在 2025 世界人工智能大会(WAIC)"智能体驱动产业变革论坛" 上中控技术工业 AI 技术管理总经理王宽心发表主题演讲系统阐述了工业领域智能化转型的路径与实践。他提出依托 30 年积累的 100EB 工业数据与深厚行业 Know-how中控技术正通过工业时序大模型构建智能基座打造能实现 "自我感知、自主决策、自动执行" 的工业 AI 智能体推动流程工业从 "手动操作" 向 "无人化运行" 跨越重塑制造业生产力格局。
工业智能转型：优势与挑战并存的深水区探索
作为深耕流程工业 30 年的企业中控技术在工业智能领域具备独特优势：其核心产品控制系统(DCS)已连续 14 年稳居中国市场占有率第一服务覆盖全球 50 多个国家和地区的 10 万套工业装置累计沉淀 100EB 工业时序数据 —— 这些数据包含温度、压力、流量等关键生产参数构成训练工业 AI 模型的 "富矿";同时在石化、化工等复杂流程工业中积累的行业 Know-how让中控技术具备解读工业数据、转化技术价值的能力。
但王宽心也指出当前工业智能化转型进入深水区面临三重核心挑战：
效率瓶颈：工艺研发周期长、项目建设慢难以应对市场快速变化部分装置建成即面临产能过剩;
协同缺失：产业链上下游、生产各环节缺乏有效联动市场需求无法快速传递至生产端导致响应滞后;
碎片化困境：企业面临人员老龄化、能耗高、质量波动等问题但传统 "一场景一模型" 的智能化方案开发成本高、周期长难以规模化落地。
时序大模型：重构工业智能的技术基座
针对这些痛点中控技术提出以工业时序大模型（TPT） 打破传统模式构建工业智能的通用技术基座。与消费级 AI 聚焦自然语言不同工业时序大模型以带时间标签的生产数据为核心具备三大突破：
颠覆开发模式：替代传统 "一场景一模型" 的低效方式用一个大模型统一支撑模拟、优化、控制、分析等多类工业任务将工业软件成本降低 60% 以上实施周期缩短 50%。例如过去需要为某炼油装置开发设备故障诊断、质量预测、能耗优化等多个独立模型现在可基于时序大模型一次性实现大幅提升落地效率。
突破问题边界：通过挖掘数据深层规律解决传统方法难以攻克的难题。某化工装置应用时序大模型后产品质量预测准确率提升至 95%根因分析时间从 3 天缩短至 2 小时帮助企业减少质量波动损失超千万元。
支撑智能体构建：基于时序大模型打造的工业 AI 智能体能实现生产全流程的 "感知 - 分析 - 决策 - 执行" 闭环。区别于消费级智能体的交互属性工业智能体更强调 "自主运行"例如在某大型石化装置中智能体可自动监测设备状态提前 72 小时预警故障并生成最优维护方案实现少人化运维。
工业 AI 智能体的落地实践：从单场景突破到多智能体协同
目前中控技术的工业 AI 智能体已在数十家大型工业企业实现突破性应用形成从单一场景到多智能体协同的进阶模式：
单装置智能升级：在某炼油核心装置部署的智能体整合设备故障诊断、质量动态调控、操作路径规划等功能使装置运行稳定性提升 30%能耗降低 5%;
多智能体协同：某化工园区通过九个协同工作的智能体分别负责设备可靠性、生产可控性、运营可持续性等维度实现全园区风险自动识别、方案自主生成并支持自然语言交互 —— 操作人员可通过语音询问 "当前丙烯产量波动原因"智能体即时反馈分析结果与调整建议;
边缘端深度渗透：部分智能体已下沉至生产控制器实现无需人工干预的闭环控制。例如在某精细化工生产线智能体能根据实时原料成分变化自动调整反应温度与压力使产品合格率从 92% 提升至 99.5%。
未来图景：工业将如自动驾驶般迈向无人化
王宽心预判工业智能化的演进将类比自动驾驶的发展路径：从 "手动操作" 到 "半自动控制"最终实现 "全流程无人化"。而大模型与工业 AI 智能体正是这一进程的核心支撑。
未来五年中控技术计划联合中石化、中石油等行业龙头在三大方向深化实践：
完善时序大模型的行业适配性覆盖更多流程工业场景;
推动多智能体协同体系标准化形成可复制的行业解决方案;
构建工业智能生态开放技术平台与合作伙伴共享能力加速全行业智能化升级。
"工业 AI 智能体的终极目标是让工厂像自动驾驶汽车一样自主运行" 王宽心强调"这不仅是技术的革新更是生产关系与生产力的重塑将为中国制造注入全新动能。"
