文 |劉錚、唐曉園

視覺(jué)設(shè)計(jì)：星船知造

正文共計(jì)：11869字

預(yù)計(jì)閱讀時(shí)間：12分鐘

01 為什么是以大模型為支點(diǎn)，打響第一槍？

縱觀歷次工業(yè)革命，無(wú)論國(guó)家、地區(qū)、還是企業(yè)，想在新技術(shù)浪潮下獲得先機(jī)，核心在于誰(shuí)先編織好一張明暗線交織的協(xié)同網(wǎng)絡(luò)。

明線，是看得見(jiàn)的、高效協(xié)同的供應(yīng)鏈體系。

暗線，是產(chǎn)業(yè)鏈、供應(yīng)鏈上所有實(shí)體制造和新技術(shù)融合打造出的數(shù)智生態(tài)。

明暗線彼此交織滋養(yǎng)，才能釋放出新一輪的工業(yè)變革能量。

回顧歷史，第三次工業(yè)革命（信息化革命）的引領(lǐng)者，正是靠著一張軟硬協(xié)同網(wǎng)絡(luò)脫穎而出。其典型，就是美國(guó)航空工業(yè)——

明線是硬核、高效的航空產(chǎn)業(yè)鏈體系：20世紀(jì)的美國(guó)制造擁有從原材料（航空鋁、復(fù)合材料）→關(guān)鍵零部件（發(fā)動(dòng)機(jī)、航電、飛控）→整機(jī)集成的成熟制造體系。波音背后，是GE、霍尼韋爾等完整配套商支持。

反觀當(dāng)時(shí)的空客，機(jī)頭在法國(guó)、機(jī)翼在英國(guó)、尾部在西班牙。歐洲“拼好機(jī)”的每一塊組件都更講究政治妥協(xié)而非生產(chǎn)效率，與美國(guó)高效分工且高度集成的航空產(chǎn)業(yè)生態(tài)形成鮮明對(duì)比。

暗線則是工業(yè)軟件生態(tài)系統(tǒng)：當(dāng)時(shí)新興的信息化技術(shù)（如產(chǎn)品生命周期管理PLM、模塊化設(shè)計(jì)等）被深度融入航空產(chǎn)業(yè)鏈

之后，這張以航空工業(yè)為起點(diǎn)的軟硬協(xié)同網(wǎng)絡(luò)被規(guī)模化復(fù)制：向汽車、電子、醫(yī)療設(shè)備等多個(gè)領(lǐng)域輻射，所過(guò)之處就如同鋼筋鐵骨被注入了數(shù)字靈魂

現(xiàn)在，第四次工業(yè)革命的曙光正從“信息化”進(jìn)化為“智能化”，這一轉(zhuǎn)變是所有人都必須把握的戰(zhàn)略機(jī)遇。

作為工業(yè)大國(guó)，中國(guó)數(shù)智化供應(yīng)鏈網(wǎng)絡(luò)的明線已經(jīng)越織越密：

截至2024年底，中國(guó)規(guī)模以上工業(yè)企業(yè)數(shù)量達(dá)到51.2萬(wàn)家，較2023年末增長(zhǎng)6.1%。

到2025年上半年，規(guī)上工業(yè)企業(yè)數(shù)量進(jìn)一步增加至52萬(wàn)戶，較2024年底增加了8000多戶。

同時(shí)，隨著不斷擴(kuò)建的一帶一路基礎(chǔ)設(shè)施，在中國(guó)和周邊國(guó)家如印尼、吉爾吉斯斯坦，中東國(guó)家如沙特阿拉伯，以及非洲大陸都形成了龐大的供應(yīng)鏈網(wǎng)絡(luò)。

而網(wǎng)格的暗線，比的是誰(shuí)能再次靠先進(jìn)技術(shù)讓產(chǎn)業(yè)升級(jí)，釋放出巨大能量——

隨著一家家企業(yè)的數(shù)智化轉(zhuǎn)型升級(jí)，最終產(chǎn)業(yè)集群間形成更高效的協(xié)同和進(jìn)化，帶來(lái)更低的生產(chǎn)成本和更高效的產(chǎn)業(yè)創(chuàng)新。

《星船知造》判斷，這一次，暗線的關(guān)鍵不再是傳統(tǒng)工業(yè)軟件，而是以工業(yè)大模型為支點(diǎn)的工業(yè)AI。

我們這么說(shuō)，基于三點(diǎn)洞察：

一是路徑創(chuàng)新。幾乎所有的工業(yè)后發(fā)國(guó)，都無(wú)法完全依照先行經(jīng)驗(yàn)進(jìn)行復(fù)制式發(fā)展。如果真的可以“抄作業(yè)”，那歷史將變得多么無(wú)趣。

就像中國(guó)汽車產(chǎn)業(yè)的崛起靠的不是在燃油賽道上死磕，而是依靠新能源汽車的“三電”技術(shù)完成產(chǎn)業(yè)的彎道超車。

歐美工業(yè)軟件生態(tài)系統(tǒng)自第三次工業(yè)革命開(kāi)始就占據(jù)主導(dǎo)地位。但真正的趕超，常常發(fā)生在范式轉(zhuǎn)換的拐點(diǎn)上——第四次工業(yè)革命（智能化時(shí)代），工業(yè)大模型就是這樣一個(gè)能重構(gòu)全球工業(yè)格局的新賽道。

疊加中國(guó)完整的工業(yè)版圖，最有可能開(kāi)啟一場(chǎng)新質(zhì)生產(chǎn)力的創(chuàng)新革命。

二是需求迫切。傳統(tǒng)方案的瓶頸日益凸顯——一直被工業(yè)企業(yè)視為靈丹妙藥的傳統(tǒng)工業(yè)軟件，因部署成本高、周期長(zhǎng)、數(shù)據(jù)孤島等問(wèn)題，已經(jīng)越來(lái)越難以跟上新時(shí)代企業(yè)對(duì)于降本增效、創(chuàng)新以及效率的要求。

工業(yè)企業(yè)對(duì)于數(shù)智化升級(jí)的渴求正從地表深處涌出，催逼著一個(gè)能重構(gòu)、超越工業(yè)軟件的新物種在工業(yè)領(lǐng)域全面鋪開(kāi)。

三是已具備將大模型深度應(yīng)用于工業(yè)的基礎(chǔ)：

●工業(yè)底蘊(yùn)：中國(guó)擁有全球最龐大的工業(yè)體系，覆蓋流程與離散兩大門(mén)類，為AI大模型提供了無(wú)與倫比的“數(shù)據(jù)富礦”與應(yīng)用場(chǎng)景。

●AI技術(shù)：國(guó)產(chǎn)算力與DeepSeek等AI大模型快速發(fā)展，全球穩(wěn)居前二。2025年工業(yè)企業(yè)中應(yīng)用大模型及智能體的比例達(dá)到47.5%；并且有35%的企業(yè)在多環(huán)節(jié)開(kāi)展應(yīng)用，技術(shù)滲透率顯著提升。

一場(chǎng)以大模型為支點(diǎn)的工業(yè)革命已經(jīng)打響第一槍。當(dāng)然，是靜悄悄的——

它沒(méi)有ChatGPT們聊天對(duì)話的公眾熱議度，也沒(méi)有OpenAI“星際之門(mén)”一擲千金的豪賭，它只是通過(guò)中國(guó)工業(yè)大模型讓一張融入無(wú)數(shù)工廠、車間的數(shù)智網(wǎng)絡(luò)越織越密。

不久的將來(lái)，當(dāng)它深度融入工業(yè)血脈，一張可以被大規(guī)模復(fù)制的“軟（AI）硬（工業(yè)）共生”網(wǎng)絡(luò)也將覆蓋到世界各地。那些走在最前列的人，將獲得新一輪工業(yè)革命的先機(jī)與紅利。

為了讓大家更好感知到這場(chǎng)靜悄悄的工業(yè)變革，《星船知造》下文將從以下三點(diǎn)具體展開(kāi)——

1) 認(rèn)知：為什么工業(yè)大模型終將重構(gòu)、超越工業(yè)軟件——被更多工業(yè)企業(yè)所使用。

2）挑戰(zhàn)：無(wú)法突破“智能孤島”的工業(yè)大模型，本質(zhì)上仍然是“小模型”——未來(lái)屬于能真正打破孤島的通用工業(yè)大模型。

3）破局：錢(qián)塘江畔，一家深耕中國(guó)流程工業(yè)三十余年的企業(yè)，已經(jīng)開(kāi)始憑借多年工業(yè)數(shù)據(jù)、行業(yè)know-how等積累，打造出一款能被應(yīng)用到多個(gè)流程工業(yè)領(lǐng)域的通用工業(yè)大模型。

中控技術(shù)近日發(fā)布了全球首個(gè)流程工業(yè)時(shí)間序列大模型TPT的升級(jí)版本TPT 2 （Time-series Pre-trained Transformer 2）（以下簡(jiǎn)稱TPT 2）。它正幫助工業(yè)企業(yè)重構(gòu)傳統(tǒng)工業(yè)軟件應(yīng)用，用一個(gè)大模型就能智能、高效地運(yùn)營(yíng)起工廠

一個(gè)可以確定的未來(lái)是，當(dāng)越多越多工業(yè)企業(yè)開(kāi)始用上TPT 2等工業(yè)大模型后，由“人工經(jīng)驗(yàn)驅(qū)動(dòng)生產(chǎn)”的百年工業(yè)慣性將被打破——工業(yè)知識(shí)將真正變得可流通、可進(jìn)化。智能制造也才能加速鋪開(kāi)。

02 工業(yè)大模型，通向未來(lái)智造的唯一路徑

先明確一點(diǎn)，到目前為止，工業(yè)軟件仍是“制造核心”。

中國(guó)工業(yè)軟件在PA層（Process Automated，生產(chǎn)過(guò)程自動(dòng)化）到BA層（Business Automated，企業(yè)運(yùn)營(yíng)自動(dòng)化）的各個(gè)環(huán)節(jié)，仍然發(fā)揮著“大腦和神經(jīng)”的作用。

工業(yè)大模型則是一個(gè)后起之秀，正憑借十八般武藝挑戰(zhàn)昔日霸主的地位。

簡(jiǎn)單理解，工業(yè)軟件是“工業(yè)數(shù)字生產(chǎn)力”。工業(yè)大模型則是“工業(yè)數(shù)智生產(chǎn)力”。

兩者相同之處在于，用的都是“吃豆人”的升級(jí)方式：通過(guò)吃進(jìn)一個(gè)個(gè)工業(yè)技術(shù)、行業(yè)know-how，用機(jī)器來(lái)解決工業(yè)管理和生產(chǎn)過(guò)程里的問(wèn)題。吃得越多，解決問(wèn)題的能力就越強(qiáng)大。

最大區(qū)別在于，工業(yè)軟件缺“智（AI）”，吃豆人吃得再多，本質(zhì)上仍是“人教機(jī)器”。工業(yè)大模型有“智”， 是一整個(gè)“智慧大腦”，吃進(jìn)足夠多的豆子，能實(shí)現(xiàn)“機(jī)器教人”，徹底解放“老師傅”。

傳統(tǒng)工業(yè)軟件存在無(wú)法逾越的“雙重軟肋”：

對(duì)軟件供應(yīng)商本身而言，軟肋是高度依賴“老師傅編程”——知識(shí)封裝于老師傅腦中，面對(duì)生產(chǎn)工藝工況各異的工業(yè)現(xiàn)場(chǎng)，老師傅需要憑借個(gè)人經(jīng)驗(yàn)知識(shí)，根據(jù)每個(gè)工廠的實(shí)際需求定制化開(kāi)發(fā)實(shí)施工業(yè)軟件，效率低下且面臨人口紅利消失的危機(jī)。

對(duì)作為使用方的工業(yè)企業(yè)而言，軟肋是高門(mén)檻的“精英游戲”——由于工業(yè)軟件部署成本高、周期長(zhǎng)、對(duì)人才和數(shù)據(jù)基礎(chǔ)要求嚴(yán)苛，將占工業(yè)基本盤(pán)大多數(shù)的中小企業(yè)拒之門(mén)外。

導(dǎo)致千行百業(yè)、不同規(guī)模、不同生產(chǎn)方式的企業(yè)被困在不同數(shù)智化發(fā)展階段，智能制造推進(jìn)緩慢

我國(guó)智能制造水平有極大提升空間：

截至2025年2月，中國(guó)有超過(guò)半數(shù)的制造業(yè)企業(yè)智能制造能力位于智能制造的起步階段；僅有7.22%的制造業(yè)企業(yè)實(shí)現(xiàn)了深度智能化。（國(guó)家數(shù)據(jù)局）

針對(duì)上述工業(yè)軟件存在的問(wèn)題和局限，《星船知造》以中控技術(shù)大模型TPT 2為例，一窺工業(yè)大模型如何一一化解這些軟肋。

在呈現(xiàn)軟肋和化解軟肋的過(guò)程中，我們也能看到工業(yè)大模型到底帶來(lái)了什么根本性的改變——

不僅僅是“替代”、重構(gòu)傳統(tǒng)工業(yè)軟件，更是通過(guò)更低的部署成本、強(qiáng)大的學(xué)習(xí)能力，真正改變了工業(yè)知識(shí)的積累、進(jìn)化和傳播方式。

大模型也因此成為通向智能制造的唯一路徑。

軟肋一，今天的工業(yè)軟件仍高度依賴人，本質(zhì)是“人教機(jī)器”、“人教人”。因此軟件本身的使用效率、到底能發(fā)揮多大作用，都既受限于人的個(gè)人經(jīng)驗(yàn)，也困于人的“工業(yè)信息繭房”。

舉個(gè)例子。我國(guó)是世界第一大石油進(jìn)口國(guó)——煉油廠每年會(huì)處理來(lái)自中東、非洲、南美等原油。

不同地區(qū)的原油如同風(fēng)味迥異的食材，在各項(xiàng)參數(shù)上存在差異

中東原油硫含量高，易腐蝕設(shè)備；

西非原油酸值高，高溫下易腐蝕管道；

南美重油密度大，加工過(guò)程復(fù)雜；

此時(shí)，工業(yè)軟件“應(yīng)變能力弱”的短板就暴露出來(lái)了——同一套煉油裝置，為了應(yīng)對(duì)來(lái)自五湖四海的不同原油，唯一的解決方案是靠經(jīng)驗(yàn)豐富的煉油廠老師傅，用數(shù)十年沉淀下的經(jīng)驗(yàn)知識(shí)對(duì)機(jī)器進(jìn)行人工調(diào)試——也就是“人教機(jī)器”。這一過(guò)程難免會(huì)造成大量過(guò)度料的浪費(fèi)。

而且老師傅總要退休的，下一次機(jī)器又不會(huì)了怎么辦？就只能靠傳幫帶，老師傅教小師傅——也就是“人教人”。

這種高度依賴個(gè)人判斷和經(jīng)驗(yàn)的工業(yè)現(xiàn)狀，會(huì)導(dǎo)致一系列問(wèn)題。比如工業(yè)軟件本身的發(fā)揮受限，使用效率不高；五花八門(mén)的工業(yè)軟件之間也會(huì)出現(xiàn)相互沖突、難以協(xié)同等情景……讓軟件廠商與企業(yè)用戶都很痛苦。

人口紅利褪色的時(shí)代背景下，“老師傅斷層”和“招工難”已經(jīng)是許多工業(yè)企業(yè)無(wú)法回避的事實(shí)。

可預(yù)見(jiàn)的未來(lái)，企業(yè)斥巨資買(mǎi)下工業(yè)軟件、花長(zhǎng)時(shí)間部署軟件，但好不好用還得靠“人”。對(duì)于廣大工業(yè)企業(yè)來(lái)說(shuō)，這正是阻礙其通過(guò)投資工業(yè)軟件實(shí)現(xiàn)數(shù)智化的根結(jié)所在。

在《星船知造》的觀察中，工業(yè)軟件的第二大軟肋不似前一個(gè)那么明顯，影響卻同樣深遠(yuǎn)。

某種程度上，工業(yè)軟件的“高門(mén)檻”讓其更適配“精英企業(yè)”。大量中小企業(yè)卻在數(shù)字化的大門(mén)前望而卻步。

截至2024年底，我國(guó)規(guī)上工業(yè)企業(yè)數(shù)字化生產(chǎn)設(shè)備普及率為53.2%，剛剛過(guò)半；

在智能工廠數(shù)量上有卓越級(jí)230余家；先進(jìn)級(jí)1200余家；

但基礎(chǔ)級(jí)多達(dá)3萬(wàn)余家——僅具備基本的數(shù)據(jù)采集監(jiān)控能力。

也就是說(shuō)，目前我國(guó)真正能實(shí)現(xiàn)生產(chǎn)過(guò)程數(shù)智化決策和優(yōu)化的企業(yè)，仍然是鳳毛麟角般的存在。

它們通常是大型企業(yè)——向外展示著行業(yè)頂尖的數(shù)字化水平。向內(nèi)則是一座燈塔，燈光所及之處，皆是匍匐前進(jìn)的中小企業(yè)。

中小企業(yè)是中國(guó)工業(yè)最龐大的參與者，其數(shù)字化程度決定著一條產(chǎn)業(yè)鏈的協(xié)同效率與發(fā)展韌性。但相比數(shù)字燈塔的大型企業(yè)，我國(guó)大量中小企業(yè)的數(shù)字化進(jìn)展還未能鏈接起國(guó)家產(chǎn)業(yè)中最底層的數(shù)據(jù)孤島。

造成這種情況的原因之一是——

使用方（工業(yè)企業(yè)）未必都具備用好工業(yè)軟件的能力

實(shí)際部署中，工業(yè)企業(yè)用好工業(yè)軟件是有一定硬性要求的：

1）覆蓋全流程全要素的完整數(shù)據(jù)基礎(chǔ)。

2）擁有數(shù)字化、生產(chǎn)工藝、工程管理等復(fù)合人才儲(chǔ)備。

3）縱橫交錯(cuò)的工業(yè)軟件體系運(yùn)維能力。

同時(shí)具備上述三點(diǎn)的企業(yè)，本就是各行業(yè)翹楚。

而那些同樣需要數(shù)字化轉(zhuǎn)型升級(jí)的中小企業(yè)，卻被擋在門(mén)外——數(shù)字化轉(zhuǎn)型在很多中小企業(yè)內(nèi)部，風(fēng)險(xiǎn)是實(shí)打?qū)嵉�。業(yè)內(nèi)戲稱“大公司上中臺(tái)錢(qián)沒(méi)了，小公司上中臺(tái)公司沒(méi)了”。

小企業(yè)最終只能在生產(chǎn)運(yùn)營(yíng)中，挑選極少數(shù)環(huán)節(jié)單獨(dú)部署軟件，與全面數(shù)智化漸行漸遠(yuǎn)。

以上就是工業(yè)軟件當(dāng)下無(wú)法回避的兩大軟肋。怎么重構(gòu)？

答案只有一個(gè)，工業(yè)AI大模型。

03 懂工業(yè)的TPT，才能化解老問(wèn)題

工業(yè)AI大模型和ChatGPT、DeepSeek等大語(yǔ)言模型有什么不同？

大語(yǔ)言模型很難觸及工業(yè)核心場(chǎng)景，因此只能在知識(shí)管理、數(shù)據(jù)問(wèn)答等場(chǎng)景來(lái)回打轉(zhuǎn)。

工業(yè)AI大模型則擁有無(wú)可替代的“工業(yè)場(chǎng)景入場(chǎng)券”，疊加“理解工業(yè)語(yǔ)言的能力”——讓其能徹底解放“老師傅”，以7×24小時(shí)的不間斷體能深入各類生產(chǎn)場(chǎng)景。

在工業(yè)AI大模型中，主流的當(dāng)屬以中控技術(shù)TPT 2為代表的時(shí)間序列大模型。

中控技術(shù)的TPT 2大模型是專為流程工業(yè)設(shè)計(jì)的革命性AI工具——

通過(guò)時(shí)序數(shù)據(jù)算法和可靠模型，在各類生產(chǎn)工藝場(chǎng)景中實(shí)現(xiàn)閉環(huán)應(yīng)用，助力用戶實(shí)現(xiàn)高效生產(chǎn)力，且在幫助用戶保障生產(chǎn)安全、提高產(chǎn)品質(zhì)量、降低能耗物耗、提升設(shè)備維護(hù)效率、實(shí)現(xiàn)自主運(yùn)行等方面具有不可替代的作用。

也就是說(shuō)，工廠里發(fā)生的任何事，都能被TPT 2追溯為一段“時(shí)間序列數(shù)據(jù)”——TPT 2還能將24小時(shí)不間斷產(chǎn)生的數(shù)據(jù)，理解并“翻譯”成機(jī)器語(yǔ)言。

可以說(shuō)，只有能獲得、理解時(shí)序數(shù)據(jù)的算法和模型，才算是掌握了工業(yè)數(shù)智化的命脈。

但是，無(wú)論是獲得“時(shí)間序列數(shù)據(jù)”，還是理解工業(yè)語(yǔ)言，都有數(shù)個(gè)前提條件，每一個(gè)都有極高門(mén)檻。

這一次，需要跨越高門(mén)檻的不是使用方，而是大模型的提供方（工業(yè)AI企業(yè)）。

首先是（使用方）工業(yè)企業(yè)愿意開(kāi)放數(shù)據(jù)的信任。這一點(diǎn)，缺乏大量工業(yè)企業(yè)用戶的大語(yǔ)言模型幾乎是做不到的。

其次是包括儀器儀表、工業(yè)控制系統(tǒng)在內(nèi)的硬件數(shù)據(jù)基礎(chǔ)。這同樣超出了絕大多數(shù)大語(yǔ)言模型的能力范疇。

最無(wú)法替代的，是打造工業(yè)大模型的工業(yè)AI企業(yè)，其自身在貫通不同工業(yè)領(lǐng)域、垂直行業(yè)乃至單一場(chǎng)景后，所積累得來(lái)的工業(yè)know-how。這是能“讀懂”數(shù)據(jù)的關(guān)鍵。

《星船知造》觀察中，目前中控技術(shù)幾乎是唯一一家同時(shí)具備這些條件的大模型玩家。

首先是客戶信任（開(kāi)放數(shù)據(jù)）、行業(yè)know-how和應(yīng)用場(chǎng)景積累。

中控技術(shù)是一家誕生于1993年，多年扎根流程工業(yè)自動(dòng)化的企業(yè)。過(guò)去三十多年里，中控在流程工業(yè)領(lǐng)域積累了3.7萬(wàn)家客戶。擁有廣泛的用戶基礎(chǔ)和“規(guī)�；睉�(yīng)用場(chǎng)景。

比如中控技術(shù)在與國(guó)際石油巨頭沙特阿美的合作中，積累了海量天然氣場(chǎng)站環(huán)境數(shù)據(jù)、甲烷泄漏相關(guān)數(shù)據(jù)等，對(duì)優(yōu)化智能工廠中的機(jī)器人檢測(cè)算法、提升檢測(cè)精度大有助益。

另外，流程工業(yè)既有深度、又有廣度；同時(shí)其數(shù)據(jù)具備“連續(xù)性”、“復(fù)雜性”等特點(diǎn)——是工業(yè)與AI融合的關(guān)鍵戰(zhàn)場(chǎng)。

其次，中控自身就具備包括儀器儀表、工業(yè)控制系統(tǒng)在內(nèi)的強(qiáng)大硬件實(shí)力。

工業(yè)控制系統(tǒng)是所有AI實(shí)施執(zhí)行的硬件基礎(chǔ)。中控技術(shù)目前在化工、石化、建材、造紙四大行業(yè) DCS 市場(chǎng)占有率常年均排名第一。

硬件上，中控技術(shù)的儀器儀表業(yè)務(wù)板塊涵蓋測(cè)量?jī)x表產(chǎn)品、分析儀產(chǎn)品、智能控制閥等多個(gè)產(chǎn)品系列。

軟件上，覆蓋工業(yè)信息安全系統(tǒng)、數(shù)據(jù)資源系統(tǒng)、設(shè)備健康系統(tǒng)、產(chǎn)品研發(fā)管理及工藝設(shè)計(jì)系統(tǒng)、自主運(yùn)行系統(tǒng)、質(zhì)量提升系統(tǒng)、生產(chǎn)運(yùn)營(yíng)系統(tǒng)、安全優(yōu)先系統(tǒng)、節(jié)能低碳系統(tǒng)、供應(yīng)鏈管理系統(tǒng)、銷售與服務(wù)系統(tǒng)、支持與保障系統(tǒng)等等。

中控技術(shù)現(xiàn)已擁有了極為豐富的流程工業(yè)各細(xì)分領(lǐng)域的實(shí)時(shí)數(shù)據(jù)。如果一定要再加一個(gè)定語(yǔ)，應(yīng)該就是“最”了，且其領(lǐng)先地位是斷層式的。

這意味著，工業(yè)大模型所必需的“強(qiáng)生態(tài)”，其實(shí)是中控TPT與生俱來(lái)的基因：來(lái)自客戶的數(shù)據(jù)信任，know-how積累，以及巨大潛力的流程工業(yè)市場(chǎng)——一個(gè)擁有“無(wú)限數(shù)據(jù)學(xué)習(xí)、無(wú)限場(chǎng)景應(yīng)用”的正循環(huán)已經(jīng)在TPT內(nèi)部形成。

當(dāng)一款工業(yè)大模型能夠匯聚各種軟硬數(shù)據(jù)，并用大量know-how進(jìn)行分析后，到具體的使用環(huán)節(jié)，所依賴的單元就是AI Agent。

AI Agent是能自主理解目標(biāo)、規(guī)劃任務(wù)并執(zhí)行行動(dòng)的智能體，它通過(guò)感知環(huán)境、調(diào)用工具和持續(xù)學(xué)習(xí)，像“數(shù)字員工”一樣獨(dú)立解決問(wèn)題。

它具備記憶能力：每一次與“老師傅”交流的信息都會(huì)成為下一個(gè)問(wèn)題判斷的依據(jù)。

具備分析能力：AI Agent能夠分解任務(wù)成多個(gè)步驟，根據(jù)效率或質(zhì)量等多種考量因素有規(guī)劃地去執(zhí)行，擁有一定的自主決策能力。

具備調(diào)用能力：AI Agent能調(diào)用包括大模型、工業(yè)軟件、工業(yè)APP甚至其他Agent的能力來(lái)進(jìn)行具體操作。

這樣一來(lái)，工業(yè)軟件兩大軟肋就能迎刃而解。

工業(yè)軟件時(shí)代，需要有多個(gè)不同的工業(yè)軟件相配合，才能解決一個(gè)系統(tǒng)問(wèn)題。

工業(yè)互聯(lián)網(wǎng)的興起后起到一定緩解效果。軟件廠商打造出具有更小顆粒度的工業(yè)APP，將原本包攬一整個(gè)環(huán)節(jié)的工業(yè)軟件，拆解成多個(gè)執(zhí)行不同任務(wù)的小程序。

但是，工業(yè)APP只能改良，無(wú)法突破——

比如上文提到的高度依賴?yán)蠋煾到?jīng)驗(yàn)的石化場(chǎng)景，部分工業(yè)APP可以融入一定AI能力，但卻首尾不能兼顧：操控溫度和壓力的APP，會(huì)忽略產(chǎn)品質(zhì)量問(wèn)題；負(fù)責(zé)質(zhì)量的APP又難以兼顧設(shè)備健康……也就是說(shuō)，“工業(yè)APP+AI”仍然只能在單個(gè)場(chǎng)景里學(xué)習(xí)、應(yīng)變，難以跨邊界協(xié)同。

TPT 2這樣的工業(yè)大模型出現(xiàn)后，能將這個(gè)系統(tǒng)問(wèn)題拆分成無(wú)數(shù)個(gè)小問(wèn)題，然后用上千個(gè)甚至更多AI Agent一一對(duì)應(yīng)解決。

但整個(gè)操作過(guò)程并不會(huì)變得更復(fù)雜——在工業(yè)大模型部署好后，只需對(duì)其提出問(wèn)題，并添加工廠各項(xiàng)數(shù)據(jù)，所有Agent的生成與程序調(diào)用即可自動(dòng)實(shí)現(xiàn)。

換言之，工業(yè)大模型也同時(shí)在賦予傳統(tǒng)工業(yè)全新的生命力，整個(gè)運(yùn)行邏輯都在重構(gòu)。

目前TPT 2就能將PA層的安全優(yōu)先、質(zhì)量提升、自主運(yùn)行、節(jié)能低碳、設(shè)備健康五大環(huán)節(jié)用一個(gè)大模型全部包攬。而如果采用傳統(tǒng)方式，則可能需要多達(dá)幾十個(gè)工業(yè)軟件才能實(shí)現(xiàn)相同的效果。

對(duì)“老師傅”的依賴也將減輕。

AI Agent的記憶能力、分析能力與調(diào)用能力，意味著可以從“人教人”、“人教機(jī)器”進(jìn)化為“機(jī)器教人”。

上文提到，在工業(yè)軟件時(shí)代，工業(yè)企業(yè)需要自身實(shí)力過(guò)硬去“向上”兼容工業(yè)軟件。

但來(lái)到大模型時(shí)代，則是工業(yè)大模型“向下”兼容工業(yè)企業(yè)。

為了讓流程工業(yè)任意一個(gè)從業(yè)者都能零門(mén)檻用上工業(yè)AI，中控TPT 2對(duì)內(nèi)融合行業(yè)know-how、時(shí)間序列數(shù)據(jù)，對(duì)外則是“懂人話”、“說(shuō)人話”、“干人活”——

無(wú)論老師傅還是小師傅，都不需要從頭學(xué)起，讓自己像懂工業(yè)軟件那樣懂AI，而是通過(guò)語(yǔ)言交流向TPT 2提出問(wèn)題，隨后“機(jī)器”會(huì)引導(dǎo)師傅們上傳數(shù)據(jù)，生成解決方案。

這意味著，TPT 2能以極低的門(mén)檻，無(wú)縫遷移至不同行業(yè)、不同企業(yè)，并且有SaaS化、本地化多種部署方式。其部署成本（資金、時(shí)間）遠(yuǎn)低于工業(yè)軟件。

即使是資金儲(chǔ)備較弱、數(shù)據(jù)采集能力不強(qiáng)的中小企業(yè)，也可輕松使用。

這就是為什么盡管到目前為止，工業(yè)軟件仍是“制造核心”，但它終將被“智造核心”的工業(yè)大模型所超越。而那些沒(méi)有跟上工業(yè)大模型浪潮的企業(yè)，在朝智造邁進(jìn)的過(guò)程中，就會(huì)掉隊(duì)。

也正因此，不少科技公司、工業(yè)巨頭都已推出了自己的工業(yè)大模型產(chǎn)品。

照理說(shuō)，工業(yè)大模型應(yīng)該已進(jìn)入百花齊放、百家爭(zhēng)鳴階段。但《星船知造》多方調(diào)研后發(fā)現(xiàn)——工業(yè)大模型作為一個(gè)全新的賽道，目前正面臨一個(gè)行業(yè)挑戰(zhàn)：

相當(dāng)一部分的工業(yè)大模型雖然叫“大模型”，但本質(zhì)上仍是“小模型”，和工業(yè)軟件一樣，尚未沖破“智能孤島”困境。

04 不是所有大模型都是TPT

雖然都叫工業(yè)大模型，但細(xì)分來(lái)看，又可分為“通用工業(yè)大模型”、“行業(yè)大模型”和“場(chǎng)景大模型”。

宣布打造出工業(yè)大模型的各類玩家，實(shí)則多集中于行業(yè)大模型和場(chǎng)景大模型。而深究下來(lái)，兩者本質(zhì)上仍是“小模型”。

場(chǎng)景大模型，顧名思義是只在某個(gè)單一工業(yè)場(chǎng)景中深耕。其玩家，多是互聯(lián)網(wǎng)科技企業(yè)與在某垂直場(chǎng)景深耕的工業(yè)企業(yè)。如手機(jī)、家電、汽車企業(yè)近幾年都推出過(guò)自己的垂類場(chǎng)景大模型——進(jìn)入的，多是技術(shù)成熟度高的質(zhì)檢、安檢等場(chǎng)景。

但這類大模型的本質(zhì)仍然是“小模型”。是“一事一模型”。

其“小”，不僅指小在功能單一，更在于不可復(fù)制：

這種大模型，一旦要“跨廠”使用，就變得和工業(yè)軟件一樣——高度依賴?yán)瞎こ處煹呐袛嗪徒?jīng)驗(yàn)。需要“人教機(jī)器”。

場(chǎng)景大模型中，數(shù)據(jù)和行業(yè)Know-how被封閉起來(lái)，鍛造成一把唯一的鑰匙，便再打不開(kāi)第二扇門(mén)。

再看行業(yè)大模型，顧名思義，它從深耕具體場(chǎng)景的老師傅進(jìn)化成了“行業(yè)百曉生”——通過(guò)學(xué)習(xí)該行業(yè)專屬數(shù)據(jù)，覆蓋行業(yè)內(nèi)多個(gè)場(chǎng)景，解決行業(yè)級(jí)問(wèn)題。

玩家多為具備制定行業(yè)標(biāo)準(zhǔn)能力的巨頭企業(yè)。這些企業(yè)聯(lián)合科技大廠等供應(yīng)商，共同打造出行業(yè)大模型。

行業(yè)頭部企業(yè)選擇自建行業(yè)大模型，通常出于幾個(gè)考慮：一是巨頭的數(shù)據(jù)本就“量大質(zhì)優(yōu)”，通過(guò)大模型，可將自己多年的行業(yè)數(shù)據(jù)積累轉(zhuǎn)化為數(shù)智化能力；二是在訓(xùn)練、使用大模型過(guò)程中，不用擔(dān)心自己的數(shù)據(jù)泄露。

但也恰因?yàn)榇耍?strong>數(shù)據(jù)被巨頭圈地，無(wú)法跨行業(yè)復(fù)用，形成新的數(shù)據(jù)高墻。

以流程工業(yè)中的石油化工與生物制藥這兩個(gè)行業(yè)來(lái)舉例：

它們?cè)谏a(chǎn)上，都有高溫高壓反應(yīng)、多相流傳質(zhì)控制等相同環(huán)節(jié)。

理想狀態(tài)下，一款工業(yè)大模型經(jīng)過(guò)石油化工、生物制藥等行業(yè)的訓(xùn)練，其“吃豆”能力會(huì)大幅增強(qiáng)，且能觸類旁通——最終能形成自己的記憶能力、分析能力與調(diào)用能力——可無(wú)縫遷移至更多行業(yè)、更多企業(yè)。

但現(xiàn)實(shí)問(wèn)題在于，你很難想象兩個(gè)巨頭會(huì)坐在一起，聊聊如何訓(xùn)練同一個(gè)大模型。

這就導(dǎo)致了即使在相同工業(yè)門(mén)類下、擁有相同生產(chǎn)環(huán)節(jié)的行業(yè)大模型之間仍是一座座“智能孤島”。既無(wú)法提煉共性，更無(wú)法協(xié)同進(jìn)化。

當(dāng)前工業(yè)大模型普遍存在的“一事一模型”、“一行業(yè)一模型”現(xiàn)象，其根源在于各方面仍未脫離“工業(yè)軟件思維”：先定義一個(gè)具體問(wèn)題，再用一個(gè)具體方案解決——最終導(dǎo)致“智能孤島”普遍存在。

“智能孤島”一方面讓行業(yè)和企業(yè)陷入重復(fù)造輪子的惡性循環(huán)。另一方面，數(shù)據(jù)、知識(shí)不互通，讓絕大部分工業(yè)大模型始終在“小模型”中打轉(zhuǎn)，無(wú)法掌握更大范圍內(nèi)的規(guī)律。

所有人都重復(fù)建造自己的小船，新大陸便永遠(yuǎn)隱匿于迷霧。

人們迫切需要一款能打破“智能孤島”的通用工業(yè)大模型。

在《星船知造》的觀察中，TPT 2正是一款在流程工業(yè)領(lǐng)域相當(dāng)符合“理想型”的通用工業(yè)大模型產(chǎn)品。

它已經(jīng)做到了兩點(diǎn)：一是有能力打破數(shù)據(jù)和行業(yè)know-how的“封閉性”。二是在此基礎(chǔ)上，具備場(chǎng)景貫通能力。從下圖看更為直觀

我們以圖中的數(shù)據(jù)資產(chǎn)和知識(shí)融合舉例——

工業(yè)場(chǎng)景具有其他場(chǎng)景不具備的“高標(biāo)準(zhǔn)、嚴(yán)要求”（聊天對(duì)話場(chǎng)景下，ChatGPT等大語(yǔ)言模型時(shí)不時(shí)已讀亂回，人們大可一笑了之，但工業(yè)場(chǎng)景絕不能出現(xiàn)此類情況）。

因此，只有獲得足夠多的數(shù)據(jù)和行業(yè)知識(shí)，才能在數(shù)據(jù)安全性、輸出精準(zhǔn)性上達(dá)到一定標(biāo)準(zhǔn)，進(jìn)入核心環(huán)節(jié)。

但場(chǎng)景大模型和行業(yè)大模型的主要玩家多是跨界而來(lái)的互聯(lián)網(wǎng)/科技企業(yè)，雖然具備IT技術(shù)開(kāi)發(fā)等技術(shù)能力，但缺“場(chǎng)景貫通”——缺乏行業(yè)know-how、專業(yè)數(shù)據(jù)及落地場(chǎng)景。而掌握了行業(yè)數(shù)據(jù)和know-how的工業(yè)巨頭，又往往在AI技術(shù)實(shí)力上有所缺失。

目前，TPT 2已經(jīng)同時(shí)具備了數(shù)據(jù)、know-how、場(chǎng)景貫通能力，也因此能向上統(tǒng)一數(shù)據(jù)基礎(chǔ)，向下進(jìn)入多個(gè)工業(yè)核心環(huán)節(jié)，成為一款能打破“智能孤島”的通用工業(yè)大模型。

在它背后，擁有的是——

●強(qiáng)大的數(shù)據(jù)根基

●深度的技術(shù)耦合

將行業(yè)know-how與工程實(shí)踐系統(tǒng)性編碼到TPT模型架構(gòu)，確�？煽靠山忉�；

MoE + 異常檢測(cè)的融合設(shè)計(jì)，顯著提升模型容量、計(jì)算效率與實(shí)時(shí)性，處理海量數(shù)據(jù)下的復(fù)雜異常檢測(cè)任務(wù)；

結(jié)合大語(yǔ)言模型，順暢語(yǔ)義交互，深度自主思考優(yōu)化；

●全（工業(yè)）場(chǎng)景一鍵打通

中控技術(shù)服務(wù)過(guò)3.7萬(wàn)+企業(yè)，廣闊的行業(yè)覆蓋和扎實(shí)的客戶基礎(chǔ)為AI場(chǎng)景驗(yàn)證與規(guī)模復(fù)制提供了豐富的應(yīng)用場(chǎng)景；

TPT能夠解決工業(yè)應(yīng)用分散、數(shù)據(jù)應(yīng)用碎片化等難題，實(shí)現(xiàn)由一個(gè)TPT大模型為基座打造“一個(gè)軟件支撐多種應(yīng)用場(chǎng)景”的新模式；

創(chuàng)新的落地模式：預(yù)訓(xùn)練（通用工業(yè)知識(shí)+海量數(shù)據(jù)）+微調(diào)（精準(zhǔn)場(chǎng)景數(shù)據(jù)）模式，實(shí)現(xiàn)低成本、高效率、規(guī)�；涞亍�

那么，作為一款“理想型”的通用工業(yè)大模型，TPT 2已經(jīng)做到了哪些其他人沒(méi)做到的事？未來(lái)，它又將憑借哪些能力，走到更遠(yuǎn)的遠(yuǎn)方？

05 TPT 2,不僅僅以萬(wàn)倍效率破局

2025是中控技術(shù)的破局之年。這家誕生于1993年，素以深耕流程工業(yè)自動(dòng)化聞名的企業(yè)，其技術(shù)和業(yè)務(wù)光譜中已經(jīng)延展出了兩大新物種——

●機(jī)器人《一家“不做機(jī)器人”的機(jī)器人公司，正把中國(guó)機(jī)器人賣遍“一帶一路”》

●時(shí)間序列大模型TPT 2

兩者都是其自然升級(jí)為工業(yè)AI公司的體現(xiàn)。

《星船知造》看來(lái)，TPT 2的愿景，不僅僅是打破工業(yè)軟件和工業(yè)“小模型”的“智能孤島”困境；也不僅僅是成為一個(gè)能更好服務(wù)工業(yè)企業(yè)的“智慧大腦”。它的雄心指向一個(gè)更宏大的未來(lái)：

打破過(guò)去工業(yè)領(lǐng)域“經(jīng)驗(yàn)驅(qū)動(dòng)”的百年慣性，孕育出由中國(guó)工業(yè)大模型主導(dǎo)的工業(yè)智能生態(tài)。這一次，AI普惠將是這一生態(tài)的核心壁壘。

TPT 2正憑借提煉“工業(yè)母語(yǔ)”、“向下兼容”等創(chuàng)新優(yōu)勢(shì)，為工業(yè)AI普惠做出創(chuàng)新嘗試。

先看提煉TPT 2“工業(yè)母語(yǔ)”的能力。

“工業(yè)母語(yǔ)”可以這樣理解——

它是一種將千變?nèi)f化的數(shù)據(jù)、行業(yè)know-how轉(zhuǎn)化成AI可理解的表達(dá)方式。

過(guò)去，工業(yè)軟件也好、工業(yè)APP也好、工業(yè)“小模型”也好，都是必須疊加老師傅經(jīng)驗(yàn)才能跑得通。

現(xiàn)在，TPT 2通過(guò)提煉出“工業(yè)母語(yǔ)”，讓機(jī)器開(kāi)始具備“理解問(wèn)題→轉(zhuǎn)譯數(shù)據(jù)→構(gòu)造方案→生成行動(dòng)”的自主能力。實(shí)現(xiàn)“機(jī)器教人”

通過(guò)對(duì)已知數(shù)據(jù)的深度建模、對(duì)未知情景的預(yù)測(cè)，以及對(duì)整個(gè)過(guò)程的自主學(xué)習(xí)與重構(gòu)，它正在邁入工業(yè)自主化階段。

TPT 2是這樣做的

第一步，先整合散落在工業(yè)各個(gè)角落非結(jié)構(gòu)化、格式各異的工業(yè)數(shù)據(jù)（包括經(jīng)驗(yàn)知識(shí)、傳感器讀數(shù)、圖紙、流程圖等）；

中控技術(shù)正在系統(tǒng)整合過(guò)去三十多年來(lái)自身及整個(gè)工業(yè)界積累的各類數(shù)據(jù)資產(chǎn)，包括工藝參數(shù)、行業(yè)圖譜、技術(shù)文獻(xiàn)，以及大量沉淀于工業(yè)軟件、APP與小模型中的問(wèn)題解決經(jīng)驗(yàn)。

這一步能確保模型不僅具備“從零建�！钡哪芰�，更具備“承載經(jīng)驗(yàn)”的厚度。

第二步，開(kāi)始對(duì)數(shù)據(jù)進(jìn)行“翻譯”，目的是從“收集數(shù)據(jù)”走向“貫通知識(shí)”。讓AI在學(xué)習(xí)“工業(yè)語(yǔ)言”后，能像工程師一樣理解工業(yè)世界。

比如在流程工業(yè)中，許多系統(tǒng)運(yùn)行參數(shù)是基于經(jīng)驗(yàn)設(shè)定的。一旦原料波動(dòng)或工況變化，這些預(yù)設(shè)參數(shù)就可能不再適用。而TPT的記憶能力和預(yù)測(cè)能力，使得AI Agent可以先于人類察覺(jué)風(fēng)險(xiǎn)并行動(dòng)——“機(jī)器教人”。

第三步，打破知識(shí)壁壘，重塑協(xié)同機(jī)制。

過(guò)去許多工業(yè)難題長(zhǎng)期懸而未解，不是因?yàn)槿狈?shù)據(jù)或算力，而是因?yàn)檫@些問(wèn)題橫跨多個(gè)學(xué)科與專業(yè)范疇——有人認(rèn)為是工藝問(wèn)題，有人認(rèn)為是算法問(wèn)題。完成大工業(yè)范圍內(nèi)學(xué)習(xí)的TPT 2，將能重塑協(xié)同機(jī)制。

TPT 2提煉“工業(yè)母語(yǔ)”的能力，已經(jīng)讓AI開(kāi)始解決具體的工業(yè)問(wèn)題——

過(guò)去，數(shù)字化升級(jí)依賴資深工程師現(xiàn)場(chǎng)調(diào)試，成本高、門(mén)檻高。一個(gè)項(xiàng)目需要幾十人，部署時(shí)間以“年”為單位。

現(xiàn)在借助TPT 2，無(wú)需代碼，只需動(dòng)動(dòng)手、說(shuō)說(shuō)話，理清生產(chǎn)問(wèn)題，導(dǎo)入數(shù)據(jù)與知識(shí)，即可生成專屬Agent，快速實(shí)現(xiàn)數(shù)智化升級(jí)。幾十分鐘就能部署好一個(gè)Agent，效率飛升萬(wàn)倍。

更重要的是，中控技術(shù)在打造大模型時(shí)并非從0起步，而是將TPT作為“煉丹爐”，把三十多年所積累的數(shù)據(jù)、算法、知識(shí)、經(jīng)驗(yàn)、軟件等能力，全部聚集其中。

在大量的數(shù)據(jù)學(xué)習(xí)后，TPT 2已經(jīng)具備無(wú)縫遷移至各類工業(yè)場(chǎng)景的能力。

正因?yàn)榇�，相較于被困于“智能孤島”的各類大模型而言，中控技術(shù)的TPT 2已經(jīng)做到一個(gè)大模型在龐大的流程工業(yè)里“千廠千面”地部署應(yīng)用——很大程度上打破“智能孤島”，深入流程工業(yè)的安全保障、質(zhì)量提升、設(shè)備健康、自主運(yùn)行以及節(jié)能低碳等環(huán)節(jié)之中。

截至目前，TPT 2已經(jīng)累計(jì)預(yù)定訂單企業(yè)518家，成交量112套，線上注冊(cè)申請(qǐng)用戶3268名。

這些數(shù)字意味著，同一套TPT 2解決方案，已在不同企業(yè)、不同工廠的產(chǎn)線間奔涌。標(biāo)志著TPT 2模型從技術(shù)研發(fā)階段正式邁向規(guī)�；涞�

中石油蘭州石化榆林化工：TPT 2生成出的多個(gè)智能體，在不同生產(chǎn)環(huán)節(jié)發(fā)揮作用——

異常預(yù)警智能體實(shí)時(shí)監(jiān)控生產(chǎn)參數(shù)與設(shè)備狀態(tài)，預(yù)測(cè)準(zhǔn)確度達(dá)99.79%，精準(zhǔn)定位異常并生成處置方案，保障安全運(yùn)行；

操作路徑規(guī)劃智能體在投爐升溫階段優(yōu)化COT溫度操作路徑，縮短升溫時(shí)間4-5小時(shí)，在質(zhì)量達(dá)標(biāo)前提下，整體年效益預(yù)計(jì)不低于650萬(wàn)元；

操作優(yōu)化智能體在穩(wěn)定運(yùn)行階段提升乙烯選擇性與收率，單爐乙烯收率提高0.373%，年凈收益315.5萬(wàn)元/爐，整體年效益預(yù)計(jì)不低于1500萬(wàn)元。

再看TPT 2“向下兼容”能力。它正讓AI技術(shù)加速普惠工業(yè)企業(yè)。

第三次工業(yè)革命中，制造業(yè)從發(fā)達(dá)國(guó)家向發(fā)展中國(guó)家轉(zhuǎn)移，但制造環(huán)節(jié)的落地并不意味著先進(jìn)制造知識(shí)和質(zhì)量標(biāo)準(zhǔn)的到來(lái)，它們往往都被封裝于工業(yè)軟件中。

幾乎全世界的工業(yè)制造都在先發(fā)國(guó)家設(shè)計(jì)的規(guī)則下運(yùn)轉(zhuǎn)。

這意味著，中國(guó)工業(yè)要實(shí)現(xiàn)轉(zhuǎn)型升級(jí)，必須跨越由工業(yè)軟件體系主導(dǎo)的掣肘。

比如今天我們引以為傲的高鐵產(chǎn)業(yè)，早期階段大量使用西門(mén)子、日立等提供的建模、控制軟件，控制模型均由外方定義，導(dǎo)致國(guó)產(chǎn)系統(tǒng)難以替代。直到中國(guó)逐步構(gòu)建TCMS等自有建模平臺(tái)和列控仿真系統(tǒng)后，才真正實(shí)現(xiàn)自主。

在流程工業(yè)，DCS（分布式控制系統(tǒng)）是電力、冶金等承載國(guó)家命脈的產(chǎn)業(yè)里不可或缺的控制平臺(tái)，也是將工業(yè)know-how封裝進(jìn)數(shù)字系統(tǒng)的橋梁——

過(guò)去三十多年中，中控技術(shù)始終扎根這一領(lǐng)域不斷突破——2007年，中控技術(shù)獲得中國(guó)石化武漢分公司500萬(wàn)噸“油品質(zhì)量升級(jí)煉油改造工程”的項(xiàng)目合同，標(biāo)志著高端市場(chǎng)核心主裝置DCS被跨國(guó)公司壟斷的時(shí)代結(jié)束了。

它從霍尼韋爾、艾默生等跨國(guó)巨頭手里贏回了流程工業(yè)的話語(yǔ)權(quán)，也為今天自身成長(zhǎng)為一家軟硬融合的工業(yè)AI企業(yè)打下了地基。

下一個(gè)三十年里，隨著大模型時(shí)代到來(lái)，在新的技術(shù)窗口期里，中控技術(shù)選擇了一條更為激進(jìn)卻也更為目光長(zhǎng)遠(yuǎn)的道路——

美歐老牌工業(yè)軟件巨頭，目前選擇的是一條保守路線：延續(xù)現(xiàn)有技術(shù)路徑，通過(guò)在傳統(tǒng)工業(yè)軟件基礎(chǔ)上疊加大語(yǔ)言模型實(shí)現(xiàn)大模型能力。

比如，霍尼韋爾、艾默生、西門(mén)子等企業(yè)，先通過(guò)“軟件+AI”保證不掉隊(duì)，再逐步整合各個(gè)業(yè)務(wù)單元，形成大模型或全能AI平臺(tái)。艾默生則將這些年并購(gòu)的軟件都融到其“無(wú)界自動(dòng)化平臺(tái)”中，并采用ChatGPT等大語(yǔ)言模型做問(wèn)答交互。

若中國(guó)企業(yè)與歐美巨頭采用相同方式，一則本土企業(yè)目前在涉足的工業(yè)軟件廣度上還不及跨國(guó)巨頭；二則如果還是在對(duì)方的體系與規(guī)則下競(jìng)爭(zhēng)，就無(wú)法在新的技術(shù)窗口里真正領(lǐng)先。

但要馬上讓工業(yè)大模型實(shí)現(xiàn)對(duì)工業(yè)軟件的替代，目前也不現(xiàn)實(shí)。因?yàn)閷?duì)廣大下游工業(yè)企業(yè)而言，就像程序員面對(duì)一座運(yùn)行多年的“屎山代碼”，明知換人能解決問(wèn)題，但只要系統(tǒng)還能跑，誰(shuí)都不敢輕舉妄動(dòng)。

因此，中控技術(shù)走的是一條通過(guò)大模型重構(gòu)工業(yè)軟件的路線——工業(yè)軟件是“向上兼容”。現(xiàn)在，中控技術(shù)則堅(jiān)持工業(yè)大模型要“向下兼容”：

TPT 2具備SaaS化、本地化等多種形態(tài)，可以適應(yīng)不同行業(yè)、不同規(guī)模的企業(yè)需求。不僅在速度上遠(yuǎn)超傳統(tǒng)軟件，還極大降低使用門(mén)檻——尤其對(duì)那些缺乏軟件工程能力的工業(yè)企業(yè)而言，可以更便捷地構(gòu)建自己的智能生產(chǎn)系統(tǒng)。

原本依賴中控技術(shù)專家團(tuán)隊(duì)交付的項(xiàng)目，如今可交給任何一個(gè)“懂行業(yè)、懂問(wèn)題”的生態(tài)伙伴來(lái)完成。

他們不需要掌握復(fù)雜的AI算法，也不需要深度的軟件工程能力，只需要理解客戶問(wèn)題和手握部分?jǐn)?shù)據(jù)，就能通過(guò)TPT平臺(tái)生成可交付的解決方案。

這種更輕盈、靈活的部署方式，不僅讓工業(yè)大模型的“向下兼容”成為現(xiàn)實(shí)，也為T(mén)PT 2構(gòu)建了一個(gè)可持續(xù)繁榮的工業(yè)場(chǎng)景生態(tài)。

目前TPT 2與工業(yè)軟件之間并非絕對(duì)替代，而是嘗試用更易上手的大模型產(chǎn)品，幫助更多工業(yè)企業(yè)去使用工業(yè)軟件和APP來(lái)解決實(shí)際問(wèn)題——也只有這樣，才能讓處于工業(yè)軟件體系下的生態(tài)市場(chǎng)，從原先的思維慣性里無(wú)縫銜接到工業(yè)大模型之中。

工具的意義在于被人使用。只有真正普惠的工具才能創(chuàng)造極大價(jià)值。

TPT 2讓工業(yè)AI大模型不再是昂貴且復(fù)雜的系統(tǒng)，而是每一個(gè)工程師甚至產(chǎn)線工人都可操作的智能助手，這才是工業(yè)AI深入核心場(chǎng)景、賦能萬(wàn)千工廠的真正標(biāo)志。

尾聲：三十年磨一劍

錢(qián)塘江的潮水奔涌向前。過(guò)去三十多年里，它見(jiàn)證了一座城市與一家企業(yè)的蛻變。

杭州城從昔日的工業(yè)重鎮(zhèn)，成為一座“數(shù)智重鎮(zhèn)”——其制造業(yè)、互聯(lián)網(wǎng)、高新科技等多條產(chǎn)業(yè)都已匯入新時(shí)代的數(shù)智化海域。

它一直尋覓著下一個(gè)“意外收獲”的出現(xiàn)。

今天，一顆1993年種下的深耕流程工業(yè)自動(dòng)化的種子，正長(zhǎng)成憑借工業(yè)AI能力改變工業(yè)格局的巨木。

中控技術(shù)的工業(yè)大模型TPT 2正以流程工業(yè)為原點(diǎn)，為新質(zhì)生產(chǎn)力時(shí)代的工業(yè)添磚加瓦。

它不再重復(fù)“工具式工業(yè)軟件”的老路，而是通過(guò)不斷充實(shí)“工業(yè)語(yǔ)料”和“向下兼容”夯實(shí)工業(yè)AI的底座，以TPT 2的破土迎來(lái)厚積薄發(fā)。

它讓老師傅的經(jīng)驗(yàn)不再封閉于個(gè)人頭腦，而是沉淀為可復(fù)用的智能資產(chǎn)；

它讓中小企業(yè)無(wú)需重金搞“數(shù)字基建”，也能通過(guò)大模型輕裝上陣擁抱智造；

它讓中國(guó)工業(yè)AI不再追隨他人寫(xiě)下的規(guī)則，而是自己構(gòu)筑工業(yè)語(yǔ)料。

它的未來(lái)，則不完全取決于中控技術(shù)一家企業(yè)的能力。而是要讓更多工業(yè)伙伴都能基于“工業(yè)母語(yǔ)”共識(shí)開(kāi)展一場(chǎng)工業(yè)AI共建——讓每一個(gè)Agent都成為智能節(jié)點(diǎn)，讓每一次任務(wù)執(zhí)行都能反哺知識(shí)體系，讓每一個(gè)工業(yè)場(chǎng)景都能為大模型提供訓(xùn)練場(chǎng)。

這個(gè)過(guò)程中，不排除更多巨頭會(huì)加入進(jìn)來(lái)。如今的TPT 2，毫無(wú)疑問(wèn)已經(jīng)跑在了最前面。

它所走過(guò)的每一步路，都為后來(lái)者開(kāi)啟了一個(gè)尚未到達(dá)領(lǐng)域的新起點(diǎn)。當(dāng)生態(tài)愈加繁榮，也意味著我們可能用5年的時(shí)間，完成其他國(guó)家用15年完成的工業(yè)智能化轉(zhuǎn)型。在技術(shù)普及曲線尚未陡峭上升之前，先一步登上智能制造的高地。

時(shí)間會(huì)獎(jiǎng)賞那些與工業(yè)共成長(zhǎng)，并永遠(yuǎn)選擇艱難而正確道路的人。

主要參考資料：

[1]《數(shù)字中國(guó)發(fā)展報(bào)告（2024年）》.國(guó)家數(shù)據(jù)局

[2] 人工智能大模型在重點(diǎn)工業(yè)領(lǐng)域規(guī)模化部署加快.工信部

[3] 中控技術(shù)官網(wǎng)、企業(yè)微信、公開(kāi)年報(bào)等企業(yè)公開(kāi)信息

[4]一家“不做機(jī)器人”的機(jī)器人公司，正把中國(guó)機(jī)器人賣遍“一帶一路”.星船知造

本文基于訪談及公開(kāi)資料寫(xiě)作，不構(gòu)成任何投資建議

本文為星船知造原創(chuàng)內(nèi)容

未經(jīng)授權(quán)，禁止轉(zhuǎn)載