智能的看法

洛皮托是在中国水务市场任职时间最长的外国人之一。他职业生涯早期从事机械系统的数学建模。这样的背景如何影响他今天看待人工智能在水务行业应用的方式？

"我在中国基础设施市场工作了近30年，自2004年以来专门从事水务领域，"洛皮托开篇说道。"做这类工作的外国人不多，尤其是为政府所有的资产提供数字解决方案。我的公司在很大程度上被视为一家本地企业。我们早早就着手解决数据主权和合规监管问题，比大多数本地企业都要早。"

拥有机械工程背景，是什么样的经历塑造了他对人工智能能力的看法？

"上世纪90年代，我在瑞典攻读硕士期间，花了很多时间对旋转机械的动力学进行建模，"他解释道。"这些是基于物理、受数据约束的真实系统模型。那段经历至今仍影响着我如何看待当今的人工智能工具，使我对任何被包装成'魔法'的东西都持一定的怀疑态度。"

洛皮托的业务遍及中国和全球新兴市场国家。他认为我们正处于又一次地缘政治变革之中。

"新冠疫情之后，西方对中国存在很多恐惧情绪，"他解释道，"但最近基调再次发生了变化。中国现在被广泛视为高科技巨头。包括IT企业在内的中国公司活跃在国门之外，西方水务公司纷纷来到这里学习并采购。"

中国水务行业对人工智能持何种态度？

人工智能在水务领域的应用是即将举行的Aquatech China和Aquatech Asia展会的重要议题。中国水务公司实际上在说些什么、做些什么？

"仍然存在真正的热情，但也明显转向了现实主义，"洛皮托开篇说。"过去十年间，中国水务企业在'智慧水务'上投入巨大：物联网、数字孪生、人工智能试点等等。到了2026年，人们已经公开承认，虽然许多项目交付了令人惊艳的可视化效果，但其运营影响却很薄弱。"

资金往往投入到非核心功能或方向错误的IT开发上，最终从未在现场得到实际应用。人工智能延续了同样的模式。在供应端，他解释道，来自各种背景的中国供应商一拥而上，差异化程度低，导致残酷的价格竞争。与此同时，中国大型水务集团也试图剥离自己的IT部门，以开发和销售软件。

人们对数字炒作（包括人工智能炒作）的兴趣减弱，而对能够切实改善核心运营KPI的解决方案的需求增加

这种做法基本上失败了，造成了重大亏损。经济放缓加剧了压力，迫使水务公司重新聚焦支出重点。许多供应商已经消失。

"现在的基调更加务实，"洛皮托说。"人们实际上在说：我们已经在规模化层面学到了很多，我们现在拥有了技术构件。人们对数字炒作（包括人工智能炒作）的兴趣减弱，而对能够切实改善核心运营KPI的解决方案的需求增加。"

洛皮托明确表示，那些在洗牌中存活下来并摆脱价格战的公司将变得更加强大。

幻觉与安全隐患

西方常见的担忧包括人工智能幻觉、员工抵触情绪、竞争对手之间的数据共享以及网络安全。这些问题在中国水务语境下如何呈现？真正的瓶颈又是什么？

据洛皮托介绍，数据主权和网络安全位居榜首。

"早在21世纪初我在中国核电站工作时，这已经是一个话题，但直到最近中国才达到拥有可用全栈技术栈的水平，"他说。"这段经验以及由此产生的解决方案（其核心基于开源软件）对有着类似需求的其他国家也很有用。"

"例如，"他继续说道，"我们在2009年为资产管理平台采用的开源方法当时遭到了广泛批评。客户坚持认为Oracle数据库、Windows操作系统和其他专有解决方案才是最可靠的选择。"

然而，那个决定带来了持续的红利。

"今天，那个决定确保我们成为中国自主可控IT生态系统的一部分，包括其中的人工智能组件，"洛皮托说。他还补充道，该解决方案可以轻松移植到西方等价的开源环境中，"因此我们可以在任何地方提供完全自主可控的解决方案，通常只需在需要时通过本地审计和注册程序即可。"

具体到人工智能，西方有时描述的那种员工抵触情绪在中国基本不存在。

几乎每次认真讨论中都会提到的最大的瓶颈，是缺乏结构化、干净且历史一致的数据

"主流讨论集中在劳动力短缺以及管理日益庞大和复杂的基础设施的需求上，"洛皮托说。他补充说，技术被定位为生产力倍增器，而非威胁。机器人和人工智能被广泛理解为正在接手人类不再愿意或不再需要做的工作。

然而，他解释说，大语言模型的幻觉和"黑箱"设计使得许多项目无法超越概念验证阶段。在对安全关键或合规敏感的应用中，这些问题根本无法接受。人类专业知识仍然是最终的验证者。对于运营系统，传统或基于物理信息的算法更受青睐，因为它们更可审计、更稳定。中国监管层对"安全可控"技术的强调进一步强化了这种偏好。

"几乎每次认真讨论中都会提到的最大的瓶颈，是缺乏结构化、干净且历史一致的数据，"他解释道。"没有这个基础，即使是最好的算法也只能提供有限甚至误导性的价值。"

清理和整理历史数据既昂贵又不引人注目，然而这正是大多数水务公司在规模化应用人工智能之前所能做出的最高杠杆率投资。

"人们过去常说，有了人工智能，就不再需要结构化数据了；计算机会理解一切。人工智能将接管ERP、EAM以及一切。即使这在理论上是成立的（我对此表示怀疑），这种大规模人工智能的成本（不仅是算力，还包括集成、人才和持续的模型维护）已经变得显而易见，构成了实际的约束。直到不久之前，企业似乎总是假定人工智能是免费的。"

"最近，我们看到行业组织在帮助行业超越纯技术讨论、走向更现实的实施方面做了有价值的工作，"洛皮托说。"实际挑战是多维度的：数据安全与质量、人才缺口、组织惰性、遗留工作流程以及运营支出合理化的需求。"

运营人员越来越多地坐在驾驶座上，这是成功的必要条件。

"我发现自己对这些结论感到非常认同，因为它们基本上是我二十年来一直在倡导的，这期间得罪了不少IT人员和智慧水务爱好者，"他补充道。

预测性维护

虽然该领域的大部分公开讨论都聚焦于预测性维护，但洛皮托的实际经验是什么？他认为什么最有价值？

"预测性维护一直是最吸引眼球的卖点，但它很少是投资回报率最高的起点，"他开篇说。"我们已经讨论了基于物理的模型与会产生幻觉的大语言模型之间的对比。预测性维护的应用非常具体，也很有影响力。例如，我最近遇到一些人正在研究基于人工智能的油液分析，这有可能彻底改变这个行业。"

洛皮托主要在平台层面工作，涉及企业级或厂级资产管理。在这个层面上，他说，"预测性维护经常被缺乏工业知识的IT人员误解。因此，用于维护的人工智能应用往往过度强调机器的实时数据"，

本平台所刊载的资讯来源于外部公开信息及合作方提供，由“中欧世界展会网”进行翻译整理，旨在为用户提供便捷的展会信息参考。我们致力于打造一个汇集全球展会时间与地点信息的服务平台，并可提供展位预订、参观协助、设计搭建等第三方服务对接。

相关资讯仅供参考，不构成任何确定性承诺或要约，亦不对其准确性、完整性承担法律责任。用户基于本平台信息所做的任何决策与行为，均需自行核实并承担相应风险。

如需进一步服务或确认信息，敬请垂询：400-837-8606（24小时客服）。