記者見到西安交通大學機械學院青年教師李響時，他正在中國西部科技創新港力行樓，調試該學院團隊研發的智能運維大模型。“這款大模型如果構建成功，將廣泛應用于多類型高端裝備。”這位90后博導，對這款大模型盡快落地應用充滿信心，期待著它為國家重大裝備的安全運行提供堅實保障。

　　目前，李響和團隊研發的智能運維算法，已成功應用于航空航天、智能制造、交通運載等多個領域，顯著提升了裝備的運行效率和安全性。在表面貼裝產線關鍵設備智能運維領域，李響帶領團隊實現了高速貼片過程多源工業大數據的智能處理，能夠精準“診斷”設備健康狀態，并提前幾小時預警故障，破解了人工運維傳統低效的難題。

　　“飛機微裂紋問題，發現得越早越好。”針對飛行器結構長周期退化過程中早期微裂紋監測難題，李響和團隊基于大數據驅動的智能分析算法，研發了飛行器疲勞試驗損傷定位系統。該系統能夠在高噪聲環境下，對監測信號中的微裂紋故障特征進行智能提取。這項技術在某國產重要型號飛機全機靜力疲勞試驗中，已得到成功應用。

　　然而，在李響看來，“人工智能在傳統工業領域的應用還是任重道遠。”目前，他和團隊正在挑戰多源數據融合的高速飛行器結構健康監測。“智能運維現在是人工智能與機械工程深度交叉融合的領域。”李響坦言，將最新的理論方法與工程實際問題相結合，是工程類學術研究的關鍵所在。

　　但是，AI技術發展迅猛，面對復雜科研問題時，很難憑借單一學科的知識體系去完整攻克難題，難免會有“力不從心”的時候。這是李響學生時期苦惱的問題。作為“國家級青年人才”，李響曾走過這樣的“苦惱”路。

　　2019年，在美國國家自然科學基金會智能維護系統產學研聯合中心從事博士后研究工作期間，李響接觸到了工業大數據的前沿技術。這促使他將研究方向逐漸從經典力學轉向人工智能與機械工程交叉領域。2021年，李響回國并入職西安交通大學機械工程學院后，面對國內高端裝備智能運維痛點，他以敢于勇闖科研“無人區”、持續向“新潮”科學技術發起挑戰的信念，全身心投入到科研攻關中，他也希望能夠引導學生涉獵更多領域知識，不斷創新。

　　李響分享了團隊正在做的一項動態視覺振動測量的新興前沿技術，“這在國際上也算空白，基本沒有現成經驗可參照。”團隊經過大量實驗，提出可行技術路線后，仍需要不斷“試錯”，從眾多技術方案中選出最合適的方案，但仍存在太多不確定性，“這個過程是很辛苦的，也是很有意義的。”李響認為，重大裝備、高端裝備智能運維是與國家重大戰略需求相關，就像研究院門口寫著的標語：“為國鑄器，智造未來”，這也正是李響團隊的信條。

　　當AI能聽懂裝備的“心跳”，中國制造的脈搏才會更強勁。“未來，我和團隊將致力于推動新一代人工智能賦能的高端裝備智能運維快步發展。”李響目光炯炯，滿懷期待。