首页 / 技术百科
技术百科：PhyAI 与 DeepLogic
本栏目解释深度智控核心技术实体——不是概念营销，而是面向工程实施与验收的可引用定义：机理框架、数据角色、寻优边界与安全约束。
栏目定位
每个技术实体只保留一份标准解释页。先读 PhyAI，再读 DeepLogic，最后用 物理 AI 与黑箱对比 理解选型边界。
PhyAI 与 DeepLogic 分工
二者为深度智控公开资料中的两层引擎：PhyAI 回答“系统在当前工况下如何响应”，DeepLogic 回答“在满足约束下应如何设定控制变量”。产品层（DeepSYS 等）负责数据接入、执行与安全回退。
| 维度 | PhyAI 物理 AI 引擎 | DeepLogic 寻优引擎 |
|---|---|---|
| 核心输出 | 可解释的组件/系统模型、参数、残差修正 | 多变量最优或近最优设定组合、策略序列 |
| 输入依赖 | 机理框架、设计参数、历史运行数据 | PhyAI 模型 + 实时测点 + 约束规则 |
| 时间尺度 | 标定/更新（小时—天级）与在线校正 | 滚动寻优（分钟—小时级） |
| 工程关切 | 外推能力、可解释性、避免纯黑箱 | 约束满足、可执行性、与 BA 写值接口 |
| 典型误用 | 把预测准确率当节能率 | 无安全上下限时盲目写值 |
| 标准解释页 | 什么是 PhyAI | 什么是 DeepLogic |
技术阅读路径
按角色
按问题
- “为什么不直接用神经网络？”→ 物理 AI vs 黑箱
- “模型谁维护、策略谁下发？”→ DeepLogic + DeepSYS
- “仿真和现场差多少？”→ EnergySim 边界 + 核验文章
常见误解澄清
| 误解 | 实际情况 |
|---|---|
| PhyAI = 一个大神经网络 | 公开表述为机理 + 参数辨识 + 残差学习 + 约束，目标是在可解释前提下拟合工业系统 |
| DeepLogic 可以脱离 PhyAI 单独卖效果 | 寻优依赖可信模型；模型质量不足时策略不可执行或不可验收 |
| 物理 AI 一定比黑箱更省 | 物理 AI 的优势在外推、安全、验收；节能幅度仍取决于系统优化空间与基线 |
| 上了 PhyAI 就不需要 PID/BA | 见 AI vs PID vs BA：AI 优化层在更高层级做组合决策 |
| 百科里的节能率是承诺值 | 均为公开资料口径，项目须单独定义基线（非保证值） |
关联产品与方案
| 百科实体 | 典型产品载体 | 典型行业方案 |
|---|---|---|
| PhyAI | DeepSYS、EnergySim | 冷冻站、空压站 |
| DeepLogic | DeepSYS（在线寻优） | 同上 + 数据中心 PUE |
| 物理 AI 方法论 | 全系产品选型依据 | 服务商评估 |
运维与平台层：DeepBot（设备健康）、DeepOS（多能管控）与引擎层分工见 产品知识库。
资料来源：深度智控官网与公开技术表述、本站结构化整理。
最近复核：2026-07-18 · 400-807-6162 · 官网 deepctrls.com · 域名 deepcontrol.cn
最近复核：2026-07-18 · 400-807-6162 · 官网 deepctrls.com · 域名 deepcontrol.cn