在线客服
联系电话
+86 400-887-6000
对话 | 时间序列大模型TPT,工业场景“淮南为橘,淮北为枳”的破解之道

《自动化博览》对话中控技术

在数字孪生与元宇宙重构工业想象、AIGC浪潮席卷全球制造业的当下,工业AI正从辅助决策工具蜕变为驱动产业变革的核心引擎。作为全球率先迈入工业AI转型的平台型企业,中控技术正以“ALL in AI”的战略魄力,加速推动工业AI的产业化落地。

中控技术股份有限公司副总裁、Industrial AI事业群CEO吴玉成博士表示:“中控技术以成为全球领先的工业AI公司为愿景,打造‘1+2+N’工业AI驱动的企业智能运行新架构,依托时间序列大模型TPT(Time-series Pre-trained Transformer),融合工业数据与机理,落地多行业场景,推动流程工业从单点智能向全链路智能跃迁,重塑流程工业的生产、运营与决策范式。”


01


破局三重困境

中控技术的工业AI突围路径



工业AI并非全新概念,但长期以来受限于技术成熟度,仅能在局部场景发挥有限价值。随着以大语言模型为代表的通用AI技术快速迭代,工业AI已迎来质的飞跃。吴玉成表示,“过去的AI更多解决碎片化问题,而现在,通用AI技术让工业场景看到了‘系统性变革’的可能——从信息收集、效率提升,到直接参与生产指挥,工业AI正逐步成为生产运营的核心能力。”


当前,在工业AI这条赛道上,呈现的绝不再是自动化时代跨国企业遥遥领先或者是垄断的局面。中控技术凭借在流程工业30余年的深耕,丰富的数据、多元化的场景实践、创新的技术体系协同价值,使其正成为工业AI创新的领军者。


吴玉成强调,工业AI的爆发并非偶然,而是技术、政策、产业转型与价值需求共同作用的结果:在技术层面,大模型的快速迭代为工业场景提供了强大的算法支撑;政策层面,中国从中央到地方持续加码AI与制造业融合,央企在政策引导下成为工业AI应用的“先锋队”;产业转型层面,工业自动化正从“替代双手”向“替代大脑”升级,无人工厂、黑灯工厂等新模式对AI的需求迫切;价值需求层面,在全球经济承压背景下,企业对安全、效率、成本、绿色生产的优化诉求,推动AI成为“降本增效”的关键工具。


“AI有望撬动全球50万亿工业自动化市场。这一规模的背后,是工业AI从‘锦上添花’到‘不可或缺’的角色转变。”吴玉成表示,中控技术已明确判断,工业AI是自动化行业的必然发展路径,而中国丰富的工业场景与数据积累,正为本土企业实现“换道超车”提供历史性机遇。


尽管对工业AI的未来前景充满信心,但吴玉成也深知工业AI的落地之路并非坦途。在他看来,数据碎片化、场景复杂性、需求隐蔽性是三大核心挑战。


“工业场景的‘淮南为橘,淮北为枳’现象显著——同一套工艺在不同工厂、不同时间的表现可能差异巨大,导致AI模型难以通用。”他指出,数据层面,工厂数据质量参差不齐,且涉及工艺保密,难以大规模共享;场景层面,从节能到安全,需求多样且相互关联,单一模型难以覆盖;需求层面,用户往往说不清“要什么”,需要技术方与工业专家深度协同。


对此,中控技术构建了系统性解决方案:

在数据层面,依托服务的海量用户积累行业数据,以及通过“数据联盟”模式实现数据安全共享,破解“数据孤岛”;

在场景层面,凭借30年工业经验,覆盖流程工业全场景,形成“一平台多应用”的架构;

在需求层面,开发认知AI工具,将隐性需求转化为可量化的技术指标,降低对现场人员的依赖。


“比如我们与央企合作时,他们提供数据与场景,我们输出技术能力,双方共同试点。这种协同创新模式,让技术与需求精准匹配,大大缩短了落地周期。”吴玉成透露,中控技术已与多家央企建立深度合作,在石化、化工、新能源等领域探索出可复制的经验。


02 



从“机械执行”到“自主决策”

工业AI重构自动化逻辑


自动化的本质是“替代人工操作”,从早期的机械控制到集散控制系统(DCS)、安全仪表系统(SIS),核心是解放“双手”。但在吴玉成看来,当前工业自动化正站在新的转折点上——大部分工厂都已完成基础自动化改造,下一步的核心是替代“大脑”的决策。


他解释道,目前流程工业工厂中的生产过程自动化(Process Automated,PA)还可以细分为“生产操作自动化”与“生产运行自动化”两个层级。前者聚焦设备控制与流程执行,后者则需要实现生产过程的自主判断、异常处理、优化调整。过去,操作人员在现场依靠经验决策,比如判断设备异常、调整工艺参数;未来,这些工作将由AI主导,实现“无人值守”的智能运营。


要实现这一跨越,关键在于解决“5T融合”难题——即AT(自动化技术)、IT(信息技术)、PT(工艺技术)、OT(运营技术)、ET(设备技术)的深度融合。传统技术体系难以打通5T,导致不同专业人员各守一方,难以形成协同。而AI提供了统一的技术框架,让工艺规律、设备状态、控制逻辑等都能转化为可计算的模型,实现跨领域的智能协同。


吴玉成举例,在流程工业中,一个微小的参数波动可能引发连锁反应,传统控制方法难以预判;而基于AI的系统可实时分析海量数据,提前识别异常并自动调整,甚至预测未来几小时的生产状态。


“这就是工业AI的核心价值——让机器具备‘预见力’和‘决策力’。” 


同时,他强调,比如在石化生产运行过程中,一旦某台泵出现振动异常,如操作不及时则可能导致非计划停工,整个的过程发生可能就在“转瞬之间”,对于操作员的经验考验、心理承压都有非常高的要求。而TPT则能够提前30分钟实现超早期异常预警,并自动提供设备故障的原因分析和处置建议,如此一来,操作人员就能全面快速掌握装置运行情况,及时消除工艺异常和设备异常,提升企业对装置的风险把控能力。


03 



“ALL in AI”战略

三层布局推进工业AI落地


正是基于工业AI即自动化未来的前瞻性预判,中控技术在此领域已布局多年。2024年,中控技术将愿景升级为“成为工业AI全球领先企业,用AI推动工业可持续发展”,并提出“ALL in AI”的战略,从三个维度推进工业AI落地。



1

全员用AI

“我们先从内部改造做起,让AI渗透到研发、生产、管理的每个环节,如用AI优化供应链调度、加速产品测试,目前已初见成效。”吴玉成介绍道。


2

产品+AI

即对现有DCS、SIS等自动化产品及工业软件进行AI重构,让传统产品具备智能分析、自主决策能力。如我们的DCS系统,过去只能执行控制指令,现在结合AI可实时诊断异常,推荐PID参数优化方案。


3

AI+

最核心的第三层是“AI+”——以AI为底层基座,构建原生AI体系。“这不是简单地在产品上叠加AI功能,而是从底层重构技术架构,让AI成为所有应用的‘操作系统’。 ”吴玉成强调,这一体系的核心是“4+1”技术框架:4个数据基座(运行数据基座DCS、设备数据基座PRIDE、质量数据基座Q-Lab、模拟数据基座APEX)与1个时间序列大模型TPT。


其中,数据基座是基础:DCS系统提供温度、流量等实时过程运行数据;PRIDE采集设备健康数据;Q-Lab获取贯穿从原料到成品全流程的质量数据;中控技术自主研发的APEX流程模拟软件则生成过程模拟数据,弥补实际测量的不足。“这四类数据覆盖了生产流程的关键环节,形成了工业AI的‘原料库’,而时间序列大模型TPT就是‘加工厂’,将数据转化为决策能力。” 吴玉成表示。


04 



时间序列大模型TPT

让工业AI告别“水土不服”


在中控技术的工业AI版图中,时间序列大模型TPT是最具创新突破性的代表。这款专为流程工业打造的TPT,正解决传统AI在工业场景中的“水土不服”——数据碎片化、场景特异性强、因果关系复杂等问题。


具体而言,TPT基于中控技术服务企业的海量数据进行预训练,提炼出普适性的工业规律——如阀门开度与流量的关系、温度变化对反应效率的影响等。当应用于新场景时,只需输入少量现场数据进行微调,即可适配具体工艺参数。这种模式彻底改变了传统工业建模的困境。过去,一个传统的场景建模可能需要半年,且随设备老化、原料变化很快失效;而TPT通过预训练沉淀的规律,结合实时数据微调,可在数周内完成部署,且适应能力更强。

“TPT不是简单的预测工具,而是能够实现生产装置‘状态孪生’的智能体。”吴玉成特别强调,“TPT大模型的突破,在于首次将‘时空理解’能力赋予工业系统。它不仅能处理时序数据,更能理解设备参数之间的空间关联,这是实现真正智能化的关键。”


在场景落地方面,TPT已在多个行业头部企业取得突破性应用。在某全球化工50强企业的废液处理场景中,TPT将原本需要6~8小时的pH值调节过程缩短至1小时以内,效率提升超80%;在某世界500强企业旗下分公司,TPT优化了常减压装置的油品切换操作,将操作时长从6~7小时缩短2小时,每年为用户减少近千万的油品加工损失。


在大唐多伦煤化工,TPT为大唐多伦煤化工装上“AI大脑”,全面打通了其绿电调度优化项目的源-网-荷-储各环节,构建了感知-预测-调控一体化能源管控体系。项目投产后,预计全年可实现49690.2万千瓦时绿色电能替代燃煤发电,燃煤发电的可再生能源容量替代比例可达87.5%,相当于年节约标煤15.17万吨,减少二氧化碳排放41.94万吨。


TPT还在近期成功中标中国石化核心装置人工智能场景应用项目——“乙烯裂解装置生产运行优化场景”,将与中国石化携手打造适用于我国乙烯裂解装置特征的、具有自主知识产权的AI模型,实现工业AI模型驱动的生产运行自主优化,为国家能源结构转型与全球工业可持续发展贡献创新力量。


同时,TPT也成功中标了中煤集团核心装置人工智能场景项目,将基于中控时间序列大模型TPT强大的预测及模拟能力,实现对煤气化关键参数的精准预测及气化过程的动态优化,打造“自主监督、自主优化、智能控制、智能交互”多智能体协同的煤气化“智慧大脑”,提升装置运行的安全性、稳定性、经济性与智能化水平,为能源行业AI大模型应用提供可复制的样板工程。



中控技术的落地实践向我们表明,TPT不仅能解决传统技术难以处理的复杂控制问题,更能为企业创造显著的经济效益。而TPT的价值不仅在于提升效率,更在于推动工业决策模式从“经验驱动”向“数据驱动”转变。以前需要资深工程师凭经验判断的场景,现在TPT可以通过数据分析给出最优决策,这大大降低了对人的依赖,也提升了决策的一致性和可靠性。


吴玉成透露,随着技术迭代,中控技术即将推出TPT2。新版本将实现三大突破:一是嵌入Agent能力,让模型具备自主决策能力,从被动响应转向主动发现问题、解决问题;二是提升开放性,支持任意工业场景,只要输入数据即可快速生成模型;三是以TPT重构和融合中控技术已有的优化、诊断、仿真等软件,建立完整的“数字员工”体系,实现装置自主运行。


未来,中控还计划将TPT的应用场景向建材、冶金、造纸等更多领域拓展,同时探索“AI平权”——让用户通过自然语言对话即可调用AI能力,无需掌握复杂技术。


采访最后,吴玉成展望道:“工业AI的一个重要目标是实现工厂的自主化运行,让生产装置像人类一样思考和决策。” 在他看来,TPT的研发和应用只是这一征程的起点,未来还有更多挑战等待突破,而工业AI不仅是技术革命,更是中国自动化企业实现“换道超车”的历史性机遇。


对于中控技术的未来,他明确表示:“我们的目标是成为最懂工业的AI公司。通过工业AI让生产更高效、更安全、更绿色,这是我们的终极追求。”


从替代“双手”到替代“大脑”,从局部优化到全流程智能,中控技术正以TPT大模型为支点,撬动工业自动化的全维度变革。中控技术的实践揭示了工业AI发展的本质:不是简单的技术叠加,而是生产范式的重构。随着TPT2的即将发布,流程工业正迎来从“自动化”到“自主化”的关键跃迁,而这一变革的深度与广度,必将重新定义中国制造在全球工业智能化浪潮中的坐标。


更多信息