夜雨聆风
大模型再强，也不能进控制环。芯记不抢方向盘，只做副驾：帮人翻译、帮人记录、让人决策。
做离散制造的AI，问的是“落子怎么不违规”。做流程制造的AI，问的是“落子怎么不爆炸”。
一座炼油厂连续运行三到五年才大修一次，期间任何意外的经济损失是百万到千万美元级。1984年印度博帕尔农药厂泄漏，短期死亡近4000人；2005年BP德州城炼厂爆炸，15人死亡，180人受伤。
这些事故有一条共同点：决策链条不可追溯。谁在什么时候做了什么决定，没有完整记录。
流程工业的AI落地，面对一条不可逾越的红线：LLM不能进控制环。这不是技术保守，是物理定律、安全标准和70年控制理论存量共同决定的工程底线。
“人机协同”不是口号，是流程工业的底线。
全球领先厂商的路线已经分层收敛：横河电机是目前唯一把强化学习正式工程化进入控制环的厂商，但不是用LLM。AspenTech的AVA做顾问，LLM严格限定在“给操作员解释模型为什么这么提建议”的层面。Emerson公开表态：公共生成式AI不安全、不可靠，不适用于高可用关键任务。
AI可以建议，但最终决定权在人。 这是化工、炼油、电力的共同底线。
芯记不做控制环，不做L4，不做替代人的决策。芯记做的是人机协同的中间层——副驾。
导航员的工作不是“自己开车”，而是：把人说的目的地翻译成导航路径，把导航路径翻译成人听得懂的话。
在工厂里：
工程师说的是：“我想让能耗降3%，但别让收率掉太多。”
MPC需要的是：目标函数 + 约束条件（数学形式）。
芯记做中间那个翻译。同时，把MPC输出的数字SP值翻译回自然语言：“因为塔顶气相分率达到了硬约束，进一步降温会触发液泛。”
没有这个翻译层，工程师和MPC之间永远隔着一层“技术黑话”，AI建议永远是黑箱，工程师不敢用。
行车记录仪的工作是记录全程，出事可查。
在工厂里，芯记因果链记录：谁、什么时候、输入了什么？模型输出了什么？依据什么？谁批准了？什么时候下装的？出了什么异常？怎么处理的？每一步上链存证，不可篡改。
BP德州城事故调查报告里明确要求“可追溯决策链”。芯记因果链就是这个要求的工程化实现。
芯记的十二因缘编排模板中，第10步是强制的人在环审批：
1. 接收工程师目标；2. 拆解任务；3. 识别工况；4. 绑定约束；5. 连接MPC；6. 执行求解；7. 接收结果；8. 检查包络；9. 聚合建议；10. 人在环审批（不批准不执行）；11. 下装DCS；12. 沉淀经验
AI可以建议，但最终决定权在人。这是流程工业的底线，也是芯记设计中最硬的一根红线。
· AspenTech、横河、中控聚焦L4控制层，L5人机协同不是主业，因果链不是他们的基因
· 华为、阿里做云、做模型、做算力，不做“人机中间层”
· 西门子、ABB做DCS、PLC，上层人机协同不是核心
芯记做的是大厂不情愿干、干了也未必能干得好的活——人机协同的中间层 + 决策存证。
仿真能看见“因果链”——在虚拟环境里，你改什么、变什么，日志清清楚楚。
但仿真有两个问题：第一，sim-to-real gap，物理引擎再精确也无法100%复现真实世界的不确定性；第二，客户不买仿真，客户关心的是“在我的真实装置上，你的系统能不能帮我？出了问题能不能给我一个说法？”
芯记回答的是第二个问题：在真实装置上，芯记记录每一步决策的因果链。你不需要猜问题出在哪，芯记告诉你：“决策层没问题，去查硬件。”
仿真让你在电脑里跑得漂亮，芯记让你在现场用得靠谱。
芯记做人机协同的导航员和行车记录仪。导航员帮人翻译指路，行车记录仪帮人留证追溯，方向盘永远在工程师手里。
这是流程工业最缺、最难做、大厂不愿做的生态位。控制环的事交给MPC，硬件的事交给工程师，决策的事交给人。芯记做中间那个“翻译+记录+人机协同”的活。
这个活，流程工业一直缺人干。
