2026年10月22日，微软研究团队在《Science》发表论文《Sequential Diagnosis with Language Models》（基于语言模型的序贯诊断，论文链接参见文后参考资料），介绍了一种不同于传统AI诊断模型的新方法。
这项研究最值得关注的，并不是AI能够回答多少医学问题，而是它开始模仿医生真实的诊断过程：先提出可能的原因，再决定下一步检查什么，根据检查结果修正判断，直到获得足够证据。
微软将这一方法称为Sequential Diagnosis，即“序贯诊断”，并开发了相应的评测框架SDBench和诊断编排系统MAI-DxO。
虽然研究针对医学，但其核心思想同样适用于工业设备。
从电机、泵、齿轮箱，到生产线、机器人以及电梯等特种设备，故障诊断实际上也是一个不断收集证据、排除可能原因的过程。
如果AI不仅能够识别异常，还能够主动决定下一步需要检查什么，那么工业故障诊断就可能从传统的“故障分类模型”，发展为具有规划、推理和工具调用能力的“故障诊断智能体”。
一、微软的Sequential Diagnosis究竟创新在哪里？
传统医学AI评测通常采用静态方式：一次性提供患者的症状、检查结果和病史，要求AI给出诊断。
然而，真实的医生并不是这样工作的。
医生往往首先了解症状，然后提出几种可能的诊断，并根据当前判断决定下一项检查。例如，先进行血液检查，再根据结果决定是否需要影像检查。
微软认为，诊断AI也应该具备这种逐步获取信息的能力。
因此，研究团队建立了Sequential Diagnosis Benchmark（SDBench）。
在这个评测框架中，AI最初只能看到有限的信息，随后必须不断作出选择：
- 是否需要询问更多情况？
- 是否需要进行新的检查？
- 哪一项检查最有助于区分不同病因？
- 当前证据是否足以结束诊断？
系统不仅评价最终诊断是否正确，还评价诊断过程中使用了多少检查、产生了多少成本。
微软同时提出MAI-DxO（Microsoft AI Diagnostic Orchestrator），即微软AI诊断编排器。
它通过模拟多个虚拟医生的协作，让不同诊断角色提出假设、审查证据、讨论分歧，再由编排系统协调后续检查。
根据2026年发表的研究，在《新英格兰医学杂志》的复杂病例基准上，MAI-DxO取得约83.2%的诊断准确率，而参与比较的全科医生在允许使用参考资料时约为36.1%。
在基于MIMIC-IV-ED构建的急诊病例基准上，MAI-DxO达到约80.3%，参与比较的医生约为46.8%。
研究还发现，在某些成本优化配置下，系统可以保持较高诊断准确率，同时减少估计检查费用。
但这些数据来自受控评测，而不是临床实际部署。研究也不能据此证明该系统优于专科医生团队，或者已经具备独立临床诊断能力。
这项研究真正值得工业界借鉴的，是它改变了AI诊断任务的定义：从回答“发生了什么故障”，扩展为决定“下一步应该获取什么证据”。
二、为什么序贯诊断适用于工业设备？
假设一台工业电机发生异常，振动幅值上升，运行电流也出现波动。
传统故障分类模型可能直接输出：
“轴承故障，置信度85%。”
但这样的判断未必足以指导维修。
因为振动异常可能来自轴承磨损，也可能来自转子不平衡、机械松动、联轴器不对中或者外部负载变化。
单纯依靠一次采样，往往无法完全区分这些情况。
有经验的维修工程师通常会继续检查。
如果怀疑轴承故障，可能进一步分析振动频谱；如果怀疑不对中，则关注不同方向的振动特征；如果怀疑负载变化，则需要结合电流和工况信息。
序贯诊断正是将这种工程经验转化为可执行的AI决策过程。
它通常包括六个步骤。
第一步：发现异常。
由现有监测系统识别异常信号，例如振动升高、温度异常或电流波动。
第二步：建立候选故障集合。
结合设备结构、历史数据和工程知识，提出几个可能的原因，而不是立即作出唯一结论。
第三步：选择下一项检查。
判断哪种信息最有助于区分候选故障，例如振动频谱、温度趋势、控制器报警记录或人工检查。
第四步：获取新证据。
调用现有传感器、数据分析工具、历史数据库，或向现场工程师提出检查建议。
第五步：更新故障判断。
根据新证据提高或降低不同故障假设的可信度，并记录判断依据。
第六步：决定结束还是继续。
如果证据充分，就输出诊断结果；如果仍存在重大不确定性，则继续选择下一项检查。
需要说明的是，这里的Sequential并不只是指连续采集时间序列，也不等同于LSTM等序列模型。
其关键含义是：诊断决策与信息获取按照一定顺序交替进行，而且下一步行动依赖前面已经获得的证据。
因此，即使设备已有完整的历史时序数据，AI仍然可以通过逐步选择分析工具、数据窗口及检查项目，开展序贯诊断。
三、核心技术：让AI知道下一步查什么
从技术角度看，序贯故障诊断并不是完全陌生的概念。
在工业控制和设备可靠性研究中，早已有Active Fault Diagnosis（主动故障诊断）、Optimal Test Design（最优测试设计）和Sensor Selection（传感器选择）等研究方向。
例如，2020年发表于《Journal of Process Control》的一项研究，就提出了利用信息增益选择检测项目和传感器的方法，以提高不同故障之间的可辨识性。
微软研究与这些传统方法具有共同的数学思想，但进一步加入了大语言模型、工具调用以及多智能体协作。
其核心可以归纳为以下三项技术。
1. 基于信息增益选择检查项目
假设AI认为设备可能存在三种故障：轴承损伤、机械松动和转子不平衡。
下一步究竟应该检查温度、电流，还是振动频谱？
理想情况下，系统需要评价不同检查项目能够减少多少诊断不确定性。
例如，某项检查能够有效排除两种故障，而另一项检查得到的结果对三种故障都很相似，那么前者的信息价值通常更高。
这种思想称为信息增益（Information Gain）。
它使AI不再机械地执行所有检查，而是优先选择最有诊断价值的信息。
2. 将检查成本纳入决策
工业设备的检查成本远不止传感器费用。
有些检查可以直接利用已有数据完成，几乎不会影响生产；有些则需要安排人员、停止设备甚至拆卸部件。
因此，检查决策必须综合考虑：
诊断信息价值、执行时间、人员成本、停机损失，以及可能带来的安全风险。
可以将其抽象为：
检查效用 = 预期信息增益 − 检查成本 − 时间代价 − 风险惩罚
这里的表达是简化的决策框架。在实际系统中，需要对不同指标进行量纲归一化和权重设定。
通俗地说，就是让AI优先选择那些能够显著缩小故障范围、但又不昂贵、不危险的检查项目。
同时，安全要求必须作为硬约束，不能仅仅作为一个可以与成本相互抵消的评分项。
3. 多智能体协作诊断
对于复杂设备，可以借鉴MAI-DxO的编排思想，构建多个职责不同的AI智能体。
例如：
- 证据分析智能体：分析振动、电流、温度和设备日志。
- 故障推理智能体：结合故障树、机理模型和历史案例提出可能原因。
- 检查规划智能体：选择下一项最有信息价值的检查。
- 安全审核智能体：判断计划是否符合设备操作规程。
- 诊断协调智能体：汇总证据、管理分歧并形成报告。
这种架构不意味着一定要部署五个大语言模型。
在工程上，各项职责可以由同一个模型结合确定性程序完成，也可以采用多个专用模型。
关键不是智能体数量，而是诊断过程具有明确的状态、工具、约束和可审计记录。
四、工业序贯诊断的技术架构
一个实际可部署的工业序贯故障诊断系统，可以划分为五个层次。
第一层：设备感知层。
通过电流、振动、温度、压力、位移等传感器，以及PLC、变频器和设备控制器采集运行信息。
第二层：边缘分析层。
通过FFT、统计特征、传统机器学习、深度神经网络或时序基础模型，完成实时异常检测与初步故障分类。
这些计算适合在边缘设备上运行，不必依赖云端大模型处理每一个采样点。
第三层：工业知识层。
建立设备结构、故障机理、维修手册、历史案例、故障树以及检测规程等知识资源。
这些资源为诊断智能体提供依据，也限制其提出不合理的故障假设。
第四层：序贯诊断智能体层。
这一层负责维护候选故障、选择下一步检查、调用分析工具、解释新证据，并决定是否需要继续诊断。
第五层：执行与安全治理层。
将检查建议交给维护人员或经过批准的设备管理系统执行，同时记录操作、成本和结果。
其中，涉及设备动作的指令必须经过权限与安全检查。
这样形成的架构可以概括为：
边缘AI负责感知异常，工业知识负责约束推理，序贯诊断智能体负责规划检查，人和确定性安全系统负责控制执行边界。
它并不要求用大语言模型替换现有的PLC、保护装置或实时控制算法。
五、典型案例：工业离心泵如何实现序贯故障诊断？
以工业生产中广泛使用的离心泵为例。
离心泵通常由电动机、泵轴、叶轮、轴承、密封装置和泵体等部分构成，其运行状态与输送介质、管路阻力和入口条件密切相关。
假设一台离心泵在运行过程中出现流量下降，同时振动幅值明显升高。
传统故障分类模型可能根据振动特征，将其直接判定为轴承故障或叶轮异常。
但实际上，造成上述现象的原因可能包括：
泵入口供液不足、吸入过滤器堵塞、叶轮磨损、气蚀、轴承损伤，或者管路阀门状态变化等。
这些故障可能产生相似的表面现象，但对应的维护措施完全不同。
序贯诊断可以采用以下过程。
第一轮：检测异常并提出假设。
边缘AI通过流量、压力、振动和电机电流等监测数据发现异常。
系统结合泵的运行特性曲线和历史故障记录，形成初步候选故障集合。
例如，优先考虑入口供液不足、吸入管路堵塞、叶轮损伤和轴承异常等可能性。
但此时不立即输出唯一结论。
第二轮：优先复核已有运行数据。
诊断智能体首先检查泵的入口压力、出口压力、流量和转速之间的关系。
如果入口压力明显下降，同时流量减小，说明入口供液条件可能发生变化。
系统进一步分析振动频谱。
如果出现明显的宽带振动能量升高，并伴随压力波动，则需要关注气蚀等流体动力学异常。
如果主要表现为特定机械频率成分增强，则需要进一步考虑叶轮、轴承或其他机械部件异常。
这些现象只是判断线索，不能单独作为故障确认依据。
第三轮：选择最有价值的补充检查。
假设现有证据表明入口供液异常与气蚀的可能性较高，AI需要决定下一步检查什么。
它可以比较几个选项：
- 查询储液罐液位及其历史变化。
- 检查入口过滤器两端的压力差。
- 分析泵入口压力与液体温度，评估汽蚀余量。
- 查询近期阀门操作记录。
- 安排现场人员检查吸入管路。
如果系统已有过滤器压差传感器，那么读取其数据通常比立即停机拆检更经济，也更加便捷。
因此，智能体可以优先选择这一检查项目。
第四轮：根据新证据修正判断。
假设检测结果显示过滤器前后压差明显增大，而储液罐液位正常。
这将提高吸入过滤器堵塞这一故障假设的可信度。
同时，过滤器堵塞可能导致泵入口压力降低，从而诱发气蚀，因此两种异常也可能存在因果联系，并非完全互斥。
智能体还可以通过历史数据比较，判断过滤器压差变化是否与流量下降同步发生。
如果新证据足够充分，系统即可建议安排检查和维护。
如果结果不支持原有假设，则继续选择其他检查项目，而不是坚持最初的判断。
第五轮：形成诊断结果并验证。
假设维护人员按照规范停机、隔离设备并检查过滤器，发现滤芯严重堵塞。
清理或更换滤芯后，设备恢复运行，流量、入口压力和振动均恢复至正常范围。
此时，系统能够综合现场检查和复测结果，确认过滤器堵塞是此次异常的重要原因。
最终诊断报告不仅记录故障名称，还记录每一轮检查内容、证据变化、维修措施以及恢复验证结果。
以上是用于说明序贯诊断方法的假设性工业案例，并非微软论文中已经验证的工业实验。
需要特别强调：诊断智能体不应为了提高信息增益而擅自改变阀门状态、降低入口压力或使泵进入可能发生气蚀的危险工况。 涉及设备操作和拆检的步骤，必须遵守工业安全规程，并由具有相应权限的人员或经过验证的控制系统执行。
这个案例说明，序贯诊断的价值并不在于替代传统振动分析或泵故障检测算法，而在于根据已有证据，动态选择更有诊断价值的后续检查，避免不必要的检测和盲目拆修。
六、与传统工业故障诊断相比，真正的变化是什么？
可以从三个方面理解。
第一，从故障分类转向故障调查。
传统模型主要学习“输入信号与故障类别”的映射。
序贯诊断则需要考虑故障假设、已有证据和下一步行动之间的关系。
它最终输出的不只是故障名称，还包含诊断路径。
第二，从被动分析转向主动获取信息。
传统模型通常依赖预先确定的数据输入。
序贯诊断则可以动态选择分析方法、传感器数据、运行记录和人工检查项目。
不过，并不是所有主动检查都需要操纵设备。有时只需重新分析已有数据，即可获得有价值的新证据。
第三，从准确率优先转向多目标优化。
传统故障诊断研究往往重点关注分类准确率、召回率等指标。
序贯诊断还必须评价诊断时间、检查次数、成本、误诊风险以及安全性。
特别是在工业生产中，减少一次不必要的停机，可能比单纯提高几个百分点的离线分类准确率更有实际价值。
但也应认识到：主动测试和最优传感器选择在工业领域已有多年研究积累。新的发展方向，是将这些方法与具备自然语言理解、知识检索和工具调用能力的智能体结合，形成更加完整的诊断流程。
七、从研究走向工业应用，还需要解决哪些问题？
1. 检查结果必须可靠
微软的SDBench通过Gatekeeper模块向诊断AI返回病例中的检查结果。
当原始病例缺少某项检查信息时，该框架也可能生成合理的模拟结果。
这种设计适合受控研究，但不能直接照搬到工业现场。
工业诊断必须明确区分真实测量、历史记录、仿真结果和模型推断，不能将AI生成的模拟数据当作已经发生的实际测量。
2. 工业设备具有明显的动态特性
设备故障可能随负载、环境和运行时间变化。
如果检查过程跨越多个运行周期，系统必须区分“新证据改变了判断”与“设备实际状态已经变化”。
因此，工业序贯诊断需要融合时间序列分析、设备工况识别和状态估计，而不能只依赖文字推理。
3. 安全必须优先于信息增益
某项检查即使能够显著减少不确定性，也可能具有较高风险。
对于压力容器、工业机器人、电梯及其他安全关键设备，安全联锁、保护功能和操作权限必须独立于大模型存在。
出现明确的危险状态时，系统应首先执行既定安全策略，而不是等待多轮智能体讨论后再决定。
4. 需要工业专用评测体系
微软的医疗研究表明，评测系统不仅要知道最终答案，还要能够重现逐步检查的过程。
工业领域也需要相应的评测方法。
可以利用历史维修工单、多传感器记录、故障注入实验和数字孪生，建立能够逐步返回检查结果的工业评测环境。
但必须保证仿真模型的适用范围，并在独立现场数据上验证结果。
评价指标至少应包括故障识别率、关键故障漏检率、误报率、平均诊断时间、检查成本、停机损失、检查策略安全性和证据可追溯性。
还应与现有规则系统、传统机器学习、深度学习分类器以及人工维保流程比较，而不是只与未经优化的单一大模型比较。
八、工业应用的合理落地路线
序贯诊断的第一批应用，不一定需要从复杂的全自动智能体开始。
更可行的路径，是首先保留现有的实时监测和故障分类模型，再增加一层能够选择后续检查项目的诊断智能体。
第一阶段，可以利用已有传感器数据和维修记录，开展离线案例复盘，让AI学习如何逐步排除故障。
第二阶段，引入经过授权的数据分析工具，包括频谱分析、工况对比、报警日志查询及历史案例检索，实现有限范围内的自动检查。
第三阶段，将系统部署为维保辅助工具，由现场工程师执行检查并确认结果。
在积累足够的可靠性证据后，才考虑对低风险、可逆且已验证的检查动作进行自动化。
这种渐进式方案既可以利用现有边缘AI技术，也避免将安全关键控制权直接交给大语言模型。
九、结语：工业故障诊断将从“识别异常”走向“主动求证”
微软Sequential Diagnosis研究所揭示的一个重要方向是：AI诊断能力不能仅用最终答案是否正确来衡量，还需要评价获得答案的过程。
这一思想对于工业故障诊断同样成立。
未来的设备诊断系统，可能不再只是输出“轴承故障”或“机械阻力异常”，而是能够进一步说明：
目前最可能的故障有哪些？还缺少什么关键证据？下一步应该检查什么？这项检查是否值得执行？什么时候可以停止检查并形成结论？
从技术演进看，这意味着工业AI正在从异常检测、故障分类，向具备证据获取、检查规划、动态推理和人机协作能力的诊断智能体发展。
当然，序贯诊断并不会天然提高所有设备的诊断效果。对于特征十分明显、现有算法已能可靠识别的故障，多轮检查反而可能增加成本和延迟。
它最有价值的场景，是那些故障原因复杂、证据不完整、检查成本差异较大，而且需要逐步排除多种可能性的工业系统。
工业AI的下一阶段，或许不只是更准确地回答“哪里坏了”，而是更聪明地决定“怎样用最少、最安全的检查找到真正的原因”。
参考资料
参考01｜Sequential diagnosis with language models. Science，2026。
https://www.science.org/doi/10.1126/science.aeh7930
参考02｜Building Medical Superintelligence. Microsoft AI，2026。
https://microsoft.ai/news/building-medical-superintelligence
参考03｜SDBench: A Benchmark for Sequential Diagnosis with Language Models. Microsoft Research。
https://microsoft.github.io/sdbench
参考04｜SDBench: Sequential Diagnosis Benchmark. Microsoft，GitHub。
https://github.com/microsoft/sdbench
参考05｜Optimal test and sensor selection for active fault diagnosis using integer programming. Journal of Process Control，2020。
https://doi.org/10.1016/j.jprocont.2020.06.007
参考06｜Active fault diagnosis for uncertain systems using optimal test designs and detection through classification. ISA Transactions，2019。
https://doi.org/10.1016/j.isatra.2019.02.034
参考07｜Industrial Fault Diagnosis: A Survey on Evolution Towards LLMs and Agentic Systems. IEEE Internet of Things Journal，2026。
https://doi.org/10.1109/JIOT.2026.3739695
参考08｜ISO 13374-1:2003 — Condition monitoring and diagnostics of machines — Data processing, communication and presentation — Part 1: General guidelines.
https://www.iso.org/standard/21832.html