高铁已经成为我国的一张亮丽名片。
截至2023年底，我国铁路营业里程达到15.9万公里，其中高铁4.5万公里，继续稳居第一。2023年，国家铁路完成旅客发送量36.8亿人次，完成货物发送量39.1亿吨，都创下历史新高。
更重要的是，中国铁路不仅有量的飞跃，更是在AI等科技的加持下，加速智能化，发生质的蜕变。
为高铁检测装上“火眼金睛”
其中，高铁动车检测模式的变迁就值得关注。
动车巡检通常是通过人工来实现，由于检修的内容很多，诸如螺栓变形、防松铁丝丢失、旋转部件结构变化等影响列车安全的故障，都需要人工进行反复、细致地检查。人工巡检劳动强度很大，据媒体报道，某动车所的巡检工人在做某项检查时，需要手拿道尺在线路上每隔6米就弯腰检查一次，一天的工作下来，平均每人要弯腰检查约400次。
而且，人工巡检对经验要求很高，如一位巡检员在接受采访时曾透露，有经验的巡检员可以通过声音就能判断出螺丝是否松动，而经验不足的人员则可能会忽视故障。显然，参差不齐的人员素质会影响故障检测质量。
3月15日，华为“中国合作伙伴大会”在深圳举行，在其中的“数智深耕 云创未来——华为云政企智能升级论坛”上，北京铁道工程机电技术研究所股份有限公司（北铁所）轮值总裁熊歆斌透露，北铁所与华为云合作，将华为云盘古铁路大模型赋能高铁巡检机器人，带来了动车检测的智能化落地，刷新了动车检测的体验。
盘古大模型+高铁巡检机器人，具有两大典型特点：一个是“全”，识别的故障“全”，无论是螺栓丢失、松动、结构变化，还是防松铁丝丢失和断裂，或是旋转部件的螺栓、配件丢失/松动与结构变化，以及闸片厚度变化、注油堵丢失、开尾销丢失、管道腻子丢失等故障都能识别。
另一个是“准”，故障识别准确率高。据了解，盘古大模型+高铁巡检机器人在武汉铁路局开展的AI大模型在动车检测的测试比拼中，在多个细分场景实现了90%以上的准确率成绩。在武汉动车段路局24小时持续现场检测中，也取得了领先的行业竞赛成绩。
熊歆斌表示，盘古大模型+高铁巡检机器人可以实现高铁重大故障识别100%无漏报，高铁故障识别准确率大于98%，高铁故障漏报率小于2%，测量精度误差小于0.5mm。尤其是通过人机共检，有非常好的实际应用效果。如在6个月的应用中，该机器人完成116次检测，共报出问题800多个，发现列车运行真实故障61处，其中异物46处、牵引电机注油堵丢失10处、腻子丢失2处、防松铁丝断裂2处、开尾销变形1处，有力保障了高铁动车运行安全。
可以看到，盘古大模型+高铁巡检机器人为动车检测装上了一双“火眼金睛”，不仅将巡检工人从繁重的劳动中解放出来，还大幅提升了检测效率和检测准确率。
挺进到动车智能检测的“无人区”
实际上，高铁巡检机器人并不是新鲜事物，但是像北铁所和华为云这样具备故障识别全覆盖与极高故障检测准确率的高铁巡检机器人却非常少。
为什么会这样？答案是智能技术的力量。
一方面，是华为云的盘古铁路大模型所带来的大模型技术的加持。业界通常所用的高铁巡检机器人多是基于小模型算法，不仅识别精度低，而且适应能力差，其开发模式类似于“小作坊”，一旦应用场景变化，整个模型都需要重新开发。反观盘古铁路大模型，其背后基于的盘古CV大模型是“预训练+下游微调”的开发模式，通过数十亿级图像预训练，具有很强的通用性、泛化性，可以快速适配下游场景。国盛证券的研报指出，盘古CV大模型是业界最大的CV大模型，首次实现兼顾判别与生成能力，在ImageNet上小样本学习能力上位居业界第一。
另一方面，是华为大模型多模态融合诊断能力，这也是国内首创。据了解，这种多模态融合诊断方法，可以对采集到的二维图片、三维点云、激光光谱等多模态数据，采用基于空间特征的匹配定位算法、二三维融合的深度学习算法、关键部件尺寸测量算法，对一级修故障进行多模态诊断，从而精准识别超限、异物、变形、丢失、表面损伤、断裂、漏油、松动等各种故障。显然，多模态融合诊断比起单模态来，无论是识别的故障数量，还是故障的检测准确率来都能提升很多。
因此，华为云与北铁所在动车检测智能化上的突破，背后的关键是盘古大模型+多模态的加持。值得指出的是，该高铁巡检机器人在激光视觉导航定位上的突破也可圈可点，这种基于多种传感器的机器人相对位置实时监测的技术对故障识别率的提升也有很大助力。
可以说，盘古大模型+多模态加持下的动车智能检测，挺进到了智能检测的无人区，堪称划时代的突破。智能检测从第1代的模版对比，到第2代的深度学习，以及第3代的“深度+三维”，进化到了第4代的“大模型+多模态”的新时代。
从华为云与北铁所的合作中，也能看到行业智能化的关键启示。北铁所深耕轨道交通行业35年，是高铁动车、机车、城轨运维装备及系统解决方案领域的领跑者，在数字感知、分析、挖掘多维度整合方面具有丰富的行业经验。华为在ICT领域具有领先的技术优势，盘古大模型从2020年启动研发，2021年4月正式发布，2023年进化到3.0，应用于铁路行业的盘古铁路大模型已经在铁路TFDS车辆故障图像智能识别中大显身手。所以，始于2022年的华为云和北铁所的合作，是一种“领先ICT技术+深厚行业经验”的强强互补，堪称动车智能检测落地的关键。
在华为云政企智能升级论坛上，北铁所与华为云重磅签约，双方决定基于华为云盘古铁路大模型、昇腾云等云服务，结合北铁所35年铁路、机车等检测检修技术、经验和数据分析能力，打造面向铁路领域的智能化检修产品和服务联合解决方案和终端产品。可以预料，双方的合作将会走向纵深，而铁路行业检修智能化的应用也将进一步加速。
后记：加速行业智能化的先锋军
必须说，华为云与北铁所合作的盘古大模型+高铁巡检机器人之于铁路行业意义重大，有很大的应用空间。
故障检测是铁路行业的典型场景，一直以来靠人工进行，这种劳动密集型方法工作繁重，效率低下，成本高昂，而且容易出现人为错误。盘古大模型+高铁巡检机器人利用人工智能的力量实现故障识别过程中的自动化，可以有效化解上述痛点。如在降低成本上，熊歆斌表示，每套高铁巡检机器人可以减少2-3名下部作业人员，6线库配置2-4套巡检机器人，可以至少减少30%的作业人员。
《交通强国建设纲要》中明确提出，“推广应用交通装备的智能检测监测和运维技术”。由此可以看到交通装备的智能检测已经上升到国家的战略高度，当检测监测迈向智能化，所产生的价值可想而知。
而且，盘古铁路大模型在铁路行业上的应用潜力远不止此，其可以赋能数字化场段全业务流程，无论是在高铁数字化动车段所，还是在数字化车辆段，还是在数字化机务段，都能大显身手，成为加速铁路行业智能化的先锋军。
中国科学院院士、西南交通大学首席教授翟婉明曾表示，除了快，高铁还将更智能，推进智能技术与管理创新，全面提高中国高速铁路智能化水平是未来的一个大方向。可以相信，中国铁路，将在智能化技术的加持下，绘就全球智能铁路的“中国范本”，不断实现新的突破。
盘古铁路大模型在铁路智能化中的应用，是盘古大模型推动千行万业智能化的缩影。盘古大模型，采用分层解耦的三层架构，即储存大量知识的L0基础大模型、具备N个行业大模型的L0层以及提供更多细化场景模型的L2层。这样的设计，可以让盘古大模型快速适配、快速满足不同行业的多面需求。打个比方，盘古大模型可以让千行万业快速拥有一个更懂自己、可以解决实际问题的智能化专家助手，从而为行业智能化按下加速键。
从目前来看，盘古大模型已经应用于矿山、铁路、气象、金融、制造、政务等众多行业。正如华为常务董事、华为云CEO张平安所说，“盘古大模型就是要扎根行业，为各个行业带来价值。” 从盘古大模型+高铁巡检机器人里，就能清晰地看到这种扎根行业、赋予千行万业价值的力量。
