据麦肯锡全球研究院数据，全球制造业每年因非计划停机造成的损失超5000亿美元，传统定期维护模式不仅成本占设备总支出的15%-30%，还存在“过度维护”与“维护不足”并存的痛点。在此背景下，工业AI解决方案提供商Maveryx今日正式发布预测性维护（PdM）平台2.0，通过技术迭代突破实现了从“事后维修”到“事前预警”的升级，为离散与流程制造业提供全生命周期设备健康管理方案。

Maveryx预测性维护平台2.0的核心技术突破体现在三大维度：其一，自研Transformer-based多模态融合算法，可同时整合振动、温度、电流、压力等12类异构传感器数据，通过注意力机制动态加权不同模态的贡献度，故障识别准确率较上一代提升12个百分点至98.7%；其二，边缘计算与云端协同架构，支持在工业现场边缘节点完成数据预处理与实时分析，延迟控制在100ms以内，适配低带宽、高可靠性的工业场景；其三，全生命周期数字孪生建模，可基于设备设计参数、运行数据构建1:1数字模型，实时映射物理设备状态，辅助故障根因分析。

平台已在汽车零部件与风电行业完成落地验证。长三角某汽车零部件有限公司部署后，冲压车间液压机的非计划停机时间从每月120小时降至66小时，设备综合效率（OEE）从72%提升至94%，单月节省维护成本约18万元；某风电集团针对150台1.5MW风电机组的应用显示，平台提前7-14天预警3台齿轮箱轴承磨损异常，及时维护避免了每台机组约60万元的停机损失，累计节省180万元。此外，平台支持多品牌设备兼容，无需替换原有传感器，部署周期缩短至2-4周，降低了企业的改造成本。

Maveryx CEO张明在发布会上表示：“当前制造业数字化转型的核心痛点已从‘数据采集’转向‘数据价值挖掘’，我们的平台通过AI算法打通了设备数据与运维决策的链路。接下来，Maveryx将重点拓展航空航天、轨道交通等高端制造领域，同时与阿里云、华为云合作推出轻量化SaaS版本，让中小企业也能享受到工业AI带来的效率提升。此外，团队还将持续迭代算法模型，支持更多类型设备的故障预测，覆盖从通用设备到专用设备的全场景需求。”