Coś wydarzyło się z APC w sierpniu 2025 — Google Trends to wie
Najpierw dane
Przeglądałem dane Google Trends dla haseł, z którymi pracuję na co dzień — advanced process control, soft sensor, virtual sensor, predictive control, digital twin, Kalman filter — kiedy zauważyłem coś niezwykłego.
Przez mniej więcej dwadzieścia lat — od 2004 do połowy 2025 — te frazy pozostawały zasadniczo na stałym poziomie. Kilku inżynierów szukało, kilku naukowców, przewidywalny szum niszowego zainteresowania. Potem, w ciągu jednego miesiąca, wzorzec się złamał.
Google Trends, dane globalne, skala logarytmiczna. Wszystkie wartości znormalizowane 0–100 względem szczytu. Oś pionowa jest logarytmiczna — skok z 1 do 6 zajmuje tyle samo miejsca na wykresie, co skok z 6 do 36.
Surowe liczby z eksportu Trends:
| Term | May 2025 | Jun 2025 | Jul 2025 | Aug 2025 | Change Jun→Aug |
|---|---|---|---|---|---|
| digital twin | 20 | 24 | 26 | 84 | +3.5× |
| predictive control | 3 | 4 | 5 | 13 | +3.3× |
| Kalman filter | 6 | 6 | 6 | 12 | +2× |
| soft sensor | 1 | 1 | 2 | 6 | +6× |
| virtual sensor | 1 | 2 | 2 | 7 | +3.5× |
| advanced process control | 1 | 1 | 1 | 6 | +6× |
I nie był to skok, który szybko opadł. W lutym 2026 fraza predictive control osiągnęła nowe historyczne maksimum na indeksie. Digital twin utrzymywał podwyższony poziom przez siedem kolejnych miesięcy. Coś strukturalnego się zmieniło.
Jedna uwaga przed dalszą analizą: Google Trends pokazuje względną liczbę wyszukiwań, znormalizowaną do 100 w szczycie. Nie podaje bezwzględnej liczby zapytań. Fraza, której liczba wyszukiwań podwoiła się z 500 do 1 000, wygląda tak samo jak ta, która przeszła z 50 000 do 100 000. To, co czyni te dane wyjątkowymi, to synchronizacja — wiele niezależnych, technicznie specyficznych haseł poruszających się razem w tym samym miesiącu. To wskazuje na systemową przyczynę.
Dwadzieścia lat płasko. Potem urwisko.
Zanim wyciągniemy wnioski, ważny jest kontekst historyczny.
Predictive control było już wyszukiwane w 2004 roku. Digital twin rósł powoli od 2017. Kalman filter to stabilna nisza od dziesięcioleci. To nie są nowe pojęcia, które nagle stały się viralowe. To dojrzałe dyscypliny inżynierskie z ugruntowaną, w dużej mierze statyczną publicznością.
To, że wszystkie jednocześnie skoczyły w tym samym miesiącu, jest na tyle niezwykłe, że wymaga wyjaśnienia. Moja interpretacja: fala physical AI z 2025 roku wyciągnęła stos sterowania przemysłowego — po raz pierwszy — z niszowej specjalistycznej niszy do głównego nurtu inżynierskiej rozmowy.
Moja interpretacja: hasła powiązane z APC wzrosły przede wszystkim jako efekt drugiego rzędu znacznie większego publicznego przesunięcia wokół physical AI, autonomicznych operacji i cyfrowych bliźniaków. Klasyczne słownictwo z zakresu sterowania zostało wyniesione w górę przez szerszą narrację. Najpierw wzrosły hasła parasolowe (digital twin, industrial AI, autonomy); za nimi podążyły techniczne metody je umożliwiające (predictive control, soft sensor, Kalman filter).
To powiedziawszy — jest to interpretacja oparta na synchronizacji czasowej i publicznych ogłoszeniach, a nie dowód na intencje wyszukujących.
Oś czasu: styczeń–sierpień 2025
Sierpniowy skok nie nastąpił z dnia na dzień. Prześledzenie publicznych zapisów od początku 2025 roku ujawnia czterostopniowe narastanie.
Styczeń–marzec: przygotowanie gruntu
Dwa wydarzenia zresetowały oczekiwania w styczniu.
6 stycznia Jensen Huang wykorzystał CES, by zaprezentować NVIDIA Cosmos — fundacyjny model świata wytrenowany na 20 milionach godzin nagrań wideo systemów fizycznych — i ogłosił: “Physical AI zrewolucjonizuje przemysł wytwórczy i logistykę wartą $50 bilionów.” Physical AI przestało być kategorią badawczą. Stało się mapą drogową produktu.
Dwa tygodnie później DeepSeek R1 trafił do sieci. Jego rzeczywisty wpływ na przemysłowe AI był taki: rozbił założenie, że zaawansowane AI wymaga drogiej infrastruktury chmurowej. Inżynierowie procesowi, którym mówiono, że integracja AI wymaga subskrypcji Azure i klastrów GPU, nagle zaczęli pytać: czy to może działać na przemysłowej bramce brzegowej?
Na GTC 2025 w marcu NVIDIA postawiła przemysłowe cyfrowe bliźniaki w centrum swojego keynote’u: plany Omniverse dla projektowania fabryk AI, Isaac GR00T N1 dla robotów humanoidalnych oraz silnik fizyczny Newton współtworzony z Google DeepMind i Disney Research. Foxconn, BMW, TSMC i Toyota budowały cyfrowe bliźniaki w skali fabryki. Schneider Electric i ETAP zaprezentowały na konferencji fizyczny cyfrowy bliźniak infrastruktury energetycznej.
Przekaz docierający do inżynierów przemysłu procesowego obserwujących z dystansu: metodologia symulacji Twojej branży właśnie została przyjęta przez przemysł elektroniki użytkowej na masową skalę.
Maj: physical AI staje się kategorią produktową
18 maja — Keynote NVIDII na COMPUTEX przedstawił Isaac GR00T N1.5 i GR00T-Dreams — potok generujący dane treningowe dla robotów z symulowanych sekwencji „snów”, zamiast fizycznych demonstracji. Inżynierowie pracujący z soft sensorami natychmiast rozpoznali analogię: generowanie syntetycznych danych procesowych do trenowania modeli to ten sam koncept, stosowany wobec modeli procesowych od dziesięcioleci.
19/21 maja — Microsoft ogłosił Digital Twin Builder w Fabric Real-Time Intelligence — narzędzie low-code/no-code do budowania cyfrowych bliźniaków, dostępne w ramach istniejących subskrypcji Fabric. Odbiorcami nie byli specjaliści od symulacji, lecz analitycy operacyjni i inżynierowie danych, którzy już korzystali z Azure i nagle mieli bezpośrednią ścieżkę do operacyjnych cyfrowych bliźniaków. Kiedy tego rodzaju narzędzie trafia na rynek, hasła parasolowe rosną, zanim zaczną je ścigać głębsze terminy techniczne.
Czerwiec: autonomia wchodzi do operacji przemysłowych
To miesiąc, w którym narracja stała się wprost istotna dla sterowania procesem.
Krystalizował się również kontekst finansowy: analitycy rynkowi opublikowali w czerwcu 2025 prognozy szacujące globalny sektor APC na 10,3 mld USD do 2034 roku, z wyraźnym wskazaniem na AI i integrację IoT jako główne napędy. Taki nagłówek przyciąga uwagę poza środowiskiem specjalistycznym — zespoły zakupowe, inwestorów, konsultantów zarządczych — którzy następnie szukają technicznego słownictwa.
3 czerwca — Yokogawa uruchomiła kolejną generację CENTUM VP, wprost nawiązując do zrównoważonych autonomicznych operacji i opisując branżowe przejście od automatyzacji do autonomii.
9 czerwca — Na dorocznym Users Group w San Antonio Honeywell zaprezentował swoje nowe portfolio AI pod hasłem „From Automation to Autonomy” — frazą, która stała się tytułem komunikatu prasowego i oprawiała całe ogłoszenie produktowe. Program konferencji umieścił Advanced Process Control, Process Digital Twin i AI/Autonomous Operations w tym samym bloku — czego nie obserwowano w poprzednich latach. Honeywell uruchomił AI-Enabled Digital Suite oraz Digital Cognition: agentów AI prowadzących procesowe cyfrowe bliźniaki w celu dostarczania wskazówek operacyjnych w czasie rzeczywistym. Autonomous Operations Assistant był pozycjonowany jako oprogramowanie działające w imieniu każdego operatora przy konsoli.
Honeywell Users Group dociera do dziesiątek tysięcy inżynierów procesowych w rafineriach, chemii i LNG. Postawienie APC i autonomicznych operacji w jednej rozmowie wywołało wyszukiwania w bazie instalacyjnej Honeywella — pytania o to, jak faktycznie wygląda techniczne fundamenty „autonomii”.
11 czerwca — NVIDIA opublikowała informacje o swojej działalności w zakresie przemysłowego AI w Niemczech, łącząc fabryki AI, produkcję, robotykę i physical AI dla europejskiej publiczności inżynierskiej.
18 czerwca — Yokogawa i Shell ogłosiły formalne porozumienie w sprawie robotów z wizją AI w autonomicznej konserwacji zakładów. Kluczowy szczegół: kiedy dane z czujników pozyskane przez roboty trafiały z powrotem do systemu sterowania zakładu, ten wydawał instrukcje z powrotem do pętli sterowania — dokładnie ten interfejs między wirtualnym czujnikiem a sterowaniem procesem, który inżynierowie APC omawiali teoretycznie od lat, teraz wdrożony przez duży koncern naftowy we współpracy z wiodącym dostawcą DCS.
Lipiec: bezpośrednie połączenie z APC
22 lipca — Aspen Technology (działający w ramach Emerson) i TotalEnergies ogłosiły globalną strategiczną współpracę obejmującą trzy konkretne technologie: Aspen Inmation (przemysłowa tkanina danych) w całej globalnej sieci TotalEnergies, Aspen DMC3 (predykcyjne sterowanie oparte na modelu, MPC) w operacjach wydobycia i produkcji oraz Aspen GDOT (optymalizator zamkniętej pętli w czasie rzeczywistym) w wielu rafineriach.
TotalEnergies jest jedną z największych zintegrowanych firm energetycznych na świecie. Formalne zobowiązanie do wdrożenia MPC w całej firmie — z wymienionymi z nazwy konkretnymi produktami — to nie jest rutynowa wiadomość. Natychmiast wywołało wyszukiwania wśród inżynierów firm konkurencyjnych, zespołów obsługi klientów u dostawców DCS oraz wszystkich starających się zrozumieć, jaką architekturę buduje TotalEnergies i dlaczego.
To ogłoszenie dobrze koreluje z widocznym w danych przedsierpieniowym wzrostem fraz predictive control i advanced process control.
Również w lipcu — Na drugim biegunie skali, Trend Micro uruchomił model cyberbezpieczeństwa oparty na możliwościach cyfrowego bliźniaka do symulowania zagrożeń. To poszerzyło grono szukających pojęcia „digital twin” poza inżynierów procesowych, przyczyniając się do dalszego wzrostu frazy przed sierpniowym szczytem.
Sierpień: przełom
W sierpniu zbiegły się trzy wydarzenia.
6 sierpnia — Imubit opublikował „APC Meets AI” — artykuł wprost przepisujący zaawansowane sterowanie procesem przez pryzmat AI. To istotne, bo pochodzi od specjalistycznego dostawcy APC, a nie ogólnotechnicznego portalu — co sygnalizuje, że sama branża APC zaczęła przeredagowywać swój język w terminach AI dostępnych szerszej publiczności.
8 sierpnia — NVIDIA opublikowała „Physical AI Accelerated by Three NVIDIA Computers for Robot Training, Simulation and Inference”, wprost stwierdzając, że physical AI przeżywa swój przełomowy moment, i opisując stos trening–symulacja–wnioskowanie dla autonomicznych systemów fizycznych. Ten wpis był szeroko udostępniany w środowiskach inżynierskich.
11 sierpnia — Na SIGGRAPH 2025 NVIDIA zaprezentowała Cosmos Reason (model językowy wizji rozumiejący fizykę), NuRec (3D Gaussian splatting do rekonstrukcji dużych obiektów z danych sensorycznych) oraz Isaac Sim 5.0 (udostępniony jako open source). Ogłoszenie NuRec było szczególnie istotne dla przemysłów procesowych: konwertowanie skanów lidarowych i kamerowych zakładów w żywe modele 3D podłączone do danych procesowych to dokładnie potok zasilający operacyjne procesowe cyfrowe bliźniaki.
12 sierpnia — Ansys i NVIDIA ogłosiły, że Ansys Fluent — dominujące narzędzie CFD w przemysłach procesowych — bezpośrednio zintegruje NVIDIA Omniverse. Inżynierowie modelujący przepływy w reaktorach, dynamikę wymienników ciepła i procesy spalania w Fluent zyskali bezpośrednią ścieżkę od swoich modeli symulacyjnych do operacyjnych cyfrowych bliźniaków.
25 sierpnia — NVIDIA uruchomiła Jetson AGX Thor (brzegowe AI klasy Blackwell, 2 070 teraflopów FP4 za $3 499) z Caterpillar i Hexagon wśród pierwszych użytkowników. Wnioskowanie soft sensorów w czasie rzeczywistym na sprzęcie polowym stało się ekonomicznie realne.
Pod koniec sierpnia physical AI, cyfrowe bliźniaki, symulacja i przemysłowa infrastruktura AI przestały być równoległymi historiami. Zlały się w jedną spójną narrację, którą inżynierowie, zespoły operacyjne i kadra zarządzająca mogli wszystkie jednocześnie rozpoznać.
Dlaczego każda fraza wzrosła
Łańcuch przyczynowy jest nieco inny dla każdego hasła:
Digital twin złapał największą falę, ponieważ był wymieniany wprost w niemal każdym ogłoszeniu — Honeywell, Microsoft, NVIDIA, Ansys, Yokogawa, TotalEnergies. W sierpniu wiele niezależnych wątków narracyjnych zbiegało się na tym samym słowie.
Advanced process control / predictive control wzrosły najwyraźniej pod wpływem ogłoszenia TotalEnergies/AspenTech. Firma tej skali wymieniająca konkretne produkty MPC w komunikacie prasowym wywołuje wyszukiwania wśród zespołów inżynierskich i zakupowych firm z tej samej branży.
Soft sensor / virtual sensor wzrosły jako efekt drugiego rzędu. MPC na dużą skalę wymaga ciągłych estymacji niemierzonych zmiennych jakości procesu — dokładnie tego, co dostarczają soft sensory. Kiedy inżynierowie badają DMC3, trafiają na soft sensory. Kiedy czytają o autonomicznej konserwacji zakładów Yokogawy z wizją AI, rozpoznają to jako wirtualne czujniki. Wątek filtra Kalmana i estymacji stanu przebiega przez to wszystko.
Kalman filter odnotował mniejszy, ale realny wzrost, spowodowany dwoma mechanizmami: algorytmami estymacji stanu leżącymi u podstaw platform robotycznych NVIDII (fuzja sensorów w Isaac używa rozszerzonego i bezśladowego filtra Kalmana) oraz falą badań nad hybrydowymi architekturami neuronowo-Kalmanowskimi dla pojazdów autonomicznych, która generowała znaczące pokrycie medialne w połowie 2025.
Alternatywna hipoteza warta odnotowania
Jest jedno wyjaśnienie, którego nie widzę wyraźnie odrzuconego: rozszerzenie przez Google trybu AI Search w połowie 2025. Wraz z wdrażaniem przez Google zaawansowanych możliwości wyszukiwania konwersacyjnego przez Search Labs, inżynierowie eksplorujący złożone tematy za pomocą zapytań w stylu konwersacyjnym mogli generować techniczne ciągi wyszukiwania — w tym „predictive control”, „Kalman filter”, „soft sensor” — które nie pojawiałyby się w tradycyjnych logach wyszukiwania. Jeśli ekspansja trybu AI zbiegła się z sierpniem 2025, część skoku w Trends może odzwierciedlać zmianę w sposobie wyszukiwania, a nie tylko (lub oprócz) co jest wyszukiwane. Nie mogę potwierdzić dokładnego harmonogramu wdrożenia, ale jest to wiarygodny czynnik przyczyniający się, warty zbadania.
Co moim zdaniem faktycznie się dzieje
Szerszy wzorzec przypomina to, co działo się z cloud computingiem w latach 2010–2012 i z machine learningiem w latach 2015–2017. W każdym przypadku techniki stosowane po cichu w niszowych branżach przez lata były przepakowywane i adoptowane na skalę przez branże sąsiadujące — a wynikająca z tego widoczność ciągnęła w górę oryginalne specjalistyczne wyszukiwania.
Przemysł procesowy prowadzi sterowanie oparte na modelu, estymację stanu, soft sensing i optymalizację w czasie rzeczywistym od lat 80. Rafinerie z pełnym pokryciem MPC, soft sensory wnioskujące o jakości polimeru, filtry Kalmana estymujące stężenia w reaktorze — nic z tego nie jest nowe.
Nowe jest to, że fala physical AI postawiła dokładnie ten stos — model, estymator stanu, optymalizator — w centrum głównego nurtu inżynierskiej dyskusji. Sformułowanie Jensena Huanga „komputer do trenowania, komputer do symulacji, komputer do physical AI” jest strukturalnie identyczne z tym, co inżynierowie APC nazywają architekturą model, estymator stanu, regulator. Słownictwo jest różne; leżąca u podstaw struktura jest ta sama.
Utrzymana podwyższona aktywność przez koniec 2025 i do 2026 sugeruje, że to nie jest tymczasowy skok hype’u. Indeks predictive control osiągający swoje historyczne maksimum w lutym 2026 — sześć miesięcy po sierpniowym skoku — wskazuje na coś strukturalnego: większa publiczność inżynierska odkryła tę dziedzinę i nie odeszła.
Czy to przełoży się na rzeczywiste inwestycje projektowe — to osobne pytanie. Ale odkrycie jest realne.
Jeden sygnał instytucjonalny wspiera tezę strukturalną: we wrześniu 2025 Światowe Forum Ekonomiczne opublikowało Physical AI: Powering the New Age of Industrial Operations wspólnie z Boston Consulting Group, formalnie kodyfikując „Physical AI” jako warstwę konwergencji między cyfrową inteligencją a fizyczną autonomią. Dokumenty na tym poziomie propagują się przez briefingi dla kadry kierowniczej i tezy inwestycyjne — przekładając zainteresowanie na poziomie inżynierów na słownictwo sali zarządu. Utrzymana podwyższona aktywność wyszukiwań powiązanych z APC przez koniec 2025 odzwierciedla prawdopodobnie, w części, tę drugą falę propagacji.
Co Ty o tym sądzisz?
Jestem naprawdę ciekaw, czy to pokrywa się z tym, co obserwujesz po swojej stronie.
Czy od połowy 2025 roku zaczął/aś otrzymywać więcej zapytań ofertowych lub pytań wzmiankujących cyfrowy bliźniak, autonomiczne operacje lub physical AI? Czy zdarzyło Ci się być proszonym o wyjaśnienie, co Twoja praca z MPC lub soft sensorami ma wspólnego z ogłoszeniami z GTC lub Honeywell Users Group? Czy klienci formułują zapytania inaczej niż dwa lata temu?
Interesują mnie też inne wyjaśnienia. Ogłoszenie TotalEnergies/AspenTech dobrze koreluje ze wzrostem fraz związanych z predictive control, ale może nie być głównym czynnikiem dla pozostałych haseł. I sierpniowy klaster NVIDII jest najmocniejszym publicznym sygnałem, ale część rzeczywistych wyszukiwań mogła być wywołana wydarzeniami, których nie znalazłem — wewnętrznymi mandatami, roadshowami dostawców, wątkiem na LinkedIn, który się rozszedł, albo konkretnym artykułem naukowym.
Czytam każdą wiadomość i odpowiadam tym, które wnoszą coś do mojego rozumienia tematu. Jeśli wystarczająco wiele osób podzieli się spostrzeżeniami wartymi syntezy, napiszę kontynuację.
Czytaj dalej
Jeśli ten artykuł wywołał pytania o to, jak predykcyjne sterowanie, soft sensory lub estymacja stanu faktycznie działają w praktyce, sekcja wzorców projektowych omawia leżące u podstaw metodologie:
Ustrukturyzowane omówienia predykcyjnego sterowania opartego na modelu (MPC), filtrowania Kalmana, projektowania soft sensorów i optymalizacji w czasie rzeczywistym — stos techniczny stojący za powyższymi trendami wyszukiwań.
Dr. Rafał Noga jest niezależnym konsultantem specjalizującym się w zaawansowanym sterowaniu procesem, soft sensorach / wirtualnych czujnikach oraz estymacji stanu dla procesów przemysłowych. Pracuje dla klientów z branży chemicznej, farmaceutycznej, energetycznej i aeronautycznej.
Have a project or a question?
Contact Dr. Noga →