近年來，在AI技術的推動下，人類技術創(chuàng)新的進程明顯呈現(xiàn)出加速進化的態(tài)勢。AI技術的發(fā)展，迅速帶來各行業(yè)顛覆性的變革，甚至出現(xiàn)了2024年諾貝爾物理學獎和化學獎均授予AI直接相關成果的奇觀。
工業(yè)領域也正經(jīng)歷一場由人工智能驅動的深刻變革。過去十年間，AI技術雖屢屢引發(fā)熱議，但其在工業(yè)場景的規(guī)?；涞孛媾R眾多挑戰(zhàn)。然而，隨著算法突破、算力升級與數(shù)據(jù)生態(tài)的完善，尤其是具備強推理能力的DeepSeek大模型等技術突破，工業(yè)AI的規(guī)模化應用終于迎來拐點。
作為中國工業(yè)自動化與數(shù)字化領域的領軍企業(yè)，和利時集團憑借深厚的技術積淀與行業(yè)經(jīng)驗，正以自主可控的技術體系和開放協(xié)同的生態(tài)戰(zhàn)略，推動我國工業(yè)智能化邁向新高度。
AI在工業(yè)領域落地的拐點
已經(jīng)到來
由于工業(yè)生產(chǎn)危險性高，要求萬無一失，加之高質量數(shù)據(jù)樣本的稀缺性和工業(yè)數(shù)據(jù)的私有性，目前基于深度學習的各種大小模型尚無法達到工業(yè)實時控制所需的10-5-10-6/小時的失效率要求。工業(yè)細分領域之間的產(chǎn)品、工藝、管理、組織等方面差異巨大，動輒千萬級別的訓練成本和高昂的本地部署成本制約了大模型在工業(yè)上的落地，這些矛盾導致AI在工業(yè)領域的應用長期停留在局部試點階段，難以形成規(guī)模化價值閉環(huán)。工業(yè)過程控制的智能化需要借助時序大模型，其本質是對物理世界運行規(guī)律的學習，是所謂的AGI(Artificial General Intelligence)的重要組成部分，技術尚處于發(fā)展階段，當前建立工業(yè)時序模型的主要方法之一就是使用 GPT 等語言大模型進行序列預測，通過語言建模思想捕捉時序特征建立預測模型，模型泛化難度較大。
DCS、PLC、SCADA等工業(yè)自動化系統(tǒng)采用的“基礎平臺+行業(yè)應用+組態(tài)數(shù)據(jù)”工程應用模式已經(jīng)出現(xiàn)了超過五十年，獲得了巨大的成功。面對迅速變化的市場需求和內外部環(huán)境，無論是流程工業(yè)還是離散制造業(yè)，對工業(yè)自動化系統(tǒng)都提出了感知建模、智能操控、主動適應、精準預測、全局尋優(yōu)和專家指導等智能化要求，工業(yè)自動化系統(tǒng)的AI應用分為供給側和應用側兩個方向。應用側是指提供給最終的工業(yè)自動化系統(tǒng)用戶企業(yè)的AI應用，主要包括確定性和安全性要求較低，算力資源較為充裕的人機交互、狀態(tài)監(jiān)控、預測優(yōu)化、設備診斷等功能子系統(tǒng)，實現(xiàn)自然語言驅動的人機交互、兼具強適應性和魯棒性的智能優(yōu)化控制、客戶定制化的專家知識庫等智能解決方案，增強制造裝備柔性，提高全局生產(chǎn)效率，降低生產(chǎn)成本;供給側是指提供給工業(yè)自動化系統(tǒng)供應商或集成商的AI應用，主要包括控制工程組態(tài)生成、客戶定制化業(yè)務功能代碼生成、人機交互界面生成等，其目的是降低自動化工程實施成本，提高工程實施效率。
ChatGPT、LLaMA、通義千問等語言和多模態(tài)大模型的出現(xiàn)，為工業(yè)自動化系統(tǒng)提供了功能強大的專家級輔助工具，但工業(yè)生產(chǎn)網(wǎng)絡的安全性要求與需要互聯(lián)網(wǎng)連接的公有云大模型應用造成了不小障礙。
DeepSeek的橫空出世為解決工業(yè)AI應用的低成本私有化部署問題提供了一條可行之路，DeepSeek的小尺寸專業(yè)化模型訓練方法也更適合于工業(yè)專業(yè)化分工的要求。
同時，以DeepSeek為代表的強推理AI技術為工業(yè)智能化提供了全新范式，例如：CoT思維鏈(Chain-of-Thought)，通過顯式邏輯鏈輸出，實現(xiàn)決策過程的可解釋性和高確定性，工程師可介入關鍵節(jié)點進行人工校準，確保質量與交付可控;MoE(Mixture-of-Experts)架構：將行業(yè)專家規(guī)則與數(shù)據(jù)驅動模型結合，降低對海量標注數(shù)據(jù)的依賴，快速適配細分場景;成本與能效優(yōu)化，模型壓縮、分布式訓練等技術使訓練推理成本下降80%以上，工業(yè)客戶可低成本引入AI能力，可以得出結論，AI在工業(yè)生產(chǎn)技術成熟度、成本曲線與供應鏈安全的共振，標志著工業(yè)AI正式進入規(guī)?；涞刂芷?。
毫無疑問，AI在工業(yè)領域的應用已經(jīng)來到引爆點。隨著算法突破、算力升級與數(shù)據(jù)生態(tài)的完善，尤其是具備強推理和邊緣部署能力的DeepSeek等大模型新技術的突破，工業(yè)AI的規(guī)模化應用終于迎來拐點。工業(yè)領域將加速迎來50年來最大的技術變革，并改變全球制造業(yè)的競爭格局。
和利時工業(yè)AI應用
準備就緒
和利時深耕工業(yè)領域30余年，已構建覆蓋“工業(yè)操作系統(tǒng)-智能管控一體化平臺-智能AI套件-工業(yè)軟件套件”的完整產(chǎn)品矩陣：
● 工業(yè)操作系統(tǒng)：DCS(分布式控制系統(tǒng))、OCS(光總線控制系統(tǒng))、基礎設施大型PLC、高精度運動控制PLC、5G+云工業(yè)控制器、SCADA、工業(yè)儀表及信息安全系統(tǒng)，為AI提供實時數(shù)據(jù)采集與控制執(zhí)行能力;
● 智能管控一體化平臺：新一代工業(yè)和基礎設施智能化平臺XMagital，實現(xiàn)了能夠接入AI技術應用的全新工業(yè)系統(tǒng)架構，徹底解構DCS、PLC、SCADA等傳統(tǒng)自動化系統(tǒng)，重構傳統(tǒng)ISA95模型，實現(xiàn)了從L0到L3層的“原生融合”、“全面智能”、“開放生態(tài)”;
● 智能AI套件：集成智能算法編排、時序分析建模、專家規(guī)則引擎、行業(yè)知識圖譜、大模型集成框架等應用，無縫對接最新AI技術成果，形成“感知-決策-優(yōu)化”閉環(huán);
● 工業(yè)軟件：智能控制應用軟件(RTO、APC、AAS、OPAS、Batch、AMS、ICMS等)、智慧管理應用軟件(生產(chǎn)、設備、安全、質量、環(huán)保、能源、供應鏈、決策等)、數(shù)字孿生產(chǎn)品體系(OTS、流程模擬、三維數(shù)字孿生等)，實現(xiàn)工業(yè)全流程數(shù)智化轉型升級。
和利時已積累較多的工業(yè)AI應用業(yè)績，包括：
● 多模態(tài)融合混合大模型視覺應用：DCS智能視覺聯(lián)動系統(tǒng)利用先進智能視覺算法無需現(xiàn)場大量數(shù)據(jù)采集及標注，實現(xiàn)工程化定制，并將智能識別結果與DCS無縫數(shù)據(jù)及報警集成，DCS頁面交互顯示。(典型案例：中煤板集、國藥威奇達、榆能化學、大唐三門峽等);
● 專家規(guī)則+時序大模型應用：設備規(guī)則診斷、異常工況診斷、參數(shù)預警、全流程全工況最優(yōu)運行(典型案例：陜投北三、國能錦界、中煤板集、國藥威奇達、青島永泰源、甘電投常樂等);
● 知識語言+問數(shù)大模型人機交互應用：多模態(tài)知識庫精準問答、跨系統(tǒng)關聯(lián)分析、經(jīng)營指標關聯(lián)分析、運行操作指導、故障溯源、運行決策等(典型案例：陜投北三、國藥威奇達等)。
和利時具備高效的研發(fā)體系與強大的內循環(huán)供應鏈體系。
● 成熟開發(fā)體系：基于CMMI-5級認證的軟件工程能力和軟件敏捷開發(fā)DevOps流水線，確保產(chǎn)品快速迭代;
● 專家智庫：千余名行業(yè)專家及一線工程師積累的工藝知識庫，覆蓋電力、石化、軌道交通等關鍵領域;
● 復合型技術團隊：產(chǎn)品軟硬件開發(fā)團隊、AI算法團隊與工藝團隊協(xié)同作戰(zhàn)，確保技術方案與業(yè)務需求精準匹配;
● 自主可控的供應鏈生態(tài)：與華為、龍芯、麒麟軟件等國產(chǎn)供應商深度合作，實現(xiàn)從芯片到操作系統(tǒng)的完整內循環(huán)。
作為中國工業(yè)自動化與數(shù)字化領域的領軍企業(yè)，和利時已具備“技術-產(chǎn)品-生態(tài)”三位一體的AI落地能力，憑借深厚的技術積淀與行業(yè)經(jīng)驗，正以自主可控的技術體系和開放協(xié)同的生態(tài)戰(zhàn)略，推動我國工業(yè)智能化邁向新高度。
和利時推動工業(yè)AI應用
戰(zhàn)略思考
以DeepSeek為代表的AI技術，如何在工業(yè)領域落地?
首先要思考的問題是：傳統(tǒng)的工業(yè)系統(tǒng)架構，并未考慮接入AI技術應用，其架構設計并不具備全面擁抱日新月異的AI技術的要求。和利時研發(fā)的新一代工業(yè)和基礎設施智能化平臺XMagital，就充分考慮到了擁抱AI的前瞻性要求。XMagital徹底解構了DCS、PLC、SCADA等傳統(tǒng)自動化系統(tǒng)，重構傳統(tǒng)的ISA95模型，實現(xiàn)了從L0到L3層的“原生融合”，而非市場上常見的OT和IT雙平臺二次再集成進行所謂的“深度融合”。
XMagital系統(tǒng)采用開放、標準的數(shù)據(jù)模型、數(shù)據(jù)底座、應用框架和服務接口，向用戶和第三方開發(fā)者提供豐富的開發(fā)工具鏈，采用松耦合的架構實現(xiàn)緊耦合的生產(chǎn)管控業(yè)務?？梢哉f，XMagtial的推出，率先為我國在工業(yè)領域全面對接AI技術提供了行業(yè)化的技術準備，將有助于加速普及AI技術在工業(yè)領域的實質性落地。
做好了傳統(tǒng)工業(yè)系統(tǒng)架構的AI適應性重構，再來談AI的工業(yè)應用落地戰(zhàn)略。
在1月份的公司年會上，我談到了對AI戰(zhàn)略的理解。我們戰(zhàn)略上要絕對重視，同時心態(tài)上要祛魅，需要以第一性原理的思維回歸行業(yè)應用的本質和價值。和利時不是要去創(chuàng)新通用AI技術和模型，而是要博采眾長，無縫集成，為工業(yè)行業(yè)所用。AI在工業(yè)領域的應用大致會分為兩個階段。
● 第一階段，AI滲透的初級階段，就是人機界面的變革，即工業(yè)人機智能交互。傳統(tǒng)的人機交互是通過硬編碼或者低代碼組態(tài)定制化實現(xiàn)不同客戶的個性化需求，導致工業(yè)軟件的開發(fā)、實施和維護成本高昂，工業(yè)AI必須首先解決這個問題。AI智能體成為最強大的六邊形HMI，智能體之下的依然是我們經(jīng)過幾代人幾萬個現(xiàn)場積累的成熟經(jīng)典理論的算法和產(chǎn)品。通過物化生三大過程制造萬物的原理長期不變，物理世界的流體控制閥也永不消失，PID控制百年來仍是基本控制策略，創(chuàng)造工業(yè)知識的主體依然是行業(yè)專家，但物理對象將會嵌入AI智能體。
● 第二階段，AI繼續(xù)向下滲透，深入到APC、工藝優(yōu)化等環(huán)節(jié)，本質就是工業(yè)智能建模，輔助行業(yè)專家生成知識。戰(zhàn)略不僅是方向判斷，節(jié)奏和時機(Timing)也是戰(zhàn)略思考的關鍵。我們認為，上述第一階段的實現(xiàn)將會在短期內實用化落地，而第二階段將是一個比較漫長的過程，AI-in-all，All-in-AI，這個漂亮工整的營銷口號，值得深思。我們需要獨立不受干擾的思考和探索。為此，和利時成立了工業(yè)AI藍軍，來提供獨立于業(yè)務部門的思考和探索，尋找AI賦能工業(yè)的新路徑。
我們正站在歷史的拐點，并已經(jīng)在工業(yè)系統(tǒng)架構上做好了全面擁抱AI的技術準備，接下來的戰(zhàn)略優(yōu)先聚焦實現(xiàn)工業(yè)智能人機交互，并持續(xù)投入資源探索工業(yè)智能建模應用。在工業(yè)智能人機交互方面，通過引入基于大模型的對話式人機交互技術，支持用戶通過自然語言方式與生產(chǎn)管控應用AI智能體交互，并以文字、圖形、報表等多種形式反饋結果，改變傳統(tǒng)工業(yè)應用的圖形界面和點選操作，降低工業(yè)HMI的學習成本和操作復雜性;在工業(yè)智能建模方面，通過模型的智能化動態(tài)創(chuàng)建、模型泛化能力增強等技術，實現(xiàn)時序數(shù)據(jù)、生產(chǎn)管理數(shù)據(jù)、圖形圖像、表單報表等多模態(tài)信息之間的內在關聯(lián)，提升模型的建模效率及應用范圍。
工業(yè)智能化的浪潮已勢不可擋。和利時集團將秉持“自主創(chuàng)新、生態(tài)共贏”的理念，以AI技術重構工業(yè)價值鏈條——讓生產(chǎn)更高效、讓系統(tǒng)更可靠、讓決策更智能。我們期待與合作伙伴攜手，共同書寫中國工業(yè)的智能化未來!
（來源：和利時）
