9月18日，浙江大学-《财经智库》新经济研修班（第三期）学员走进中控技术股份有限公司调研，开启本届研修班“走进新经济标杆企业”系列参访活动的第一站。本届研修班聚焦储能与电力领域，专注能源转型。中控技术所服务的客户主要处于流程工业，是碳排放集中的领域之一。
参观中控创新体验中心后，中控技术副总裁、董事会秘书杨振华，战略委员会副主任、总裁级战略顾问俞海斌，机器人业务负责人石莹与学员座谈，围绕流程工业的AI转型展开深度交流。
浙江大学-《财经智库》新经济研修班学员走访中控技术
从流程工业自动化到工业AI
俞海斌在致辞中介绍，中控技术从流程工业自动化DCS业务起步，当时国内DCS市场主要由国外品牌主导，价格非常昂贵，绝大多数企业难以承担。而中控技术的创始团队毅然决然地选择了自主创新这条艰辛之路。
“30多年来，中控技术扎根于实体经济，聚焦流程工业，为石化、化工、电力、建材、制药、冶金等关系国计民生的生产线保驾护航。”俞海斌说。2007年，从拿下武汉500万吨炼油项目开始，公司正式迈向高端市场。到今年，已连续15年位居国内DCS市场份额第一，化工行业占有率超过60%。
2024年起，中控技术将人工智能确立为公司转型的核心方向，发布自研的流程工业时间序列大模型TPT (Time-series Pre-trained Transformer) ，推出颠覆传统架构的通用控制系统UCS(Universal Control System)，让工业AI真正地深入到工艺优化，生产运行、设备管理等这些核心的场景。
“AI不仅是中控技术的转型之路，也与客户的降本增效、绿色低碳息息相关。”俞海斌指出，“当前能源发展正经历深层转变：从资源扩张转向系统重构，从单一保供转向安全、低碳与效率并重，这些已成为整个产业共同面对的课题。”
中控技术股份有限公司
流程工业的减碳课题与智能工厂目标
在随后的座谈中，石莹援引了一组数据：流程工业涵盖石油、化工、电力、冶金、建材、医药等领域，占中国工业产值比重不足一半，却产生了近80%的工业碳排放，约100亿吨。基于此，中控技术将帮助中国企业降低碳排放1亿吨作为公司的使命。
石莹表示，流程工业是中国传统意义上的重工业，它的特征用12个字概括——“易燃易爆、有毒有害、高温高压”。因此，流程工业的自动化、数字化水平要求相对较高。经过从粗放型到集约化的发展，行业在安全风险、产品质量、能耗等方面目前仍有大量提升空间。
随着智能制造发展，全球企业几乎都围绕智能工厂目标推进。但石莹强调，智能制造不是最终目标，只是手段。智能工厂的目标是安全、质量、低碳、效率四个维度。安全排第一，其次是产品质量，第三是排放和能耗，第四是生产效率。只有四者同步提升，或补齐某块短板，智能工厂才有价值。
工业AI：不是卖工具，而是人机协同
技术路线之外，中控技术更关注AI如何改变工厂的运行方式。传统数字化是人用工具。企业买数据库、ERP、SaaS、IoT设备装进工厂，但管理未必随设备变化，大部分还是人指挥工具。这会提升效率，但不能充分释放未来价值。
石莹以汽车自动驾驶作比：传统数字化像定速巡航，人与车仍是单向联系。工况和路线越复杂，L1、L2辅助驾驶对驾驶员要求更高，甚至麻痹驾驶。中控技术参考自动驾驶分级逻辑，创新性提出工厂自主运行L0-L5分级框架，从设备数据采集监视，到PID连锁控制，再到实时自我调整、自我生成，减少人工干预。中控技术将其视为流程工业的下一步进化方向——打造生产的“自动驾驶”。而AOP自主运行工厂系统，正是这一方向上的系统化、落地式解决方案。
中控技术的AOP自主运行工厂系统
AOP是一套以工业AI为核心的工厂全流程自主运行系统，目标让工厂具备自主感知、自主决策、自主执行的能力——从过去“人时刻盯盘、被动响应”，升级为“机器主动运行、主动判断”。
石莹介绍说，AOP系统是以TPT和UCS为核心支撑，TPT的T是Time-series时间序列，P是Pre-trained预训练，T是Transformer，基于Transformer架构。流程工业数据都按时间排列。就像医生看昨天、前天报告预测未来，工厂数据按时间排列也能预测未来。它的核心就是统一接入工艺、设备、质量等多源数据，实时评估运行状态、预判趋势、生成最优策略。好比AlphaGo把大量棋局编译一遍，找到胜率最高一步。
其二是通用控制系统UCS，核心创新点在于“软件定义”，是区别于传统DCS。原来一个厂控制可能要1000面柜子，软件定义后算力无限大，全场控制可协同。硬件成本大幅降低，在保持数据采集和运算能力的同时，可帮助客户减少90%空间和80%线缆成本。
中控技术布局机器人业务
与此同时，石莹表示，中控技术也在大力布局机器人业务，构建以“AI+平台+工业机器人”为核心的“Plantbot”AI+机器人解决方案。但中控技术不聚焦机器人本体，因为客户需要不同种类机器人：搬运需要人形，上下楼梯需要机器狗。机器人应以AI为核心，以整体解决方案解决细分产业中的问题。
为什么能做工业大模型
中控技术为什么能做大模型？答案在数据。算法重要，但数据更重要。据石莹介绍，近30年来，中控技术在工业领域有接近10万套控制系统、1亿个I/O点，整体数据超过百万亿级，覆盖石化、化工、电力、冶金、建材等领域，目前已有超过40000家客户。
座谈会上，新经济研修班学员们与中控技术热烈互动
现场一位长期从事化工行业的学员也谈到，工业AI公司普遍面临客户的数据安全顾虑，数据权属与应用边界，是整个行业需要共同面对的共性问题。
石莹坦言，流程工业的数据，尤其是食品、医药等行业的关键数据，现阶段，让企业对外共享确实存在一定困难。因此，中控技术的做法是：愿意共享过程数据的企业加入数据联盟，模型优化后优先反哺；对数据敏感的客户，则将模型部署在其工厂内部训练，"带走模型，留下数据"。他表示，“AI必须沉淀在场景里才有价值，比如帮玻璃窑炉降5%温度，大幅降低电耗能耗，投入很小但价值很大。”
新能源车多了，中控技术如何应对
在问答环节中，有学员指出，2025年中国新能源汽车保有量约4300万辆，占汽车保有量约13%，未来5到10年将发生更大变化，加油站收缩、炼化产能调整已在发生，而这正是中控技术的传统市场。
石莹回应称，其客户自身也在调整——减少炼油、增加乙烯，减少火电、增加煤化工，中控技术将跟随客户转型；新能源产业链的上游材料、氢能、天然气等环节，本质上仍是化工过程，中控技术已有深度参与。
杨振华从公司战略层面补充了两点。其一为出海，中控技术多年前即开始布局海外，近年来海外业务持续发展，且盈利水平高于国内；中东、中亚、东南亚等地区的流程工业市场空间可观。其二为商业模式转变，过去公司收入与客户新建产能的资本开支高度相关，周期性较强；AI大模型面向存量产能的运营优化，只要工厂继续生产，就有持续优化的空间，收入的可复用性更强。
中控技术工业AI产品已经覆盖13个一级行业
他同时介绍，中控技术工业AI产品在2025年初仅覆盖石化、化工、石化、油气三个行业，至年底已扩展至医药、食品、建材等13个一级行业。"流程工业‘三传一反'的原理相通，跨行业拓展不构成本质障碍。"杨振华说。
另一位从事机器人等相关业务的学员建议，中控技术可作为高危行业的平台型链主，联合一批中小科技企业共同开拓大型能源央企市场。石莹回应称，中控技术不涉足机器人本体，也不追求封闭生态，而是希望通过开放平台，联合各行业的工艺与解决方案专家共同拓展市场。
浙江大学-《财经智库》新经济研修班寓课堂于产业现场
从标杆企业看能源转型下半场
这场近两小时的座谈，为研修班学员提供了一个观察中国工业转型的具体样本。在能源转型进入系统协同阶段之后，工业AI的竞争，已不止于算法与算力，更取决于对工艺、设备、数据与现场场景的理解深度。而中控所代表的路径——以垂直大模型重构存量工厂的运营效率，以出海和订阅化服务对冲传统资本开支周期——正是中国工业企业应对需求结构变化的一种尝试。
能源转型已从早期的规模扩张，进入系统协同与价值实现的新阶段，储能、电力与工业减碳，是这一阶段最具体的战场。
将课堂置于产业现场，在真实企业案例中观察技术路线与商业逻辑的变迁，是浙江大学-《财经智库》新经济研修班设置调研环节的初衷。
来源｜浙江大学-财经智库新经济研修班
联系微信：CJthinktank
