康士伯数字将工业数据、工程专业能力与仿真能力（含K‑Spice、LedaFlow），结合英伟达Omniverse组件库，打造可交互、遵循物理规律的数字环境，实现运营数据、工程模型、仿真结果与语义化3D资产表征的实时融合。

  其旗舰工业工作平台解决方案Kognitwin®，为复杂工业资产全生命周期提供运营与企业数据统一关联环境。英伟达Omniverse提供组件库，支持团队基于OpenUSD构建并运行AI赋能、物理精准的3D环境。

  将Omniverse组件库集成至Kognitwin®后，工业企业可把工程模型、仿真输出与运营数据汇入统一空间环境，实现人与AI系统在场景中交互工业资产。这类基于OpenUSD的环境可云端部署，并持续对接实时运营系统、工程工具与仿真工作流。

  康士伯数字的仿真产品组合与工业领域专长，为上述环境提供经过验证的工程底座，其中K‑Spice、LedaFlow助力打通仿真工作流、运营数据与空间上下文，构建共享数字环境。

康士伯数字首席执行官Shane McArdle表示：当前工业界真正的缺口并非数据，而是将数据转化为清晰、可信决策的能力。 我们将工业模型与仿真器，结合英伟达组件库和加速AI基础设施，打造数字环境，让操作员、工程师与AI系统能更直观、更有据地探索、理解并优化工业资产运营。

  这些能力让工业团队可在物理世界实施变更前，先在仿真环境中探索与测试运营场景。AI智能体可跨运营数据、工程模型与空间上下文进行推理，辅助操作员与工程师分析复杂系统、挖掘优化空间、提升运营表现。

  英伟达Omniverse总经理Vikram Natarajan表示：工业企业需要将海量运营数据纳入统一空间上下文，通过基于物理的仿真实现可执行决策。 英伟达Omniverse组件库与Kognitwin集成后，工业团队与AI智能体可在共享数字环境中协作，实时优化复杂资产与工作流。

  该方案可部署于云端加速AI基础设施，微软Azure为首选云合作伙伴，满足大型工业企业的安全与性能要求。

这并非因为企业缺乏数据。事实上，制造业是全球数据产出量最高的行业。

制造业每年产生1.9PB（千万亿字节）数据——1PB相当于100万GB，约等于5000亿页标准打印文本。

‘问题在于：数据无法在需要的时刻实现互联互通、场景化解读与可信应用。数据与决策之间的鸿沟，已成为当下制约企业运营表现的最大瓶颈之一。’

在今年的汉诺威工业博览会上，这一趋势尤为明显：行业讨论正从“数字化是一套工具”，转向关注更本质的核心价值。

汉诺威工业博览会见面邀请

  如果您莅临本届汉诺威工业博览会，欢迎到访微软展区17号馆G06展位，我们将与雅苒国际集团联合参展，期待与您深入交流工业智能在重资产行业的实际落地应用。

如何在跨团队、跨系统、跨时间维度中，建立对运营状态的实时、共识性认知？

为雅苒国际打造数字孪生

  我们与雅苒国际（全球大型化肥与工业化工设施运营商）携手应对这一挑战，打造了统一的实时工作平台，将工程知识、运营数据与业务流程整合在单一环境中。

  在雅苒规模最大的波什格伦工厂，这项技术将数十年的工厂数据——从三维模型、工程文档，到维护记录、实时运营信号——统一汇聚为可直接使用的场景化视图。

  在这里，操作员、工程师与维护团队能更快协同、更早预判、更自信地做出决策。

正如康士伯数字首席执行官Shane McArdle所言：

“工业智能的真正价值，是为极度复杂的系统建立可靠的共识认知，让企业以更高的一致性、速度与前瞻性开展行动。”

康士伯数字×雅苒国际：斩获殊荣的合作

将平台思维与深度运营场景结合，正是我们与雅苒合作的核心逻辑，也让本次联合项目在本届展会上获得行业认可。

从地下建模到炼油和物流，每个阶段都有其独特挑战，但试图用独立的工具和团队分别解决每个问题只会增加复杂性。

在最近于休斯顿举行的“数据驱动石油与天然气”大会上，Oxy 副总裁兼人工智能主管 Patrick Bangert 讨论了石油天然气运营的复杂性，并强调了在每个阶段集成人工智能的必要性。他阐述了对更集成化方法的愿景，强调了协调人员、设备和数据的复杂性，并描述了人工智能如何应对调度、维护、供应链和流程优化方面的挑战。这始于一个地下模型，随着钻井的进行进行实时优化。一旦油井投入运营，关于人工举升系统和管道流量的决策就需要利用传感器数据和实时分析进行持续调整。例如，段塞流问题（油、水、气的不稳定流动）可能导致运营商高达15%的产量损失——除非采用智能自动化系统来解决。管道完整性是另一个关注点。

这一愿景倡导一种不同的方法：一种建立在统一数据模型和集中决策基础上的方法。Bangert建议道：“驱动这一切的引擎应该是通用的。”

这正是康士伯数字帮助运营商获得优势的地方。借助康士伯数字的工业作业界面，企业可以获得一个通用的基础设施，将跨学科和资产的实时数据、人工智能和模拟技术连接起来。

工业作业界面无需将孤立的解决方案拼凑在一起，而是提供了一个统一的操作视图，包括根据实时地下数据优化钻井、选择正确的人工举升策略，以及自动响应诸如段塞流等流动保障。

无需人工审查数小时的管道检测录像，人工智能和计算机视觉可以大规模扫描裂缝或故障。这同样适用于下游运营，实时数据和人工智能有助于优化产品输出（例如，根据市场价值从柴油切换到航空燃料）。

康士伯数字的平台支持计算机视觉和人工智能工作流能自动检测跨越数千英里基础设施的故障。在下游领域，其数据基础可以帮助运营商根据实时市场信号和运营限制，动态调整产品输出——就像Bangert所说的优先生产柴油而非航空燃料。

康士伯数字已与威廉姆斯公司（美国领先的能源基础设施企业，其管道及中游管网承担着全美约三分之一的天然气输送业务）签订多年期合作协议。根据协议，康士伯数字将在威廉姆斯旗下所有天然气发电设施中，部署其旗舰产品工业工作界面（Industrial Work Surface）及人工智能平台Kognitwin®数字孪生系统。

该合作项目将为服务超大规模数据中心及电网负荷紧张地区的分布式天然气发电系统，部署工业智能平台。威廉姆斯正拓展现场发电业务，凭借其广泛的天然气基础设施布局和中游业务专业能力，提供定制化能源解决方案，以满足超大型云服务商日益增长的能源需求。

此次合作体现了关键能源基础设施运营模式的根本性变革。随着AI数据中心的爆发式发展，电力需求持续攀升，能源运营商必须摒弃碎片化的系统，转向集成化、实时决策的运营环境。

“将威廉姆斯深厚的天然气基础设施专业经验与我们的工业智能平台相结合，我们打造的发电设施不仅具备高可靠性，更能从建设初期就实现全流程优化运营。”

——康士伯数字首席执行官 Shane McArdle

通过本次合作，康士伯数字将为威廉姆斯的发电设施构建实时、高可视化的数字孪生模型，并将复杂数据转化为适配AI应用的标准化数据。该平台将整合多模态数据、实时运行参数、业务流程及高级仿真功能，实现运营性能优化与预防性维护预测，同时提供全业务流程的实时远程可视化监管。