夜雨聆风
故事是这么来的。
我刷到了一组数据，看完之后愣在那儿好几秒。
一个化工厂，用16个AI模型接管了煤化工的核心装置。自动化率96.88%，人工操作的频次下降了95.58%，一年能节约原料煤9100吨，减排二氧化碳2万吨。投资收益的回收期，还不到一年。
9100吨煤是个什么概念呢，这就相当于把一座小型煤矿一年挖出来的煤，全给你省下来了。2万吨碳又是什么概念，差不多等于多种了110万棵树。
而且这可不是什么实验室里的项目，不是概念验证，也不是摆在展厅里的PPT。2024年6月28日上线的，到现在已经连续稳定运行了快两年了。就在我写这篇东西的时候，它还在那儿跑着呢。
这家企业叫云天化。云南的一家老牌化工国企。
你可能没听说过它。但它的这个故事，是2025到2026年，中国制造业里头最值得认真去琢磨的一个样本。我甚至觉得，它很可能会改写很多人对于「AI落地」这件事的认知。
先来说说这个厂到底在搞些什么。
云天化旗下有个子公司叫大为制氨，专门生产合成氨和尿素。这块业务说白了就是煤化工，把煤变成气，再变成化肥和化工原料。煤化工这行有个特点，反应过程极其复杂，变量多、耦合又强、扰动也大。气化炉里头的温度上千度，压力几十个大气压，各种各样的化学反应同时在发生，一个变量变了，其他的全都跟着动。牵一发而动全身，说的就是这个了。
以前是怎么控制的？靠人。
操作工坐在中控室里头，盯着那几百个仪表盘上的数字，凭着经验去判断该调哪个阀门、调多少。这可不是开玩笑的，这真的是化工行业几十年来雷打不动的标准操作。一个资深的操作工，练到能在这个岗位上独当一面，至少需要三到五年的时间。
问题是，人的精力是有上限的。一个人同时盯着几百个参数，能盯住三五十个那就算是天赋异禀了。而且每个人的经验还不一样，同样的工况，老王往左边调，老李往右边调，谁是对谁是错，得等到产量报表出来了才知道。这行以前就是那种「看老天爷赏饭」的感觉。
云天化大为制氨的总经理于最达有句话说得特别实在。他说，「往昔，我们依靠人工紧盯仪表，凭借过往经验来调节阀门，而如今，先进的算法能够在秒级时间内给出最佳解决方案。」
秒级。不是小时级，也不是分钟级。是秒级。
这，才是AI进入工业该有的样子了。
再说说这16个模型是怎么给弄出来的。
这个项目做了整整18个月。云天化拉着华为、华东理工大学、杭州司南智能三家一块儿来干。四方联手的这个组合是很有意思的。云天化懂工艺懂场景，华为懂底层技术和算力，华东理工大学的科研团队懂机理模型，司南智能做APC和RTO的工程落地。各取所需，谁也不白给。
他们要攻克的核心难题有两个。
一个是气化炉温度的软测量。气化炉内部上千度的高温，没有什么传感器能直接放进去测温度。以前全靠操作工根据出口气体的成分来反推，误差大、响应也慢。现在靠着AI，用历史数据训练模型，从几十个相关的参数当中实时地推算出炉内的温度。你想想那个画面，一堆看不见摸不着的数字，AI看上一眼就知道炉子里头烧到了什么程度。
另一个是多变量的强耦合控制。前面也说了，化工装置的变量之间是互相牵制的，调一个阀门的口径，温度也跟着变了、压力变了、产气的成分也变了。传统的控制算法面对这种系统，基本上就是手忙脚乱的。
16个AI子模型，就是为这个而设计的。每个模型负责一个子系统，然后上头有一个协调优化层，全局去推那个最优的解。
我说句实话，我听完这个架构的第一反应是，这玩意比我眼下用的很多AI产品都要复杂。我做内容常用的AI就是一个对话的窗口，模型在云端，我传提示词等结果。可人家这套系统是跑在生产线上的，任何一个决策错了，代价可不是生成一篇烂文章，而是整条产线都得停工，一天下来损失上百万。
在这种压力之下，能用AI做到96.88%的自动化率，还连续跑了一年半不翻车。说真的，有点东西。
我列几个数字，你自己来感受一下。
煤气化装置。自动化率从改造前一路提到了96.88%，人工操作频次下降了95.58%。什么叫95.58%，就是以前操作工一天要手动干预几百次，现在一天下来也点不了几次鼠标了。操作工的角色已经变了，从「盯表调阀」变成了「监控AI」。
锅炉装置。APC改造之后，吨蒸汽的煤耗降低了2.08%，一年能节约标准煤6602吨。
尿素装置。氨耗下降了1.51%，一年减排二氧化碳3162吨。
2025年上半年，合成氨、尿素、高压蒸汽的产量，全都创下了建厂以来的半年度新高。综合节约标准煤8500吨，减排2.23万吨，实现收益近千万元。
静态投资的回收期，不足一年。
这个数据有多夸张呢，我给你一个参照系。制造业的常规智能化改造，投资回收期一般三到五年就算是快的了。云计算项目的ROI周期两到三年算是正常的。云天化这个项目，一年不到就把投资给赚回来了。而且这还只是投产的第一年，往后每年可都是纯赚的了。
放到资本市场上去看，这种回报率会让很多投资经理眼睛发直的。但我注意到了一个细节，这个项目的算力基础设施其实并不算大。15P的训推一体算力，400GB的算力网络，不是什么天价的投入。至少跟互联网公司动不动就几千张显卡比起来，那是小巫见大巫了。
所以问题就来了。这么高的ROI，为什么不是所有的化工企业都在做呢？这个咱们后面再聊。
顺着上面的再聊聊政策的环境。
云天化这个案例可不是孤立的。2026年1月，工信部、中央网信办、发改委等八部门联合印发了人工智能+制造专项行动的实施意见。政策的目标是很明确的，到2027年，要培育出1000个高水平的工业智能体、100个工业领域的高质量数据集、500个典型的应用场景。
注意一下这个时间线。这个政策是2026年初发布的，云天化的项目是2024年6月上的线。等政策的风吹过来的时候，人家已经跑了两年了。我特别喜欢这种叙事，不是去追风口，而是风口来的时候你早就已经站在那个位置上了。
政策里头有个细节我特别地注意到。它配套了两个文件，一个是行业转型的指引，一个是企业应用的指南。从宏观战略到行业路径再到企业实操，三级递进，环环相扣。而且还针对五个重点行业做了差异化的设计，原材料、装备制造、消费品、电子信息、软件和信息服务，每一个的转型路径都是不一样的。
原材料行业排在了第一位。化工，就属于原材料行业。
政策里头有一句话说得挺到位的，推动AI在原材料行业实现工艺精度和能源效率的双重突破。云天化的项目，9100吨煤和2万吨碳的数据，干的正好就是这件事。
聊到这儿，我其实想扯得稍微远一点。
我一直觉得，过去这两年大众对AI的想象力被严重地窄化了。一说起AI，大家想到的就是写文章、画图、做视频、聊天、编程、翻译。这些都是AI的能力，这没错。可这些场景都有一个共同的特点，它们全都集中在数字世界。AI在数字世界里头做内容、写代码、处理信息，对手是人类的脑力劳动。
可当AI进入到物理世界呢？
化工、钢铁、电力、水泥、采矿、冶炼。这些行业消耗了全球大部分的能源，占GDP的比重也大。可数字化的程度却不高，AI的渗透率几乎是可以忽略不计的。我自己的感受是，这里面全是空白，全是机会。
云天化这个案例的震撼之处就在于，它证明了AI在传统工业里的ROI，可能远比在互联网行业要高。为什么呢。因为互联网行业已经很卷了。每一个应用场景都有几十个团队在搞，AI所带来的效率提升是边际性的。可在化工行业，全国可能都没几个人认真地做过AI的改造，你只要第一个做出了成果，那就是碾压式的优势。
根据信通院的数据，全国规模以上的工业企业开展数字化改造的比例已经达到了89.6%。但请注意，这是数字化改造，可不是AI改造。数字化是把数据给采上来、存起来，AI是把数据给用起来、产生决策。两者之间是有着本质区别的。
绝大多数传统工厂的状态是，数据是有了，可不知道怎么去用。
云天化走完了从数据到决策的全链路。16个模型，每天都采集着实时的数据，自动地训练迭代。模型的可用性比起步的时候提升了50%以上。这可不是一个做好的系统扔在那儿就不动了，而是一个能够自我进化的系统。你想想，这是多可怕的竞争力。
回到刚才那个问题。这么好的ROI，为什么不是所有的化工企业都在做呢？
我自己的分析是，这件事的门槛高得离谱。
首先，你得有人既懂化工工艺又懂AI。这种人全国加起来估计都不会超过三位数。化工工艺的know-how积累在那些干了二十年三十年的老工程师脑子里头，AI的能力掌握在一群平均年龄还不到三十岁的年轻人手里头。这两群人的语言体系它都不一样，坐在一起开会，你说PID控制我说神经网络，互相都听不懂。能跨这两个世界的人，比熊猫还要稀有。
其次，化工企业的改造容错率是极低的。互联网产品出了bug大不了回滚一下，化工产线AI要是出了问题，是有可能导致安全事故的。所以化工行业的智能化改造，天然地就比其他行业要慢上半拍。不是不想快，是安全的压力在头顶上悬着。
再一个，很多化工企业领导层的认知还没跟上。不是所有的老板都理解AI能干些什么，更不是所有的老板都愿意为那不确定的收益去投入确定的成本。云天化能做成这件事，跟它过去这十年的改革是脱不了干系的。2016年的时候，这个企业还正处在生存的危机当中，后来张文学主导了改革，从管理到技术进行了全面的改造，才一步一步走到了今天。
所以云天化的这个故事，说到底就是一个做好准备的人最终等到了机会。数字化的改造打好了底座，AI的技术恰好成熟了，于是便顺理成章地接上了。
我最后想聊一个视角上的东西。
过去这一年，AI替代论一直在舆论场上头反复地出现。AI替代客服、替代翻译、替代插画师、替代程序员。这些讨论也不是没有道理，但它们全都停留在同一个预设上头，那就是AI主要替代的是脑力劳动者、白领阶层。
可云天化这个案例，给我们展现了另一条路径。
它的自动化率提到了96.88%之后，操作工并没有失业。他们的工作变成了去监控AI，变成了去创造更高的价值。合成氨的产量创了新高，尿素的产量创了新高，高压蒸汽的产量也创了新高。不是人变少了，是人被解放到了更有价值的位置上去了。
我有时候觉得，这事儿比什么AI写文章、AI画画要有意思多了。AI写文章，说到底还是在优化信息流。AI管化工，那是实实在在的节约资源、减少碳排放、提升中国制造业的全球竞争力。一台气化炉一年能省下9100吨煤，要是全国所有的化工企业都上了这套系统呢？要是钢铁、水泥、冶炼都跟上了呢？
这个账我是算不过来的，可我知道那一定是个天文数字。
9100吨煤。
就这一件事，已经值回所有的投入了。
大时代啊，朋友们。
