AI重塑流程工业：中控技术以智能破解生产困境与万亿效益

11月27日至28日，被视为“年度科技与商业风向标”的36氪WISE2025商业之王大会，在北京798艺术区传导空间隆重举行。

本届WISE大会突破传统峰会形式，以“科技爽文短剧”为载体，打造沉浸式体验。从AI重构硬件边界，到具身智能探索真实世界；从品牌全球化出海浪潮，到传统行业植入“赛博义肢”——我们不仅还原趋势，更聚焦于无数商业实践淬炼出的真知灼见。

在后续内容中，我们将逐帧解析这些“爽剧”背后的现实逻辑，共同领略2025年商业领域的独特风景。

面对中国制造业产能过剩与节能减排的双重挑战，如何推动高能耗、高风险的流程工业实现质量飞跃？

中控创始人、宁波工业互联网研究院创始人兼院长褚健提出，可借助AI技术重塑工业生产模式。

大会上，褚健阐述了中控技术的三大核心观点：

第一，当前流程工业的根本矛盾在于经验依赖与系统优化的“大厨困境”。流程工业生产如同烹饪，即便原料设备相同，结果却高度依赖人工经验，导致质量与能耗波动。褚健指出，真正的工业智能需超越个人经验，实现稳定、可复制的系统化最优控制。

第二，破解路径在于融合工业数据、科学机理与AI大模型，从“感知”迈向“优化”。中控研发的时间序列大模型TPT（Time-series Pre-trained Transformer），不仅能“洞察”生产状态、“理解”反应过程，还能主动推荐优化策略，推动工业控制从自动化升级为自主智能。

第三，AI落地工业场景后创造的价值，必须为产业带来可衡量的真实效益，释放万亿级利润潜力。工业AI的生命力在于解决安全、质量、成本、排放等核心痛点。仅提升3%效益，就可在流程工业催生两万亿元利润；减排1%即减少一亿吨碳排放——这正是AI赋能工业最有力的价值证明。

中控创始人、宁波工业互联网研究院创始人兼院长 褚健

以下为中控创始人、宁波工业互联网研究院创始人兼院长褚健的演讲实录，经编辑整理：

大家好！感谢36氪提供的交流平台。

今天活动现场充满工业风格，令我想起过往的工业历史。如今的工业已与过去天差地别。在此，我想分享对工业未来的思考——尤其在AI飞速发展的当下，工业的明天将如何演变？须知，我们所有的衣食住行，米、面等，都源自工业，背后都经过专业工业加工。因此，工业至关重要。

去年黄仁勋曾言，我记忆犹新。他表示，此轮AI浪潮将使全球50万亿美元制造业更趋自动化。核心问题在于，如何以AI技术改造工业？中国工业总营收约20万亿美元，占全球三分之一。我们聚焦于流程工业，其规模约60万亿元人民币。中国50万家规模以上制造业企业中，流程工业约占九分之一，即5.5万家。数量虽不多，但产值极高，涵盖“三桶油”、有色、钢铁、稀土、医药、农药、建材等行业。此外，流程工业碳排放占全国总量约80%，因其本质是化学反应过程，例如铁矿石转化为钢铁，再制成汽车板、钢结构场馆等，均属高能耗加工；原油、石油经加工，则变为我们身边的衣物、袋子等石油化工产品。

流程工业具高温高压、易燃易爆特性，因此自动化水平高，数字化基础较好。在AI时代，若无数据，一切无从谈起。如何高效利用这些数据，是我们需深思的关键。

正因流程工业安全风险高、事故易发，我们更应直面这些痛点与挑战，这恰是我们的机遇。围绕流程工业特点，我们需重点解决三大问题：其一，保障生产安全；其二，提升产品质量；其三，降本增效。当前中国许多行业面临产能过剩，如钢铁、炼油等，依赖大量出口。一旦出口受阻，产能过剩问题将更突出。因此，降本增效、增强产业竞争力至关重要。同时，节能减排不仅是国家战略，也是企业关注焦点。例如今日798现场的管道设备，曾是高能耗代表。如今在许多地方，高能耗与环保问题依然存在。

我以烹饪为例，阐释工业领域如何用AI解决问题。我相信大家都会做菜，但成为大厨则另当别论。番茄炒蛋易熟，但口味好坏不一；西湖醋鱼、臭鳜鱼等复杂菜肴，能做熟已不易，要开饭店并赢得市场更是难上加难。中国菜系丰富，精通某一领域已属难得，掌握所有菜品几乎不可能。

流程工业亦然。石油、化工、医药、农药、建材等行业，如同烹饪，涉及成千上万种“菜品”，不同原料、工艺、添加剂组合成最终产品。即便原料、设备相同，不同企业生产的产品质量与竞争力也各异。我们的目标是以最低能耗、物耗和成本，生产最具竞争力产品，销往全球。烹饪依赖经验，而工业则需数据支撑。

对于流程工业，我们不仅需要数据，还需科学原理与经验。中控在该领域基础坚实。过去32年，我们积累了大量控制系统应用经验。2024年，中控DCS控制系统国内市场占有率达40%以上，化工行业近62%。全国5.5万家流程工业企业中，3.7万家是我们的客户，运行控制系统达十几万套，积累海量数据。正如烹饪，我们既有经验，也有数据。

继续以烹饪比喻，我们需要温度、压力、流量等参数。如同用空气炸锅烤牛排，设定时间与温度。若调整过程，可改变温度或时间，例如厚牛排多烤半分钟，薄牛排少烤半分钟——这是经验。但若有完整温度、压力、流量数据，便能实现更精准控制。当然，还需检验产品质量，监控设备状态，例如炉子是否损坏、燃气是否充足，以及反应器内反应深度、转化率等。

这些数据均为时间序列数据。基于此，我们开发了时间序列大模型TPT（Time-series Pre-trained Transformer）。TPT虽基于Transformer架构，但与大语言模型不同，它处理多组关联时间序列数据，且建立在科学依据上，即基本化学反应过程与机理。

TPT自去年发布以来，已解决诸多实际问题。今年我们发布迭代版本，希望未来用户工程师能像使用ChatGPT一样，直接提问如“能耗大怎么办”“质量不稳定如何解决”等流程工业专业问题，通过上传数据，模型即可预测并提供解决方案。

基于此，我们已有众多成功案例。例如，在某百万吨级乙烷制乙烯企业中，我们助用户提升乙烯收率，优化裂解炉操作，并实现异常参数自动检测与分析。通过上传各类数据，模型提供完善解决方案，最终实现年效益超两千万元。

流程工业营收高达60多万亿元，若能在其中创造一定价值，机遇巨大。AI在改造工业、提升竞争力方面空间广阔。人类生活构建了庞大市场，工业本身亦是巨大市场。流程工业与AI结合，核心价值是为产业创造真实效益。中国碳排放超百亿吨，若每降低一个百分点，即减少一亿吨碳排放；若提升3%效益，则意味两万亿元利润，潜力无限。

未来，AI在工业中前景广阔，但这非一家公司可完成，需各方共同努力。中控所处市场空间巨大，不仅在于控制系统，更在于以AI技术解决工业场景实际问题。正如前述，两万亿利润背后对应数十万亿级市场规模，体量庞大。期待更多伙伴关注并投身这一行业。今日在798工业馆召开会议，既是对旧历史的回望，更是对新未来的眺望。