转载：对话褚健：中控转型工业AI，背水一战还是顺势而为？

对话褚健：中控转型工业AI，背水一战还是顺势而为？

微信公众号：控制工程中文版

作者 | 石林才

回首2024年，如果要问，什么是今天各行各业最为炙手可热的共同话题，那答案一定非AI莫属。在很多人看来，AI不仅仅是最新一轮的技术风口，它即将为人们的生产、协作模式和生活方式带来前所未有的深远改变，甚至是彻底的颠覆。

我们注意到，一些长期耕耘这个领域的“守望者”企业，已经凭借着敏锐的嗅觉，开始从传统的技术竞技场，悄然驶上由AI技术构建起的新赛道。

长期从事工业自动化领域的中控技术，就是这样一家企业。

今年6月，中控技术将公司愿景改为了“成为工业AI全球领先企业”，并在多个场合强调这一重大转型。中控创始人褚健也公开表示，未来的中控将不再是一家DCS公司，也不再是一家自动化公司，而将成为一个工业AI公司。

这样的姿态，即便在业界人士“言必称AI”的今天，也不免有一些“背水一战”的激进色彩。为此，笔者带着一些不失坦率的问题，与褚健先生就这个话题进行了一次交流，试图勾勒出中控视野中的AI发展图景。

当下，我们最关心的是，中控为何要工业AI领域摆出“All in”的姿态？连续十三年占据中国DCS头把交椅，百亿营收近在咫尺，这个体量的企业作出这个决策，是否有些过度夸大了AI在工业领域的战略意义？

坦率地讲，如果是一家“初生牛犊不怕虎”的初创企业，笔者并不认为这是一个问题。到目前为止，AI在工业领域多体现为一些聚焦明确却规模有限的单点应用，真正通过规模化应用，显著提升产业价值的并不多，对于一些在算法、模型上独到而专精的新锐企业而言，这样的细分市场或许已足够他们闯荡出一方天地。

但，就中控的体量和份量而言，却完全不可同日而语。

在中国自动化领域，中控的“江湖地位”无需多言，其在自动化领域已构建起庞大的解决方案阵容和齐全完整的技术、业务体系，且仍在持续巩固其市场优势。在这样的形势下，公司整体从战略层面转向工业AI，不得不说是一个需要魄力的决定。

对此，褚健表示，“做工业AI并不是为了赶时髦追热点，而是基于中控多年的工业积累，着眼长远的布局，如何把我们的技术经验、数据积淀、知识积累与用户需求结合在一起，打造更加贴近行业痛点，更加高效的工业AI技术和产品，助力用户创造价值，是中控的出发点，也是现阶段工业AI发展的必然选择。”

实际上，中控技术将愿景转为发展工业AI，看似是一个重大转型，但如果穿透历史的纵深，摊开中控的长期发展脉络，就会发现其中一以贯之的战略连续性，这也正是中控“奋力一跃”的信心和勇气。

早在2017年，中控就认识到了用户在生产中积累了大量的数据，但并没有得到有效的利用，所以就确定要转型做一个为用户挖掘数据价值的自动化公司，在公司战略层面提出了从服务于工业3.0到服务于工业3.0+4.0及从自动化产品供应商转型为行业解决方案服务商的转型，强调通过数据资产挖掘，构建数据治理能力，强化数据作用。

2021年，中控开启了第二次的转型，对内，启动“数字中控”的全面建设工作，加速公司数字化转型；对外，面向流程工业客户提供硬件加软件的一揽子解决方案，产品也更加多样化，尤其是在工业软件方面，奋力打造出基于统一数据基座的200多款工业APP，并在数千个数字化项目上实践验证，其中APC、OTS、AAS等多款软件市占率长期位居国内前列。

“工业4.0更多的是智能化，但当时智能化并没有明确的定义， DCS就像是一个大脑，需要加上软件和知识，才能变得聪明，所以当时又提出了5T深度融合，即AT自动化技术、IT信息技术、PT工艺技术、OT运营技术和ET设备技术。”褚健说。

2022年11月ChatGPT横空出世，迎来了AI技术的里程碑时刻。

“ChatGPT确实令我深感震撼，这让生成式AI和通用AI变成了可能，AI已迈入了一个全新的发展阶段。随后，我就向公司全员提出，所有人都要学会使用AI工具，产品要嵌进AI的技术能力，要研发基于AI的重磅产品。”

技术嗅觉敏锐的褚健几乎迅速意识到，AI与中控长久以来追求“挖掘数据价值”方向之间的高度契合性，对工业数据分析和利用的能力将迎来“拐点”。

以前，工业利用数据的方式更多是基于标准的模型进行比对、计算，但进入生成式AI时代后，就可以引入更加丰富的数据变量，利用学习、分析、推理等方式，更加充分地挖掘以往难以洞见的数据关系，带来难以想象的深层价值。

当然，除了在战略上的统一性和连续性，流程行业乃至整个工业领域期待利用AI实现提质、降本、增效的迫切需求，同样是促使中控义无反顾投身工业AI的关键因素。

以石油、化工为代表的流程工业是国民经济的重要支柱产业，其产值占工业总产值的40%以上。但流程工业企业当前普遍面临着安全风险高、物耗能耗高、产品同质化竞争、效益波动大等问题，面对安全、质量、低碳、效益等价值目标，数智化技术的深度应用已成为流程工业高质量发展的迫切需求。

在这样的现状面前，AI的到来显然当逢其时。而且，流程行业这样的“数据密集型”行业，反过来也为AI的训练和应用创造了得天独厚的土壤。

众所周知，在AI行业有一个形象的比喻：AI就像一只饥饿的巨兽，没有用来“喂饱”它的海量数据，就无法让其发挥出成长的价值。当通用大模型的企业竞相花费巨资搜集、标注和清洗数据用来训练AI时，流程行业则苦于拥有巨量的数据却找不到用处。

工业AI的到来，有望盘活这些巨量的数据资产，起到“点石成金”的作用。“我一直认为流程行业的数据不仅齐全，而且更加密集、有效，因此流程工业比离散制造业在AI应用方面具有更为显著的优势。” 褚健表示。

此外，流程工业工艺过程有个共同的特征是“三传一反”，化学反应是最核心的生产步骤，但现实中的反应过程不会是纯化学反应，原料里的杂质不一样、催化剂也不一样、反应器的热效率也不一样，所以化工工艺是近似计算出来的，如果利用生产过程中产生的大量真实有效的数据，通过大范围的数据学习，再加上科学的知识，将比纯粹计算的结果更准、更优，这就是AI的作用和价值。

事实上，工业AI不仅仅可以为过程控制服务，为优化服务，还可以深度参与生产工艺流程的再造。

为此，中控技术基于运行、质量、设备、模拟设计等“4大数据基座+1个智能引擎”的产品策略，推出了全设备智能感知平台（PRIDE）、全流程智能运行管理与控制系统（OMC）、全流程智能质量监控平台（Q-Lab）及流程工业过程模拟与设计平台（APEX）四大融合AI技术的未来核心产品。

“对流程工业来说，工艺设备、自动化都很重要，缺一不可，但以前这些数据都是独立的，操作平台也不一样，但现在中控把这些上下游数据都打通了，然后结合工业AI分析，就可以为仪控、电气、生产和工艺等各个部门同时提供指导，比如工厂某个环节的数据波动一点，对下游会有什么影响，AI就可以用数据预先计算出来，这种生产工艺的指导思想已完全不同于以往，各个部门的人员可以协同工作，从而创造新的价值，比如通过融合AI技术的Q-Lab和APEX，可以重新设计工艺流程，提高中试的效率，减少中试的次数。” 褚健解释到。

实际上，这些实实在在的看得见的价值，使得中控在发展工业AI的方向上更加坚定和决绝。中控的AI转型是企业突破式成长道路上的“背水一战”，也更像是一次“顺势而为”。其中，“势”是市场与技术的大势所趋，“为”则是中控主动出击、事在人为的创新魄力。

这种魄力，从中控在研发上的投入亦可见一斑。公开年报显示，近三年中控技术研发费用占营业收入的比例均在10%以上。在当下颇具不确定性的经济环境面前，这样的姿态无疑显得尤为可贵。

一旦定下方向，中控的行动也日益紧锣密鼓，步步为营。对于中控而言，现阶段最重要的一步是，推动AI真正在可靠性、安全性要求严苛的工业领域成功落地应用，否则再美好的蓝图也是纸上谈兵。

例如，当人们还在屡屡为通用大模型“一本正经的胡说八道”而感到困扰时，工业AI却要经受住千行百业各自不同场景和个性化需求的挑战。这些根植于行业的属性和工艺，往往也是阻碍一系列“大厂”跨界进军工业AI领域的最大屏障。

面对这一挑战，2024年6月，在一帮年轻人的推动下，中控主动以“自我革命”的姿态推出了更加适合AI应用的新一代基于软件定义、全数字化和云原生的通用控制系统UCS。

UCS通过“云-网-端”的极简架构，以云实时操作系统NyxOS为基础，这种云原生的应用程序可以根据需求自动调整资源的规模和容量，实现弹性和可伸缩性，使得UCS能够更好地支持AI算法的运行和优化，提供更高的计算效率和系统的稳定性。同时在UCS中，还可以采用GPU赋能的控制引擎，提供组态自动生成、AI融合PID等功能，从而实现数据预测和自适应控制等，实现更高级别的自动化和智能化控制。

同时，为了解决传统AI模型和通用大模型难以解决的工业核心场景应用的问题，中控还推出了基于时间序列的时序大模型TPT。

在流程工业的生产过程中，会产生大量的时序数据，这些数据能够真实反映生产过程的各种特性，因此基于时间序列构建大模型才会真正符合工业场景应用的要求。而TPT就是基于中控自研的生成式AI算法框架之上，通过汇聚流程行业超大规模真实数据的生产运行、工艺、设备及质量数据等融合训练而成，具有跨场景泛化、多任务处理等能力。

基于TPT，中控近期还发布了流程工业领域中的典型行业——石化化工大模型，帮助客户全面提升石化装置运行水平。在镇海炼化，石化化工大模型助其实现异常预警及故障诊断中实现设备异常识别与诊断分析、自动生成诊断报告、降低专家经验依赖，异常提前预警准确率达95%以上并可以精确地定位异常、给出针对性解决方案；在万华化学(宁波)氯碱工厂，通过石化化工大模型，可以为万华氯碱提升装置风险识别和处置能力，降低设备的可用性损失、实现离子膜寿命预测并给出最佳更换策略、32%碱浓度精准预测及质量优化、电解槽负荷分配优化、废液pH智能预测控制、一次盐水碳酸钠智能控制等多项效果，未来，大模型还将赋能氯碱装置高度自主运行。

对于UCS和TPT两者的关系，褚健做了一个生动的比喻，UCS就像是一个高智商的脑袋，而TPT就像是给这个脑袋装进了知识，两者结合就成为了流程工业的“智慧大脑”，它像专家一样自主思考与交流，并监督和优化装置运行，实现提效率、稳运行、增收益的目标。拥有了这一“智慧大脑”，中控在迈向工业AI的道路上就拥有了核心的动力源泉，为后续的步步为营奠定了坚实而稳固的起点。

褚健介绍，TPT一经发布，迅速获得了众多用户的关注和积极反馈，截至到目前，TPT已经在石化、氯碱、热电等装置上取得了突破性应用。

“现在已经有越来越多的企业在使用我们的TPT构建AI应用，像镇海炼化、万华氯碱在内的知名企业初步已经有十几个了，接下去可能会有更多，甚至上百个。伴随着TPT应用范围的扩大，AI的应用就可以推广到全国上百家氯碱厂，到那时AI的价值就真正得到释放了。所以对未来工业AI的发展，我是充满信心的，因为我们始终坚信，只要能为客户创造价值，那方向就一定是对的。”褚健坚定地说。

- END -

【工业AI应该是云上的，企业需要什么就去云上调用/下载自己所需的内容，同时根据企业传回云上的数据，AI就在云上自我学习完善。】

UCS+TPT → 工业AI