1788年，詹姆斯·瓦特在蒸汽机上装了一对旋转的铁球：转速一快，铁球被甩开，带动阀门关小；转速一慢，阀门又随之开大。这套离心调速器被视为最早的自动控制系统之一。从那时起，工业控制的逻辑就没有变过——感知、判断、执行。
两百多年来，控制技术从机械装置演进到仪表，再到计算机控制系统。但在流程工业中，许多关键判断仍然依赖工程师和操作人员的经验。所谓流程工业，是指化工、石化、钢铁这类原材料工业——原料在管道和反应装置内连续流动、发生反应转化，最终产出产品；工序环环相扣、工艺复杂，因此格外倚重人的经验。
生成式人工智能的出现，让这一局面有了改变的可能。“在ChatGPT之前，我不觉得人工智能改造了什么、改变了什么。”中控创始人褚健告诉《财富》（中文版）。他借用《第二次机器革命》一书的观点：第一次机器革命是用机器代替人的肌肉，第二次是代替人的大脑，人工智能将彻底改变工业生产。
数据第一，算法第二
褚健打了个比方：流程工业就像烧菜。一样的原料、差不多的设备，有人生产的产品质量很好，有人质量不稳、能耗高，甚至留下安全隐患。工艺流程是菜谱，数据是经验，人工智能要学的，正是两者结合出来的那份“火候”。
流程工业并不缺数据，但原始数据不等于可用数据。和训练大语言模型一样，工业数据也需要标注，而且难得多——必须由懂工艺的专业人员来做，生产聚乙烯、农药、氯碱、稀土，各有各的门道。
这正是工业人工智能的门槛之一。不少人工智能方案进入工厂，是从外部切入：给出建议，最后一步仍然要交给人执行。而中控自1993年创立起就在做控制系统。据睿工业统计，2025年其在国内DCS（集散控制系统）市场的占有率为45.1%，连续15年位居第一。
在褚健看来，工业人工智能比的首先是数据，其次是算法。中控技术的项目大多亲自交付，还成立了工业数据联盟；加上中国原材料工业门类齐全，他认为，中国做工业人工智能的数据基础是最好的。
在技术路线上，中控技术没有选择大语言模型那条重算力的路。“化工厂不需要知道天文地理，但我需要知道这个化工反应过程。”工业真正需要的，是能理解物理、化学变化的模型。语言模型之外，物理、化学、生物模型不断完善，才构成未来的世界模型。
中控技术为此交出的成果，是时间序列大模型TPT（Time-series Pre-trained Transformer，下称TPT）。
与大语言模型处理文字不同，它读的是工厂里持续产生的温度、压力、流量等数据。在中控技术的自主运行工厂系统里，TPT是“大脑”，通用控制系统UCS（Universal Control System）是“神经中枢”，判断与执行被放进了同一个闭环。
最好的干预次数是零
这套闭环最先在兴发集团旗下的湖北兴瑞落地。在这座氯碱工厂，系统接管了生产全流程，定员从260人减至80人，员工每日的操作和干预次数从2.5万次降到了1,471次。
褚健用自动驾驶作比：高速路况稳定，人工介入较少；进了市区，介入就多了。工厂也一样。“现在1,000多次也不要了，最好是0次，只有开车、停车、检修接管一下。”
两年前TPT问世时，褚健也怀疑它能否泛化；2025年第二代发布后，他的信心明显增强。变化的本质在于，模型学到的不再是某一套装置的操作经验，而是工业装置运行的共性规律：学过氯碱、化肥等十个领域后，面对第十一个、第十二个领域依然好用，还能迁移到锅炉和大炼油装置上。过去工业软件“一个场景一个模型”，如今模型能跨装置复用，工业人工智能才有可能规模化部署。
归根结底，还是安全、质量、成本
流程工业的工厂大多远离城市，技术工、普工都难招。褚健认为，就像汽车取代马车，技术终将创造新的机会，而企业要做好三件事情：安全不出事，质量过得硬，成本足够低。谁能用人工智能把这三件事情做得更好，谁就更有竞争力。
面对霍尼韦尔、西门子等国际巨头，褚健坦言，过去30年跨国公司一直是中控技术学习的榜样。但人工智能时代，各家的起跑线差不多，“就看谁跑得快”。中控技术的底气，在于规模不大、负担轻，年轻人多、允许犯错，离客户近，也离数据近。
走过30多年，中控技术如今站在第二曲线的关口。团队为“十五五”定下两个“一”目标：帮助客户减碳一亿吨，创造一万亿元效益。
感知、判断、执行，工业控制的逻辑两百多年未曾改变。过去，判断靠老师傅日复一日积累的经验；如今，这些经验正在被一点点写进模型。
两百多年前，瓦特用一对旋转的铁球，把蒸汽机的“感知与执行”交给了机器；今天，中控技术想用人工智能接管工业的大脑，让整座工厂学会自我进化。
特刊 | 文中图片来自中控技术，相关数据内容均来源于采访与公开信息资料，未经允许不得转载。
《财富》最新榜单
