褚健WISE2025演讲实录：AI重塑流程工业，开启智能生产新纪元

11月末，被誉为“年度科技与商业风向标”的36氪WISE2025商业之王大会，在北京798艺术区传导空间盛大举行。

本届WISE大会颠覆传统模式，创新采用“科技爽文短剧”形式打造沉浸式体验，深入探讨AI重塑硬件边界、具身智能进入现实、品牌全球化浪潮以及传统产业数字化升级等热点议题，不仅展现了前沿趋势，更分享了企业实践中淬炼出的宝贵经验。

接下来，我们将逐一剖析这些“爽剧”背后的真实商业逻辑，共同见证2025年商业的独特风景。

在产能过剩与节能减排的双重挑战下，中国制造业如何推动高能耗、高风险的流程工业实现质的飞跃？

中控创始人、宁波工业互联网研究院创始人兼院长禇健明确指出，答案在于用AI全面重塑工业生产体系。

禇健在大会上系统阐述了中控技术的三大核心观点：

首先，流程工业当前面临的核心矛盾在于对人工经验的过度依赖与系统化优化需求之间的“大厨困境”。如同烹饪，即使原料和设备相同，最终品质却因厨师经验而异，导致质量波动和能耗失控。褚健强调，真正的工业智能必须超越个体经验，实现稳定、可复制的系统级最优控制。

其次，破解之道在于融合工业数据、科学机理与AI大模型，推动从“感知”到“优化”的跨越。中控自主研发的时间序列大模型TPT（Time-series Pre-trained Transformer），不仅能实时感知生产状态、理解反应机理，更能主动推荐优化策略，引领工业控制从自动化迈向自主智能的新阶段。

最后，关于AI在工业场景的价值创造，褚健强调AI必须为产业带来可量化的实际效益，开启万亿级利润蓝海。工业AI的活力在于直击安全、质量、成本、排放等痛点。仅3%的效益提升，就可在流程工业催生两万亿元利润；1%的减排则意味着减少一亿吨碳排放——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精编：

各位好！非常感谢36氪提供的宝贵交流机会。

今天所在的会场充满工业气息，不禁让我回想起过去的工业时代。如今的工业已发生翻天覆地的变化。在此，我想分享对工业未来的思考——特别是在AI日新月异的今天，工业的明天将走向何方？要知道，我们所有的衣食住行，包括米面粮油，都源自工业，背后是复杂的工业加工过程。因此，工业的重要性不言而喻。

去年黄仁勋的一句话令我记忆犹新：这一轮AI浪潮将使全球50万亿美元的制造业更加自动化。核心问题是如何运用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。我们主要聚焦于流程工业，其规模约60万亿元人民币。在中国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。尽管数量不多，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的约80%，因为其本质是化学反应过程，例如铁矿石炼成钢铁，再加工成汽车板、钢结构等，都是高能耗产业；原油经加工则变成衣物、塑料袋等石油化工产品。

流程工业具有高温高压、易燃易爆的特性，因此自动化水平高，数字化基础扎实。在AI时代，没有数据一切无从谈起。如何高效利用这些数据，是我们需要深思的问题。

正因为流程工业安全风险高、事故易发，我们更应直面痛点，将其转化为机遇。围绕流程工业的特点，我们需要重点解决三大问题：一是保障生产安全；二是提升产品质量；三是降本增效。当前中国许多行业产能过剩，如钢铁、炼油等，严重依赖出口。一旦出口受阻，产能过剩问题将更为突出。因此，降本增效、提升产业竞争力至关重要。同时，节能减排既是国家战略，也是企业关注的重点。例如今天798现场的管道设备，曾是高能耗的象征。如今，许多地方仍面临高能耗和环保挑战。

我用烹饪来比喻AI在工业中的应用。大家都会做菜，但成为大厨却非易事。番茄炒蛋简单，但口味千差万别；西湖醋鱼、臭鳜鱼等复杂菜肴，做熟已属不易，要开饭店赢得市场更是难上加难。中国菜系繁多，精通一门已属难得，掌握所有菜品几乎不可能。

流程工业也是如此。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，不同企业的产品质量和竞争力也大相径庭。我们的目标是以最低能耗、物耗和成本，生产出最具竞争力的产品，销往全球。烹饪依赖经验，而工业需要数据支撑。

对于流程工业，我们不仅需要数据，还需要科学原理和经验。中控在这方面拥有坚实基础。过去32年，我们积累了丰富的控制系统应用经验。2024年，中控的DCS控制系统在国内市场占有率达40%以上，在化工行业接近62%。全国5.5万家流程工业企业中，3.7万家是我们的客户，运行中的控制系统达十几万套，积累了海量数据。如同烹饪，我们既有经验，也有数据。

继续以烹饪类比，我们需要温度、压力、流量等参数。就像用空气炸锅烤牛排，设定时间与温度。要调整过程，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。但若拥有完整的温度、压力、流量数据，便能实现更精准控制。当然，还需要检验产品质量，监控设备状态，如炉子是否损坏、燃气是否充足，以及反应器内的反应深度、转化率等。

这些数据都是时间序列数据。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，它处理的是多组相互关联的时间序列数据，且建立在科学依据之上，即基本的化学反应过程和机理。

TPT自去年发布以来，已解决众多实际问题。今年我们推出迭代版本，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，模型即可预测并给出解决方案。

基于此，我们已有许多成功案例。例如，在某百万吨级乙烷制乙烯企业中，我们帮助解决了乙烯收率问题，优化了裂解炉操作，并实现了异常参数的自动检测与分析。通过上传各种数据，模型提供完善解决方案，最终年效益超两千万元。

流程工业营收高达60多万亿元，若能创造价值，机遇巨大。AI改造工业、提升竞争力的空间广阔。人类生活不仅构建了巨大市场，工业本身也是庞大市场。流程工业与AI的结合，核心价值在于为产业创造真实效益。中国碳排放超百亿吨，每降低一个百分点，就减少一亿吨碳排放；每提升3%效益，则意味着两万亿元利润，潜力无限。

未来，AI在工业领域前景广阔，但这并非一家公司能完成，需要各方共同努力。中控所处的市场空间巨大，不仅在于控制系统，更在于用AI技术解决工业场景实际问题。正如刚才提及，两万亿利润背后对应的是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。今天在798工业馆召开会议，既是对旧历史的回望，更是对新未来的展望。