中控技术俞海斌：AI，驱动流程工业的下一站 | 36氪 2026产业未来大会

2026年，产业投资步入深水阶段，资本、技术与产业三者加速交织，过往的投资逻辑已不再适用，新的共识正逐步形成。2026产业未来大会围绕新周期中的机遇展开，共同探讨产业未来与“中国之光”的诞生。9月9日至10日，由36氪主办的2026产业未来大会，以“深水之上，共振新生”为主题，在北京亦庄举行。来自国资平台、产业投资基金、企业CVC、创新企业以及专家学者汇聚一堂，聚焦量子科技等未来产业向产业化迈进。大会深入探讨了当下前沿技术与产业视角，集中展示了超导、光量子、离子阱等技术路线的突破，并分享了大量具体的产业场景、产业体系构建以及异构计算的前景。各方共同探讨科技产业投资的未来方向。

以下为演讲内容，经36氪整理编辑：

演讲者：中控技术战略委员会副主任、总裁级战略顾问 俞海斌

各位来宾、业界朋友们，大家好！我是中控技术的俞海斌，感谢36氪的邀请。今天大会的主题是“深水之上，共振新生”。

对我们从事工业领域的人来说，“深水”这个词非常具体——化工、石化这类流程工业，特点是高温高压、易燃易爆，近几年资本开支在收缩，整个行业都处于周期底部。

而“新生”的方向在哪里？我想用一句话来概括今天的分享——让工厂从自动控制，迈向自主运行。这也是我的演讲主题：AI，驱动流程工业的下一站。

今天的分享分为三个部分：产业机遇、中控之路、价值创造——最后通过真实案例来回答一个问题：工业AI，到底有没有落地。

先说一个基本判断：AI正在成为制造业升级的核心变量，所有产业都存在“重做一遍”的可能性。但要澄清一点——AI不是给自动化做加法，自动化早已存在；AI是让工厂从“听指令”转变为“会思考”。先进制造的新生，不在于更换机器，而在于更换大脑。数据也印证了这一判断：2025年中国工业AI市场规模达到1287亿元，同比增长26.3%，远超AI整体市场的增速——工业AI已经从概念期进入了放量期。

政策信号同样非常明确。2026年开年三个月内，四项国家级政策密集落地——从工业数据筑基、工业互联网与AI融合，到八部门“人工智能+制造”专项行动、五部门零碳工厂指导意见，数据、技术、场景、绿色这四个维度全面铺路。

一句话概括：工业智能化，正在从“选择题”变为“必答题”。

那么AI的主战场在哪里？在流程工业。中国工业总营收为140万亿，其中流程工业占60万亿，背后是5.5万家规模以上企业——包括石化、化工、电力、冶金等行业。

更关键的是碳排放：中国年碳排放量为130亿吨，其中80%来自流程工业。在双碳目标下，减排压力就是转型动力。60万亿的存量市场，加上双碳减排的刚性需求——这就是工业AI的历史性机遇窗口。

但今天的工厂，还远未做好准备。工厂形态经历了四个发展阶段。

第一阶段，传统工厂，由人驱动，但也因人的局限性而受限。

开停车、负荷升降、原料变化——工况每天都在变化；要将收率做到最高、单耗降到最低，依赖的是“老师傅”，依靠数千名操作人员凭经验盯盘、调参、处理异常。

然而面对密集的报警，一名操作员每小时真正能有效处理的，只有十几条。经验被锁在人脑中，老师傅面临断档，即使是最资深的工程师也无法保证每次的决策都是最优的。

第二阶段，工业4.0的黑灯工厂，将自动化做到了极致，但那是“无人”而非“自主”——机器只执行预设程序，超出范围便束手无策，可以说是四肢发达、头脑简单。

第三阶段，欧盟工业5.0试图打补丁，但在产业空心化的基础上，它更像是一种价值宣言，而不是技术架构。

第四阶段，是中国正在引领的自主运行——让实体工业第一次拥有“自主意识”：TPT大模型是工业AI的大脑，控制系统是神经网络，感知、决策、执行形成完整闭环，从“机器替人”走向“机器自主”。

黑灯工厂的极限是“无人”，而自主运行的目标是“自主”——这才是真正的范式跃迁。

为什么自主运行最有可能率先诞生在中国？它需要四个必要条件：工厂实体、工业数据、工业大模型、自主可控的控制系统。海外恰恰缺乏这些基础——欧盟制造业占GDP的比重，从上世纪80年代的30%下降到2024年的14.3%，流失了约500万个岗位，工业4.0样板工厂关停，产业体系出现断层。

而中国，是全球唯一一个四大条件齐备的超级试验场：

血液——2025年产生工业数据8.53ZB，全球第一；身躯——全球唯一拥有41个工业大类的国家，长三角规上工业营收超过40万亿，超过英法总和；神经——控制系统自主可控，已发展三十余年；大脑——工业大模型，中国占全球市场23.9%，增速达51.3%。过去百年，工业标准由欧美制定；

而从自动化到自主运行这次范式跃迁，中国可以成为定义者。

第二部分，讲讲中控自身——三十多年来，紧跟产业升级实现了三次跨越。

中控的发展史，就是中国流程工业产业升级的缩影。90年代，我们从DCS国产替代起步，打破了霍尼韦尔、艾默生的垄断，实现了“产品平权”，到今天DCS国内市占率超过45.1%，连续15年行业第一。

2024年，中控技术宣布ALL in AI，发布了流程工业首个时间序列大模型TPT(Time-series Pre-trained Transformer)和通用控制系统UCS(Universal Control System)，打造自主运行工厂系统AOP(Autonomous Operating Plant)。

有人会问：做工业AI的企业很多，凭什么中控技术能做成？答案很朴素——Data is the food of AI，数据是靠年头积累的。

三十三年、五十多个细分行业、十万余套控制系统、四万多家客户，中国流程工业最核心的生产数据，有很大一部分是从控制系统里流过的——高质量工业数据集，不是花钱就能买来的。今天，TPT已有数百个标杆应用，云化部署企业超过一万家。

三十年的积累，也体现在硬实力上：国家科技进步奖一等奖、国家技术发明奖二等奖、中国标准创新贡献奖一等奖，牵头和参与制定国际标准8项、国家标准111项。

特别要报告一个最新进展：今年8月，中控技术深度参编的三项工业人工智能国家标准正式发布实施——工业AI的标准体系，正在由中国企业主导建立。

接下来回答一个关键问题：如何衡量一座工厂的自主运行水平？我们参考了汽车自动驾驶的分级逻辑，推出了工厂自主运行L0到L5的分级框架。

L0到L2是传统自动化阶段，类似于汽车的定速巡航；L3可实现黑屏运行，人在必要时接管，类似于汽车的“高阶辅助驾驶”，自此迈向自主运行——如同FSD让汽车“自己上路”，这是中控技术AOP当前的攻坚方向；L5是完全自主，是工业AI的终极形态。

那么自主运行和自动化，本质区别在哪里？

三层跃迁：第一，从多人值守到机器自主——系统7×24小时不间断地感知异常、评估风险、决策执行；第二，从维持平稳到追逐最优——过去“安全平稳不跳车”就是目标，现在要“始终运行在最优曲线上”，动态寻找实时最优解；第三，从被动防护到主动免疫——为工厂构建数字免疫系统，以98%以上的准确率提前预知风险，将非计划停车消灭在发生之前。

请注意：这不是推翻传统控制技术，而是给传统控制装上一个“AI大脑”。今天，流程工业正处在从L2向L3、L4跃迁的十年窗口期，中控技术的AOP已经在湖北兴瑞实现了L3级落地。

FSD让一辆车自主运行，AOP让一座工厂自主运行。而且我要说，工厂比汽车难得多——汽车只有一个司机，而一座化工厂，是数千个“司机”同时在“开车”。

更关键的差异在于安全兜底：汽车出了问题，人还有可能接管；但工厂里反应器失控、爆炸、有毒介质泄漏，人根本来不及干预。所以AOP的安全冗余设计比FSD严苛得多——我们不把安全寄托在“人随时接管”上，而是从架构层面，消除需要人接管的场景。

AOP如何实现？核心是TPT加UCS的双轮驱动。先讲一个判断：工业AI的瓶颈不是算力——算力随处可得，关键在于算法。把通用大语言模型直接搬进工厂，行不通；工业现场是温度、压力、流量的时序数据，必须用时间序列大模型来建模。时间序列大模型TPT，就是工厂的大脑。

它专为流程工业时序数据而生，深度理解工艺、实时感知状态、精准预测趋势、自主决策执行。正因为尊重物理规律，它从根本上避免了通用大模型的“幻觉”问题——在化工厂里，这是安全底线，而不是加分项。它还是一个智能体生成平台，一句话，就能生成解决具体生产问题的专属Agent。

通用控制系统UCS，是工厂的神经中枢。控制数据中心加全光网络的极简架构，让现场数据以比传统方式快一百倍的速度并行送达，为TPT提供实时、完整的“数据粮食”。TPT加UCS，大脑加神经——这就是从人控时代走向自主运行时代的完整技术路径。

第三部分，价值创造。大会的基调是抛开空泛概念，看是否真正落地——那我们就用数据说话。

先回望DCS时代中控技术做了什么。1975年霍尼韦尔推出全球第一款DCS，此后十几年，中国高端市场被外资垄断。这三十年，中控做了两件事：一是打破垄断——进口DCS价格大幅下降，为中国企业节省了大量设备资金；而且我们还在中国市场连续15年做到市占率第一，并且不断拉大与后面的差距；

二是全栈自主——从底层控制器、实时操作系统到工业AI大模型，全链路自主可控，从根源上消除了“卡脖子”风险。这是中控技术的过去，也是走向AOP时代的根基。

如果说DCS时代解决的是“有没有”的问题，那么AOP时代解决的就是“好不好”的问题。AOP在四个维度创造真实价值：安全——智能预警消除人工误操作，从被动应对推向主动免疫；质量——AI精准控制工艺参数，消除人工经验带来的差异；低碳——TPT精准优化能耗曲线，UCS减少90%机柜空间、80%线缆、50%交付周期，从源头降低碳足迹；效益——实现少人乃至自主运行，为60万亿市场挖掘增量价值。

根据计算，2019年到2025年，中控技术累计帮助客户避免了3.82亿吨碳排放——这相当于209亿棵成熟期南方阔叶木一年CO2的吸收量。这就是工业AI的真实价值：不是概念，而是实实在在的减排、增效和安全。

这些能力，已经过市场验证：四万多家用户、五千多个智能制造项目，客户覆盖中国石油、中国石化、国家管网、万华化学等龙头企业，也获得了沙特阿美、三菱化学等国际客户的认可。

更值得关注的是速度：仅2026年，我们的AI产品应用就从3个行业拓展到13个——工业AI，正在从点状试点进入规模化复制的快车道。

再看AOP的两个标杆案例。第一个，全球首个自主运行工厂示范项目——兴发集团旗下的湖北兴瑞硅材料，是国内有机硅龙头企业。项目落地成果显著：建设成本降低60%，人员效率提升69%，报警数量下降98.55%，操作频次从两万五千次降到一千四百多次，年直接经济效益近3000万元。

第二个是央企——中国五矿旗下的青海盐湖镁业，30万吨乙烯法PVC装置智能化升级：预计人均监控点数突破1000，自控率提升到95%以上，人效提升超过100%。

从民企兴发到央企盐湖，AOP用真实数据证明：AI驱动流程工业，不是概念，而是可量化的降本增效。AI也已经运行在更多装置上。

安全方面——广西华谊，关键参数预警准确率达到95%，AI隐患识别效率提升95%；

质量方面——中石化某炼化企业，常减压装置换热网络优化改造后，原油换热终温提升20摄氏度，预计提高产品收率0.2%以上；

低碳方面——大唐多伦煤化工，可再生能源替代比例达到87.5%，年减碳41.94万吨；

效益方面——中石油某化工企业，在80万吨乙烷制乙烯装置上，TPT进行效益优化：单炉乙烯收率提高0.373%，裂解炉结焦预警提前3到4天，年经济效益达数千万元。四个场景、四个行业龙头，全部跑出了真实数据。

除了单个工厂，再算一笔产业级的账。中国年碳排放超过100亿吨——碳排每降低一个百分点，就是减少1亿吨碳排放，这相当于约2700万辆燃油车一整年的排放量。

再算效益账：60万亿流程工业市场，如果全行业效益提升1%到3%，就是约1万亿元的新增年利润空间——从1亿吨碳排，到1万亿元效益，这就是我们坚定投入工业AI的原因。

回顾科技史，每一次计算范式的迁移，都会诞生这个时代的定义者：PC时代，计算机是载体、操作系统是核心，微软定义了个人计算；

移动互联网时代，手机是载体、互联网是核心，苹果定义了移动生态；今天，我们进入工业智能时代——智能机器是载体，大模型是核心。

中控技术要做的，就是成为工业智能时代的定义者。

回到大会的主题。大家这几天反复讨论耐心资本、穿越周期，我用制造业企业的视角来回应：为什么工业AI值得长期下注？因为它不依赖风口——工厂永远需要安全、降本和低碳，AI一旦落地，就是可预期、逐年复利的价值。我们很有信心可以用AI实现这样的目标。

在深水区里，没有孤立的答案。工业AI的新生，需要技术的耐心、资本的耐心、场景的开放以及产业链的协同——这正是今天在座各位手里握着的拼图。

从打破外资垄断，到数字化转型，再到AI驱动的自主运行工厂，中控的每一步，都是中国制造业产业升级的缩影。从自动控制到自主运行，让工厂自己跑起来——这，就是中控理解的“共振新生”。

最后预告一下：今年10月，我们将在宁波举办“定义下一代工业”工业AI成果发布会，欢迎大家关注。谢谢大家！