在近期举办的首届浩然科技金融论坛上，中控科技集团创始人、宁波工业互联网研究院创始人褚健带来主题为《工业AI的基础与未来》的演讲。

褚健以其卓越的前瞻性和创新精神，成功引领中控科技成为中国工业自动化技术领域的领军企业，为推动中国工业互联网的发展做出了重要贡献。同时，褚健还担任上海交通大学宁波人工智能研究院的首席科学家和上海交大中银科技金融学院的双聘教授，为推动产学研融合发展做出了突出贡献。在中国工业人工智能的发展方面，褚健凭借市场一线的最新观点，为业界带来了宝贵见解。

以下内容根据褚健演讲实录整理。

Part1一次“死机”就是一次事故：安全生产与节能降耗

1975年，美国霍尼韦尔公司提出分布式控制系统（DCS），而中国的分布式控制系统（DCS）发展可以追溯到上世纪70年代末和80年代初。当时，中国开始研发和引进工业自动化技术，逐步建立起自己的工业控制系统，并在随后的发展中持续完善和推广。彼时，在该领域，中控的主要竞争对手包括两家美国公司和一家日本公司。经过十几年的迅速发展，中控目前在中国市场的份额已超过这三家跨国公司，整体市场份额达到37.8%，连续十三年排名第一。尤其在化工领域，中控在中国的市场占有率高达56.3%，比第二名高出40多个百分点。

伴随发展，褚健愈发意识到技术创新和市场开拓犹如逆水行舟，不进则退。两年前，金山上海石化发生爆炸事故，令人深感遗憾。如何将项目中的十几万个控制点、几千个控制柜、几百个控制站进行整合优化，以满足万无一失的安全生产要求，是一项极为艰巨的挑战。然而，任何电路板、芯片或软件都无法永远保证不出现问题。

实现永续安全，技术保障与事故预防尤为重要。

在安全生产中，每一步的谨慎与技术的不断提升将成为关键，确保工业生产持续安全运行。

我国每年约排放100亿吨碳，其中石油、化工、建材、玻璃、水泥，钢铁等高能耗行业约占80%，其中火电部分占比较大。

在安全生产的基础之上，降低能耗和物耗亦成为当前亟待解决的重要问题。

若能帮助企业降低1个百分点的能耗，将可减少大量碳排放，甚至达数亿吨。在这些领域，中控需找到解决方案。

随着AGI（通用人工智能）和ChatGPT等大模型的出现，国内也涌现出许多大模型。然而，这些模型通常是面向文字及图像等通用内容的生成。在工业领域，人工智能具有广阔的垂直应用机会，但也面临诸多挑战。为了迎接这些挑战，中控已经开始一些探索和尝试。

Part2中控UCS：革新行业的创新探索

年轻人常常涌现出众多卓越创意，然而这些思维常被管理层所忽视。中控极力支持这种创新，积极组织团队跟进开发，并提出了颠覆行业的新概念：UCS（通用控制系统，Universal Control System ）。从结构上看，现场到控制室只需要一个柜子，成百上千个柜子都被清零，底层全部采用智能变速器，通过光缆连接到基于云的操作系统。在过去，褚健对软件定义世界的概念持保留态度。然而，这个项目的出现改变了他的看法，未来将是软件定义一切的崭新时代，将实现控制、优化和操作的全面数字化转型。

褚健提出，以前我们大量模拟，每年采购的芯片数量惊人，但现在柜子里全是芯片，未来只需要一台服务器，基于云的前景已经变得清晰。他认为，要实现制造业或工厂的数字化转型，数字底座至关重要，因为数据是AI（人工智能）的“粮食”。

中控构建了四个数据基础平台：

01设备数据基座

——全设备智能感知平台(PRIDE)

如同人体体检所需的血液指标、CT和核磁共振等数据，企业需要对设备的基本情况加以监测。

02运行数据基座

——全流程智能运行管理与控制系统(OMC)

涵盖物理参数、温度、压力和流量等，是相对容易测量的数据。

03质量数据基座

——全流程智能质量监控平台(Q-Lab)

涵盖了原料成分等信息，考虑到原料并非始终保持恒定的标准，企业需不断监测和调整。

04模拟数据基座

——流程工业过程模拟与设计平台(APEX)

在生产过程中，了解反应器状态、催化剂活性、反应深度和转化效率等关键数据至关重要。

今天大家都熟悉元宇宙的概念，即通过物理世界可以看到虚拟世界，反之亦然。中控就此提出了一款流程模拟软件，通过结合可见数据、物理、化学理论和AI，或许可以在不久的未来，实现对反应器内部真实状态的实时观测。以往，设备状态由不同部门分别管理：电气设备由电气部门负责，仪表设备由仪表室管理，大型压缩机由设备部门管理，各自独立运作。然而，若使用虚拟现实眼镜（VR）进行现场巡检，每位检查人员都能实时了解设备的运行状态、维修记录、供应商信息以及潜在的故障点。

Part3数据为先，驱动创新

在缺乏足够多数据的情况下，再多的算法也无法实现满足应用需求的AI。目前，中控的客户涵盖中国所有的流程行业，在每个细分行业都有数十、数百甚至上千家用户。基于数据分析，中控提出了工业AI的概念，旨在实现可持续发展的共同目标。

褚健介绍道，他们提出了基于Transformer架构的时间序列预训练模型（Time-series Pre-trained Transformer，简称为"TPT"），该模型并非简单的书本知识，而是针对工业数据进行深入学习和应用的成果。这种基于时间序列数据的模型能够预测生产过程的未来状态，例如物耗能耗的升高或降低、质量的改善或恶化，设备的正常或异常状态。

过去，技术人员众多，软件繁多，任务繁重，功能复杂。通过通用的AI模型，人们将能够进一步提高生产效率，降低能耗，并深入了解设备的内部状态。这对于各方面都至关重要，包括减少排放、提高能源利用率和转化率、提升产品质量以及前文多次提到的增加安全性。

使用一个模型训练不同企业的数据，类似于人类大脑存储知识的方式。

通过将生产装置的数据经过流程模拟后送入大型模型进行学习，结合专家知识和理论知识，这个模型可能产生有用的结论。例如，想要提高产品浓度2%，面对数千甚至数万个操作参数时，人类通常需要花费大量时间来计算结果，而AI可以快速给出更准确的调整方案。如果你对其不信任，可以通过流程模拟软件进行复核，类似于请专家进行二次确认。如果仍然不信任，也可以再找更多“专家”。然而，在不久的将来，这些复核步骤可能都将不再需要，系统可以直接闭环运行。

Part4生长在操作系统之上的智能工厂

褚健坚信未来的AGI和大模型将发挥关键作用，帮助解决工业中的挑战，如寻找设备和工艺瓶颈、提高效率、降低能耗以及发现安全风险。类似于智能手机的演进，现今的智能手机不仅是速度更快，更重要的是其操作系统的支持和应用程序的丰富。如果没有应用商店和各种APP，我们的手机就不能被称为智能手机。

为此，建立一个全面管理物流、能源、资金流和员工行为的工业操作系统势在必行。

这个操作系统将向下管理设备和数据，同时支持各种应用的开发和集成，实现自动化生产，为智能工厂（Smart Plant）的建设奠定基础。这种全面自动化的趋势将推动工业领域朝向少人化、无人化发展。褚健引用了英伟达创始人黄仁勋的观点，指出AI将推动50万亿美元工业实现更深层次的自动化，提升数据处理效率，加快反应速度，引领工业领域的重大变革。

在实际运营中，数据处理涉及计划调度、财务和库存数据，这些数据的处理相对较慢，而生产过程数据处理速度更快。这种挑战促使中控提出了“1+2+N”智能工厂模式，即“1个工厂操作系统+2个自动化（生产过程自动化PA和企业运营自动化BA）+多个工业APPs”的组合。该模式涵盖了研发、供应链、计划调度、企业管理、IT架构和网络安全等多个方面，对化工企业尤为重要。在这一完整架构的基础上，结合人工智能，还将会创造出许多前所未见的可能性。

褚健为大家生动描绘了工业AI未来发展的蓝图，强调工业AI的基础首先是数据，通过AI模型训练和流程模拟，未来的发展应围绕用户需求，引领用户需求，探索更多可能性，促使工业智能化领域不断向前发展，创造超越认知的价值。最后，他总结道：“We are on the way to Industrial AI.”

褚健在首届浩然科技金融论坛演讲

首届浩然科技金融论坛由上海交通大学、中国银行主办，上海交通大学安泰经济与管理学院、中银科技金融学院承办，论坛以“向新而生·质引未来”为主题，诺贝尔经济学奖得主，两院院士等国内外专家学者，科技、金融领域企业家和投资人等发表主旨演讲，和与参会师生校友共同交流探讨了科技金融领域的最新趋势和发展机遇。

关于交大科金

上海交通大学中银科技金融学院成立于2022年2月，是上海交通大学在国家发改委、教育部等部委和上海市的大力支持下，与中国银行开展合作，由安泰经济与管理学院按照国际一流标准建设的全球化、平台化、开放化的科技金融学院。

在上海交通大学、中国银行，以及广大学界、业界领袖的支持下，交大科金锐意进取、开拓创新，积极承担起人才培养、交叉科研、成果转化、高端智库等职能。同时学院也在成果转化方法论研究、师生创新创业培育、多元激励机制试点等方面探索融为一体的模式与路径，充分发挥产学研创新主体的协同效应，落实立德树人根本任务，打造融汇“产、学、研、创、用”各方资源的聚合型平台，力争为我国高校科技成果转化的模式创新与实践探索提供一套成熟定型、可复制推广的方案，贡献交大智慧。

都学课堂MBA带学班。读MBA，上都学课堂