source：中控技術(shù)

文 |唐曉園、劉錚

視覺設(shè)計(jì)：星船知造

正文共計(jì)：10836字

預(yù)計(jì)閱讀時間：12分鐘

自動化是屬于昨天和今天的技術(shù)，工業(yè)AI則代表明天——從制造到智造的長征，只有深耕者才能顛覆未來。

01 中國AI和新質(zhì)生產(chǎn)力的關(guān)鍵 都在這個“新物種”

對于人工智能，大家都能聊上幾句：

OpenAI如何高舉高打，用算力拼出ChatGPT；DeepSeek又如何另辟蹊徑，用OpenAI訓(xùn)練資金的“零頭”開發(fā)出頂尖大模型。

ChatGPT、DeepSeek、對話聊天、內(nèi)容生成——這些“明星”大模型以及它們的各類應(yīng)用，是媒體和資本熱議的寵兒——但它們就代表著當(dāng)下人工智能的全貌嗎？

AI的世界當(dāng)然沒有這么簡單——

文本生成等應(yīng)用和產(chǎn)品的普及是國家科技進(jìn)步的體現(xiàn)，也因?yàn)榇蠹叶寄苌鲜滞鎯上?，更易被公眾感知?/p>

但在大眾不夠熟悉的另一面，AI還存在于高新區(qū)一塵不染的燈塔工廠，也早已深入其貌不揚(yáng)的廠房。

在媒體鎂光燈尚未大面積照射到的地方——“工業(yè)AI”，這個大眾視野里的隱形新物種，正同時為中國的“AI進(jìn)化”和“新型工業(yè)化”挑起大梁。

“工業(yè)AI”是一個橫跨了“工業(yè)”+“AI”的交叉領(lǐng)域，是人工智能技術(shù)和工業(yè)實(shí)際需求的結(jié)合。能通過數(shù)智化手段實(shí)現(xiàn)制造經(jīng)驗(yàn)的快速沉淀和規(guī)模復(fù)制?？梢哉f，在“科技戰(zhàn)”打響的當(dāng)下，對于國家安全戰(zhàn)略影響更為直接的正是“工業(yè)AI”領(lǐng)域。

其中，流程工業(yè)又以其深度與廣度，成為工業(yè)與AI融合的關(guān)鍵戰(zhàn)場

從“用AI創(chuàng)造價值”的角度看：

“工業(yè)AI”天然具備“規(guī)?；?/strong>特征。在海量的生產(chǎn)過程里，AI技術(shù)所帶來的任何一點(diǎn)改進(jìn)，都能因“規(guī)?；狈糯?，產(chǎn)生指數(shù)級質(zhì)變

●世界銀行數(shù)據(jù)（2023），工業(yè)占全球GDP的28%，約為29萬億美元。在此基礎(chǔ)上，AI滲透率每提升1%，都能帶來預(yù)計(jì)3000億美元的經(jīng)濟(jì)增量（BCG測算）。

從流程工業(yè)領(lǐng)域“燈塔工廠”的例子看，就能更清晰看到——相較于消費(fèi)互聯(lián)網(wǎng)的“流量變現(xiàn)”，工業(yè)AI更能幫助企業(yè)突破瓶頸創(chuàng)造價值

●上海華誼新材料是“全球燈塔網(wǎng)絡(luò)”中首個中國化工行業(yè)成員，通過部署AI賦能的流程優(yōu)化和安全管理——勞動生產(chǎn)率提升33%，轉(zhuǎn)換成本降低20%，能耗降低31%。

據(jù)《星船知造》了解，一直深耕于流程工業(yè)領(lǐng)域的中控技術(shù)在提出“ALL in AI”戰(zhàn)略的近一兩年中，就以工業(yè)AI解決方案幫助數(shù)十家流程工業(yè)企業(yè)成功打造出智能制造標(biāo)桿的“燈塔工廠”。

●AI技術(shù)在燈塔工廠中被廣泛應(yīng)用（如生產(chǎn)設(shè)備和系統(tǒng)通過AI學(xué)習(xí)和適應(yīng)生產(chǎn)過程中的變化，實(shí)現(xiàn)智能化的生產(chǎn)操作、監(jiān)控等）

再從“推動AI持續(xù)進(jìn)化”的角度看：

AI競賽本質(zhì)上是一場“數(shù)據(jù)喂養(yǎng)”的馬拉松。無論是國與國之間，還是企業(yè)與企業(yè)之間——誰能率先憑借數(shù)據(jù)優(yōu)勢、場景優(yōu)勢構(gòu)建出更強(qiáng)的AI生態(tài)，誰就能掌握主動權(quán)。

在中國，“工業(yè)+AI”是一條優(yōu)勢十足的AI進(jìn)化路徑

數(shù)據(jù)資源上，中國是全球唯一擁有完整工業(yè)體系的國家，工業(yè)數(shù)據(jù)在數(shù)量和多樣性上都有海量積累，為AI模型的訓(xùn)練提供豐富素材。

其中，流程工業(yè)擁有海量優(yōu)質(zhì)數(shù)據(jù)，具有連續(xù)性、復(fù)雜性、時序性的特點(diǎn)。

這意味著，流程工業(yè)領(lǐng)域數(shù)據(jù)更為密集、齊全、有效。對于訓(xùn)練大模型至關(guān)重要。

應(yīng)用場景上，中國制造業(yè)涵蓋從傳統(tǒng)制造到新興制造多個領(lǐng)域，每個領(lǐng)域都有對AI的需求，覆蓋從產(chǎn)品設(shè)計(jì)、生產(chǎn)制造到運(yùn)營管理的全流程。

其中，流程工業(yè)天然更具備“規(guī)?；碧卣?。以化工、鋼鐵、電力、水泥為代表的流程工業(yè)是國民經(jīng)濟(jì)支柱產(chǎn)業(yè)，其產(chǎn)值占工業(yè)總產(chǎn)值的40%以上。

另一方面，工業(yè)場景還具有其他場景不具備的“高標(biāo)準(zhǔn)、嚴(yán)要求”。

通用大模型們在聊天對話等場景時不時“已讀亂回”、“胡編亂造”——用戶尚可一笑了之。但放到工業(yè)領(lǐng)域，任何失誤都可能釀成重大事故——

工業(yè)場景是當(dāng)下把關(guān)AI準(zhǔn)確度的“金標(biāo)準(zhǔn)”。

如果說上文厘清了“工業(yè)AI”對中國AI進(jìn)化的意義（持續(xù)創(chuàng)造價值、獲取進(jìn)化養(yǎng)料）——那么別忘了，新質(zhì)生產(chǎn)力時代下，“工業(yè)AI”同樣是中國工業(yè)轉(zhuǎn)型升級的關(guān)鍵。

隨著工業(yè)實(shí)力持續(xù)積累，中國已具備建立自主標(biāo)準(zhǔn)的基礎(chǔ)與條件。當(dāng)提出工業(yè)3.0、4.0的德國再推“工業(yè)5.0”概念時，中國已經(jīng)提出“新型工業(yè)化”等具有中國特色的發(fā)展路徑。

到2035年，我國將基本實(shí)現(xiàn)“新型工業(yè)化”，即智能制造技術(shù)和應(yīng)用水平領(lǐng)先于世界。這一次，“工業(yè)AI”將成為中國突破“智能制造”瓶頸的利器。

實(shí)際上，世界各國對“智能制造”的提出都要早于“工業(yè)AI”的出現(xiàn)

2006年，美國提出“智能制造”概念，推動先進(jìn)制造業(yè)的發(fā)展；

2013年，德國推出“工業(yè)4.0”戰(zhàn)略，推動制造業(yè)智能化進(jìn)程；

2016年，日本提出IVRA（工業(yè)價值鏈參考架構(gòu)），作為智能制造頂層架構(gòu)。

和上述工業(yè)先發(fā)國一樣，中國工業(yè)也一直存在全球競爭加劇、人力成本攀升等多種問題。

我們先看下“過去式”的智能制造——

●AI技術(shù)尚不明朗時期（工業(yè)AI尚未出現(xiàn)）：企業(yè)大多依靠傳統(tǒng)工業(yè)軟件和傳統(tǒng)工業(yè)自動化技術(shù)推進(jìn)智能制造，達(dá)到降本增效等目的。

比如在流程工業(yè)領(lǐng)域，用數(shù)個工業(yè)軟件拼出一套解決方案，讓DCS（Distributed Control System，分布式控制系統(tǒng)）變得更聰明，在一定程度上實(shí)現(xiàn)“智能化”。

這種“過去式”的智能制造在推進(jìn)過程受到兩大制約：

一是過于依賴人工經(jīng)驗(yàn)。

實(shí)現(xiàn)智能制造的關(guān)鍵不僅在于“有數(shù)據(jù)”，還在于“懂?dāng)?shù)據(jù)”\有行業(yè)know-how。因此很多開發(fā)項(xiàng)目都高度依賴于有經(jīng)驗(yàn)的“老專家”，而“老專家”一般不具備跨行的經(jīng)驗(yàn)，這也就意味著一旦行業(yè)跨度變大，原先人為積累的技術(shù)與經(jīng)驗(yàn)就無法復(fù)用和傳授。

沒有AI，大多數(shù)工業(yè)場景就只能依賴人工經(jīng)驗(yàn)與固定流程，停留在“人找人”、“人教人”階段，要想真正做到“人傳人”，無異于要一個小白在接力賽上接過博爾特的下一棒。

二是不具備“集大成于一體”能力——八仙過海，各干各的。

工信部《智能制造典型場景參考指引（2025）》，智能制造包含8個關(guān)鍵環(huán)節(jié)

●工廠建設(shè)、產(chǎn)品研發(fā)、工藝設(shè)計(jì)、生產(chǎn)管理、生產(chǎn)作業(yè)、運(yùn)營管理、產(chǎn)品服務(wù)、供應(yīng)鏈管理。

●8個環(huán)節(jié)下，還有40個典型場景。

多個場景和環(huán)節(jié)下的智能制造需求，無法靠單一技術(shù)解決。也意味著，會出現(xiàn)多家廠商在各個環(huán)節(jié)各顯神通——協(xié)作過程中的不兼容、不協(xié)同問題層出不窮。

千行百業(yè)、不同規(guī)模、不同生產(chǎn)方式的工業(yè)企業(yè)，也就因此在智能制造的改造中，困在不同的階段，卡在不同環(huán)節(jié)和場景的組合中。

以上兩個弊端導(dǎo)致的結(jié)果就是：即使在數(shù)字化條件最好的流程工業(yè)，能實(shí)現(xiàn)智能制造的企業(yè)也少之又少。智能制造推進(jìn)緩慢，阻礙中國制造業(yè)進(jìn)入高質(zhì)量發(fā)展。

AI時代，“工業(yè)AI”成為中國“智能制造”突破制約的利器。

我們先明確一點(diǎn)：“工業(yè)AI”有多種形態(tài)——每種形態(tài)都與當(dāng)下制造業(yè)升級過程中遇到的問題和需求產(chǎn)生對應(yīng)。更多時候，工業(yè)AI利用被賦予的“專業(yè)智能”，在信息物理系統(tǒng)中解決復(fù)雜任務(wù)。其最終形態(tài)，是多個“解決方案”環(huán)環(huán)嵌套后，形成一個個能自主決策的超級智能工廠。

對于制約智能制造的兩大瓶頸，流程工業(yè)里已開始出現(xiàn)的“工廠操作系統(tǒng)”、“工業(yè)AI大模型”等產(chǎn)品及解決方案正好能派上用場

首先，工廠操作系統(tǒng)打通上下游數(shù)據(jù)，成為AI的數(shù)據(jù)基座。同時原來需要大量程序員、工程師進(jìn)行的行業(yè)know-how轉(zhuǎn)換和算法輸出，以及花大量時間進(jìn)行的應(yīng)用調(diào)試，現(xiàn)在都可以交給AI，通過投喂數(shù)據(jù)等進(jìn)行訓(xùn)練，構(gòu)建適用于各個場景的工業(yè)大模型。

●比如《星船知造》了解到——

中控技術(shù)即將推出流程工業(yè)領(lǐng)域首個時間序列大模型TPT（Time-series Pre-trained transformer）的升級版。

該模型面向工業(yè)生產(chǎn)過程，統(tǒng)一建模，實(shí)現(xiàn)多技術(shù)體系融合，覆蓋多類應(yīng)用，支撐裝置多類任務(wù)。通過TPT構(gòu)建工業(yè)裝置智能體，打造裝置運(yùn)行“智慧大腦”，使各類應(yīng)用從工具型助手升級為可主動識別異常、評估風(fēng)險(xiǎn)、優(yōu)化決策與自主執(zhí)行的智能體（Agents）。

同時，基于TPT打造的各類智能體組成了自主協(xié)作系統(tǒng)，構(gòu)建生產(chǎn)過程自動化（Process Automated，PA）的智能運(yùn)行平臺，共同完成工業(yè)裝置自主運(yùn)行目標(biāo)，實(shí)現(xiàn)工業(yè)軟件技術(shù)體系與應(yīng)用模式的又一輪革新。

其次，在具體環(huán)節(jié)和場景的突破上，工業(yè)AI“集大成于一體”——

●與傳統(tǒng)的工業(yè)自動化相比，AI技術(shù)可以實(shí)現(xiàn)統(tǒng)一平臺、統(tǒng)一指揮。隨著數(shù)據(jù)積累，還能自我學(xué)習(xí)輔助生產(chǎn)管理，從PA（Process Automated，生產(chǎn)過程自動化）、BA（Business Automated，企業(yè)運(yùn)營自動化）等多個層面促進(jìn)企業(yè)效率提升。

●工業(yè)AI能打造覆蓋全場景的智能體集群，比如通過開發(fā)部署圍繞自主運(yùn)行、安全優(yōu)先、質(zhì)量提升、節(jié)能低碳、設(shè)備健康等生產(chǎn)過程自動化層面，以及產(chǎn)品研發(fā)、生產(chǎn)運(yùn)營、供應(yīng)鏈管理、銷售與服務(wù)、支持與保障等企業(yè)運(yùn)營自動化層面的工業(yè)Agents/APPs，助力企業(yè)實(shí)現(xiàn)生產(chǎn)過程透明化、運(yùn)營管理精細(xì)化、決策支持智能化，保障企業(yè)實(shí)現(xiàn)提質(zhì)、降本、增效、安全、低碳卓越運(yùn)營，全面支撐工業(yè)AI的應(yīng)用層落地。

如果以上對于工業(yè)AI的種種定義還略顯抽象，我們在流程工業(yè)相關(guān)調(diào)研中，找到一個石化行業(yè)的生動案例。

在投資超千億元的“超級工程”——山東裕龍石化2000萬噸/年煉油及300萬噸/年乙烯煉化一體化項(xiàng)目中，中控技術(shù)用“1+2+N”工業(yè)AI驅(qū)動的企業(yè)智能運(yùn)行新架構(gòu)，為客戶打造智能工廠解決方案

“1+2+N”新架構(gòu)一經(jīng)搭建，就能直擊生產(chǎn)與運(yùn)營上的痛點(diǎn)。通過這樣的方式，流程工業(yè)企業(yè)的生產(chǎn)實(shí)踐和企業(yè)管理不僅能夠“言之有物”“言之有理”，甚至更能“言之有情”，冷冰冰的工廠因?yàn)閗now-how的應(yīng)用，提前預(yù)測和自我診斷、自我調(diào)整，不管對于坐在中控室的操作工、巡檢的安全員、還是企業(yè)的管理者，都變得更有溫度。制造企業(yè)進(jìn)行智能制造建設(shè)的周期也將大幅縮短。

“工業(yè)AI”加持下，裕龍石化煉化一體項(xiàng)目刷新了1個月煉油投料即產(chǎn)出合格產(chǎn)品的業(yè)內(nèi)最新記錄，創(chuàng)造出巨大價值。

很明顯，藍(lán)海已經(jīng)浮現(xiàn)——

“工業(yè)AI”這一全新物種，既是推動中國AI進(jìn)化的關(guān)鍵，又是“新質(zhì)生產(chǎn)力”時代下智能制造升級的關(guān)鍵。

這片潛力無限的海域有哪些玩家構(gòu)成？它們?nèi)绾喂餐c(diǎn)亮中國的數(shù)智燈塔？

02 不“懂”AI的工業(yè)企業(yè)沒有明天

“工業(yè)AI”的海域中——兩類企業(yè)正合力推進(jìn)“智能制造”的加速建設(shè)。

第一類是“工業(yè)AI”相關(guān)產(chǎn)品及解決方案的使用者。

第二類是“工業(yè)AI”相關(guān)產(chǎn)品及解決方案的提供者。

對于第一類玩家（使用者）而言，其頭部企業(yè)個個都有自己的“數(shù)據(jù)火山”。同一梯隊(duì)的企業(yè)之間比拼的就是——誰能先一步利用AI將火山激發(fā)，誰就能用“數(shù)智化”讓自己在安全、質(zhì)量、低碳、效益等多方位提升。

相反，那些無法激活“數(shù)據(jù)火山”的企業(yè)則會掉隊(duì)。

比如，全球化工50強(qiáng)萬華化學(xué)集團(tuán)（以下簡稱“萬華”）的數(shù)據(jù)“量大質(zhì)優(yōu)”——量大：萬華擁有從工業(yè)軟件、設(shè)備傳感器、物聯(lián)網(wǎng)基礎(chǔ)設(shè)施、“老師傅”員工等多種數(shù)據(jù)的生成來源，本身就可以收集到海量數(shù)據(jù)。質(zhì)優(yōu)：萬華屬于化工新材料領(lǐng)域，其技術(shù)具有嚴(yán)苛性和高端性的特點(diǎn)，應(yīng)用環(huán)境復(fù)雜，數(shù)據(jù)質(zhì)量極高。

對于萬華這類企業(yè)而言，激活“火山”的重要一步，是找到適合自己的伙伴——“工業(yè)AI”相關(guān)產(chǎn)品及解決方案的提供者——讓數(shù)據(jù)獲得釋放與轉(zhuǎn)化。

我們了解到，在與中控技術(shù)合作的過程中，萬華已經(jīng)成功將自身豐厚的數(shù)據(jù)積累轉(zhuǎn)化為融合管理邏輯的核心資產(chǎn)

●數(shù)據(jù)積累：萬華集團(tuán)擁有10個生產(chǎn)基地、14個國家級實(shí)驗(yàn)室，在龐大的生產(chǎn)、科研場景中，生成出“數(shù)據(jù)洪流”：每天，萬華集團(tuán)的99.7萬個工藝點(diǎn)位產(chǎn)生17億條數(shù)據(jù)；19.7萬臺設(shè)備有100萬條巡檢任務(wù)；100+個裝置里包含1萬條工程師指令……

●合作共贏：萬華選擇引入supOS工廠操作系統(tǒng)，并以此為基礎(chǔ)打造“萬華智能制造平臺”，統(tǒng)一全球各生產(chǎn)基地管控指標(biāo)和模型。

●具體成效：在與中控技術(shù)的合作中，僅2024年萬華智造平臺數(shù)據(jù)規(guī)模就增加180%，問題發(fā)生減少80%。萬華AI團(tuán)隊(duì)還基于supOS自研工具集，補(bǔ)全4大類supOS集群運(yùn)行指標(biāo)，提升節(jié)點(diǎn)覆蓋度50%，減少人工運(yùn)維60%。

除了通過工業(yè)AI激活數(shù)據(jù)火山，“使用者”這類玩家還有另一重現(xiàn)實(shí)的“焦慮考量”——工業(yè)企業(yè)面臨“人才斷層”已不可避免。

主要體現(xiàn)為“老師傅斷層”疊加“招工難”。

沒有工業(yè)AI的時期，通用的工業(yè)軟件無法根據(jù)不同生產(chǎn)情況進(jìn)行細(xì)節(jié)上的優(yōu)化，企業(yè)需要依靠“工業(yè)軟件+老師傅調(diào)優(yōu)”的方式，維持工廠的自動化運(yùn)轉(zhuǎn)與質(zhì)量控制。

但隨著人口紅利褪色，老師傅們無法像傳授內(nèi)功般雙掌一抵就將幾十年的經(jīng)驗(yàn)輸入更多年輕人的大腦。

所以對于工業(yè)領(lǐng)域，尤其是流程工業(yè)的企業(yè)來說，人口拐點(diǎn)下將自身的運(yùn)行效率維持穩(wěn)定不向下跌就成了必要的剛需。

當(dāng)流程工業(yè)各頭部企業(yè)開始加大對工業(yè)AI的使用，就意味著將老師傅們的知識與經(jīng)驗(yàn)喂給AI，賦能自動化系統(tǒng)，使其能在動態(tài)工況下自適應(yīng)并進(jìn)行自主決策。加快實(shí)現(xiàn)工業(yè)自動化向工業(yè)自主化轉(zhuǎn)型這一目標(biāo)。

萬華一類的企業(yè)在此基礎(chǔ)上甚至更進(jìn)一步，讓進(jìn)廠的年輕人從傳統(tǒng)意義上的工程師或操作工，轉(zhuǎn)型成為掌握AI知識的專業(yè)人才，反向帶動還處于經(jīng)驗(yàn)驅(qū)動時代的老師傅。

在維持穩(wěn)定發(fā)展的前提下，AI與機(jī)器相對人類，在質(zhì)量、效益、安全性方面的優(yōu)勢開始顯現(xiàn)。

大型工業(yè)企業(yè)擁有非常多資深行業(yè)專家，他們懂工藝、懂設(shè)備、懂管理，只要賦予最強(qiáng)的工業(yè)AI平臺，他們就能將數(shù)據(jù)和知識轉(zhuǎn)化成“新質(zhì)生產(chǎn)力”——真正實(shí)現(xiàn)高效資源配置與綠色低碳發(fā)展。

同樣以萬華為例

●萬華煙臺基地?fù)碛型暾木郯滨ズ褪a(chǎn)業(yè)鏈，但大規(guī)模的公用工程系統(tǒng)伴隨著巨大能源消耗：全年消耗蒸汽超1500萬噸、用電約70億度，配套循環(huán)水系統(tǒng)近20套。

在探索節(jié)能低碳的有效路徑時，萬華與中控技術(shù)合作，采取“AI+低碳”、“AI+機(jī)理”等數(shù)智化融合應(yīng)用，打造能源管理優(yōu)化系統(tǒng)，實(shí)現(xiàn)節(jié)能減排目標(biāo)。全年在成本與收益上獲得的價值預(yù)計(jì)1000萬元以上。

一個顯而易見的趨勢是：

無論自動化時代，還是AI時代，智能制造升級總是先從大型企業(yè)開始，然后逐漸深入中小企業(yè)——這意味著，在不久的將來，更多不同門類、不同規(guī)模的工業(yè)企業(yè)都將進(jìn)入工業(yè)AI的海域。

那些最先使用“工業(yè)AI”進(jìn)行“試點(diǎn)”的企業(yè)，甚至將使用范圍拓展至產(chǎn)業(yè)鏈各個環(huán)節(jié)，以全面“AI+”的方式推動轉(zhuǎn)型升級的企業(yè)，將憑借技術(shù)紅利持續(xù)取得領(lǐng)先。

也意味著，企業(yè)與企業(yè)之間將不僅僅因?yàn)橘Y金、規(guī)模拉開差距——更將隨著“用好工業(yè)AI”和“不用工業(yè)AI”拉開差距。

用好“工業(yè)AI”的企業(yè)，代表“創(chuàng)新”：不斷在產(chǎn)業(yè)鏈各個環(huán)節(jié)加速數(shù)智化

遲遲未能用好“工業(yè)AI”的企業(yè)，代表“停滯”：難以建立競爭優(yōu)勢

至此，“工業(yè)AI”這一全新海域中的玩家分工已經(jīng)非常清晰了——

擁有“數(shù)據(jù)火山”和“大量行業(yè)know-how”的工業(yè)企業(yè)是核心“使用者”。它們中誰更先將專業(yè)的事交給專業(yè)伙伴——找到合適的工業(yè)AI“提供者”——誰就能更快贏得先機(jī)。

比如即便是如萬華集團(tuán)這種能抗風(fēng)險(xiǎn)、有自研實(shí)力的行業(yè)巨頭，也并非從頭開始去打造自有工廠操作系統(tǒng)和專屬大模型。而是在與中控技術(shù)的合作下，形成多種“AI+”解決方案

萬華在優(yōu)化生產(chǎn)過程中廢液pH控制、堿濃度預(yù)測等環(huán)節(jié)的質(zhì)量和成本問題時，直接接入中控技術(shù)的時間序列大模型TPT進(jìn)行智能分析、智能決策。

也正因此，“工業(yè)AI”相關(guān)產(chǎn)品及解決方案提供者，正成為資本市場的下一個焦點(diǎn)。

問題來了，“提供者”中，具備哪些特質(zhì)才能成為佼佼者？ 才能被更多企業(yè)選擇，并脫穎而出？

03 工業(yè)AI“提供者”，必須具備“無法彎道超車”的優(yōu)勢

提供工業(yè)AI產(chǎn)品及解決方案的工業(yè)AI企業(yè)大致可分為兩類

一類是跨界而來的“新勢力”——多是互聯(lián)網(wǎng)/科技企業(yè)。

第二類是深耕工業(yè)領(lǐng)域多年的工業(yè)自動化巨頭。

先看第一類玩家的長短板——

“新勢力”的優(yōu)勢是憑借強(qiáng)大的云計(jì)算先發(fā)優(yōu)勢、IT技術(shù)開發(fā)能力、整合云網(wǎng)智一體等多種能力推動智能制造。

短板則是缺乏工業(yè)領(lǐng)域的行業(yè)積累。

行業(yè)積累可以大致理解為兩點(diǎn)——1）有數(shù)據(jù)。2）懂?dāng)?shù)據(jù)（具備行業(yè)know-how）。

“有數(shù)據(jù)”的尷尬之處在于，大廠們作為工業(yè)領(lǐng)域的新入局者，是否和千行百業(yè)的工業(yè)用戶有足夠的信任度，讓其愿意開放數(shù)據(jù)。

“懂?dāng)?shù)據(jù)”的困境則在于，即使獲得了數(shù)據(jù)，但缺乏“行業(yè)know-how”這個深刻理解數(shù)據(jù)規(guī)則和意義的前提。因此即便拿到數(shù)據(jù)，也無法從中提取價值。

就像一個廚師，有好鍋（云計(jì)算、大模型）、有手法（技術(shù)開發(fā)）、但就算有了食材（工業(yè)數(shù)據(jù)），也還是因?yàn)槿鄙倥浞剑ㄐ袠I(yè)know-how），最后做出的味道也可能不盡人意。

再看第二類玩家——“工業(yè)自動化系統(tǒng)”出身的企業(yè)。

其中又可分兩個陣營：一是西門子等海外“綜合型工業(yè)巨頭”。二是中控技術(shù)等本土工控企業(yè)。

“綜合型工業(yè)巨頭”的優(yōu)勢是不僅自己生產(chǎn)面向消費(fèi)市場的產(chǎn)品，同時也是工業(yè)自動化領(lǐng)域的上游供應(yīng)商，在裝備和自動化技術(shù)上都有優(yōu)勢。但在面臨工業(yè)AI落地的真實(shí)場景時，巨頭們也存在某些無法與之對齊的困難——

工業(yè)AI不僅需要垂直領(lǐng)域的單點(diǎn)突破，更要有強(qiáng)大的整合通用能力。

目前，海外巨頭中整合極快的當(dāng)屬艾默生，其已將這些年并購的軟件都融到其“無界自動化平臺”中。但在大模型方面，艾默生目前基本還是采用ChatGPT等大語言模型做問答交互，根據(jù)已有公開資料顯示，還沒有能直接為工業(yè)生產(chǎn)與運(yùn)營做底層優(yōu)化的工業(yè)AI大模型。

同時，對于其他身軀龐大的巨頭而言，大多在漫長的發(fā)展過程中成立了一個個獨(dú)立的業(yè)務(wù)單元（BU）。BU的優(yōu)勢在于可在原有軟件基礎(chǔ)上提升智能程度；但劣勢同樣明顯，比如在做通用大模型時，由于各個業(yè)務(wù)單元各自分工，要把所有“經(jīng)驗(yàn)”融合在一起是一個協(xié)調(diào)難度極高的系統(tǒng)工程——最終或只能“拼湊式”地覆蓋到工業(yè)場景各板塊。

可以說，類比“新勢力”的缺少調(diào)料配方，“老牌巨頭”屬于是有調(diào)料，卻頭疼如何把各種食材放在一起烹飪。

更多優(yōu)勢都指向了“工業(yè)自動化系統(tǒng)”出身的本土企業(yè)。

這些深耕流程工業(yè)多年的自動化企業(yè)，正憑借“無法被彎道超車”的優(yōu)勢——強(qiáng)大的控制系統(tǒng)、專業(yè)知識、數(shù)據(jù)等多年積累——成為中國“工業(yè)AI”領(lǐng)軍者。

中控技術(shù)多方面的優(yōu)勢都十分得天獨(dú)厚。

中控30多年前以DCS起家，是一家創(chuàng)新引領(lǐng)的中國本土企業(yè)，正轉(zhuǎn)型成為工業(yè)AI領(lǐng)域的高科技企業(yè)。早在工業(yè)4.0初期，就以扎實(shí)的常被業(yè)內(nèi)稱之為“工業(yè)大腦”的“工業(yè)控制系統(tǒng)”為今天的工業(yè)AI夯實(shí)了地基。

中控創(chuàng)始人褚健教授也曾多次在公開場合提到：工業(yè)AI的核心是算法與數(shù)據(jù)，但如果沒有自動化，就沒有數(shù)字化，智能化也無從談起。

由“工業(yè)自動化”邁向“工業(yè)AI”，進(jìn)而實(shí)現(xiàn)AI時代的智能制造，是目前相對最為合理的進(jìn)化路線。

以中控技術(shù)為例——在AI尚不明朗的時期，其是最早將DCS作為大腦，加上軟件和知識使其變聰明的企業(yè)。

在AI出現(xiàn)后，又提出5T（AT自動化技術(shù)、IT信息技術(shù)、PT工藝技術(shù)、OT運(yùn)營技術(shù)、ET設(shè)備技術(shù)）深度融合入大模型。

這種“創(chuàng)新務(wù)實(shí)”讓中控技術(shù)在工業(yè)自動化領(lǐng)域不斷攀升

●2024 年度，公司核心產(chǎn)品集散控制系統(tǒng)（DCS）在國內(nèi)的市場占有率達(dá)到40.4%，連續(xù)十四年蟬聯(lián)國內(nèi) DCS 市場占有率第一名。

●2024年公司核心產(chǎn)品安全儀表系統(tǒng)（SIS）國內(nèi)市場占有率31.2%，連續(xù)三年蟬聯(lián)國內(nèi) SIS 市場占有率第一名。

這些深厚的“自動化積累”讓中控技術(shù)在AI技術(shù)爆發(fā)前，就打下了向工業(yè)AI進(jìn)化的深厚基礎(chǔ)——

控制系統(tǒng)是所有AI實(shí)施執(zhí)行的硬件基礎(chǔ)

控制系統(tǒng)也是重要的生產(chǎn)運(yùn)行數(shù)據(jù)基座。可以理解為“工業(yè)大腦”，有得天獨(dú)厚的數(shù)據(jù)收集優(yōu)勢。是中控技術(shù)打造“AI+數(shù)據(jù)”核心競爭力的保證。

最后，AI進(jìn)化的關(guān)鍵，靠的就是持續(xù)不斷的海量數(shù)據(jù)“投喂”。當(dāng)其他企業(yè)還要花大力氣“找數(shù)據(jù)”、“標(biāo)注和清洗數(shù)據(jù)”用來訓(xùn)練AI時——如上文所說，中控扎根流程工業(yè)三十多年，本身就是一片擁有海量優(yōu)質(zhì)數(shù)據(jù)的海洋。

是一條長坡厚雪的AI賽道。

這種“滾雪球”式的積累也意味著，一旦走過漫長的積累，在流程工業(yè)領(lǐng)域扎根更深的工業(yè)AI企業(yè)，將爆發(fā)出更驚人的潛力。

過去三十多年里，中控憑借在流程工業(yè)領(lǐng)域的3.5萬家客戶、10萬套控制系統(tǒng)應(yīng)用的深厚沉淀、1億I/O點(diǎn)數(shù)的積累，已經(jīng)聚集了大量寶貴的數(shù)據(jù)與行業(yè)know-how

中控技術(shù)數(shù)據(jù)護(hù)城河——

●硬件上，中控技術(shù)的儀器儀表業(yè)務(wù)板塊涵蓋測量儀表產(chǎn)品、分析儀產(chǎn)品、智能控制閥等多個產(chǎn)品系列。

●軟件上，覆蓋工業(yè)信息安全系統(tǒng)、數(shù)據(jù)資源系統(tǒng)、設(shè)備健康系統(tǒng)、產(chǎn)品研發(fā)管理及工藝設(shè)計(jì)系統(tǒng)、自主運(yùn)行系統(tǒng)、質(zhì)量提升系統(tǒng)、生產(chǎn)運(yùn)營系統(tǒng)、安全優(yōu)先系統(tǒng)、節(jié)能低碳系統(tǒng)等。

●依托廣泛的用戶基礎(chǔ)和強(qiáng)大的軟硬件產(chǎn)品體系，累計(jì)運(yùn)行在控制系統(tǒng)上超過100EB的龐大工業(yè)數(shù)據(jù)量——相當(dāng)于連續(xù)錄制約127萬年的4K高清影像，中控技術(shù)現(xiàn)已成為擁有流程工業(yè)各細(xì)分領(lǐng)域數(shù)據(jù)極為豐富的工業(yè)實(shí)時數(shù)據(jù)公司。

可以說，當(dāng)AI技術(shù)爆發(fā)時，在制造業(yè)內(nèi)的大部分企業(yè)還未想好怎樣利用AI賦能自身時，中控技術(shù)長久以來所追求的“挖掘數(shù)據(jù)價值”和分析、利用工業(yè)數(shù)據(jù)的能力，早已為AI時代打下了扎實(shí)基礎(chǔ)。

技術(shù)演進(jìn)上——這些數(shù)據(jù)資產(chǎn)積淀和軟硬件家底，讓中控技術(shù)有底氣拒絕跟風(fēng)、拒絕生搬硬套，而是很自然的完成了從“自動化”到工業(yè)AI的逐步進(jìn)化。

市場需求上——中控三十多年始終以“為客戶創(chuàng)造更大價值”為目標(biāo)，其每一次戰(zhàn)略轉(zhuǎn)型都和客戶需求牢牢綁定——

●第一個十年，中控自主研發(fā)的中國第一代DCS控制系統(tǒng)，幫助國內(nèi)客戶從工業(yè)2.0走向工業(yè)3.0；

●第二個十年，中控開始拓展儀器儀表、工業(yè)軟件等產(chǎn)品，成為產(chǎn)品門類豐富的自動化公司；

●第三個十年，中控憑借積累深厚的工業(yè)know-how，轉(zhuǎn)型為價值創(chuàng)造的行業(yè)解決方案公司。

●現(xiàn)在，越來越多工業(yè)客戶急需突破智能制造瓶頸——

2024年6月，中控發(fā)布新愿景新使命：成為工業(yè)AI全球領(lǐng)先企業(yè)，用AI推動工業(yè)可持續(xù)發(fā)展。讓工業(yè)更智能，讓客戶更成功。這也標(biāo)志著，中控正式向工業(yè)AI公司轉(zhuǎn)型。

從更大視角看，與中國工業(yè)同生共長的中控技術(shù)，已自然而然地扛起了AI時代的重?fù)?dān)，將人工智能、大模型等為代表的科技力量與自己的工業(yè)家底結(jié)合，為中國新型工業(yè)化道路助力。

這一過程中，它已再次為未來布局了什么？

04 有生態(tài)才能戰(zhàn)未來

對于工業(yè)AI領(lǐng)軍企業(yè)而言——“生態(tài)平臺”是核心資產(chǎn)。大致可以這樣理解：

工業(yè)AI企業(yè)所產(chǎn)出的“內(nèi)容”，是數(shù)據(jù)基座、大模型、Agents/APPs等各類工具，并利用它們持續(xù)貼近生產(chǎn)運(yùn)營的各個環(huán)節(jié)；

但只有將這些工具融合為一個“生態(tài)平臺”后，工業(yè)AI企業(yè)才能將“內(nèi)容”快速且精準(zhǔn)地對外釋放。

換句話說：生態(tài)平臺一經(jīng)形成，工業(yè)AI企業(yè)就能向用戶灌輸工具和方法論，在雙方都無需投入大量成本的前提下，實(shí)現(xiàn)快速復(fù)制部署的目的，為用戶企業(yè)創(chuàng)造價值。

聚焦中控技術(shù)，其已將AI戰(zhàn)略分為兩路——All in AI和AI in All，分別從不同方向推進(jìn)工業(yè)生態(tài)平臺的建設(shè)落地。

All in AI 也就是“AI+”。

中控技術(shù)用AI、云計(jì)算、光通訊等先進(jìn)技術(shù)，集中研發(fā)資源，顛覆傳統(tǒng)技術(shù)架構(gòu)、技術(shù)路線，傾力打造UCS、TPT、HGT等工業(yè)AI爆品。

●UCS（通用控制系統(tǒng)）以云實(shí)時操作系統(tǒng)NyxOS為基礎(chǔ)的“云-網(wǎng)-端”極簡架構(gòu)，可根據(jù)需求自動調(diào)整資源的規(guī)模和容量，實(shí)現(xiàn)彈性和可伸縮性，提供更高的計(jì)算效率和系統(tǒng)的穩(wěn)定性——相比于傳統(tǒng)的DCS，更加適合AI應(yīng)用。

●TPT（時間序列大模型）是基于生成式AI算法及海量工業(yè)數(shù)據(jù)訓(xùn)練而成的大模型，通過統(tǒng)一各類工業(yè)建模過程，實(shí)現(xiàn)裝置的跨工況、高精度、高可靠模擬與預(yù)測，從而解決數(shù)據(jù)碎片化、工業(yè)應(yīng)用分散等難題。

●HGT（超圖大模型）是面向企業(yè)經(jīng)營領(lǐng)域關(guān)系數(shù)據(jù)的圖注意力大模型，助力企業(yè)快速構(gòu)建覆蓋研發(fā)、生產(chǎn)、供應(yīng)鏈、銷售與服務(wù)、支持保障等領(lǐng)域的智能應(yīng)用及智能體矩陣。

如上文所說，這些工業(yè)AI爆品只是工具，在工廠操作系統(tǒng)supOS的加持之下，最終融合成“1+2+N”工業(yè)AI驅(qū)動的企業(yè)智能運(yùn)行新架構(gòu)——也就是一個“生態(tài)平臺”。

在“1+2+N”新架構(gòu)中，運(yùn)行、設(shè)備、質(zhì)量、模擬四大核心數(shù)據(jù)構(gòu)成了全要素?cái)?shù)字底座。最終支撐垂直場景中實(shí)現(xiàn)從“經(jīng)驗(yàn)規(guī)則”到“AI自主”的躍遷，形成“數(shù)據(jù)驅(qū)動感知、模型賦能決策、應(yīng)用閉環(huán)優(yōu)化”的完整價值鏈，實(shí)現(xiàn)工業(yè)智能從局部優(yōu)化到全局自治的質(zhì)變。

1+2+N架構(gòu)就相當(dāng)于一個AI“煉丹爐”，中控將三十多年所積累的數(shù)據(jù)、算法、知識、經(jīng)驗(yàn)，全部聚集到煉丹爐中，最后熔煉出一個在流程工業(yè)的多個行業(yè)中，具備通用性的新架構(gòu)。

從架構(gòu)內(nèi)兩個大模型中，又原生出N個Agents/APPs——比起傳統(tǒng)工業(yè)軟件，原生的Agents/APPs與大模型能夠覆蓋從生產(chǎn)到運(yùn)營各環(huán)節(jié)更多場景，同時具有更強(qiáng)大的協(xié)同能力。

對于“懂AI”、有一定自研能力的制造企業(yè)來說，甚至可以跳過中控，自己將數(shù)據(jù)放進(jìn)其中進(jìn)行訓(xùn)練——通過持續(xù)的數(shù)據(jù)資產(chǎn)積累與生態(tài)協(xié)同，實(shí)現(xiàn)漸進(jìn)式智能化升級，將“智能工廠”帶入工業(yè)的“智能時代”。

AI in All則體現(xiàn)出中控技術(shù)全力實(shí)現(xiàn)“萬物+AI”的決心。

在中國巨大的工業(yè)基本盤內(nèi)，要想全面鋪開工業(yè)AI，進(jìn)而實(shí)現(xiàn)智能制造，是一個既重積累、也重顛覆的系統(tǒng)工程。

重積累很好理解，如上文提到：數(shù)據(jù)積累、知識積累、算法積累、人才儲備，以及在同行業(yè)內(nèi)使用的越多，就越好復(fù)制應(yīng)用——都是中控在過去三十年里積累下的無法彎道超車的優(yōu)勢。

重顛覆則意味著工業(yè)AI所面臨的客觀復(fù)雜環(huán)境——智能制造本身就是對傳統(tǒng)制造模式的一種顛覆，但中國快速生長的工業(yè)規(guī)模也帶來發(fā)展不均衡的問題。機(jī)械化、電氣化、自動化、數(shù)字化并存，不同地區(qū)、行業(yè)的企業(yè)對智能制造認(rèn)識不同，整體仍然趨于保守。

因此，要想用AI在中國工業(yè)領(lǐng)域內(nèi)真正創(chuàng)造出一個前所未有的數(shù)智產(chǎn)業(yè)，就必須重新構(gòu)造或者重新書寫工業(yè)自動化、數(shù)字化、智能化的技術(shù)體系框架。

中控技術(shù)決定以滴水穿石的“萬物+AI”做起。

比如，在傳統(tǒng)工業(yè)軟件業(yè)務(wù)中，中控技術(shù)的研發(fā)團(tuán)隊(duì)選擇與大模型結(jié)合，將工業(yè)軟件重構(gòu)，形成Agent等方式，讓每一個軟件都更智能；

又比如PLC（可編程邏輯控制器），亦或是儀表、閥門，中控技術(shù)都想辦法為其附加AI屬性，利用AI技術(shù)讓其更有競爭力。

而看似繁瑣的“萬物+AI”工作，將通過中控技術(shù)在PLC以及工業(yè)軟件市場20%以上的增長率，實(shí)現(xiàn)規(guī)?；?yīng)。

一家自中國工業(yè)土壤中走出的工業(yè)AI企業(yè)，正展現(xiàn)其開放、遼闊的愿景——中控創(chuàng)始人褚健認(rèn)為：長坡厚雪的賽道上，不可能僅靠一兩家公司就“包打天下”，要靠更多頭部企業(yè)合力打造出開放合作的生態(tài)平臺系統(tǒng)。

在中控技術(shù)描繪的藍(lán)圖中， All in AI和AI in All正構(gòu)建出“熱帶雨林式”創(chuàng)新生態(tài)，讓更多工業(yè)企業(yè)能夠選擇不同進(jìn)入AI的領(lǐng)域和方式，為中國的新型工業(yè)化鋪平道路。

尾聲：工業(yè)AI的新基建

大模型訓(xùn)練中，“語料”的數(shù)量和質(zhì)量，決定了AI能力的邊界。

DeepSeek的語料庫中，中文語料占比3%左右。英文語料則在全球大模型的數(shù)據(jù)占比中達(dá)到90%以上——原因無他，作為全球通用語言，英文語料在數(shù)量要遠(yuǎn)高于中文語料。

因此某種程度上，在大語言模型領(lǐng)域，我們只能和全球其他玩家在算力、算法等技術(shù)上展開競爭。

工業(yè)領(lǐng)域，卻是一番新天地——

中控技術(shù)的時間序列大模型TPT，宣告著中國自主的AI大模型已經(jīng)能夠在重點(diǎn)工業(yè)領(lǐng)域?qū)崿F(xiàn)規(guī)?；渴稹袊约旱摹肮I(yè)語料”，正在夯實(shí)新型工業(yè)的基礎(chǔ)建設(shè)。

每一個智能化解決方案，都在為中國自己的工業(yè)AI大模型添加工業(yè)知識語料

●新能源領(lǐng)域，中控技術(shù)的碳能優(yōu)化解決方案在大唐多倫綠氫項(xiàng)目中實(shí)現(xiàn)風(fēng)光電與制氫裝置的智能耦合；

●智慧化工領(lǐng)域，四足機(jī)器狗與軌道機(jī)器人組成的空地協(xié)同系統(tǒng)，正改寫危險(xiǎn)作業(yè)環(huán)境下的安全管理范式；

●人形機(jī)器人賽道，接入DeepSeek多模態(tài)模型的“領(lǐng)航者”系列，在化工實(shí)驗(yàn)室實(shí)現(xiàn)具身智能的突破。

當(dāng)中控技術(shù)的工業(yè)AI集群滲透到更多研、產(chǎn)、供、銷鏈路——“新質(zhì)生產(chǎn)力”也從中汲取更多力量，讓中國成為全球工業(yè)AI變革的中心。

主要參考資料：

[1] 一家“不做機(jī)器人”的機(jī)器人公司，正把中國機(jī)器人賣遍“一帶一路”.星船知造

[2] 人工智能大模型在重點(diǎn)工業(yè)領(lǐng)域規(guī)?；渴鸺涌?工信部

[3] “智”行數(shù)字化：打造中國流程制造業(yè)燈塔工廠 – McKinsey Greater China

[4] 《中國智能制造產(chǎn)業(yè)發(fā)展報(bào)告23-24》

[5] 中控技術(shù)官網(wǎng)、企業(yè)微信、公開年報(bào)等企業(yè)公開信息

本文基于訪談及公開資料寫作，不構(gòu)成任何投資建議

星船知造原創(chuàng)內(nèi)容

未經(jīng)授權(quán)，禁止轉(zhuǎn)載