在工業智能化的全球競賽中，中國正走出一條與眾不同的道路?！拔覀儾皇窃诋a品中加AI，而是以時間序列模型為基礎，構建全新的工業AI平臺?！敝锌丶夹g副總裁/Industrial AI事業群CEO吳玉成在2025中國國際石油化工大會期間接受澎湃新聞專訪時表示，中控技術走的不是“追趕式”創新，而是重構底層邏輯。

2024年，中控技術正式啟動“ALL in AI”戰略。吳玉成強調，這不是一次技術疊加，而是以AI為底層基座，打造AI Native體系。在吳玉成看來，這是中控技術三十多年工業自動化積累后的必然選擇?！爸锌丶夹g成立至今，一直在自動化行業深耕，服務了37000多家流程工業企業?！彼赋?，“我們深刻理解企業在安全、環保、效益和質量方面的核心訴求。”

吳玉成表示，與傳統工業自動化巨頭相比，中控技術的核心優勢在于“扎根工業的AI融合能力”與“敏捷的戰略執行機制”。在他看來，傳統巨頭多受制于既有技術體系與復雜組織架構，AI與業務融合存在壁壘。中控技術構建了“時間序列大模型TPT（Time-series Pre-trained Transformer）+通用控制系統UCS”的全鏈條AI落地能力，并通過成立工業AI事業群，將技術攻關、產品研發、工程實施與行業專家納入同一單元，形成“懂工藝更懂算法”的組織基因，實現從需求到迭代的高效閉環。

中國擁有全球最齊全的工業門類和大量亟待改造的存量工廠，這構成了“從規模優勢轉向技術優勢”的堅實基礎。目前，中控技術已覆蓋石化、有色金屬、冶金、鋼鐵、建材等全流程工業領域。據吳玉成介紹，中國規上流程工業企業約5萬多家，中控技術服務了其中三分之二。

時間序列大模型之所以能在流程工業中發揮重要作用，源于其與工業生產特性的深度契合?！笆艿紺hatGPT大語言模型的啟發，中控技術將時間序列數據作為工業領域的‘通用語言’。”吳玉成解釋，“工廠里的裝置設備雖然不會‘說話’，但溫度、壓力、流量、液位這些參數按照時間順序排列，構成了裝置的‘語言’?！?/p>

“雖然不同工廠產品各異，但構成生產系統的基本單元——泵、閥、管道、反應器等具有高度通用性。”吳玉成表示，基于這一洞察，中控技術自主研發出了全球首款時間序列大模型TPT。該模型通過海量數據預訓練學習通用規律，比如石化裂解反應的溫度窗口、化工精餾塔的回流比規律，并針對具體場景進行微調適配。TPT不僅“能看見數據”，更“能讀懂工藝”，提升了AI在工業場景中的落地效率。

吳玉成特別介紹了TPT在萬華化學氯堿裝置中的應用，他提到，氯堿工業作為基礎化工領域，一直面臨高能耗、高安全風險的挑戰?！吧a一噸堿的電耗高達幾千度，生產過程中還涉及鹽酸等腐蝕性物質，安全壓力很大?！?/p>

“在電解槽能效優化方面，TPT整合電壓、電流、溫度、鹽水濃度等實時數據，建立多目標協同優化模型，預計噸堿電耗可降低1%左右?！眳怯癯赏嘎?，在廢液pH值控制這一難題上，TPT通過歷史數據與實時工況的動態學習，構建預測-執行閉環控制算法，將pH值穩定在6.8-8.2區間，中和時間從5小時壓縮至1小時，預計年節約中和劑成本20萬元。

除了能耗優化，中控技術還解決了關鍵材料的壽命預測難題。吳玉成說，離子膜作為電解槽的核心材料，單次更換成本超過100萬元?！皳Q早了造成浪費，換晚了帶來安全和能耗問題，預測模型實現了最佳更換時機的精準判斷?！?/p>

這種通用性正不斷拓展TPT的應用邊界。吳玉成表示，除了傳統的流程工業，中控技術的TPT大模型正在向新能源、新材料等領域拓展，甚至吸引了金融行業的關注。

中國市場的龐大規模與復雜性也帶來了特有的挑戰。吳玉成表示，一是數據基礎與安全性，工業數據質量參差不齊且涉及核心工藝保密，大規模匯聚難度大；二是基礎條件與認知，中小企業設備老舊、數據碎片化、人才匱乏，且對工業智能體價值認知模糊；三是場景復雜性與信任，工業場景容錯率低。

針對這些挑戰，吳玉成提出“多管齊下”的應對思路，技術上，通過數據保密機制與“數據不出廠”專屬模型方案，在保障安全的前提下釋放數據價值；市場上，依托政策驅動央企及頭部民企打造“燈塔項目”，形成可復制模板；生態上，推動技術方與行業專家深度協同。

吳玉成認為，中國工業AI將呈現三個顯著特征：應用深度廣度持續領先、標準規范逐步輸出以及人才培養加速推進。“現在年輕一代的AI人才正在快速成長，未來全球工業AI的人才高地可能就在中國?！?/p>

在產業選擇上，中控技術形成了清晰的標準：規模足夠大、痛點突出、數據基礎較好。吳玉成強調，“只要是涉及時間序列數據的行業，都有TPT大模型的用武之地。”

“如果一家工廠一天賺100萬，未來可能有90萬的價值由AI創造。”吳玉成對中國工業AI的前景充滿信心。他表示，中國工業AI正從“點狀突破”向“全局滲透”躍遷，深度融入工業全生命周期，中國有望先于其他市場探索出“技術-場景-生態”成熟路徑，甚至定義部分全球標準。

“在美國專注于基礎理論創新和人機交互的AI應用時，中國正在實體經濟的AI賦能方面走出一條獨特道路，”吳玉成說，“這不是簡單的技術追趕，而是基于中國制造業底蘊的原創性突破。”