文 |劉錚、唐曉園

視覺設(shè)計：星船知造

正文共計：11869字

預(yù)計閱讀時間：12分鐘

01 為什么是以大模型為支點，打響第一槍？

縱觀歷次工業(yè)革命，無論國家、地區(qū)、還是企業(yè)，想在新技術(shù)浪潮下獲得先機，核心在于誰先編織好一張明暗線交織的協(xié)同網(wǎng)絡(luò)。

明線，是看得見的、高效協(xié)同的供應(yīng)鏈體系。

暗線，是產(chǎn)業(yè)鏈、供應(yīng)鏈上所有實體制造和新技術(shù)融合打造出的數(shù)智生態(tài)。

明暗線彼此交織滋養(yǎng)，才能釋放出新一輪的工業(yè)變革能量。

回顧歷史，第三次工業(yè)革命（信息化革命）的引領(lǐng)者，正是靠著一張軟硬協(xié)同網(wǎng)絡(luò)脫穎而出。其典型，就是美國航空工業(yè)——

明線是硬核、高效的航空產(chǎn)業(yè)鏈體系：20世紀(jì)的美國制造擁有從原材料（航空鋁、復(fù)合材料）→關(guān)鍵零部件（發(fā)動機、航電、飛控）→整機集成的成熟制造體系。波音背后，是GE、霍尼韋爾等完整配套商支持。

反觀當(dāng)時的空客，機頭在法國、機翼在英國、尾部在西班牙。歐洲“拼好機”的每一塊組件都更講究政治妥協(xié)而非生產(chǎn)效率，與美國高效分工且高度集成的航空產(chǎn)業(yè)生態(tài)形成鮮明對比。

暗線則是工業(yè)軟件生態(tài)系統(tǒng)：當(dāng)時新興的信息化技術(shù)（如產(chǎn)品生命周期管理PLM、模塊化設(shè)計等）被深度融入航空產(chǎn)業(yè)鏈

之后，這張以航空工業(yè)為起點的軟硬協(xié)同網(wǎng)絡(luò)被規(guī)?；瘡?fù)制：向汽車、電子、醫(yī)療設(shè)備等多個領(lǐng)域輻射，所過之處就如同鋼筋鐵骨被注入了數(shù)字靈魂

現(xiàn)在，第四次工業(yè)革命的曙光正從“信息化”進化為“智能化”，這一轉(zhuǎn)變是所有人都必須把握的戰(zhàn)略機遇。

作為工業(yè)大國，中國數(shù)智化供應(yīng)鏈網(wǎng)絡(luò)的明線已經(jīng)越織越密：

截至2024年底，中國規(guī)模以上工業(yè)企業(yè)數(shù)量達(dá)到51.2萬家，較2023年末增長6.1%。

到2025年上半年，規(guī)上工業(yè)企業(yè)數(shù)量進一步增加至52萬戶，較2024年底增加了8000多戶。

同時，隨著不斷擴建的一帶一路基礎(chǔ)設(shè)施，在中國和周邊國家如印尼、吉爾吉斯斯坦，中東國家如沙特阿拉伯，以及非洲大陸都形成了龐大的供應(yīng)鏈網(wǎng)絡(luò)。

圖源：中國一帶一路網(wǎng)

而網(wǎng)格的暗線，比的是誰能再次靠先進技術(shù)讓產(chǎn)業(yè)升級，釋放出巨大能量——

隨著一家家企業(yè)的數(shù)智化轉(zhuǎn)型升級，最終產(chǎn)業(yè)集群間形成更高效的協(xié)同和進化，帶來更低的生產(chǎn)成本和更高效的產(chǎn)業(yè)創(chuàng)新。

《星船知造》判斷，這一次，暗線的關(guān)鍵不再是傳統(tǒng)工業(yè)軟件，而是以工業(yè)大模型為支點的工業(yè)AI。

我們這么說，基于三點洞察：

一是路徑創(chuàng)新。幾乎所有的工業(yè)后發(fā)國，都無法完全依照先行經(jīng)驗進行復(fù)制式發(fā)展。如果真的可以“抄作業(yè)”，那歷史將變得多么無趣。

就像中國汽車產(chǎn)業(yè)的崛起靠的不是在燃油賽道上死磕，而是依靠新能源汽車的“三電”技術(shù)完成產(chǎn)業(yè)的彎道超車。

歐美工業(yè)軟件生態(tài)系統(tǒng)自第三次工業(yè)革命開始就占據(jù)主導(dǎo)地位。但真正的趕超，常常發(fā)生在范式轉(zhuǎn)換的拐點上——第四次工業(yè)革命（智能化時代），工業(yè)大模型就是這樣一個能重構(gòu)全球工業(yè)格局的新賽道。

疊加中國完整的工業(yè)版圖，最有可能開啟一場新質(zhì)生產(chǎn)力的創(chuàng)新革命。

source：pexels

二是需求迫切。傳統(tǒng)方案的瓶頸日益凸顯——一直被工業(yè)企業(yè)視為靈丹妙藥的傳統(tǒng)工業(yè)軟件，因部署成本高、周期長、數(shù)據(jù)孤島等問題，已經(jīng)越來越難以跟上新時代企業(yè)對于降本增效、創(chuàng)新以及效率的要求。

工業(yè)企業(yè)對于數(shù)智化升級的渴求正從地表深處涌出，催逼著一個能重構(gòu)、超越工業(yè)軟件的新物種在工業(yè)領(lǐng)域全面鋪開。

三是已具備將大模型深度應(yīng)用于工業(yè)的基礎(chǔ)：

●工業(yè)底蘊：中國擁有全球最龐大的工業(yè)體系，覆蓋流程與離散兩大門類，為AI大模型提供了無與倫比的“數(shù)據(jù)富礦”與應(yīng)用場景。

●AI技術(shù)：國產(chǎn)算力與DeepSeek等AI大模型快速發(fā)展，全球穩(wěn)居前二。2025年工業(yè)企業(yè)中應(yīng)用大模型及智能體的比例達(dá)到47.5%；并且有35%的企業(yè)在多環(huán)節(jié)開展應(yīng)用，技術(shù)滲透率顯著提升。

source：pexels

一場以大模型為支點的工業(yè)革命已經(jīng)打響第一槍。當(dāng)然，是靜悄悄的——

它沒有ChatGPT們聊天對話的公眾熱議度，也沒有OpenAI“星際之門”一擲千金的豪賭，它只是通過中國工業(yè)大模型讓一張融入無數(shù)工廠、車間的數(shù)智網(wǎng)絡(luò)越織越密。

不久的將來，當(dāng)它深度融入工業(yè)血脈，一張可以被大規(guī)模復(fù)制的“軟（AI）硬（工業(yè)）共生”網(wǎng)絡(luò)也將覆蓋到世界各地。那些走在最前列的人，將獲得新一輪工業(yè)革命的先機與紅利。

為了讓大家更好感知到這場靜悄悄的工業(yè)變革，《星船知造》下文將從以下三點具體展開——

1) 認(rèn)知：為什么工業(yè)大模型終將重構(gòu)、超越工業(yè)軟件——被更多工業(yè)企業(yè)所使用。

2）挑戰(zhàn)：無法突破“智能孤島”的工業(yè)大模型，本質(zhì)上仍然是“小模型”——未來屬于能真正打破孤島的通用工業(yè)大模型。

3）破局：錢塘江畔，一家深耕中國流程工業(yè)三十余年的企業(yè)，已經(jīng)開始憑借多年工業(yè)數(shù)據(jù)、行業(yè)know-how等積累，打造出一款能被應(yīng)用到多個流程工業(yè)領(lǐng)域的通用工業(yè)大模型。

中控技術(shù)近日發(fā)布了全球首個流程工業(yè)時間序列大模型TPT的升級版本TPT 2 （Time-series Pre-trained Transformer 2）（以下簡稱TPT 2）。它正幫助工業(yè)企業(yè)重構(gòu)傳統(tǒng)工業(yè)軟件應(yīng)用，用一個大模型就能智能、高效地運營起工廠

一個可以確定的未來是，當(dāng)越多越多工業(yè)企業(yè)開始用上TPT 2等工業(yè)大模型后，由“人工經(jīng)驗驅(qū)動生產(chǎn)”的百年工業(yè)慣性將被打破——工業(yè)知識將真正變得可流通、可進化。智能制造也才能加速鋪開。

02 工業(yè)大模型，通向未來智造的唯一路徑

先明確一點，到目前為止，工業(yè)軟件仍是“制造核心”。

中國工業(yè)軟件在PA層（Process Automated，生產(chǎn)過程自動化）到BA層（Business Automated，企業(yè)運營自動化）的各個環(huán)節(jié)，仍然發(fā)揮著“大腦和神經(jīng)”的作用。

工業(yè)大模型則是一個后起之秀，正憑借十八般武藝挑戰(zhàn)昔日霸主的地位。

圖源：中控技術(shù)

簡單理解，工業(yè)軟件是“工業(yè)數(shù)字生產(chǎn)力”。工業(yè)大模型則是“工業(yè)數(shù)智生產(chǎn)力”。

兩者相同之處在于，用的都是“吃豆人”的升級方式：通過吃進一個個工業(yè)技術(shù)、行業(yè)know-how，用機器來解決工業(yè)管理和生產(chǎn)過程里的問題。吃得越多，解決問題的能力就越強大。

最大區(qū)別在于，工業(yè)軟件缺“智（AI）”，吃豆人吃得再多，本質(zhì)上仍是“人教機器”。工業(yè)大模型有“智”， 是一整個“智慧大腦”，吃進足夠多的豆子，能實現(xiàn)“機器教人”，徹底解放“老師傅”。

source：unsplash

傳統(tǒng)工業(yè)軟件存在無法逾越的“雙重軟肋”：

對軟件供應(yīng)商本身而言，軟肋是高度依賴“老師傅編程”——知識封裝于老師傅腦中，面對生產(chǎn)工藝工況各異的工業(yè)現(xiàn)場，老師傅需要憑借個人經(jīng)驗知識，根據(jù)每個工廠的實際需求定制化開發(fā)實施工業(yè)軟件，效率低下且面臨人口紅利消失的危機。

對作為使用方的工業(yè)企業(yè)而言，軟肋是高門檻的“精英游戲”——由于工業(yè)軟件部署成本高、周期長、對人才和數(shù)據(jù)基礎(chǔ)要求嚴(yán)苛，將占工業(yè)基本盤大多數(shù)的中小企業(yè)拒之門外。

導(dǎo)致千行百業(yè)、不同規(guī)模、不同生產(chǎn)方式的企業(yè)被困在不同數(shù)智化發(fā)展階段，智能制造推進緩慢

我國智能制造水平有極大提升空間：

截至2025年2月，中國有超過半數(shù)的制造業(yè)企業(yè)智能制造能力位于智能制造的起步階段；僅有7.22%的制造業(yè)企業(yè)實現(xiàn)了深度智能化。（國家數(shù)據(jù)局）

針對上述工業(yè)軟件存在的問題和局限，《星船知造》以中控技術(shù)大模型TPT 2為例，一窺工業(yè)大模型如何一一化解這些軟肋。

在呈現(xiàn)軟肋和化解軟肋的過程中，我們也能看到工業(yè)大模型到底帶來了什么根本性的改變——

不僅僅是“替代”、重構(gòu)傳統(tǒng)工業(yè)軟件，更是通過更低的部署成本、強大的學(xué)習(xí)能力，真正改變了工業(yè)知識的積累、進化和傳播方式。

大模型也因此成為通向智能制造的唯一路徑。

source：unsplash

軟肋一，今天的工業(yè)軟件仍高度依賴人，本質(zhì)是“人教機器”、“人教人”。因此軟件本身的使用效率、到底能發(fā)揮多大作用，都既受限于人的個人經(jīng)驗，也困于人的“工業(yè)信息繭房”。

舉個例子。我國是世界第一大石油進口國——煉油廠每年會處理來自中東、非洲、南美等原油。

不同地區(qū)的原油如同風(fēng)味迥異的食材，在各項參數(shù)上存在差異

中東原油硫含量高，易腐蝕設(shè)備；

西非原油酸值高，高溫下易腐蝕管道；

南美重油密度大，加工過程復(fù)雜；

此時，工業(yè)軟件“應(yīng)變能力弱”的短板就暴露出來了——同一套煉油裝置，為了應(yīng)對來自五湖四海的不同原油，唯一的解決方案是靠經(jīng)驗豐富的煉油廠老師傅，用數(shù)十年沉淀下的經(jīng)驗知識對機器進行人工調(diào)試——也就是“人教機器”。這一過程難免會造成大量過度料的浪費。

而且老師傅總要退休的，下一次機器又不會了怎么辦？就只能靠傳幫帶，老師傅教小師傅——也就是“人教人”。

這種高度依賴個人判斷和經(jīng)驗的工業(yè)現(xiàn)狀，會導(dǎo)致一系列問題。比如工業(yè)軟件本身的發(fā)揮受限，使用效率不高；五花八門的工業(yè)軟件之間也會出現(xiàn)相互沖突、難以協(xié)同等情景……讓軟件廠商與企業(yè)用戶都很痛苦。

source：pexels 五花八門的工業(yè)軟件有時也會難以協(xié)同

人口紅利褪色的時代背景下，“老師傅斷層”和“招工難”已經(jīng)是許多工業(yè)企業(yè)無法回避的事實。

可預(yù)見的未來，企業(yè)斥巨資買下工業(yè)軟件、花長時間部署軟件，但好不好用還得靠“人”。對于廣大工業(yè)企業(yè)來說，這正是阻礙其通過投資工業(yè)軟件實現(xiàn)數(shù)智化的根結(jié)所在。

source：unsplash

在《星船知造》的觀察中，工業(yè)軟件的第二大軟肋不似前一個那么明顯，影響卻同樣深遠(yuǎn)。

某種程度上，工業(yè)軟件的“高門檻”讓其更適配“精英企業(yè)”。大量中小企業(yè)卻在數(shù)字化的大門前望而卻步。

截至2024年底，我國規(guī)上工業(yè)企業(yè)數(shù)字化生產(chǎn)設(shè)備普及率為53.2%，剛剛過半；

在智能工廠數(shù)量上有卓越級230余家；先進級1200余家；

但基礎(chǔ)級多達(dá)3萬余家——僅具備基本的數(shù)據(jù)采集監(jiān)控能力。

也就是說，目前我國真正能實現(xiàn)生產(chǎn)過程數(shù)智化決策和優(yōu)化的企業(yè)，仍然是鳳毛麟角般的存在。

它們通常是大型企業(yè)——向外展示著行業(yè)頂尖的數(shù)字化水平。向內(nèi)則是一座燈塔，燈光所及之處，皆是匍匐前進的中小企業(yè)。

中小企業(yè)是中國工業(yè)最龐大的參與者，其數(shù)字化程度決定著一條產(chǎn)業(yè)鏈的協(xié)同效率與發(fā)展韌性。但相比數(shù)字燈塔的大型企業(yè)，我國大量中小企業(yè)的數(shù)字化進展還未能鏈接起國家產(chǎn)業(yè)中最底層的數(shù)據(jù)孤島。

圖源：中控技術(shù)

造成這種情況的原因之一是——

使用方（工業(yè)企業(yè)）未必都具備用好工業(yè)軟件的能力

實際部署中，工業(yè)企業(yè)用好工業(yè)軟件是有一定硬性要求的：

1）覆蓋全流程全要素的完整數(shù)據(jù)基礎(chǔ)。

2）擁有數(shù)字化、生產(chǎn)工藝、工程管理等復(fù)合人才儲備。

3）縱橫交錯的工業(yè)軟件體系運維能力。

同時具備上述三點的企業(yè)，本就是各行業(yè)翹楚。

而那些同樣需要數(shù)字化轉(zhuǎn)型升級的中小企業(yè)，卻被擋在門外——數(shù)字化轉(zhuǎn)型在很多中小企業(yè)內(nèi)部，風(fēng)險是實打?qū)嵉?。業(yè)內(nèi)戲稱“大公司上中臺錢沒了，小公司上中臺公司沒了”。

小企業(yè)最終只能在生產(chǎn)運營中，挑選極少數(shù)環(huán)節(jié)單獨部署軟件，與全面數(shù)智化漸行漸遠(yuǎn)。

source：unsplash

以上就是工業(yè)軟件當(dāng)下無法回避的兩大軟肋。怎么重構(gòu)？

答案只有一個，工業(yè)AI大模型。

03 懂工業(yè)的TPT，才能化解老問題

工業(yè)AI大模型和ChatGPT、DeepSeek等大語言模型有什么不同？

大語言模型很難觸及工業(yè)核心場景，因此只能在知識管理、數(shù)據(jù)問答等場景來回打轉(zhuǎn)。

工業(yè)AI大模型則擁有無可替代的“工業(yè)場景入場券”，疊加“理解工業(yè)語言的能力”——讓其能徹底解放“老師傅”，以7×24小時的不間斷體能深入各類生產(chǎn)場景。

在工業(yè)AI大模型中，主流的當(dāng)屬以中控技術(shù)TPT 2為代表的時間序列大模型。

中控技術(shù)的TPT 2大模型是專為流程工業(yè)設(shè)計的革命性AI工具——

通過時序數(shù)據(jù)算法和可靠模型，在各類生產(chǎn)工藝場景中實現(xiàn)閉環(huán)應(yīng)用，助力用戶實現(xiàn)高效生產(chǎn)力，且在幫助用戶保障生產(chǎn)安全、提高產(chǎn)品質(zhì)量、降低能耗物耗、提升設(shè)備維護效率、實現(xiàn)自主運行等方面具有不可替代的作用。

也就是說，工廠里發(fā)生的任何事，都能被TPT 2追溯為一段“時間序列數(shù)據(jù)”——TPT 2還能將24小時不間斷產(chǎn)生的數(shù)據(jù)，理解并“翻譯”成機器語言。

可以說，只有能獲得、理解時序數(shù)據(jù)的算法和模型，才算是掌握了工業(yè)數(shù)智化的命脈。

但是，無論是獲得“時間序列數(shù)據(jù)”，還是理解工業(yè)語言，都有數(shù)個前提條件，每一個都有極高門檻。

這一次，需要跨越高門檻的不是使用方，而是大模型的提供方（工業(yè)AI企業(yè)）。

source：unsplash

首先是（使用方）工業(yè)企業(yè)愿意開放數(shù)據(jù)的信任。這一點，缺乏大量工業(yè)企業(yè)用戶的大語言模型幾乎是做不到的。

其次是包括儀器儀表、工業(yè)控制系統(tǒng)在內(nèi)的硬件數(shù)據(jù)基礎(chǔ)。這同樣超出了絕大多數(shù)大語言模型的能力范疇。

最無法替代的，是打造工業(yè)大模型的工業(yè)AI企業(yè)，其自身在貫通不同工業(yè)領(lǐng)域、垂直行業(yè)乃至單一場景后，所積累得來的工業(yè)know-how。這是能“讀懂”數(shù)據(jù)的關(guān)鍵。

source：unsplash

《星船知造》觀察中，目前中控技術(shù)幾乎是唯一一家同時具備這些條件的大模型玩家。

首先是客戶信任（開放數(shù)據(jù)）、行業(yè)know-how和應(yīng)用場景積累。

中控技術(shù)是一家誕生于1993年，多年扎根流程工業(yè)自動化的企業(yè)。過去三十多年里，中控在流程工業(yè)領(lǐng)域積累了3.7萬家客戶。擁有廣泛的用戶基礎(chǔ)和“規(guī)?；睉?yīng)用場景。

比如中控技術(shù)在與國際石油巨頭沙特阿美的合作中，積累了海量天然氣場站環(huán)境數(shù)據(jù)、甲烷泄漏相關(guān)數(shù)據(jù)等，對優(yōu)化智能工廠中的機器人檢測算法、提升檢測精度大有助益。

另外，流程工業(yè)既有深度、又有廣度；同時其數(shù)據(jù)具備“連續(xù)性”、“復(fù)雜性”等特點——是工業(yè)與AI融合的關(guān)鍵戰(zhàn)場。

其次，中控自身就具備包括儀器儀表、工業(yè)控制系統(tǒng)在內(nèi)的強大硬件實力。

工業(yè)控制系統(tǒng)是所有AI實施執(zhí)行的硬件基礎(chǔ)。中控技術(shù)目前在化工、石化、建材、造紙四大行業(yè) DCS 市場占有率常年均排名第一。

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)計系統(tǒng)、自主運行系統(tǒng)、質(zhì)量提升系統(tǒng)、生產(chǎn)運營系統(tǒng)、安全優(yōu)先系統(tǒng)、節(jié)能低碳系統(tǒng)、供應(yīng)鏈管理系統(tǒng)、銷售與服務(wù)系統(tǒng)、支持與保障系統(tǒng)等等。

中控技術(shù)現(xiàn)已擁有了極為豐富的流程工業(yè)各細(xì)分領(lǐng)域的實時數(shù)據(jù)。如果一定要再加一個定語，應(yīng)該就是“最”了，且其領(lǐng)先地位是斷層式的。

這意味著，工業(yè)大模型所必需的“強生態(tài)”，其實是中控TPT與生俱來的基因：來自客戶的數(shù)據(jù)信任，know-how積累，以及巨大潛力的流程工業(yè)市場——一個擁有“無限數(shù)據(jù)學(xué)習(xí)、無限場景應(yīng)用”的正循環(huán)已經(jīng)在TPT內(nèi)部形成。

source：giphy

當(dāng)一款工業(yè)大模型能夠匯聚各種軟硬數(shù)據(jù)，并用大量know-how進行分析后，到具體的使用環(huán)節(jié)，所依賴的單元就是AI Agent。

AI Agent是能自主理解目標(biāo)、規(guī)劃任務(wù)并執(zhí)行行動的智能體，它通過感知環(huán)境、調(diào)用工具和持續(xù)學(xué)習(xí)，像“數(shù)字員工”一樣獨立解決問題。

它具備記憶能力：每一次與“老師傅”交流的信息都會成為下一個問題判斷的依據(jù)。

具備分析能力：AI Agent能夠分解任務(wù)成多個步驟，根據(jù)效率或質(zhì)量等多種考量因素有規(guī)劃地去執(zhí)行，擁有一定的自主決策能力。

具備調(diào)用能力：AI Agent能調(diào)用包括大模型、工業(yè)軟件、工業(yè)APP甚至其他Agent的能力來進行具體操作。

這樣一來，工業(yè)軟件兩大軟肋就能迎刃而解。

工業(yè)軟件時代，需要有多個不同的工業(yè)軟件相配合，才能解決一個系統(tǒng)問題。

工業(yè)互聯(lián)網(wǎng)的興起后起到一定緩解效果。軟件廠商打造出具有更小顆粒度的工業(yè)APP，將原本包攬一整個環(huán)節(jié)的工業(yè)軟件，拆解成多個執(zhí)行不同任務(wù)的小程序。

但是，工業(yè)APP只能改良，無法突破——

比如上文提到的高度依賴?yán)蠋煾到?jīng)驗的石化場景，部分工業(yè)APP可以融入一定AI能力，但卻首尾不能兼顧：操控溫度和壓力的APP，會忽略產(chǎn)品質(zhì)量問題；負(fù)責(zé)質(zhì)量的APP又難以兼顧設(shè)備健康……也就是說，“工業(yè)APP+AI”仍然只能在單個場景里學(xué)習(xí)、應(yīng)變，難以跨邊界協(xié)同。

TPT 2這樣的工業(yè)大模型出現(xiàn)后，能將這個系統(tǒng)問題拆分成無數(shù)個小問題，然后用上千個甚至更多AI Agent一一對應(yīng)解決。

但整個操作過程并不會變得更復(fù)雜——在工業(yè)大模型部署好后，只需對其提出問題，并添加工廠各項數(shù)據(jù)，所有Agent的生成與程序調(diào)用即可自動實現(xiàn)。

換言之，工業(yè)大模型也同時在賦予傳統(tǒng)工業(yè)全新的生命力，整個運行邏輯都在重構(gòu)。

目前TPT 2就能將PA層的安全優(yōu)先、質(zhì)量提升、自主運行、節(jié)能低碳、設(shè)備健康五大環(huán)節(jié)用一個大模型全部包攬。而如果采用傳統(tǒng)方式，則可能需要多達(dá)幾十個工業(yè)軟件才能實現(xiàn)相同的效果。

TPT 2

對“老師傅”的依賴也將減輕。

AI Agent的記憶能力、分析能力與調(diào)用能力，意味著可以從“人教人”、“人教機器”進化為“機器教人”。

source：unsplash

上文提到，在工業(yè)軟件時代，工業(yè)企業(yè)需要自身實力過硬去“向上”兼容工業(yè)軟件。

但來到大模型時代，則是工業(yè)大模型“向下”兼容工業(yè)企業(yè)。

為了讓流程工業(yè)任意一個從業(yè)者都能零門檻用上工業(yè)AI，中控TPT 2對內(nèi)融合行業(yè)know-how、時間序列數(shù)據(jù)，對外則是“懂人話”、“說人話”、“干人活”——

無論老師傅還是小師傅，都不需要從頭學(xué)起，讓自己像懂工業(yè)軟件那樣懂AI，而是通過語言交流向TPT 2提出問題，隨后“機器”會引導(dǎo)師傅們上傳數(shù)據(jù)，生成解決方案。

這意味著，TPT 2能以極低的門檻，無縫遷移至不同行業(yè)、不同企業(yè)，并且有SaaS化、本地化多種部署方式。其部署成本（資金、時間）遠(yuǎn)低于工業(yè)軟件。

即使是資金儲備較弱、數(shù)據(jù)采集能力不強的中小企業(yè)，也可輕松使用。

這就是為什么盡管到目前為止，工業(yè)軟件仍是“制造核心”，但它終將被“智造核心”的工業(yè)大模型所超越。而那些沒有跟上工業(yè)大模型浪潮的企業(yè)，在朝智造邁進的過程中，就會掉隊。

也正因此，不少科技公司、工業(yè)巨頭都已推出了自己的工業(yè)大模型產(chǎn)品。

照理說，工業(yè)大模型應(yīng)該已進入百花齊放、百家爭鳴階段。但《星船知造》多方調(diào)研后發(fā)現(xiàn)——工業(yè)大模型作為一個全新的賽道，目前正面臨一個行業(yè)挑戰(zhàn)：

相當(dāng)一部分的工業(yè)大模型雖然叫“大模型”，但本質(zhì)上仍是“小模型”，和工業(yè)軟件一樣，尚未沖破“智能孤島”困境。

04 不是所有大模型都是TPT

雖然都叫工業(yè)大模型，但細(xì)分來看，又可分為“通用工業(yè)大模型”、“行業(yè)大模型”和“場景大模型”。

宣布打造出工業(yè)大模型的各類玩家，實則多集中于行業(yè)大模型和場景大模型。而深究下來，兩者本質(zhì)上仍是“小模型”。

source：unsplash

場景大模型，顧名思義是只在某個單一工業(yè)場景中深耕。其玩家，多是互聯(lián)網(wǎng)科技企業(yè)與在某垂直場景深耕的工業(yè)企業(yè)。如手機、家電、汽車企業(yè)近幾年都推出過自己的垂類場景大模型——進入的，多是技術(shù)成熟度高的質(zhì)檢、安檢等場景。

但這類大模型的本質(zhì)仍然是“小模型”。是“一事一模型”。

其“小”，不僅指小在功能單一，更在于不可復(fù)制：

這種大模型，一旦要“跨廠”使用，就變得和工業(yè)軟件一樣——高度依賴?yán)瞎こ處煹呐袛嗪徒?jīng)驗。需要“人教機器”。

場景大模型中，數(shù)據(jù)和行業(yè)Know-how被封閉起來，鍛造成一把唯一的鑰匙，便再打不開第二扇門。

source：unsplash

再看行業(yè)大模型，顧名思義，它從深耕具體場景的老師傅進化成了“行業(yè)百曉生”——通過學(xué)習(xí)該行業(yè)專屬數(shù)據(jù)，覆蓋行業(yè)內(nèi)多個場景，解決行業(yè)級問題。

玩家多為具備制定行業(yè)標(biāo)準(zhǔn)能力的巨頭企業(yè)。這些企業(yè)聯(lián)合科技大廠等供應(yīng)商，共同打造出行業(yè)大模型。

行業(yè)頭部企業(yè)選擇自建行業(yè)大模型，通常出于幾個考慮：一是巨頭的數(shù)據(jù)本就“量大質(zhì)優(yōu)”，通過大模型，可將自己多年的行業(yè)數(shù)據(jù)積累轉(zhuǎn)化為數(shù)智化能力；二是在訓(xùn)練、使用大模型過程中，不用擔(dān)心自己的數(shù)據(jù)泄露。

但也恰因為此，數(shù)據(jù)被巨頭圈地，無法跨行業(yè)復(fù)用，形成新的數(shù)據(jù)高墻。

source：unsplash

以流程工業(yè)中的石油化工與生物制藥這兩個行業(yè)來舉例：

它們在生產(chǎn)上，都有高溫高壓反應(yīng)、多相流傳質(zhì)控制等相同環(huán)節(jié)。

理想狀態(tài)下，一款工業(yè)大模型經(jīng)過石油化工、生物制藥等行業(yè)的訓(xùn)練，其“吃豆”能力會大幅增強，且能觸類旁通——最終能形成自己的記憶能力、分析能力與調(diào)用能力——可無縫遷移至更多行業(yè)、更多企業(yè)。

但現(xiàn)實問題在于，你很難想象兩個巨頭會坐在一起，聊聊如何訓(xùn)練同一個大模型。

這就導(dǎo)致了即使在相同工業(yè)門類下、擁有相同生產(chǎn)環(huán)節(jié)的行業(yè)大模型之間仍是一座座“智能孤島”。既無法提煉共性，更無法協(xié)同進化。

source：unsplash

當(dāng)前工業(yè)大模型普遍存在的“一事一模型”、“一行業(yè)一模型”現(xiàn)象，其根源在于各方面仍未脫離“工業(yè)軟件思維”：先定義一個具體問題，再用一個具體方案解決——最終導(dǎo)致“智能孤島”普遍存在。

“智能孤島”一方面讓行業(yè)和企業(yè)陷入重復(fù)造輪子的惡性循環(huán)。另一方面，數(shù)據(jù)、知識不互通，讓絕大部分工業(yè)大模型始終在“小模型”中打轉(zhuǎn)，無法掌握更大范圍內(nèi)的規(guī)律。

所有人都重復(fù)建造自己的小船，新大陸便永遠(yuǎn)隱匿于迷霧。

人們迫切需要一款能打破“智能孤島”的通用工業(yè)大模型。

圖源：中控技術(shù)

在《星船知造》的觀察中，TPT 2正是一款在流程工業(yè)領(lǐng)域相當(dāng)符合“理想型”的通用工業(yè)大模型產(chǎn)品。

它已經(jīng)做到了兩點：一是有能力打破數(shù)據(jù)和行業(yè)know-how的“封閉性”。二是在此基礎(chǔ)上，具備場景貫通能力。從下圖看更為直觀

我們以圖中的數(shù)據(jù)資產(chǎn)和知識融合舉例——

工業(yè)場景具有其他場景不具備的“高標(biāo)準(zhǔn)、嚴(yán)要求”（聊天對話場景下，ChatGPT等大語言模型時不時已讀亂回，人們大可一笑了之，但工業(yè)場景絕不能出現(xiàn)此類情況）。

因此，只有獲得足夠多的數(shù)據(jù)和行業(yè)知識，才能在數(shù)據(jù)安全性、輸出精準(zhǔn)性上達(dá)到一定標(biāo)準(zhǔn)，進入核心環(huán)節(jié)。

但場景大模型和行業(yè)大模型的主要玩家多是跨界而來的互聯(lián)網(wǎng)/科技企業(yè)，雖然具備IT技術(shù)開發(fā)等技術(shù)能力，但缺“場景貫通”——缺乏行業(yè)know-how、專業(yè)數(shù)據(jù)及落地場景。而掌握了行業(yè)數(shù)據(jù)和know-how的工業(yè)巨頭，又往往在AI技術(shù)實力上有所缺失。

目前，TPT 2已經(jīng)同時具備了數(shù)據(jù)、know-how、場景貫通能力，也因此能向上統(tǒng)一數(shù)據(jù)基礎(chǔ)，向下進入多個工業(yè)核心環(huán)節(jié)，成為一款能打破“智能孤島”的通用工業(yè)大模型。

在它背后，擁有的是——

●強大的數(shù)據(jù)根基

●深度的技術(shù)耦合

將行業(yè)know-how與工程實踐系統(tǒng)性編碼到TPT模型架構(gòu)，確?？煽靠山忉專?/p>

MoE + 異常檢測的融合設(shè)計，顯著提升模型容量、計算效率與實時性，處理海量數(shù)據(jù)下的復(fù)雜異常檢測任務(wù)；

結(jié)合大語言模型，順暢語義交互，深度自主思考優(yōu)化；

●全（工業(yè)）場景一鍵打通

中控技術(shù)服務(wù)過3.7萬+企業(yè)，廣闊的行業(yè)覆蓋和扎實的客戶基礎(chǔ)為AI場景驗證與規(guī)模復(fù)制提供了豐富的應(yīng)用場景；

TPT能夠解決工業(yè)應(yīng)用分散、數(shù)據(jù)應(yīng)用碎片化等難題，實現(xiàn)由一個TPT大模型為基座打造“一個軟件支撐多種應(yīng)用場景”的新模式；

創(chuàng)新的落地模式：預(yù)訓(xùn)練（通用工業(yè)知識+海量數(shù)據(jù)）+微調(diào)（精準(zhǔn)場景數(shù)據(jù)）模式，實現(xiàn)低成本、高效率、規(guī)模化落地。

那么，作為一款“理想型”的通用工業(yè)大模型，TPT 2已經(jīng)做到了哪些其他人沒做到的事？未來，它又將憑借哪些能力，走到更遠(yuǎn)的遠(yuǎn)方？

05 TPT 2,不僅僅以萬倍效率破局

2025是中控技術(shù)的破局之年。這家誕生于1993年，素以深耕流程工業(yè)自動化聞名的企業(yè)，其技術(shù)和業(yè)務(wù)光譜中已經(jīng)延展出了兩大新物種——

●機器人《一家“不做機器人”的機器人公司，正把中國機器人賣遍“一帶一路”》

●時間序列大模型TPT 2

兩者都是其自然升級為工業(yè)AI公司的體現(xiàn)。

《星船知造》看來，TPT 2的愿景，不僅僅是打破工業(yè)軟件和工業(yè)“小模型”的“智能孤島”困境；也不僅僅是成為一個能更好服務(wù)工業(yè)企業(yè)的“智慧大腦”。它的雄心指向一個更宏大的未來：

打破過去工業(yè)領(lǐng)域“經(jīng)驗驅(qū)動”的百年慣性，孕育出由中國工業(yè)大模型主導(dǎo)的工業(yè)智能生態(tài)。這一次，AI普惠將是這一生態(tài)的核心壁壘。

TPT 2正憑借提煉“工業(yè)母語”、“向下兼容”等創(chuàng)新優(yōu)勢，為工業(yè)AI普惠做出創(chuàng)新嘗試。

先看提煉TPT 2“工業(yè)母語”的能力。

“工業(yè)母語”可以這樣理解——

它是一種將千變?nèi)f化的數(shù)據(jù)、行業(yè)know-how轉(zhuǎn)化成AI可理解的表達(dá)方式。

過去，工業(yè)軟件也好、工業(yè)APP也好、工業(yè)“小模型”也好，都是必須疊加老師傅經(jīng)驗才能跑得通。

現(xiàn)在，TPT 2通過提煉出“工業(yè)母語”，讓機器開始具備“理解問題→轉(zhuǎn)譯數(shù)據(jù)→構(gòu)造方案→生成行動”的自主能力。實現(xiàn)“機器教人”

通過對已知數(shù)據(jù)的深度建模、對未知情景的預(yù)測，以及對整個過程的自主學(xué)習(xí)與重構(gòu)，它正在邁入工業(yè)自主化階段。

TPT 2是這樣做的

第一步，先整合散落在工業(yè)各個角落非結(jié)構(gòu)化、格式各異的工業(yè)數(shù)據(jù)（包括經(jīng)驗知識、傳感器讀數(shù)、圖紙、流程圖等）；

中控技術(shù)正在系統(tǒng)整合過去三十多年來自身及整個工業(yè)界積累的各類數(shù)據(jù)資產(chǎn)，包括工藝參數(shù)、行業(yè)圖譜、技術(shù)文獻，以及大量沉淀于工業(yè)軟件、APP與小模型中的問題解決經(jīng)驗。

這一步能確保模型不僅具備“從零建?！钡哪芰?，更具備“承載經(jīng)驗”的厚度。

第二步，開始對數(shù)據(jù)進行“翻譯”，目的是從“收集數(shù)據(jù)”走向“貫通知識”。讓AI在學(xué)習(xí)“工業(yè)語言”后，能像工程師一樣理解工業(yè)世界。

比如在流程工業(yè)中，許多系統(tǒng)運行參數(shù)是基于經(jīng)驗設(shè)定的。一旦原料波動或工況變化，這些預(yù)設(shè)參數(shù)就可能不再適用。而TPT的記憶能力和預(yù)測能力，使得AI Agent可以先于人類察覺風(fēng)險并行動——“機器教人”。

第三步，打破知識壁壘，重塑協(xié)同機制。

過去許多工業(yè)難題長期懸而未解，不是因為缺乏數(shù)據(jù)或算力，而是因為這些問題橫跨多個學(xué)科與專業(yè)范疇——有人認(rèn)為是工藝問題，有人認(rèn)為是算法問題。完成大工業(yè)范圍內(nèi)學(xué)習(xí)的TPT 2，將能重塑協(xié)同機制。

TPT 2

TPT 2提煉“工業(yè)母語”的能力，已經(jīng)讓AI開始解決具體的工業(yè)問題——

過去，數(shù)字化升級依賴資深工程師現(xiàn)場調(diào)試，成本高、門檻高。一個項目需要幾十人，部署時間以“年”為單位。

現(xiàn)在借助TPT 2，無需代碼，只需動動手、說說話，理清生產(chǎn)問題，導(dǎo)入數(shù)據(jù)與知識，即可生成專屬Agent，快速實現(xiàn)數(shù)智化升級。幾十分鐘就能部署好一個Agent，效率飛升萬倍。

更重要的是，中控技術(shù)在打造大模型時并非從0起步，而是將TPT作為“煉丹爐”，把三十多年所積累的數(shù)據(jù)、算法、知識、經(jīng)驗、軟件等能力，全部聚集其中。

在大量的數(shù)據(jù)學(xué)習(xí)后，TPT 2已經(jīng)具備無縫遷移至各類工業(yè)場景的能力。

正因為此，相較于被困于“智能孤島”的各類大模型而言，中控技術(shù)的TPT 2已經(jīng)做到一個大模型在龐大的流程工業(yè)里“千廠千面”地部署應(yīng)用——很大程度上打破“智能孤島”，深入流程工業(yè)的安全保障、質(zhì)量提升、設(shè)備健康、自主運行以及節(jié)能低碳等環(huán)節(jié)之中。

萬華化學(xué)官網(wǎng)

截至目前，TPT 2已經(jīng)累計預(yù)定訂單企業(yè)518家，成交量112套，線上注冊申請用戶3268名。

這些數(shù)字意味著，同一套TPT 2解決方案，已在不同企業(yè)、不同工廠的產(chǎn)線間奔涌。標(biāo)志著TPT 2模型從技術(shù)研發(fā)階段正式邁向規(guī)?；涞?/p>

中石油蘭州石化榆林化工：TPT 2生成出的多個智能體，在不同生產(chǎn)環(huán)節(jié)發(fā)揮作用——

異常預(yù)警智能體實時監(jiān)控生產(chǎn)參數(shù)與設(shè)備狀態(tài)，預(yù)測準(zhǔn)確度達(dá)99.79%，精準(zhǔn)定位異常并生成處置方案，保障安全運行；

操作路徑規(guī)劃智能體在投爐升溫階段優(yōu)化COT溫度操作路徑，縮短升溫時間4-5小時，在質(zhì)量達(dá)標(biāo)前提下，整體年效益預(yù)計不低于650萬元；

操作優(yōu)化智能體在穩(wěn)定運行階段提升乙烯選擇性與收率，單爐乙烯收率提高0.373%，年凈收益315.5萬元/爐，整體年效益預(yù)計不低于1500萬元。

中石油蘭州石化中控室

再看TPT 2“向下兼容”能力。它正讓AI技術(shù)加速普惠工業(yè)企業(yè)。

第三次工業(yè)革命中，制造業(yè)從發(fā)達(dá)國家向發(fā)展中國家轉(zhuǎn)移，但制造環(huán)節(jié)的落地并不意味著先進制造知識和質(zhì)量標(biāo)準(zhǔn)的到來，它們往往都被封裝于工業(yè)軟件中。

幾乎全世界的工業(yè)制造都在先發(fā)國家設(shè)計的規(guī)則下運轉(zhuǎn)。

這意味著，中國工業(yè)要實現(xiàn)轉(zhuǎn)型升級，必須跨越由工業(yè)軟件體系主導(dǎo)的掣肘。

比如今天我們引以為傲的高鐵產(chǎn)業(yè)，早期階段大量使用西門子、日立等提供的建模、控制軟件，控制模型均由外方定義，導(dǎo)致國產(chǎn)系統(tǒng)難以替代。直到中國逐步構(gòu)建TCMS等自有建模平臺和列控仿真系統(tǒng)后，才真正實現(xiàn)自主。

在流程工業(yè)，DCS（分布式控制系統(tǒng)）是電力、冶金等承載國家命脈的產(chǎn)業(yè)里不可或缺的控制平臺，也是將工業(yè)know-how封裝進數(shù)字系統(tǒng)的橋梁——

過去三十多年中，中控技術(shù)始終扎根這一領(lǐng)域不斷突破——2007年，中控技術(shù)獲得中國石化武漢分公司500萬噸“油品質(zhì)量升級煉油改造工程”的項目合同，標(biāo)志著高端市場核心主裝置DCS被跨國公司壟斷的時代結(jié)束了。

它從霍尼韋爾、艾默生等跨國巨頭手里贏回了流程工業(yè)的話語權(quán)，也為今天自身成長為一家軟硬融合的工業(yè)AI企業(yè)打下了地基。

下一個三十年里，隨著大模型時代到來，在新的技術(shù)窗口期里，中控技術(shù)選擇了一條更為激進卻也更為目光長遠(yuǎn)的道路——

美歐老牌工業(yè)軟件巨頭，目前選擇的是一條保守路線：延續(xù)現(xiàn)有技術(shù)路徑，通過在傳統(tǒng)工業(yè)軟件基礎(chǔ)上疊加大語言模型實現(xiàn)大模型能力。

比如，霍尼韋爾、艾默生、西門子等企業(yè)，先通過“軟件+AI”保證不掉隊，再逐步整合各個業(yè)務(wù)單元，形成大模型或全能AI平臺。艾默生則將這些年并購的軟件都融到其“無界自動化平臺”中，并采用ChatGPT等大語言模型做問答交互。

若中國企業(yè)與歐美巨頭采用相同方式，一則本土企業(yè)目前在涉足的工業(yè)軟件廣度上還不及跨國巨頭；二則如果還是在對方的體系與規(guī)則下競爭，就無法在新的技術(shù)窗口里真正領(lǐng)先。

但要馬上讓工業(yè)大模型實現(xiàn)對工業(yè)軟件的替代，目前也不現(xiàn)實。因為對廣大下游工業(yè)企業(yè)而言，就像程序員面對一座運行多年的“屎山代碼”，明知換人能解決問題，但只要系統(tǒng)還能跑，誰都不敢輕舉妄動。

因此，中控技術(shù)走的是一條通過大模型重構(gòu)工業(yè)軟件的路線——工業(yè)軟件是“向上兼容”。現(xiàn)在，中控技術(shù)則堅持工業(yè)大模型要“向下兼容”：

TPT 2具備SaaS化、本地化等多種形態(tài)，可以適應(yīng)不同行業(yè)、不同規(guī)模的企業(yè)需求。不僅在速度上遠(yuǎn)超傳統(tǒng)軟件，還極大降低使用門檻——尤其對那些缺乏軟件工程能力的工業(yè)企業(yè)而言，可以更便捷地構(gòu)建自己的智能生產(chǎn)系統(tǒng)。

原本依賴中控技術(shù)專家團隊交付的項目，如今可交給任何一個“懂行業(yè)、懂問題”的生態(tài)伙伴來完成。

他們不需要掌握復(fù)雜的AI算法，也不需要深度的軟件工程能力，只需要理解客戶問題和手握部分?jǐn)?shù)據(jù)，就能通過TPT平臺生成可交付的解決方案。

這種更輕盈、靈活的部署方式，不僅讓工業(yè)大模型的“向下兼容”成為現(xiàn)實，也為TPT 2構(gòu)建了一個可持續(xù)繁榮的工業(yè)場景生態(tài)。

目前TPT 2與工業(yè)軟件之間并非絕對替代，而是嘗試用更易上手的大模型產(chǎn)品，幫助更多工業(yè)企業(yè)去使用工業(yè)軟件和APP來解決實際問題——也只有這樣，才能讓處于工業(yè)軟件體系下的生態(tài)市場，從原先的思維慣性里無縫銜接到工業(yè)大模型之中。

source：giphy

工具的意義在于被人使用。只有真正普惠的工具才能創(chuàng)造極大價值。

TPT 2讓工業(yè)AI大模型不再是昂貴且復(fù)雜的系統(tǒng)，而是每一個工程師甚至產(chǎn)線工人都可操作的智能助手，這才是工業(yè)AI深入核心場景、賦能萬千工廠的真正標(biāo)志。

尾聲：三十年磨一劍

錢塘江的潮水奔涌向前。過去三十多年里，它見證了一座城市與一家企業(yè)的蛻變。

杭州城從昔日的工業(yè)重鎮(zhèn)，成為一座“數(shù)智重鎮(zhèn)”——其制造業(yè)、互聯(lián)網(wǎng)、高新科技等多條產(chǎn)業(yè)都已匯入新時代的數(shù)智化海域。

它一直尋覓著下一個“意外收獲”的出現(xiàn)。

今天，一顆1993年種下的深耕流程工業(yè)自動化的種子，正長成憑借工業(yè)AI能力改變工業(yè)格局的巨木。

中控技術(shù)的工業(yè)大模型TPT 2正以流程工業(yè)為原點，為新質(zhì)生產(chǎn)力時代的工業(yè)添磚加瓦。

它不再重復(fù)“工具式工業(yè)軟件”的老路，而是通過不斷充實“工業(yè)語料”和“向下兼容”夯實工業(yè)AI的底座，以TPT 2的破土迎來厚積薄發(fā)。

它讓老師傅的經(jīng)驗不再封閉于個人頭腦，而是沉淀為可復(fù)用的智能資產(chǎn)；

它讓中小企業(yè)無需重金搞“數(shù)字基建”，也能通過大模型輕裝上陣擁抱智造；

它讓中國工業(yè)AI不再追隨他人寫下的規(guī)則，而是自己構(gòu)筑工業(yè)語料。

它的未來，則不完全取決于中控技術(shù)一家企業(yè)的能力。而是要讓更多工業(yè)伙伴都能基于“工業(yè)母語”共識開展一場工業(yè)AI共建——讓每一個Agent都成為智能節(jié)點，讓每一次任務(wù)執(zhí)行都能反哺知識體系，讓每一個工業(yè)場景都能為大模型提供訓(xùn)練場。

這個過程中，不排除更多巨頭會加入進來。如今的TPT 2，毫無疑問已經(jīng)跑在了最前面。

它所走過的每一步路，都為后來者開啟了一個尚未到達(dá)領(lǐng)域的新起點。當(dāng)生態(tài)愈加繁榮，也意味著我們可能用5年的時間，完成其他國家用15年完成的工業(yè)智能化轉(zhuǎn)型。在技術(shù)普及曲線尚未陡峭上升之前，先一步登上智能制造的高地。

時間會獎賞那些與工業(yè)共成長，并永遠(yuǎn)選擇艱難而正確道路的人。

主要參考資料：

[1]《數(shù)字中國發(fā)展報告（2024年）》.國家數(shù)據(jù)局

[2] 人工智能大模型在重點工業(yè)領(lǐng)域規(guī)模化部署加快.工信部

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

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

本文基于訪談及公開資料寫作，不構(gòu)成任何投資建議

本文為星船知造原創(chuàng)內(nèi)容

未經(jīng)授權(quán)，禁止轉(zhuǎn)載