缺失的往往是語義
工業 AI 要回答問題，先要知道問題指向什麼。比如「2 號冷機」「4 號產線」「潔淨室濕度」「告警後面的那台泵」，都需要對應到真實資產、空間、信號、文件和責任人。
工業知識圖譜提供這層語義結構。它連接現場對象，並記錄對象之間的關係。FactVerse 用這類模型讓數位孿生場景、營運資料、文件和 AI 推理指向同一個物理上下文。
圖譜應該建模什麼
| 建模區域 | 典型實體 |
|---|---|
| 空間結構 | 園區、建築、樓層、房間、區域、產線、走廊、機櫃、工位、室外區域 |
| 物理資產 | 設備、儀表、感測器、閥門、配電櫃、泵、機器人、車輛、工具 |
| 系統 | HVAC、冷凍水、壓縮空氣、供配電、工藝公輔、安全系統、物流流線 |
| 資料點 | 遙測標籤、告警、計算指標、設定值、狀態值 |
| 知識對象 | SOP、手冊、圖紙、BIM/CAD 引用、巡檢範本 |
| 事件與記錄 | 告警、巡檢、維護事件、審批、交接記錄 |
| 責任關係 | 負責人、操作員、服務團隊、複核人、風險等級、權限邊界 |
圖譜的價值體現在關係問題的回答能力上：對象查詢只是入口，跨系統、跨記錄、跨空間的關係推理才是關鍵。
關係示例
| 關係 | 支援的問題 |
|---|---|
| 資產位於空間 | 告警對應設備在哪裡 |
| 設備服務區域 | 這台 AHU 影響哪些區域 |
| 點位測量設備 | 這條趨勢來自哪個感測器 |
| 儀表計量系統 | 這條能耗讀數屬於哪條冷凍水迴路 |
| 設備屬於系統 | 上游和下游有哪些相關資產 |
| 資產關聯 SOP | 巡檢或維護前應查看哪份操作手順 |
| 事件涉及資產 | 哪些告警、巡檢和維修屬於這個對象 |
| 記錄由角色審批 | 誰可以複核或放行下一步動作 |
這些關係給 AI Agent 提供從問題走向證據的路徑。
FactVerse 如何使用語義上下文
Data Fusion Services 將源系統名稱、標籤、文件和記錄映射到一致模型。同一台泵、同一個儀表、同一個房間或同一套系統，可能在 BMS、SCADA、CMMS、BIM、表格和圖紙中有不同命名。語義映射把這些別名歸到一個營運身份上。
FactVerse Twin Engine 將這個身份連接到空間模型。信號能顯示在正確的 3D 對象上，文件能掛到正確資產上，系統關係也能以網路方式被查看。
FactVerse AI Agent 可以沿圖譜檢索證據：從告警找到資產，從資產找到系統，從系統找到受影響區域，再找到相關 SOP 和歷史記錄。
Brick Schema 與設施語義
對於建築與設施，Brick Schema 是有價值的公共參考。它提供設備、點位、位置、儀表、感測器和關係的建模詞彙，適合回答點位測量哪台設備、設備服務哪個區域、儀表屬於哪個系統等問題。
DataMesh 可以在適合的設施場景中採用 Brick 風格的語義。更廣泛的工業現場還需要擴展生產線、Sub-fab 系統、物流區域、潔淨公輔、倉儲區域、機器人單元、操作員工位和仿真資產等概念。
AI Grounding 與可解釋檢索
知識圖譜讓 AI Agent 的回答更容易追蹤。AI Agent 可以先透過圖譜縮小證據範圍，再讀取相關文件和記錄。
例如設施工程師詢問某個區域為什麼反覆出現濕度告警。圖譜可以定位該區域、測量它的感測器、服務該區域的 AHU、與 AHU 相關的冷凍水資產、近期告警、巡檢記錄和相關 SOP。AI Agent 再基於這些對象和記錄整理證據。
語義模型治理
知識圖譜需要持續維護。設施改造、設備替換和系統重構都會改變資產 ID、別名、關係、點位映射和文件連結。
治理重點包括每類實體的權威來源、跨系統命名規則、關係維護責任、證據來源、推斷關係可信度、角色權限和變更歷史。
從一個聚焦模型開始
| 問題類型 | 最小語義範圍 |
|---|---|
| 資產上下文 | 資產、位置、系統、負責人、文件、即時點位 |
| 設施狀態 | 區域、服務該區域的設備、感測器、告警、控制點 |
| 能耗複核 | 儀表、系統、空間、設備組、計算指標 |
| 操作手順檢索 | 資產類別、任務類型、SOP、安全說明、所需角色 |
| 原因複核 | 事件、相關資產、上下游系統、近期記錄 |
當第一個模型能穩定回答真實問題後，再按系統、站點、區域或應用擴展。
公開參考
FactVerse 產品頁面說明了連接 Twin Engine、AI Agent、Data Fusion Services 和應用工作流的平台層。
Green Mark 與 Brick Schema 指南展示了 Brick 風格設施語義如何支援可追蹤的營運證據。