第1章　世界留下的都是 O

第一部只做一件事：看清工业世界手里究竟有什么。

答案是海量的 O。第 1 章清点这些 O 的来源；第 2 章说明为什么一个 O 单独存在时没有完整的工程意义；第 3 章借助软件工程的对照，说明什么样的数据才能成为 AI 的好语料；第 4 章回到工业，解释为什么这些 O 没有发挥应有的作用。

第1章　世界留下的都是 O

1.1 一张工程数据的清单

走进任何一家汽车主机厂的数据中心，都能列出一张很长的清单。

传感器数据：冲压线的压力、模具温度、液压系统流量、设备振动与电流。试验数据：材料拉伸试验、零件耐久试验、整车性能与可靠性验证。仿真数据：CFD 流场、FEA 应力与变形、成形与回弹的计算结果。设备与生产日志：运行记录、报警代码、维修工单。文档与模型：CAD 几何、工艺卡、图纸、试模报告，以及大量的 PDF 与 Excel。质量与测量数据：三坐标测量、三维扫描点云、SPC 统计报表、不良率与失效模式记录。

这些数据的形态各不相同：有的是每秒上千个点的时序信号，有的是几十万个节点的网格场，有的是一页扫描版的手写记录。它们分属不同的系统：PLC、SCADA、MES、PLM、质量系统，以及工程师个人电脑里的文件夹。

但如果问一个简单的问题，它们的共同点就会显现出来：这些数据都是什么？

1.2 它们都是观察

这些数据有一个共同的本质：它们都是世界经过某种方式被观察之后留下的结果。

温度读数是热电偶对模具状态的观察。三坐标测量值是测头对零件几何的观察。CAE 结果是一个数值模型对物理过程的观察。试模报告是工程师对一次试冲结果的观察和判断。甚至一张 CAD 图纸，也可以看作设计意图在某个时刻被固定下来的一次记录。

本书把这些统称为 O，即 Observation。

这个命名是有意的。说它们是“数据”，容易让人以为它们是客观的、中性的、自足的。说它们是“观察”，则提醒我们：每一个 O 都是通过某种方式得到的，都有一个观察者、一套仪器或一个模型、一组条件。O 从来不是世界本身，而是世界的一个痕迹。

1.3 工业数字化的真实成果

用这个视角回看过去几十年的工业数字化，可以得到一个朴素但重要的判断：

工业数字化几十年的成果，本质上是在不断扩大记录 O 的能力。

传感器越来越多，采样越来越密，仿真越来越精细，数据库越来越大。从纸质记录到电子表格，从单机系统到数据湖，每一次进步都让更多的 O 被保存下来。

这是真实的成就。没有这些积累，今天讨论 AI 与工业数据就无从谈起。

但记录 O 与理解世界是两回事。一座图书馆可以收藏所有的书页，却不因此懂得书里的内容。如果书页被拆散、页码丢失、目录不存，收藏得再多，也很难从中读出一个完整的故事。

工业数据的处境与此相似。O 被大量保存了，但它们是被拆散的书页。

1.4 O 的三种来源

在进入下一章之前，有必要先对 O 做一个粗略的区分，因为它们的可信度和使用方式完全不同。

第一类是物理观察，记为 O_phys：来自真实世界的测量，例如三坐标测量、传感器读数、物理试验结果。它最接近真实，但获取昂贵、缓慢，而且稀疏。

第二类是仿真观察，记为 O_sim：来自数值模型的计算结果，例如 CAE 的应力场和回弹预测。它便宜、快速、可以大量产生，但它本身是某个模型的产物，带着模型的假设和系统误差。

第三类是人的判断，记为 O_human：工程师对现象的诊断、对原因的推断、对结果的签核。它往往包含最有价值的因果解释，却最依赖个人，也最难复用和追溯。

这三类 O 在数据库中常常被混放在一起，甚至被当作同一种东西使用。本书会反复回到这个区分，因为后面讨论的许多问题，都源于把仿真结果当作物理事实，或者把个人判断当作客观记录。

1.5 本章小结

工业世界留下的，都是 O。

几十年的数字化让工业拥有了海量的观察记录，这是一笔真实的资产。但观察记录本身并不等于对世界的理解。下一章要说明：为什么一个 O 单独存在时，并没有完整的工程意义。

第1章 世界留下的都是 O

1.1 一张工程数据的清单

1.2 它们都是观察

1.3 工业数字化的真实成果

1.4 O 的三种来源

1.5 本章小结

第1章　世界留下的都是 O