摘要：工业的故事，从来是人类与工具共同进化的故事。当机器开始拥有思考力，当AI成为企业的“数字员工”，制造业的本质也正在改变。作为国内领先的自动化与信息化技术供应商，中控技术夯力以中国方案引领全球工业的发展……

【导读】工业的故事，从来是人类与工具共同进化的故事。当机器开始拥有思考力，当AI成为企业的“数字员工”，制造业的本质也正在改变。作为国内领先的自动化与信息化技术供应商，中控技术夯力以中国方案引领全球工业的发展……

兴发集团旗下湖北兴瑞的控制中心里，大屏上密密麻麻闪烁着数以万计的数据曲线，而安静的操作室内却只有寥寥数人。工程师无需紧盯每一个温度与压力波动，全自主的运行系统正以前所未有的智能与稳定性，来接管这条复杂无比的氯碱生产线。

有些人可能不知道，这场变革得益于一个覆盖了“感知—认知—决策—执行”完整闭环的工业AI——时间序列大模型TPT，使得工厂具备了自我感知、自主分析、自动优化的能力……当机器开始学会思考和决策，无疑预示着制造业的边界如人们预期地被重新定义。

过去二十年，自动化、信息化推动了制造业的高速成长。在发布的一系列报告中，麦肯锡、波士顿咨询等机构不约而同地指出：未来制造业的核心竞争力，不再是自动化生产，而是由AI驱动的系统自适应与自主优化能力。换言之，工业智能的下一个十年，将是“从自动化到自主化”的十年。

打破自动化的瓶颈与极限

在流程工业中，自动化从未终结复杂性。譬如，一个大型氯碱装置往往拥有上千个过程变量，任何一个细微的波动都可能引发连锁反应。在此过程中，需要经验丰富的工程师凭直觉判断、手动调整，方能确保工艺稳定。然而，即便是最资深的专家，也难以做到“毫秒级的最优决策”。

“过去我们靠经验运行，但是经验不可复制。”工厂车间主任的这句话，道出了整个行业所面临的共同困境。

全球范围内的流程工业，正在遭遇类似的挑战——高风险、高能耗、高连续性，使得操作门槛极高；与此同时，人才断层、技能传承和安全压力等因素，又让“经验驱动”的传统模式难以为继。

显然，自动化系统虽然提升了执行效率，却无法理解工艺的“因果链”，仍停留在“被动响应”的层面。当全球制造业步入高成本、低增长的周期，企业就迫切需要一种新的智能系统，既能像人一样理解工艺逻辑，又能比人更快、更准地优化决策。

2025年8月28日，中控技术股份有限公司（以下简称：中控技术）正式发布时间序列大模型TPT 2（Time-series Pre-trained Transformer）。TPT是中控技术自主研发的生成式AI大模型，主要应用于氯碱、热电、石化等复杂的流程工业领域，可以解决通用大模型难以解决的工业核心场景应用问题。

作为工厂的“智慧大脑”，TPT大模型具备数据分析与优化计算能力，可精准锁定生产瓶颈（如原料消耗、产品浓度偏差），并输出可落地的调控方案；最新升级的TPT 2则更进一步，能够实现从单体优化到多工况、多场景的快速复制与迁移，助力企业从局部最优持续改善至全局最优。

毫不夸张地说，这款模型的诞生标志着工业AI从“静态分析”进入到“动态认知”的全新阶段，第一次让AI具备了理解工业世界动态性的能力，也让算法从数据的观察者变成了系统的参与者，从而打破自动化的瓶颈与极限。

AI融入工业中枢的转折点

TPT 2的一大独特之处在于，它理解工业的“时间逻辑”。不同于我们熟悉的大语言模型，TPT 2擅长的并非是对上下文“咬文嚼字”，而是精准解析设备运行曲线、化学反应周期、物料流量变化等时间序列数据，能在毫秒级响应中捕捉潜在的趋势。

此前，工业AI往往停留在“分析层”，它能够识别出异常，却无法决策执行。TPT 2则打破了这一桎梏，采用“预训练+微调”机制，基于混合专家模型（MoE）架构，通过对海量真实工厂数据的学习，提炼出流程工业的普适规律，如阀门开度与流量的非线性关系、温度变化对反应效率的曲线规律等，聚合多种工艺领域的专家模型协同决策，实现“数据到控制”的闭环优化。

更具革命性的是TPT 2的交互方式，工程师们不用再去编程，他们只需用自然语言描述问题，譬如“预测一下电解槽温度未来五分钟的走势”，系统就会自动拆解任务，依托SCOPES能力矩阵进行问题分析和决策，并输出可执行方案。

需要强调的是，通过语言交互还可生成可部署的工业智能体，在新场景部署时仅需少量现场数据微调，即可实现快速跨工况落地，彻底颠覆传统“一个场景一个模型”的分散开发模式，实现跨工厂、跨行业的可迁移智能。这也就意味着，工业AI的知识可以被积累、被复用、被传承，经验不再只存在于个人，而成为企业不断积淀的数字财富。

长期以来，工业控制体系由四个关键层级构成：DCS（分布式控制系统）、SCADA（数据采集与监控系统）、SIS（安全仪表系统）与PLC（可编程逻辑控制器），它们共同构成了工业自动化的基石。

问题是，这一体系在诞生之初并未考虑到AI，彼此之间存在层级隔离与时延瓶颈，导致智能化难以真正渗透至控制底层。

TPT 2的意义，正在于打破这一壁垒。以时间为坐标，TPT 2将来自DCS、SCADA、SIS、PLC等系统的实时数据流汇聚到统一的认知模型中，形成一个可持续学习的“动态中枢”，让工业控制从“静态自动”走向“动态自觉”，从“分层孤岛”走向“协同共智”。

智能控制的范式转移

TPT 2的出现，可以说是首次让工业AI呈现出一种“完整可用”的形态，它不再停留于实验室场景或零散的算法模型，而是构建在真实的工业场景和需求之上，以指导工业生产为目标，输出结果将直接用于指导生产操作，甚至可以通过Agent的方式参与闭环控制。

最新的落地案例中，我们看到TPT大模型已经与通用控制系统UCS协同构建了全自主运行工厂系统FAP（Fully Autonomous Plant），堪比工业领域的“自动驾驶”。在湖北兴瑞的生产现场，兴发集团总工程师李永刚曾公开指出，改造后湖北兴瑞的工厂定员由260人减至80人。

削减了近七成定员之后，FAP的安全与稳定同样出色。由于具备“双保险”冗余机制，即使核心服务器突发故障，备用系统也可实现秒级接管，保证生产不中断。此外，通过分级授权机制，TPT确保关键工艺参数必须经过人机双重确认，从而最大限度规避AI误操作风险。

从已有的例证来看，效果可谓立竿见影。通过TPT的精准决策，湖北兴瑞的烧碱主产品浓度精准稳定在32%~32.1%；企业整体能效提升1%~3%；故障预测提前数周，实现从事后响应到事前防御；高风险区域实现无人化作业……

李永刚总工程师表示：“我们实现了从自动控制到自主运行的跨越。工程师从现场操作解放出来，转向更具价值的创新工作。”

应该说，这已经不仅仅是技术进步，更是管理模式的重大更新。工业AI的真正意义，不在于取代人，而在于重塑“人-机-系统”的关系。如果说自动化时代是人指挥机器，那么在自主化时代就是人与机器的协同共智。

随着TPT与UCS的深度融合，制造业也正在出现一些新的转变：从“经验驱动”到“数据认知”的认知方式转变；从“局部最优”到“全局协同”的决策模式转变；从“被动防护”到“主动免疫”的运营逻辑转变。

通过实时监测和预测，FAP系统实现对生产过程的自我感知、自我诊断、自我优化，成为一个具备“免疫力”的数字生命体。

在这样的模式与机制下，工程师角色也在发生转变：他们不再是流程执行者，而是AI训练师与优化策略师。或许，这将是未来企业竞争力的新来源——从“人力密集”走向“算法密集”。

开启工业智能的下一程

长期以来，工业AI被视为昂贵的定制化技术。TPT 2的出现，让这种印象被彻底打破。

目前，TPT 2推出线上SaaS化服务，面向所有自动化行业从业人员免费开放，工程师可直接注册体验装置模拟预测、智能体生成、工艺优化等功能，还可获取更多技术支持服务。

让我们再回到湖北兴瑞的控制中心，FAP系统正在安静地运行，感知、判断、执行；人类工程师正在屏幕前工作，观察、思考、优化。

工业的故事，从来是人类与工具共同进化的故事。当机器开始拥有思考力，当AI成为企业的“数字员工”，制造业的本质也正在改变。TPT与UCS所构建的FAP系统，正是这场变革的前行者——在时间的序列中，为工业智能开启通往未来的下一程。

来源：IT胖头陀