【儀表網 企業動態】回首2024年，如果要問，什么是今天各行各業最為炙手可熱的共同話題，那答案一定非AI莫屬。在很多人看來，AI不僅僅是最新一輪的技術風口，它即將為人們的生產、協作模式和生活方式帶來前所未有的深遠改變，甚至是徹底的顛覆。
 

　　我們注意到，一些長期耕耘這個領域的“守望者”企業，已經憑借著敏銳的嗅覺，開始從傳統的技術競技場，悄然駛上由AI技術構建起的新賽道。
 

　　長期從事工業自動化領域的中控技術，就是這樣一家企業。
 

　　今年6月，中控技術將公司愿景改為了“成為工業AI全球領先企業”，并在多個場合強調這一重大轉型。中控創始人褚健也公開表示，未來的中控將不再是一家DCS公司，也不再是一家自動化公司，而將成為一個工業AI公司。
 

　　這樣的姿態，即便在業界人士“言必稱AI”的今天，也不免有一些“背水一戰”的激進色彩。為此，筆者帶著一些不失坦率的問題，與褚健先生就這個話題進行了一次交流，試圖勾勒出中控視野中的AI發展圖景。
 

　　01  過度夸大，還是戰略延續？
 

　　當下，我們最關心的是，中控為何要工業AI領域擺出“All in”的姿態？連續十三年占據中國DCS頭把交椅，百億營收近在咫尺，這個體量的企業作出這個決策，是否有些過度夸大了AI在工業領域的戰略意義？
 

　　坦率地講，如果是一家“初生牛犢不怕虎”的初創企業，筆者并不認為這是一個問題。到目前為止，AI在工業領域多體現為一些聚焦明確卻規模有限的單點應用，真正通過規模化應用，顯著提升產業價值的并不多，對于一些在算法、模型上獨到而專精的新銳企業而言，這樣的細分市場或許已足夠他們闖蕩出一方天地。
 

　　但，就中控的體量和份量而言，卻完全不可同日而語。
 

　　在中國自動化領域，中控的“江湖地位”無需多言，其在自動化領域已構建起龐大的解決方案陣容和齊全完整的技術、業務體系，且仍在持續鞏固其市場優勢。在這樣的形勢下，公司整體從戰略層面轉向工業AI，不得不說是一個需要魄力的決定。
 

　　對此，褚健表示，“做工業AI并不是為了趕時髦追熱點，而是基于中控多年的工業積累，著眼長遠的布局，如何把我們的技術經驗、數據積淀、知識積累與用戶需求結合在一起，打造更加貼近行業痛點，更加高效的工業AI技術和產品，助力用戶創造價值，是中控的出發點，也是現階段工業AI發展的必然選擇。”
 

　　實際上，中控技術將愿景轉為發展工業AI，看似是一個重大轉型，但如果穿透歷史的縱深，攤開中控的長期發展脈絡，就會發現其中一以貫之的戰略連續性，這也正是中控“奮力一躍”的信心和勇氣。
 

　　早在2017年，中控就認識到了用戶在生產中積累了大量的數據，但并沒有得到有效的利用，所以就確定要轉型做一個為用戶挖掘數據價值的自動化公司，在公司戰略層面提出了從服務于工業3.0到服務于工業3.0+4.0及從自動化產品供應商轉型為行業解決方案服務商的轉型，強調通過數據資產挖掘，構建數據治理能力，強化數據作用。
 

　　2021年，中控開啟了第二次的轉型，對內，啟動“數字中控”的全面建設工作，加速公司數字化轉型；對外，面向流程工業客戶提供硬件加軟件的一攬子解決方案，產品也更加多樣化，尤其是在工業軟件方面，奮力打造出基于統一數據基座的200多款工業APP，并在數千個數字化項目上實踐驗證，其中APC、OTS、AAS等多款軟件市占率長期位居國內前列。
 

　　“工業4.0更多的是智能化，但當時智能化并沒有明確的定義， DCS就像是一個大腦，需要加上軟件和知識，才能變得聰明，所以當時又提出了5T深度融合，即AT自動化技術、IT信息技術、PT工藝技術、OT運營技術和ET設備技術。”褚健說。
 

　　2022年11月ChatGPT橫空出世，迎來了AI技術的里程碑時刻。
 

　　“ChatGPT確實令我深感震撼，這讓生成式AI和通用AI變成了可能，AI已邁入了一個全新的發展階段。隨后，我就向公司全員提出，所有人都要學會使用AI工具，產品要嵌進AI的技術能力，要研發基于AI的重磅產品。”
 

　　技術嗅覺敏銳的褚健幾乎迅速意識到，AI和中控長久以來追求“挖掘數據價值”方向之間的高度契合性，對工業數據分析和利用的能力迎來“拐點”。
 

　　以前，工業利用數據的方式更多是基于標準的模型進行比對、計算，但進入生成式AI時代后，就可以引入更加豐富的數據變量，利用學習、分析、推理等方式，更加充分地挖掘以往難以洞見的數據關系，帶來難以想象的深層價值。
 

　　02  背水一戰，還是順勢而為？
 

　　當然，除了在戰略上的統一性和連續性，流程行業乃至整個工業領域期待利用AI實現提質、降本、增效的迫切需求，同樣是促使中控義無反顧投身工業AI的關鍵因素。
 

　　以石油、化工為代表的流程工業是國民經濟的重要支柱產業，其產值占工業總產值的40%以上。但流程工業企業當前普遍面臨著安全風險高、物耗能耗高、產品同質化競爭、效益波動大等問題，面對安全、質量、低碳、效益等價值目標，數智化技術的深度應用已成為流程工業高質量發展的迫切需求。
 

　　在這樣的現狀面前，AI的到來顯然當逢其時。而且，流程行業這樣的“數據密集型”行業，反過來也為AI的訓練和應用創造了得天獨厚的土壤。
 

　　眾所周知，在AI行業有一個形象的比喻：AI就像一只饑餓的巨獸，沒有用來“喂飽”它的海量數據，就無法讓其發揮出成長的價值。當通用大模型的企業競相花費巨資搜集、標注和清洗數據用來訓練AI時，流程行業則苦于擁有巨量的數據卻找不到用處。
 

　　工業AI的到來，有望盤活這些巨量的數據資產，起到“點石成金”的作用。“我一直認為流程行業的數據不僅齊全，而且更加密集、有效，因此流程工業比離散制造業在AI應用方面具有更為顯著的優勢。” 褚健表示。
 

　　此外，流程工業工藝過程有個共同的特征是“三傳一反”，化學反應是最核心的生產步驟，但現實中的反應過程不會是純化學反應，原料里的雜質不一樣、催化劑也不一樣、反應器的熱效率也不一樣，所以化工工藝是近似計算出來的，如果利用生產過程中產生的大量真實有效的數據，通過大范圍的數據學習，再加上科學的知識，將比純粹計算的結果更準、更優，這就是AI的作用和價值。
 

　　事實上，工業AI不僅僅可以為過程控制服務，為優化服務，還可以深度參與生產工藝流程的再造。
 

　　為此，中控技術基于運行、質量、設備、模擬設計等“4大數據基座+1個智能引擎”的產品策略，推出了全設備智能感知平臺(PRIDE)、全流程智能運行管理與控制系統(OMC)、全流程智能質量監控平臺(Q-Lab)及流程工業過程模擬與設計平臺(APEX)四大融合AI技術的未來核心產品。
 

　　“對流程工業來說，工藝設備、自動化都很重要，缺一不可，但以前這些數據都是獨立的，操作平臺也不一樣，但現在中控把這些上下游數據都打通了，然后結合工業AI分析，就可以為儀控、電氣、生產和工藝等各個部門同時提供指導，比如工廠某個環節的數據波動一點，對下游會有什么影響，AI就可以用數據預先計算出來，這種生產工藝的指導思想已完全不同于以往，各個部門的人員可以協同工作，從而創造新的價值，比如通過融合AI技術的Q-Lab和APEX，可以重新設計工藝流程，提高中試的效率，減少中試的次數。” 褚健解釋到。
 

　　實際上，這些實實在在的看得見的價值，使得中控在發展工業AI的方向上更加堅定和決絕。中控的AI轉型是企業突破式成長道路上的“背水一戰”，也更像是一次“順勢而為”。其中，“勢”是市場與技術的大勢所趨，“為”則是中控主動出擊、事在人為的創新魄力。
 

　　這種魄力，從中控在研發上的投入亦可見一斑。公開年報顯示，近三年中控技術研發費用占營業收入的比例均在10%以上。在當下頗具不確定性的經濟環境面前，這樣的姿態無疑顯得尤為可貴。
 

　　03  紙上談兵，還是步步為營？
 

　　一旦定下方向，中控的行動也日益緊鑼密鼓，步步為營。對于中控而言，現階段最重要的一步是，推動AI真正在可靠性、安全性要求嚴苛的工業領域成功落地應用，否則再美好的藍圖也是紙上談兵。
 

　　例如，當人們還在屢屢為通用大模型“一本正經的胡說八道”而感到困擾時，工業AI卻要經受住千行百業各自不同場景和個性化需求的挑戰。這些根植于行業的屬性和工藝，往往也是阻礙一系列“大廠”跨界進軍工業AI領域的最大屏障。
 

　　面對這一挑戰，2024年6月，在一幫年輕人的推動下，中控主動以“自我革命”的姿態推出了更加適合AI應用的新一代基于軟件定義、全數字化和云原生的通用控制系統UCS。
 

　　UCS通過“云-網-端”的極簡架構，以云實時操作系統NyxOS為基礎，這種云原生的應用程序可以根據需求自動調整資源的規模和容量，實現彈性和可伸縮性，使得UCS能夠更好地支持AI算法的運行和優化，提供更高的計算效率和系統的穩定性。同時在UCS中，還可以采用GPU賦能的控制引擎，提供組態自動生成、AI融合PID等功能，從而實現數據預測和自適應控制等，實現更高級別的自動化和智能化控制。
 

　　同時，為了解決傳統AI模型和通用大模型難以解決的工業核心場景應用的問題，中控還推出了基于時間序列的時序大模型TPT。
 

　　在流程工業的生產過程中，會產生大量的時序數據，這些數據能夠真實反映生產過程的各種特性，因此基于時間序列構建大模型才會真正符合工業場景應用的要求。而TPT就是基于中控自研的生成式AI算法框架之上，通過匯聚流程行業超大規模真實數據的生產運行、工藝、設備及質量數據等融合訓練而成，具有跨場景泛化、多任務處理等能力。
 

　　基于TPT，中控近期還發布了流程工業領域中的典型行業——石化化工大模型，幫助客戶全面提升石化裝置運行水平。在鎮海煉化，石化化工大模型助其實現異常預警及故障診斷中實現設備異常識別與診斷分析、自動生成診斷報告、降低專家經驗依賴，異常提前預警準確率達95%以上并可以精確地定位異常、給出針對性解決方案；在萬華化學(寧波)氯堿工廠，通過石化化工大模型，可以為萬華氯堿提升裝置風險識別和處置能力，降低設備的可用性損失、實現離子膜壽命預測并給出最佳更換策略、32%堿濃度精準預測及質量優化、電解槽負荷分配優化、廢液pH智能預測控制、一次鹽水碳酸鈉智能控制等多項效果，未來，大模型還將賦能氯堿裝置高度自主運行。
 

　　對于UCS和TPT兩者的關系，褚健做了一個生動的比喻，UCS就像是一個高智商的腦袋，而TPT就像是給這個腦袋裝進了知識，兩者結合就成為了流程工業的“智慧大腦”，它像專家一樣自主思考與交流，并監督和優化裝置運行，實現提效率、穩運行、增收益的目標。擁有了這一“智慧大腦”，中控在邁向工業AI的道路上就擁有了核心的動力源泉，為后續的步步為營奠定了堅實而穩固的起點。
 

　　褚健介紹，TPT一經發布，迅速獲得了眾多用戶的關注和積極反饋，截至到目前，TPT已經在石化、氯堿、熱電等裝置上取得了突破性應用。
 

　　“現在已經有越來越多的企業在使用我們的TPT構建AI應用，像鎮海煉化、萬華氯堿在內的知名企業初步已經有十幾個了，接下去可能會有更多，甚至上百個。伴隨著TPT應用范圍的擴大，AI的應用就可以推廣到全國上百家氯堿廠，到那時AI的價值就真正得到釋放了。所以對未來工業AI的發展，我是充滿信心的，因為我們始終堅信，只要能為客戶創造價值，那方向就一定是對的。”褚健堅定地說。