夜雨聆风学习资料网

ARTICLE · 1399129

中控创始人褚健接受新浪财经专访:从卖软件到价值订阅 工业AI是6000亿的真金白银

中控创始人褚健接受新浪财经专访:从卖软件到价值订阅 工业AI是6000亿的真金白银

(本文节选自新浪财经)

过去,工业自动化解决的是让机器按照预设的程序稳定运行,而人工智能正在尝试迈出更重要的一步:让生产系统能够理解工艺、预测变化、优化参数,甚至在安全约束下自主完成生产决策。这场变化,也正在重塑企业的商业逻辑——过去,企业购买的是软件授权、控制系统和技术服务;如今,随着工业AI直接参与生产优化,技术的价值开始与能源消耗、产品质量和生产效率等具体指标建立联系,工业技术企业正在尝试让客户为实际创造的价值买单;未来,技术能为客户减少多少能源消耗、提升多少生产效率,也可能成为更加直接的价值体现。

近日,2026年上海证券交易所国际投资者大会举办期间,中控创始人褚健接受新浪财经专访。他表示,对于工业AI能否实现预期目标,自己曾经也存在过不确定性,如今,随着中控技术自研的时间序列大模型TPT(Time-series Pre-trained Transformer)持续迭代,以及越来越多应用案例得到验证,这种判断正在发生变化。

以下为访谈实录。

01 

工业AI将如何改变中国制造的竞争格局?

新浪财经:您认为,中国企业要在全球工业软件领域形成更强的影响力,最重要的突破口是什么?AI是否可能改变原有的国际竞争格局?

褚健: 我认为,未来人工智能在很大程度上能够替代过去的一部分软件。当然,并不是所有软件都会被替代,但相当一部分软件的技术形态和应用方式可能会发生改变。

过去三十多年,中国工业技术企业一直在追赶国际先进水平。尤其是在部分工业应用软件领域,我们与国际领先企业之间确实存在差距。但AI时代可能会带来新的变化。人工智能不仅是对现有软件功能的改进,也可能让原来通过传统软件技术很难解决的问题,找到新的解决办法。

过去很多工业问题需要专门开发算法、建立模型,再针对具体场景进行大量工程实施。现在通过人工智能,我们有机会让模型从更广泛的数据中学习规律,并将获得的能力应用于更多工业场景。这就可能改变原有的技术研发和应用方式。

中国制造业拥有一个非常重要的优势,就是产业规模大、行业门类齐全、应用场景丰富。人工智能需要在真实场景中不断学习和验证。中国有大量化工厂、炼油厂、钢铁厂以及其他工业企业,这些企业拥有不同的生产工艺和复杂的生产装置。如果能够把AI技术与这些工业场景结合起来,我们就有可能在一些领域接近国际先进水平,甚至实现超越。所以我觉得,工业AI对中国制造业是一个非常重要的机会。

新浪财经:中控技术过去一直与国际工业自动化厂商竞争。进入工业AI时代以后,公司在全球市场上最重要的竞争优势是什么?

褚健: 首先,我认为我们过去三十多年本来就在参与国际竞争。因为中国市场本身就是一个国际市场。大量跨国公司在中国投资建厂,他们的先进技术、生产装置和控制系统都在中国应用。我们一直是在与国际厂商同台竞争的环境中发展起来的。

中控从最初规模很小,到今天能够与跨国公司竞争,这个过程并不容易。国际厂商有历史悠久的品牌,在全球市场有很高的知名度,用户对它们的认可程度也比较高。这些都是我们进入海外市场需要面对的现实情况。但是我认为,中控的技术和产品不应该只应用于中国,也完全有机会在全球工业市场推广。

工业控制领域非常看重技术性能,特别是稳定性、可靠性和安全性。用户不会因为一个产品便宜,就忽视生产风险。因此,我们必须保证自己的产品在技术性能方面不输于国外先进产品,同时能够提供具有差异化价值的技术和解决方案。未来,中控参与国际竞争,一定不是单纯依靠低价格,而是依靠先进技术、高性能和高质量。

02 

从多行业拓展到数百个项目成功应用

工业AI进入产业验证新阶段

新浪财经:中控技术已经将TPT时间序列大模型拓展到多个行业,并开始探索订阅制的商业模式。您如何评价目前工业AI的应用进展?是否已经证明了它在工业生产中的实际价值?

褚健: 我们已经拓展了很多行业,但不是为了拓展而拓展。首先要解决的是一个非常实际的问题,就是我们的TPT在不同的细分行业里,究竟能不能解决真实的生产问题。

工业企业最关心的是什么?我认为主要是安全、质量、效益和低碳。比如生产装置能不能运行得更加稳定,产品质量能不能进一步改善,能耗能不能降低,生产过程中的安全隐患能不能提前发现。这些问题都是工业企业每天需要面对的。

过去有些工业专家不相信AI能够直接解决复杂生产问题,因为在他们原有的技术认知里面,这些事情确实很难实现。但人工智能技术正在改变过去的一些方法。我们通过自己的算法研发和大量真实生产数据训练,已经在一些具体应用场景中验证了模型能力。我们在验证中特别希望了解,模型进入一些过去没有充分学习过数据的行业和生产装置以后,是不是仍然具有解决问题的能力。

现在从验证情况来看,很多场景都能够应用,效果也不错。当然,我并不是说模型已经什么都能做,或者所有问题都已经解决。工业AI需要持续学习。我们现在掌握的数据还没有涵盖所有工业场景,未来仍然需要获取更多高质量工业数据,不断训练和优化模型。但经过这一年多的应用实践,我们对这项技术的认识越来越清楚,信心也越来越强。接下来,我们还要持续提升模型能力,做更多应用案例,让工业AI能够在更大范围内帮助用户解决问题。

新浪财经:从单个应用案例走向更大范围推广,工业大模型真正的技术门槛是什么?中控技术如何建立自己的竞争壁垒?

褚健: 工业生产和一般的知识问答不一样。工业现场有非常复杂的生产过程,不同工厂、不同设备、不同工艺之间存在很多差异。但在流程工业领域,我们也发现,它有一些共同的基础规律。比如能量平衡、物料平衡,这些都是流程工业必须遵循的规律。

我们可以把工业生产理解成烧菜。烧菜有菜谱,工业生产也有工艺。在化工、炼油等行业,生产过程会经过反应器、精馏塔、吸收器、分离塔、压缩机等不同装置。各种装置通过不同的组合,完成不同的生产过程。原料不一样,工艺条件不一样,最终得到的产品也不一样。所以模型首先需要理解工业工艺,认识工艺流程图,理解这些设备之间的关系。然后,我们再把相关生产数据经过清洗、标注,与工艺知识结合起来,让模型学习其中的规律。当模型掌握了这些基础规律,就可以进一步探索如何在没有充分学习过数据的新场景中应用。这就是我们所说的泛化能力。

但是泛化不意味着模型到了任何工厂,就一定可以直接控制生产。它需要结合当地工厂的实际生产数据,进一步进行优化和调整。比如我们可以利用过去一周、一个月的生产数据,帮助模型更好地认识这座工厂的实际运行情况。工业AI的价值并不只是回答问题,而是最终能够进入真实的工业生产过程,形成闭环运行。所以它需要解决的技术问题比一般大模型更加复杂。

还有一个非常重要的要求,就是安全。工业现场不能允许模型产生不受约束的错误判断。比如模型建议把一个阀门开大一点,不能只判断大概没有问题,而是必须确保相关操作符合工艺条件、安全要求和控制约束。我们需要通过算法和工业控制技术,让模型的决策能够满足这些要求,这也是我们长期积累工业控制技术的重要价值。

03 

工业数据与工艺知识

构成AI创造产业价值的重要基础

新浪财经:工业数据具有很强的专业性,而且不同工厂的数据差异很大。中控技术如何建立工业数据体系,并让模型适应新的生产现场?

褚健: 我们使用的都是真实的工业生产数据。中控有大量工业用户,我们也成立了工业数据联盟,希望通过合作获得更多真实生产数据,持续训练我们的模型。

但是,不同工厂的数据确实存在差异。即使两家企业生产的是同一种产品,它们的设备、原料、工艺条件以及实际运行状态,也可能有所不同。比如我们已经学习过一家化肥企业的生产数据,现在要把模型应用到另一家化肥企业。虽然两家企业生产的产品类似,但第二家企业的数据,我们过去可能没有学习过。那么模型是不是一定能够直接达到非常高的准确程度?不一定。但因为模型已经学习了相关行业的基础规律,我们可以进一步利用第二家企业自己的生产数据进行优化。这样就能够让模型更好地适应具体企业。

我认为,这也是工业AI能够推广的重要原因。它不是每到一家新工厂,就必须完全从零开始研发。而是首先利用已经掌握的工业知识和模型能力,再结合具体工厂的生产数据进行调整。随着模型接触的行业越来越多、学习的数据越来越丰富,它的适用范围和解决问题的能力也有机会继续提升。

04 

自主运行工厂:从自动控制走向智能决策

新浪财经:中控技术已经在湖北兴瑞等项目中探索自主运行工厂。您如何定义工厂的自主化程度?未来工业生产能否像自动驾驶一样实现不同等级的自主运行?

褚健: 去年我们发布TPT 2,模型的泛化能力已经有了很大提升。这里面实际上有两种泛化。一种是应用场景的泛化,也就是模型能够应用到不同的工业企业、不同的生产装置。

另一种是能力的泛化。比如模型原来只能解决某个生产效率问题,后来用户又提出,希望能够进一步解决安全、质量或者其他方面的问题。随着模型能力越来越强,它能够承担的任务也越来越多。像湖北兴瑞项目中,很多需求实际上就是用户工程师提出的。有些需求并不是我们一开始就想到的,而是用户在真实生产过程中遇到了问题,我们再利用模型帮助他们解决。

随着这些应用不断增加,我们就开始思考,能不能让工厂实现更高程度的自主运行。比如能不能像汽车自动驾驶一样,分成L1、L2、L3、L4、L5几个等级。目前我们认为,相关项目已经可以达到L3。所谓L3,就是大多数情况下人不需要直接介入,生产控制主要由系统和AI来承担。未来,如果绝大多数生产过程都能够实现自主运行,只是在开停车等特殊情况下由人工参与,就有可能进一步向L4发展。如果连开停车也能够自主完成,那么就更加接近L5。

当然,工业企业与汽车自动驾驶存在很大差异,不同工厂、不同工艺之间也不完全一样,所以这套分级框架目前还在探索中。但我们希望实现的目标是明确的,就是让工业企业具有更强的自主运行能力。

新浪财经:自主运行工厂能够为企业带来的最重要变化是什么?如何理解它在生产安全、产品质量和经济效益方面的价值?

褚健: 我觉得未来工业企业发展自主运行,最重要的不是简单减少人员。首先,工人在生产系统运行的时候,不需要始终保持高度紧张,劳动强度可以大幅下降。其次,就是生产安全性能够进一步提高。工业生产是在真实的物理世界中进行的,设备可能老化,也可能需要检修,还可能遇到一些无法完全预见的情况。我们希望通过更加智能的系统,尽可能减少人为操作导致的安全风险,让生产过程更加稳定。

但是我认为,更重要的一个方面是提升产品质量。比如同样的化工原料,如果生产工艺不一样,最终得到的产品品质就可能存在很大差异。我举一个简单的例子,同样的原料,原来可能只能生产每吨卖1000元的产品。如果通过调整配方、优化生产工艺,提高了产品性能,就有可能生产出每吨卖2000元的产品,而生产成本不一定会出现同等幅度的增加。这个时候,企业的竞争力就不一样了。过去这些优化可能高度依赖专家经验。但不是所有企业都有同样丰富的经验,也不是所有工程师都能够掌握最先进的工艺优化能力。

现在,我们希望通过AI,把这些经验和技术能力进一步转化为能够广泛应用的工具。不仅帮助企业降低成本,还要帮助企业提高产品质量,生产更高附加值的产品。我认为,这才是工业AI对制造业高质量发展非常重要的价值。

05 

从项目交付到工程师生态

工业AI的应用方式正在改变

新浪财经:工业AI部署到工厂以后,会涉及安装、调试以及后期维护成本。如何平衡企业的技术投入和实际收益?

褚健: 工业AI模型与传统机电设备不完全一样。比如机器人这样的机电产品,由于包含很多机械和电子部件,需要进行相应的维护。工业AI模型本身能够持续学习和迭代,不需要像硬件设备一样进行定期机械检修。但如果用户需要增加功能,或者希望利用AI解决新的问题,就可能需要进一步开发和优化。

我们希望未来能够培养更多用户工程师,让他们自己掌握相关工具。如果用户能够自己完成应用开发和优化,就不一定每个问题都需要我们派工程师到现场解决。

当然,真正需要投入比较多精力的,是工业AI的前期部署。工业现场不像手机安装一个APP,几分钟就可以完成。因为我们要解决的是实际生产问题,需要理解工艺、处理数据,还要进行相应的测试和验证。有些项目可能需要三个月,甚至半年。

比如煤化工里面的气化炉,它是一个非常重要的生产装置。过去我们做一个气化炉相关项目,可能需要将近半年的时间。现在有一些年轻工程师,在TPT的基础上结合气化炉的特点,开发了AI智能工具。未来有可能把过去将近半年的项目交付周期,缩短到一两个星期。如果能够把这样的工具进一步交给用户工程师使用,让他们自己完成更多工作,工业AI应用推广的效率就可以大幅提高。

新浪财经:湖北兴瑞这样的项目能否形成持续的商业化需求?从客户反馈来看,工业企业对于AI的接受程度发生了什么变化?

褚健: 目前类似湖北兴瑞这样的用户,现在越来越多。跟一年前相比,我感受到的变化非常明显。一年前,我们还会考虑,愿意尝试工业AI的企业到底有多少。现在我们发现,越来越多企业有非常迫切的需求。

工业企业对自己的生产情况其实非常清楚。他们知道哪些环节存在生产瓶颈,哪些地方可能进一步降低能耗,哪些工艺参数还有优化空间。当我们向他们介绍工业AI的能力时,很多企业能够理解通过这种技术解决问题的逻辑。当然,企业也会关心,技术到底能不能达到预期效果。这就需要我们通过实际案例证明。所以对于一些有积极意愿的客户,我们会尽量帮助他们开展应用验证。

当案例真正取得效果以后,用户对技术的认识就会发生变化。现在需求的发展比我们原来预计得更快。我们一年前就考虑过,要培养几百名能够到现场交付的工程师,但现在看来,相关准备还需要进一步加强。因为工业现场的问题非常复杂,不同企业的需求也不一样。有的企业更加重视安全,有的希望提高产品质量,有的希望进一步降低成本、改善生产稳定性。我们的工程师需要和用户工程师一起研究这些问题。这个过程不仅是我们为用户提供技术,也是我们不断从用户的实际需求中学习,进一步完善模型和工具。

新浪财经:您提出未来为行业培养至少一万名用户工程师。为什么工业AI要走向这种由更多工程师参与的应用模式?

褚健: 因为用户最了解自己的工厂。一个工厂里面,哪些设备经常出现问题,哪些生产参数可以进一步优化,哪些地方有节能空间,通常是用户工程师最清楚。

我们的模型提供了一种新的技术工具,但具体要解决什么问题,还需要结合用户对生产现场的理解。如果所有工作都依赖我们的工程师完成,推广速度就会受到限制。但如果有更多用户工程师能够使用这些工具,他们就可以根据自己的需求,开展相应的开发和优化。这相当于把工业AI的应用能力进一步推广到生产现场。

我们最近就有一家企业,派了三十多名工程师到公司参加培训,学习相关工具。回到工厂以后,还要在实际生产过程中应用,随着工具不断完善,用户工程师积累的应用经验越来越丰富,这种方式的效率就有机会不断提高。

所以,我们希望未来能够为行业培养至少一万名用户工程师。让更多熟悉生产工艺的人参与工业AI应用,这是推动技术进一步普及的重要方向。

06 

6000亿元潜在价值背后

工业AI打开中国制造新空间

新浪财经:近年来越来越多国际投资者关注中国的工业技术企业。您认为资本市场应该如何理解工业AI的产业价值?

褚健: 我认为,现在还有很多人没有真正认识到,工业AI已经开始能够解决工业生产中的实际问题。很多人谈人工智能,首先想到的是大语言模型,想到怎样把这些知识应用到企业管理当中。但我更加关注的,是怎样利用AI技术直接解决生产制造问题。这两者之间是有区别的。

工业AI最终需要进入生产现场,帮助企业改善工艺、提高产品质量、降低能源消耗、提升生产安全水平。这些才是工业AI非常重要的应用价值。在TPT 2推出之前,我虽然一直对工业AI的发展方向充满信心,但是我们自己开发的模型到底能不能实现预期目标,当时我也不是完全确定。随着TPT 2推出,以及更多实际应用案例取得进展,我对这件事情的信心越来越强。

当然,未来每半年或者一年能够取得多大进步,仍然取决于我们的研发和应用实践。但我相信,技术能力会越来越强,工业AI能够解决的问题也会越来越多。大家需要理解,工业AI的推广方式与互联网应用不一样。一个互联网产品,用户可能下载安装以后马上就能够使用,然后很快传播出去。但是工业企业不是这样。企业首先要确认技术是否安全可靠,能不能在自己的生产现场真正解决问题。有时候,完成一个项目验证就需要几个月。所以工业AI的推广有自己的节奏。但随着更多企业通过实际应用看到效果,认可这种技术的用户会越来越多。

新浪财经:从中国制造业的整体规模来看,工业AI未来能够创造多大的经济价值?

褚健: 我们现在已经有一些应用案例,能够为客户创造几百万元的效益,也有一些项目能够创造几千万元的效益。从整个制造业来看,中国的工业规模非常庞大。如果按照流程工业60万亿元的产业规模来计算,只要提高一个百分点,对应的就是6000亿元。当然,我这里主要是用这样一个计算说明工业生产优化的潜在空间,并不意味着工业AI已经创造了6000亿元的实际收益,也不能直接等同于工业AI产业的市场规模。其更重要的意义在于,中国庞大的制造业体系中,即使只是生产效率、能源利用和产品质量的局部改善,经过大量工业企业和长期生产过程的积累,也可能形成可观的经济价值。

我们讲的不是简单改善企业的经营管理,而是直接改善生产过程。比如优化一个生产装置的运行参数,降低单位产品的能源消耗,或者通过工艺调整生产出质量更好的产品。对于很多流程工业企业来说,在生产线上进一步提高效率、改善产品质量、降低能耗,实际上是有机会做到的。

对于全年连续运转的化工、石化、冶金等装置而言,哪怕只是能耗、产品质量或运行效率的一项改善,都有可能转化为可以计算的经济收益。当这些收益能够被准确测量、持续验证,并逐渐形成可复制的技术服务模式,工业AI便有机会从传统软件产品,发展为与制造业生产效率更加紧密关联的新型服务。

新浪财经:未来中控技术如何利用在中国市场积累的应用经验,进一步打开海外工业AI市场?

褚健: 中国市场本身就拥有非常多的跨国公司。这些企业在中国设有生产基地,也有自己的工艺和技术体系。我们可以先在它们的中国工厂里面应用工业AI技术。如果能够取得很好的效果,就可以进一步与这些企业的海外总部沟通,把相关技术推广到它们在其他国家的工厂。

我认为,这是一个很好的发展路径。现在很多国际企业也越来越重视生产成本和运营效率。一些跨国企业过去可能对成本没有那么敏感,但现在对于节能、降本、提高效益的要求越来越高。工业AI能够解决的这些问题,其实是具有共性的。不管是中国企业,还是海外企业,只要能够在保证安全和质量的前提下,提高生产效率、降低能源消耗,就有应用技术的动力。

中控已经有长期积累的工业控制技术,也在发展通用控制系统UCS(Universal Control System)、时间序列大模型TPT等新技术。未来我们还会继续加大工业数据集、算法以及前沿技术方面的研发投入。我相信,随着技术不断进步,工业AI可以帮助更多企业改善生产,也会为中国工业技术企业参与全球竞争提供新的机会。

三十多年前,技术竞争的重点是能否让国产控制系统在复杂工业环境中长期稳定运行。如今,工业控制系统仍是现代工厂不可或缺的基础设施,但人工智能开始改变其上层决策与优化方式。

中控技术正在通过工业AI,让机器不只是执行指令,还能理解生产过程中的变化,帮助工厂找到更好的运行方式。当技术的价值开始通过节约的能源、提升的品质和创造的效益来衡量,这件事的意义,可能要更长的时间才能看清。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料