制药装备制造业为制药行业的上游产业，也是装备制造业的重要组成部分，主要可分为通用设备和专用设备两大类，其中通用设备主要包括干燥设备、分离设备、提取浓缩设备、粉碎设备、混合设备等，专用设备则主要包括口服液产线、胶囊产线、饮片机械等。
2021年一季度，在装备制造业保持快速增长势头的情况下，制药装备制造业拖后腿了吗？从已披露2021Q1业绩的药机企业来看，不少公司在今年1-3月的净利润翻番，成为装备制造产业领域的亮点之一，并助力今年整个产业开好头、起好步。
4月26日，东富龙发布2021年一季度报告，报告期内归属于母公司所有者的净利润1.1亿元净利润1.10亿元，同比增长134.28%。公司将业绩增长归因于：主要系本期公司加快交付验收进度及上期公司受疫情影响，净化工程项目交付基本停滞综合影响所致。
新莱应材也在同日晚间发布2021年一季度报告，归属于上市公司股东的净利润3203.49万元，同比增长200.35%。公司表示，今年一季度，其继续坚持“专业化、高端化、可持续化”发展思路，兼顾内生式增长和外延式发展，致力于新产品、新技术开发，优化产品、服务，把握市场机遇，扩大公司主业经营规模，创新管理模式，提升企业价值，并着重围绕公司内部管理、生产及品质体系、设备管理、研发、市场营销、人力资源、供应链等几方面开展工作。
不幸的是，这类系统的创建需要数据中心的深厚技术专长和尖端的机器学习研究相结合；我们必须记住，DeepMind是一家预算看似无限、没有商业产品的“登月工厂”。
由于数据中心代表着谷歌的核心业务，该公司不太可能与业界分享它的发展成果。将机器学习引入空白区管理是现有数据中心软件供应商的责任。
由于人们普遍不信任人工智能技术，这个过程一直很缓慢，但在过去两年中，谷歌内外都出现了一些有前景的案例研究。数据中心运营商报告称，人工智能确实减少了他们用于冷却的能源，减少了他们的能源账单和碳足迹。
冷却设备的实时控制为机器学习模型提出了一个合适的问题，因为机器学习模型在决策中可能会考虑比人类团队多得多的数据，并且可以产生看起来非传统甚至反直觉的解决方案。有大量的数据可以提供给这些模型：与其他一些工业环境不同，数据中心已经塞满了传感器，可以很容易地添加更多。
2020年底，德国工业巨头西门子(Siemens)发布了一份白皮书，强调了基于人工智能的降温技术的一些好处。该公司表示，随着IT负荷的变化，机器学习使冷却系统能够实时调整其输出，使设备冷却需求与冷却输出相匹配。
这是一个有价值的目标，因为它通过避免数据中心普遍存在的过度冷却问题直接减少了能源使用。这个行业喜欢过于谨慎。
用于冷却的人工智能还可以最大限度地减少对工作人员监督和现场人员的需要，允许员工被分配到其他关键任务，并减少需要访问的人数，这在流行病期间，在现场访问受到限制时非常重要。
西门子自己的人工智能冷却方法结合了两种产品：DemandFlow主要关注冷冻水输送的监测和控制，还有一个叫做“空白空间冷却优化(WSCO)”的平台，它收集温度和送风传感器数据，并计算出所需的气流调整，以维持机架每个通道的正确温度。
去年12月，该平台被部署到巴黎的第一个四级认证数据中心，为法国国有银行CaissedesDép?ts建造。该设施预计将以1.2的电力使用效率(PUE)运行。
西门子的WSCO是与一家名为Vigilent(原名FederspielControls)的迷人公司合作开发的，这是一家位于奥克兰的小型公司，专注于一件事，而且只专注于一件事——关键任务冷却。
Vigilent开发了一个动态冷却管理系统(并申请了专利)，该系统由监督学习提供动力，可以控制设备，就像DeepMind开发的系统一样。
该软件通过不断分析传感器数据来了解环境变化，并根据历史行为提出建议。它可以建立建筑物中每个crh单位的贡献，并指出哪些是浪费他们的冷却努力。
Vigilent承诺与Google实验中看到的节能水平相似，声称在500多个安装中的冷却功率平均降低了38%。该公司不仅向西门子提供机器学习技术，而且还向众多DCIM和BMS软件供应商提供服务，例如ABB，日立Vantara和施耐德电气。
另一家引领人工智能进行自动冷却管理的企业是中国企业集团华为(Huawei)。去年，该公司推出了iCooling，这是一项基于云的服务，使用深度学习来处理传感器数据，找到不同设备和系统的参数之间的关系，并将泵、制冷机和冷却塔的输出与IT负载相匹配。
该公司声称，当部署在其自己的云数据中心之一时，该服务将用电效率(PUE)提高了8%。当中国移动试用iCooling时，它将其位于中卫的设施的总耗电量削减了3.2%，即40多万千瓦时。随着该系统继续从数据中学习，预计它将产生更大的节能效果。
