Augury 是全球领先的工业 AI 平台，专注预测性维护与生产健康（Production Health）。通过振动传感器 + AI 诊断持续监测 200+ 类旋转设备，提前预警机器故障并给出修复建议。2025 年推出 Industrial AI Workforce（工业 AI 智能体），覆盖从检测到决策的全链路自动化。服务 Nestlé、DuPont、Shell、Colgate-Palmolive、PepsiCo 等全球 500+ 制造商。Forrester TEI 报告显示客户 6 个月内实现投资回收，310% ROI。

Augury：让每一台工业设备都会「说话」

核心参数与统计

特性	数值
产品定位	工业 AI 预测性维护与生产健康平台
核心产品	Machine Health（设备健康）、Production Health（生产健康）、Industrial AI Workforce（工业 AI 智能体）
监测资产类型	200+ 类旋转设备（泵、电机、压缩机、风机、齿轮箱、冷却器、输送机、挤出机、研磨机、搅拌机等）
监测数据量	11 亿+ 小时真实机器运行数据
已监测设备数	300,000+ 台
服务客户数	500+ 家制造商（170+ 直接签约客户）
覆盖国家	40+ 个国家
客户行业	食品饮料、化工、石油天然气、建材、造纸、森林产品、消费品、矿业等 10+ 行业
认证合规	ISO 27001:2022、ISO 9001:2015、GDPR、CCPA、IECEx/ISO 80079-34
部署方式	SaaS 云平台 + 边缘 IoT 传感器
投资回收期	<6 个月（Forrester TEI 研究）
客户 ROI	310%（Forrester TEI 研究）
Gartner Peer Insights	4.9 / 5.0（13 条评价）

数据深意：11 亿小时的机器振动数据是 Augury 的核心竞争壁垒——工业 AI 模型的精度高度依赖长周期、多工况的真实数据积累，新入场者即便算法先进，也需要数年才能追赶这一数据飞轮。300,000+ 台在网设备又构成了网络效应：每新增一台设备，诊断模型就多一份训练素材。

用户与市场认可

企业级客户矩阵：Augury 的客户名单覆盖全球顶级工业集团，包括 Nestlé（雀巢）、DuPont（杜邦）、Shell（壳牌）、Colgate-Palmolive（高露洁）、PepsiCo（百事可乐）、Heineken（喜力）、Danone（达能）、The Hershey Company（好时）、ICL（以色列化学）、Osem-Nestlé、Circulus、Fortune Brands Innovations 等。客户跨行业、跨地域的多元化分布验证了平台在各类工业场景的通用性。

分析师认可：

• Forrester Total Economic Impact™ 研究：客户实现 310% ROI，6 个月内回收投资，7x ROI（DuPont 实证），年化节省数百万美元的非计划停机损失。
• Gartner Peer Insights：4.9/5.0 高分评价（截至 2026 年 7 月 15 日），在应用组合管理工具类别中获得高度用户满意度。
• 行业荣誉：入选福布斯 AI 50、世界经济论坛技术先锋IBT Top AI Company。

生态与集成：Augury 与 MaintainX（工单管理平台）深度集成，实现「AI 预警 → 自动创建工单」的闭有；与主流 CMMS/EAM 系统对接，不破坏既有运维工作流。

成本优势

Augury 不提供公开定价，所有方案均需商务沟通报价，但从公开数据可推演其三层成本结构：

C 端 / 个人（不适用）：Augury 是纯企业级产品，无个人版或免费版。对独立维护工程师而言，最低门槛是推动所在工厂采购。

开发者 / 集成商（间接）：Augury 提供 API 和与 CMMS 系统的对接能力，但无公开的开发者自助定价。集成本主要体现在实施阶段的对接开发（通常 3-6 个月），Forrester 报告显示从部署到可衡量的业务影响平均约 7 周。

企业 / 私有化（核心模式）：按年订阅付费，费用包含：

• 硬件成本：工业级振动传感器（不同等级对应不同单价——Critical 级有线传感器Hazardous 级防爆认证传感器Pulse 级无线传感器）
• 软件订阅：Machine Health 平台使用费 + AI 诊断服务
• 专家服务：远程诊断专家支持、现场安装调试Fast Track 方法论实施咨询
• 隐性成本：内部变革管理——让维护团队从「被动救火」转向「主动计划」需要 3-6 个月的文化转变

性价比推演：按 Forrester TEI 报告的 6 个月内回本310% ROI 推算，一个中等规模的工厂（约 200 台关键设备）的年均总成本约为数十万美元级别。相对于单次非计划停机可能造成的数十万至数百万美元损失，这一投入在设备密集型企业中属于「可快速自我证明」的预算项。

主要功能

• 连续状态监测（Condition Monitoring）：通过工业级振动传感器 7x24 采集设备振动、温度数据，覆盖泵、电机、压缩机、风机、齿轮箱等 200+ 类旋转设备。支持四种监测等级：Critical（关键设备）、Hazardous（防爆有境）、Ultra Low RPM（超低速设备，<20 RPM）、Pulse（中关键度资产，无线方案）。

• AI 预测性诊断（Predictive Diagnostics）：基于 11 亿小时真实数据训练的 AI 模型，自动识别轴承磨损、不平衡、不对中、松动等早期故障模式。输出包含故障类型、严重等级、建议修复时限和操作指南的「可执行诊断结果」，而非原始频谱图。

• 工业 AI 智能体（Industrial AI Workforce）：2025 年推出的多角色 AI 智能体集合，覆盖产线各类职能——维护智能体自动分析异常并生成维修方案，生产智能体监控工艺参数偏差，运营智能体跨系统协调行动。智能体间可编排串联，完成从感知到执行的完整闭有。

• 生产健康（Production Health）：2022 年收购 Seebo 后整合的能力，将设备级别的预测扩展到产线工艺级别。不仅能预警「某台泵要坏了」，还能追踪「哪个工艺参数偏移导致了良率下降」，实现从设备健康到生产质量的全链路洞察。

• 开放集成与自动化（CMMS/EAM Integration）：与 MaintainX、SAP、IBM Maximo 等主流维护管理系统双向对接。AI 预警可自动创建维修工单、触发备件采购流程、更新资产台账，减少人工转单有节。提供 REST API 用于深度定制。

专家视点：Augury 的真正价值不在于「能检测异常」（这是大多数预测性维护厂商都能做到的），而在于「异常检测 → 故障分类 → 根因分析 → 维修建议 → 工单触发」的全链路自动化能力。工业 AI 智能体的引入将这一链路进一步缩短：维护团队收到的不再是「某台设备有问题」的原始告警，而是「3 号泵轴承磨损 72%，建议 2 周内更换，已自动创建工单 WP-2026-0715」的完整决策包。

模型与版本演进

初创奠基期（2011-2017）

Augury 于 2011 年在以色列成立，最初专注于智能传感器与信号处理技术。2014 年推出 Auguscope——美国首个智能手机连接的设备健康诊断产品。2017 年正式创建 Machine Health 品类，发布首个基于振动分析和预设性 AI 的设备诊断方案，从「检测工具」升级为「诊断平台」。

独角兽跃升期（2019-2022）

2019 年实现首次通过 AI 诊断避免数百万美元级别的生产事故，验证了商业模式。2021 年完成 1.8 亿美元 E 轮融资，成为工业 AI 领域首批独角兽之一。2022 年收购流程制造 AI 公司 Seebo，形成 Machine Health（设备健康）+ Production Health（生产健康）的双核布局。

平台成熟期（2023-2024）

2023 年完成 Seebo 技术整合，推出多等级传感器方案（Critical / Hazardous / Ultra Low RPM / Pulse），覆盖从关键设备到辅助设备的全谱系资产。2024 年增强 AI 诊断置信度评分和根因分析能力，深化与 AWS、Microsoft Azure 的云基础设施合作。

智能体时代（2025 至今）

2025 年完成 7500 万美元 F 轮融资，发布 Industrial AI Workforce——将产品从「被动诊断工具」升级为「主动行动的 AI 同事」。智能体覆盖维护、生产、运营等多个角色，可自主执行多步骤任务，并与人协作完成复杂决策。

技术优势

振动信号 + 机器学习的融合机制：Augury 的核心技术路径是「工业 IoT 传感器采集 → 时频域特征提取 → 机器学习分类 → 可执行诊断输出」。与传统规则引擎（基于固定阈值告警）不同，其 AI 模型通过 11 亿小时的真实工业数据训练，能区分「正常磨损」和「紧急故障」的细微频谱差异，大幅降低误报率。这是工业场景中最核心的痛点——过高误报率会导致维护团队「狼来了」疲劳，最终忽略真正告警。

AI 智能体的工业适配：Augury 的 Industrial AI Workforce 不是通用型聊天机器人，而是深度嵌入工业知识图谱的专用智能体。每个智能体都基于设备拓扑、历史维修记录、工艺参数和实时传感器数据进行推理，输出直接关联到具体资产和工作流。智能体间通过编排引擎协作，例如：维护智能体检测到异常 → 通知生产智能体评估产线影响 → 运营智能体调整排产计划。

规模化边缘架构：传感器数据在边缘端完成初步特征提取，仅将结构化诊断结果上传云端，降低带宽和存储成本。支持从单工厂数十台设备到跨区域数百台设备的弹性扩展。Hazardous 等级传感器通过 IECEx/ATEX 防爆认证，可在油气、化工等爆炸性有境中安全运行。

因果推理而非相关分析：与大多数仅做相关性分析的 AI 方案不同，Augury 的 AI 通过物理模型 + 数据驱动混合方法进行因果推理——不仅告诉你「这台设备有异常」，还能解释「为什么异常」（如：轴承内圈故障频率升高，表明保持架可能出现裂纹）。这种可解释性是工业客户信任 AI 决策的前提。

如何使用

相关信息未公开，以官方实时页面为准。

产品定价

Augury 采用企业级年度订阅制，无公开标准定价。费用构成包括：

• 传感器套件：按设备数量和监测等级计费，Critical 等级含高精度有线传感器，Hazardous 等级含防爆认证传感器，Pulse 等级含长续航无线传感器。
• 软件平台许可：按监测设备数量或工厂数量计费，包含 AI 诊断服务、仪表盘、告警引擎和 API 接入。
• 专家服务：可选的高级支持包，包含远程诊断专家、现场巡检和 Fast Track 实施方法论。
• 典型合同周期：1-3 年，年付或预付享有折扣。

由于定价需根据具体设备数量、监测等级和行业定制，建议直接联系官方销售获取报价。PoC 阶段的通常配置为 20-50 台关键设备，费用相对可控。

应用场景

• 食品饮料行业的不间断生产保障：在 Nestlé、PepsiCo、Heineken、Danone 等客户中，Augury 用于监测灌装线、封装机、输送系统和制冷设备的健康状态。核心价值在于避免旺季生产线的非计划停机——饮料行业一条灌装线停机 1 小时可造成数十万美元损失。核验重点：AI 预警提前量是否足够安排计划内维护（通常需 2-4 周）。

• 化工与石油天然气的安全合规监测：在 Shell、DuPont、ICL、Bazan 等客户场景中，Hazardous 等级传感器通过防爆认证，可在 Class I/II Division 1&2 区域运行。监测对象包括压缩机、泵、搅拌器、鼓风机等关键旋转设备。核心收益不仅是降本，更是将被动抢修转化为主动预防，降低安全事故概率。核验重点：防爆认证覆盖范围是否涵盖实际工况。

• 建材与造纸的重型设备寿命管理：在 Fortune Brands、Canfor 等客户中，Ultra Low RPM 等级覆盖大型齿轮箱、回转窑、滚筒等低速重型设备——这类设备转速低但单台价值高、维修周期长。Augury 的 AI 能在故障发生前 30-60 天发出预警，给采购备件和安排大修留足窗口。核验重点：超低速场景的诊断精度是否经过独立验证。

• 跨工厂标准化可靠性体系建设：大型制造集团（如 DuPont、Nestlé）将 Augury 作为全球设备健康管理的统一平台。通过 Fast Track 方法论，先在标杆工厂完成 PoC（3-6 个月），然后快速复制到全球数十家工厂。Forrester 报告显示，扩展到 9 个设施仅需 4 个月。核验重点：Fast Track 方法论是否提供明确的阶段验收指标。

适用人群

• 设备维护与可靠性工程师：最直接的使用者。从被动「听声音、摸温度」的经验判断升级为 AI 驱动的数据决策。适合有 CMMS 使用经验、愿意拥抱数字化转型的团队。前置条件：需具备基本的设备台账管理和维修流程数字化基础。

• 工厂运营与生产经理：通过生产健康（Production Health）功能监控产线整体表现，将设备可靠性与生产 KPI（OEE、良率、产能）关联分析。适合管理多产线、多工厂的大型制造企业运营团队。

• 企业数字化转型与工业 IoT 负责人：评估和引入 Augury 的决策者。关注点包括 ROI 证明（Forrester TEI 报告可作为内部立项依据）、与现有 IT 架构的集成度（SAP、CMMS 对接）、以及跨工厂的可扩展性。

• 不适用人群：设备数量少于 20 台关键设备的中小型工厂（投资回报不划算）；已全面采用竞品预测性维护方案且效果良好的企业（切换成本高）；缺乏基础维修流程数字化的工厂（数据基线缺失导致 AI 效果打折扣）；需要纯离线部署且无法联网的军工或涉密场景。

总结与展望

Augury 是工业 AI 预测性维护领域的事实标准制定者——从 2011 年创立至今持续深耕单一赛道，积累了 11 亿小时的真实工业数据200+ 资产类型的诊断模型和 500+ 企业客户，数据飞轮和网络效应构成了显著的先发壁垒。2025 年推出的 Industrial AI Workforce 标志着产品从「诊断工具」向「AI 同事」的演进，顺应了工业 AI 从辅助决策走向自主执行的行业趋势。

当前限制与不确定项：

• 定价不透明，中小型企业难以评估真实成本，采购决策需商务沟通流程。
• 硬件部署的初始成本较高，对预算紧张或设备离散度低的工厂不友好。
• Industrial AI Workforce 的自主执行能力在强合规行业（如医药、核电）中的应用边界仍待验证——不可逆操作的审批闸门设计需要更明确的行业共识。
• 竞品压力增加：Siemens、GE、ABB 等传统工业自动化巨头也在推进内置预测性维护能力，Augury 作为独立平台需持续证明相对于 OEM 原生方案的独立价值。

采购与采用风险评估：建议先将 20-50 台关键设备列入 PoC 范围，在 3 个月内验证 AI 预警提前量和误报率，以 Forrester TEI 报告中的 ROI 框架作为验收基准。企业级合同中应重点关注数据所有权条款（振动数据是否可用于模型二次训练）、SLA 中的诊断响应时间、以及合同期内的传感器硬件保修与更换成本。

Augury 的使用方式

Augury 的使用采用「硬件部署 → 数据采集 → AI 诊断 → 行动闭有」四步流程：

1. 安装传感器：由 Augury 或认证合作伙伴在现场安装工业振动传感器（有线/无线），部署时间通常为 1-2 天/工厂。传感器通过磁性底座或螺栓固定于设备轴承座。
2. 接入平台：传感器数据通过网关上传至 Augury 云端平台。配置设备台账，建立设备与传感器的映射关系。平台自动学习设备正常运行基线（约 2-4 周）。
3. 接收诊断：AI 引擎持续分析振动数据，当检测到异常模式时，通过 Web 仪表盘、移动推送、邮件或与 CMMS 集成的方式推送诊断报告。报告包含故障类型、严重等级（1-5 级）、建议响应时间。
4. 执行与反馈：维护团队根据建议执行维修，并将实际结果反馈回平台。反馈数据用于模型的持续迭代优化。

入口渠道：以 Web 端管理平台为主，支持移动端查看告警和诊断报告。API 开放给企业进行深度集成。

重要提示：Augury 不是自助式 SaaS——从投标到全面上线通常需要 3-6 个月，包含 PoC（概念验证）、硬件采购安装、基线学习和人员培训。初次接触建议从「Let's Talk」页面（https://www.augury.com/get-a-demo/）提交需求，官方销售团队会安排 PoC。

限制与不适配场景

该工具在以下场景中存在使用限制：

场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。

技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。

版本信息

• Industrial AI Workforce Release ：推出 Industrial AI Workforce——面向产线团队的多角色 AI 智能体，支持从异常检测到自主执行的全链路自动化。暂无官方精确日期。 （2025-06）
• Machine Health 360° Suite Expansion ：扩展 Machine Health 360° 产品矩阵，新增 Ultra Low RPM 和 Pulse 两个监测等级，覆盖从高速到超低速的全谱系旋转设备。暂无官方精确日期。 （~2025-03）
• Production Health Platform Update ：深化 Seebo 整合，增强工艺级 AI 诊断能力，扩展 AI 驱动的根因分析与过程健康指标。暂无官方精确日期。 （~2024-10）
• Machine Health Continuous Monitoring R4 ：增强 Hazardous 等级认证（IECEx/ATEX），新增 30+ 资产类型诊断模型，提升 AI 诊断准确率。暂无官方精确日期。 （~2024-06）
• Seebo Integration & Production Health Launch ：完成 Seebo 并购后技术整合，正式推出 Production Health 品类，将预测性维护从设备级扩展到产线工艺级。暂无官方精确日期。 （~2023-09）
• Machine Health R3 ：引入 AI 诊断置信度评分、远程专家协作功能和增强型仪表盘。暂无官方精确日期。 （~2023-03）