中控创始人、宁波工业互联网研究院创始人兼院长禇健：AI赋能流程工业的巨大空间，提升3%效益撬动万亿利润

11月27-28日，被誉为“年度科技与商业风向标”的36氪WISE2025商业之王大会，在北京798艺术区传导空间落地。

今年的WISE不再是一场传统意义上的行业峰会，而是一次以“科技爽文短剧”为载体的沉浸式体验。从AI重塑硬件边界，到具身智能叩响真实世界的大门；从出海浪潮中的品牌全球化，到传统行业装上“赛博义肢”——我们还原的不仅是趋势，更是在捕捉在无数次商业实践中磨炼出的真知。

我们将在接下来的内容中，逐帧拆解这些“爽剧”背后的真实逻辑，一起看尽2025年商业的“风景独好”。

在中国制造业面临产能过剩与节能减排双重压力的背景下，如何让高能耗、高风险的流程工业实现质变？

中控创始人、宁波工业互联网研究院创始人兼院长禇健认为可以用AI重塑工业生产。

大会上，禇健提出了中控技术的三个核心论点：

一是当下流程工业面临的根本矛盾在于经验依赖与系统优化的“大厨困境”。流程工业生产如烹饪，虽然原料、设备相同，但结果却高度依赖人工经验，导致质量、能耗不稳定。褚健认为真正的工业智能，需要超越个人经验，实现稳定、可复制的系统化最优控制。

二是关于破解路径，褚健认为需要融合工业数据、科学机理与AI大模型，从“感知”走向“优化” 。中控开发的时间序列大模型TPT（Time-series Pre-trained Transformer），不仅能“看懂”生产状态、“理解”反应过程，还能主动推荐优化策略，推动工业控制从自动化迈向自主智能。

三是关于AI落地工业场景后所创造的价值，褚健表示AI须为产业创造可衡量的真实效益，释放万亿级利润空间。工业AI的生命力在于解决安全、质量、成本、排放等核心痛点。仅提升3%的效益，意味着可在流程工业催生两万亿元利润；减排1%即减少一亿吨碳排放——这是AI赋能工业最具说服力的价值答卷。

中控创始人、宁波工业互联网研究院创始人兼院长 褚健

以下为中控创始人、宁波工业互联网研究院创始人兼院长褚健的演讲实录，经编辑：

大家好！感谢36氪提供的交流平台。

今天我们所在的活动现场属于工业风，让我想起逝去的工业历史。如今的工业跟过去的工业已发生了翻天覆地的变化。在这里，我想给大家分享一下关于工业未来的思考——尤其是在AI飞速发展的今天，工业的明天会怎么样？要知道，我们所有的衣食住行，米、面等等，全部来自工业，背后都经过了专业的工业加工。所以，工业是非常重要的。

去年黄仁勋说过一句话，我印象非常深刻。他说，这一波的AI浪潮，将使得全球50万亿美元的制造业更加自动化。核心问题在于，如何用AI技术改造工业？中国工业总营收约20万亿美元，占全球的三分之一。我们主要聚焦和服务于流程工业，其规模约为60万亿元人民币。在中国50万家规模以上制造业企业中，流程工业约占九分之一，即5.5万家。数量虽然不大，但产值非常高，涵盖比如像“三桶油”、有色、钢铁、稀土、医药、农药、建材等行业。此外，流程工业的碳排放约占全国总量的80%，因其本质上是个化学反应过程，比如铁矿石转化为钢铁，再制成汽车板、钢结构场馆等，这些都是高能耗加工；而原油、石油经过加工，就会变成我们身边的衣服、袋子，它们都属于石油化工产品。

流程工业具有高温高压、易燃易爆的特性，因此其自动化水平很高，数字化基础也较好。在AI时代，如果说没有数据，一切无从谈起。如何高效利用这些数据，是我们大家所需要思考的关键。

正因为流程工业领域安全风险高，容易出事故，我们才更应直面这些痛点与挑战，这正是我们的机遇所在。围绕着流程工业的特点，我们要重点解决三大问题：第一，保障生产安全；第二，提高产品质量；第三，降本增效。当前中国许多行业面临产能过剩问题，如钢铁、炼油等，依赖大量出口。一旦出口受阻，产能过剩的问题将更加突出。因此，降本增效，提升产业竞争力是重中之重。此外，节能减排不仅是国家战略，也是每个企业关心的重点。例如今天798现场的管道设备，就曾是高能耗的代表。如今在很多地方，高能耗和环保问题依然存在。

我以烹饪为例，说明在工业领域里面如何能够用AI来解决问题。我相信大家都会烧菜，但能否成为大厨则是另一回事。番茄炒蛋很容易烧熟，但烧得口味好坏不一；西湖醋鱼、臭鳜鱼等复杂菜肴，能做熟已不易，要开饭店并赢得市场更是难上加难。中国菜系繁多，能在某一领域精通已属难得，想掌握所有菜品几乎不可能。

流程工业亦如此。石油、化工、医药、农药、建材等行业，如同烹饪，涉及成千上万种“菜品”，不同原料、工艺、添加剂组合成最终产品。即便原料、设备相同，不同企业生产的产品质量与竞争力也各不相同。我们的目标是以最低的能耗、物耗和成本，生产出最具竞争力的产品，卖向全球。烹饪依赖经验，而工业则需要数据支撑。

对于流程工业，我们不仅需要数据，还需要有科学的原理，以及经验。对于中控来讲，我们在该领域具有坚实基础。过去32年，我们积累了大量的控制系统的应用经验。2024年，中控的DCS控制系统在国内市场占有率达40%以上，在化工行业接近62%。全国5.5万家流程工业企业中，3.7万家是我们的客户，运行中的控制系统达十几万套，积累了海量数据。正如烹饪，我们既有经验，也有数据。

继续以烹饪比喻，我们需要温度、压力、流量这些参数。如同用空气炸锅烤牛排，设定时间与温度。若要调整过程，可改变温度或时间，比如厚牛排多烤半分钟，薄牛排少烤半分钟，——这是经验。但若具备完整的温度、压力、流量数据，便能实现更精准的控制。当然，还需要检验产品质量，监控设备状态，比如炉子是不是有损坏、燃气是不是充足，以及反应器内的反应深度、反应的转化率等。

这些数据都是时间序列数据。基于此，我们开发了时间序列大模型TPT（Time-series Pre-trained Transformer）。TPT虽然基于Transformer的架构，但与大语言模型不同，它处理的是多组相互关联的时间序列数据，且建立在科学依据上，即基本的化学反应过程和机理。

TPT自去年发布以来，已解决诸多实际问题。今年我们发布迭代版本，希望未来用户工程师能像使用ChatGPT一样，直接提问如“能耗大怎么办”“质量不稳定如何解决”等流程工业的专业问题，通过上传数据，模型就可进行预测并给出解决方案。

在此基础上，我们已有许多成功案例。例如，在某百万吨级乙烷制乙烯企业中，我们帮用户解决了乙烯收率的问题，优化了裂解炉操作问题，并实现了异常参数的自动检测与分析。通过上传各种各样的数据，模型提供完善的解决方案，最终实现了年效益达两千多万元。

流程工业营收高达60多万亿元，若能在其中创造一定的价值，机遇是巨大的。AI在改造工业，提升工业竞争力方面空间广阔。人类生活不仅构建了一个很大的市场，工业本身亦是一个庞大的市场。流程工业与AI的结合，核心价值就是为产业创造真实效益。中国碳排放超百亿吨，若每降低一个百分点，就是减少一亿吨的碳排放；若提升3%的效益，则意味着两万亿元的利润，潜力无限。

未来，AI在工业中的前景广阔，但这并非哪一家公司完成，需要各方共同努力。中控所处的市场空间是巨大的，不仅在于控制系统，更在于用AI技术解决工业场景的实际问题。正如刚才提及，两万亿利润背后对应的是数十万亿级的市场规模，体量庞大。期待更多的伙伴能够关注并投身这一行业领域。今天在798工业馆召开会议，既是对一段旧历史的回望，更是对一幅崭新未来的眺望。