潮汐力亮相CWP2026：潮汐力工业声学大模型助力风电运维智能升级

10月14至16日，2026北京国际风能大会暨展览会（CWP2026）在北京・中国国际展览中心（顺义馆）举行。

展会现场，科大讯飞电力业务线总经理李心博士发表主题演讲《从振动分析到声学AI叶片监测技术的进化》，系统分享了潮汐力工业声学大模型在风机叶片预测性维护领域的落地实践。

李心博士梳理了叶片监测从振动分析走向AI声学的演进逻辑。

他指出，传统振动数据采集分析方式安装点位多、部署难度大、成本高，对微裂纹、内部分层等早期隐性缺陷灵敏度有限，故障定位精度不足，且易受风速、转速波动干扰产生误报。

在风机大型化、深远海化加速推进的今天，这一技术路线已难以满足安全高效的运维要求。

AI声学在线监测，正为叶片监测升级提供新思路。

依托轻量化部署、早期缺陷高识别率、7×24小时全天候在线运行，以及潮汐力工业声学大模型可随样本持续迭代等优势，声纹监测正在成为继振动分析之后的下一代叶片健康监测技术路线。

演讲中，李心博士重点介绍了潮汐力风机叶片裂纹声纹监测系统。

他指出，声纹监测在工业落地中普遍面临拾音难、识音难、有效故障声音样本稀缺等挑战，潮汐力风机叶片裂纹声纹监测系统依托经海量工业声纹数据训练的工业声学大模型，融合多尺度特征提取、分层故障预警核心算法与叶片劣化趋势早期隐患诊断能力，将故障处置窗口从事后维修大幅前移至早期预警。

在风机叶片内部，裂纹、分层、鼓包、螺栓松动等缺陷隐蔽性强、发展缓慢，一旦恶化极易引发叶片断裂、倒塔等重大事故。

传统手段难以触达叶片内部，而工业传声器AiSonicSense L261内置8个MEMS麦克风阵列，基于潮汐力连续四年获得国际声学挑战赛DCASE冠军所沉淀的波束形成与声源定位算法打造，可在叶片腔体内精准"听"出开裂、鼓包等细微损伤产生的异常声纹，并精准识别异常声纹方位，让隐蔽缺陷在萌芽阶段即可被发现。

在风机叶片外部，系统于塔筒底部部署工业传声器AiSonicSense L231，面向旋转中的叶片进行远距离拾音。

依托高精度线性麦克风阵列与波束成形技术，系统支持60米超远距高保真声纹采集，可在强风噪与机械底噪环境中精准捕获早期微弱故障信号。

当故障叶片旋转至正对观测点时，裂纹声纹会产生周期性的频率升降变化，实现 "哪片叶、哪个位置出问题" 的精准定位，大幅缩短检修时间。

目前，风机叶片裂纹声纹监测系统已在东北、西北、沿海等多个区域的风电场落地应用。

在华电宁夏宁东风电场，讯飞潮汐力AI声纹技术成为无人值守场站建设标配，系统为单个风电场减少年巡检工时约3000小时，人力成本降低约60%；在中广核某陆上风电场，完成3台风机共27个高精度拾音点位部署，上线后第17天成功识别到叶片内部主梁与腹板脱胶故障。

展会现场，讯飞潮汐力还展出了系列工业AI传感仪器。

除了演讲提到的AI工业传声器外，还有面向局部放电与气体泄漏巡检的AI声学成像仪、面向设备内部缺陷检测的3D测量AI工业内窥镜也集中亮相，共同构成"听得到、看得清、测得准"的工业智能感知产品体系。

大会仍在火热进行中，欢迎各界同仁莅临中国国际展览中心（顺义馆）E328C展位，实地体验工业AI声学技术，共探风电智能运维与产业合作新机遇。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。

世界雪豹日——乃朗谷：拉萨近郊的雪豹栖息地

位于拉萨市堆龙德庆区古荣镇的乃朗谷，距拉萨市区直线距离仅38公里，是西藏少见的城市近郊雪豹稳定栖息地。

　　2021年11月，当地联合北京大学吕植教授团队，启动区域野生动植物资源调查监测工作；2022年3月，这里首次拍到雪豹影像，填补了拉萨市域雪豹观测记录的空白；同年12月，监测团队捕捉到雪豹带崽活动的珍贵画面。

　　依托扎实的监测成果，2023年2月，经西藏自治区林业和草原局批准设立乃朗谷雪豹重要栖息地；3月，由堆龙德庆区自然资源局牵头设立乃朗谷自然保护小区；5月，堆龙德庆区民政局批复登记“堆龙德庆区乃朗生态文化保护中心”，系统化推进栖息地保护；当年年底，乃朗谷雪豹重要栖息地入选国家林业和草原局《陆生野生动物重要栖息地名录（第一批）》。

　　近年来，乃朗谷监测网格不断延伸，监测面积由50.5平方公里拓展至200平方公里。

截至目前，区域内已累计识别、命名40只雪豹个体。

持续稳定的雪豹种群活动，生动印证拉萨高原生态环境持续向好、生物多样性保护取得的扎实成效。

10月22日，工作人员走出乃朗生态文化保护中心。

新华社记者 晋美多吉 摄 10月22日，保护中心巡护员查巴在进行红外相机架设前的准备工作。

新华社记者 晋美多吉 摄 10月22日，保护中心工作人员在野外巡护。

新华社记者 丁增尼达 摄 这是在乃朗谷首次拍摄到的雪豹影像（2022年3月10日摄）。

新华社发 这是在乃朗谷用红外相机拍摄到的雪豹（2025年8月15日摄）。

新华社发 这是2025年冬季在乃朗谷拍摄到的雪豹影像。

新华社发 这是2025年冬季在乃朗谷拍摄到的雪豹影像。

新华社发 10月22日，保护中心巡护员查巴在做野外调查。

新华社记者 丁增尼达 摄 10月22日，保护中心巡护员次仁玉珍（左）和查巴走在回收野外红外相机的路上。

新华社记者 晋美多吉 摄 10月22日，保护中心工作人员走在回收野外红外相机的路上。

新华社记者 丁增尼达 摄 10月22日，保护中心的巡护员查巴在查看红外相机拍摄到的影像。

新华社记者 丁增尼达 摄 10月22日，保护中心巡护员次仁玉珍（右）和查巴在查看红外相机拍到的雪豹影像。

新华社记者 晋美多吉 摄 2022年12月27日，乃朗谷“英雄妈妈”雪豹拉姆带着幼崽首次出现在镜头中。

新华社发 2024年8月18日，乃朗谷“英雄妈妈”雪豹拉姆带着幼崽出现在镜头中。

新华社发 10月22日，保护中心工作人员刘子琳（左）和刘涛在讨论工作。

新华社记者 丁增尼达 摄 10月22日，保护中心工作人员刘子琳在做影像分析。

新华社记者 晋美多吉 摄 10月22日，保护中心巡护员次仁玉珍（右）和查巴在查看红外相机拍到的雪豹影像。

新华社记者 晋美多吉 摄 10月22日，保护中心工作人员在查看红外相机拍摄的影像素材。

新华社记者 丁增尼达 摄