中控創始人、寧波工業互聯網研究院創始人兼院長禇健：AI賦能流程工業的巨大空間，提升3%效益撬動萬億利潤

11月27-28日，被譽為“年度科技與商業風向標”的36氪WISE2025商業之王大會，在北京798藝術區傳導空間落地。

今年的WISE不再是一場傳統意義上的行業峰會，而是一次以“科技爽文短劇”為載體的沉浸式體驗。從AI重塑硬件邊界，到具身智能叩響真實世界的大門；從出海浪潮中的品牌全球化，到傳統行業裝上“賽博義肢”——我們還原的不僅是趨勢，更是在捕捉在無數次商業實踐中磨煉出的真知。

我們將在接下來的內容中，逐幀拆解這些“爽劇”背后的真實邏輯，一起看盡2025年商業的“風景獨好”。

在中國制造業面臨產能過剩與節能減排雙重壓力的背景下，如何讓高能耗、高風險的流程工業實現質變？

中控創始人、寧波工業互聯網研究院創始人兼院長禇健認為可以用AI重塑工業生產。

大會上，禇健提出了中控技術的三個核心論點：

一是當下流程工業面臨的根本矛盾在于經驗依賴與系統優化的“大廚困境”。流程工業生產如烹飪，雖然原料、設備相同，但結果卻高度依賴人工經驗，導致質量、能耗不穩定。褚健認為真正的工業智能，需要超越個人經驗，實現穩定、可復制的系統化最優控制。

二是關于破解路徑，褚健認為需要融合工業數據、科學機理與AI大模型，從“感知”走向“優化” 。中控開發的時間序列大模型TPT（Time-series Pre-trained Transformer），不僅能“看懂”生產狀態、“理解”反應過程，還能主動推薦優化策略，推動工業控制從自動化邁向自主智能。

三是關于AI落地工業場景后所創造的價值，褚健表示AI須為產業創造可衡量的真實效益，釋放萬億級利潤空間。工業AI的生命力在于解決安全、質量、成本、排放等核心痛點。僅提升3%的效益，意味著可在流程工業催生兩萬億元利潤；減排1%即減少一億噸碳排放——這是AI賦能工業最具說服力的價值答卷。

中控創始人、寧波工業互聯網研究院創始人兼院長 褚健

以下為中控創始人、寧波工業互聯網研究院創始人兼院長褚健的演講實錄，經編輯：

大家好！感謝36氪提供的交流平臺。

今天我們所在的活動現場屬于工業風，讓我想起逝去的工業歷史。如今的工業跟過去的工業已發生了翻天覆地的變化。在這里，我想給大家分享一下關于工業未來的思考——尤其是在AI飛速發展的今天，工業的明天會怎么樣？要知道，我們所有的衣食住行，米、面等等，全部來自工業，背后都經過了專業的工業加工。所以，工業是非常重要的。

去年黃仁勛說過一句話，我印象非常深刻。他說，這一波的AI浪潮，將使得全球50萬億美元的制造業更加自動化。核心問題在于，如何用AI技術改造工業？中國工業總營收約20萬億美元，占全球的三分之一。我們主要聚焦和服務于流程工業，其規模約為60萬億元人民幣。在中國50萬家規模以上制造業企業中，流程工業約占九分之一，即5.5萬家。數量雖然不大，但產值非常高，涵蓋比如像“三桶油”、有色、鋼鐵、稀土、醫藥、農藥、建材等行業。此外，流程工業的碳排放約占全國總量的80%，因其本質上是個化學反應過程，比如鐵礦石轉化為鋼鐵，再制成汽車板、鋼結構場館等，這些都是高能耗加工；而原油、石油經過加工，就會變成我們身邊的衣服、袋子，它們都屬于石油化工產品。

流程工業具有高溫高壓、易燃易爆的特性，因此其自動化水平很高，數字化基礎也較好。在AI時代，如果說沒有數據，一切無從談起。如何高效利用這些數據，是我們大家所需要思考的關鍵。

正因為流程工業領域安全風險高，容易出事故，我們才更應直面這些痛點與挑戰，這正是我們的機遇所在。圍繞著流程工業的特點，我們要重點解決三大問題：第一，保障生產安全；第二，提高產品質量；第三，降本增效。當前中國許多行業面臨產能過剩問題，如鋼鐵、煉油等，依賴大量出口。一旦出口受阻，產能過剩的問題將更加突出。因此，降本增效，提升產業競爭力是重中之重。此外，節能減排不僅是國家戰略，也是每個企業關心的重點。例如今天798現場的管道設備，就曾是高能耗的代表。如今在很多地方，高能耗和環保問題依然存在。

我以烹飪為例，說明在工業領域里面如何能夠用AI來解決問題。我相信大家都會燒菜，但能否成為大廚則是另一回事。番茄炒蛋很容易燒熟，但燒得口味好壞不一；西湖醋魚、臭鱖魚等復雜菜肴，能做熟已不易，要開飯店并贏得市場更是難上加難。中國菜系繁多，能在某一領域精通已屬難得，想掌握所有菜品幾乎不可能。

流程工業亦如此。石油、化工、醫藥、農藥、建材等行業，如同烹飪，涉及成千上萬種“菜品”，不同原料、工藝、添加劑組合成最終產品。即便原料、設備相同，不同企業生產的產品質量與競爭力也各不相同。我們的目標是以最低的能耗、物耗和成本，生產出最具競爭力的產品，賣向全球。烹飪依賴經驗，而工業則需要數據支撐。

對于流程工業，我們不僅需要數據，還需要有科學的原理，以及經驗。對于中控來講，我們在該領域具有堅實基礎。過去32年，我們積累了大量的控制系統的應用經驗。2024年，中控的DCS控制系統在國內市場占有率達40%以上，在化工行業接近62%。全國5.5萬家流程工業企業中，3.7萬家是我們的客戶，運行中的控制系統達十幾萬套，積累了海量數據。正如烹飪，我們既有經驗，也有數據。

繼續以烹飪比喻，我們需要溫度、壓力、流量這些參數。如同用空氣炸鍋烤牛排，設定時間與溫度。若要調整過程，可改變溫度或時間，比如厚牛排多烤半分鐘，薄牛排少烤半分鐘，——這是經驗。但若具備完整的溫度、壓力、流量數據，便能實現更精準的控制。當然，還需要檢驗產品質量，監控設備狀態，比如爐子是不是有損壞、燃氣是不是充足，以及反應器內的反應深度、反應的轉化率等。

這些數據都是時間序列數據。基于此，我們開發了時間序列大模型TPT（Time-series Pre-trained Transformer）。TPT雖然基于Transformer的架構，但與大語言模型不同，它處理的是多組相互關聯的時間序列數據，且建立在科學依據上，即基本的化學反應過程和機理。

TPT自去年發布以來，已解決諸多實際問題。今年我們發布迭代版本，希望未來用戶工程師能像使用ChatGPT一樣，直接提問如“能耗大怎么辦”“質量不穩定如何解決”等流程工業的專業問題，通過上傳數據，模型就可進行預測并給出解決方案。

在此基礎上，我們已有許多成功案例。例如，在某百萬噸級乙烷制乙烯企業中，我們幫用戶解決了乙烯收率的問題，優化了裂解爐操作問題，并實現了異常參數的自動檢測與分析。通過上傳各種各樣的數據，模型提供完善的解決方案，最終實現了年效益達兩千多萬元。

流程工業營收高達60多萬億元，若能在其中創造一定的價值，機遇是巨大的。AI在改造工業，提升工業競爭力方面空間廣闊。人類生活不僅構建了一個很大的市場，工業本身亦是一個龐大的市場。流程工業與AI的結合，核心價值就是為產業創造真實效益。中國碳排放超百億噸，若每降低一個百分點，就是減少一億噸的碳排放；若提升3%的效益，則意味著兩萬億元的利潤，潛力無限。

未來，AI在工業中的前景廣闊，但這并非哪一家公司完成，需要各方共同努力。中控所處的市場空間是巨大的，不僅在于控制系統，更在于用AI技術解決工業場景的實際問題。正如剛才提及，兩萬億利潤背后對應的是數十萬億級的市場規模，體量龐大。期待更多的伙伴能夠關注并投身這一行業領域。今天在798工業館召開會議，既是對一段舊歷史的回望，更是對一幅嶄新未來的眺望。