事关“AI+工业”，国家定调了。
国务院日前印发《关于深入实施“人工智能+”行动的意见》，其中提出，加快实施“人工智能+”产业发展，培育智能原生新模式新业态，推进工业全要素智能化发展，加快农业数智化转型升级，创新服务业发展新模式。
意味着，AI+工业的战略定位愈发凸显。
AI+工业的交叉领域是人工智能技术和工业实际需求的结合。能通过数智化手段提升制造业效率，并实现快速沉淀和规模复制。
AI+工业天然具备“规模化”特征，可以在海量的生产过程中，AI技术所带来的任何一点改进，都能因“规模化”放大，产生指数级质变。
在“科技战”打响的当下，对于国家安全战略影响更为直接的正是“工业AI”领域。
一场国家级战略
作为全球制造业大国，中国在“AI+工业”路径进化的比较优势明显。
在数据资源方面，中国是全球唯一拥有完整工业体系的国家，工业数据在数量和多样性上都有海量积累，为AI模型的训练提供丰富素材。
随着现代化制造业优势的持续积累，中国已具备建立自主标准的基础与条件。按照“十四五” 规划，到2035年，我国将基本实现“新型工业化”，即智能制造技术和应用水平领先于世界。
“AI+工业”正在成为中国“智能制造”突破制约的利器。
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：“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。”
吴玉成认为，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。
在产业转型层面，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+工业”落地的痛点
相比其他领域，AI在石化、化工、电力、制药等工业核心环节的应用落地进展，似乎显得步履维艰。有分析指出，其根源在于，大语言模型主要基于互联网文本训练，擅长符号处理，却难以应对工业场景中秒级甚至毫秒级的温度、压力、流量等强时序、强耦合、高噪声的数据流。
另外，大语言模型能解释工业名词，却无法在实际生产场景下做到精准的判断和决策。
要真正走进工业核心，AI大模型不仅要懂“语言”，更要懂“工业”，理想的工业AI大模型必须具备三大特质：
一是强大的时序建模能力，能伴随着连续不断地时间流淌捕捉变量间复杂的动态依赖，实现高精度预测；
二是快速适配多变工况，借助预训练和少量微调即可迁移至不同场景；
三是深度融合工艺机理和物理约束，以提升可信度和安全性。
另外，在数据层面，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。
据官方数据显示，国内规模以上工业企业数量达51.2万家，覆盖41个工业大类、207个工业中类、666个工业小类。每家企业的智能化基础各异，生产数据碎片化，且企业对大模型应用和落地的需求也各不相同。
中控技术的工业AI专家王宽心指出：“工业领域的数据形态，也就是人们常说的B端，与C端有着根本的不同。工业AI的发展，必须立足于海量的工业数据，特别是具有强时序特性的数据，同时深度融合行业知识经验和物理机理，才能走出独特的创新路径。”
他还强调，当前不少来自商业领域的大模型被简单迁移到工业领域，主要集中在信息获取、知识问答等表层应用，虽然提升了知识获取效率，却远未触及智能化控制、提质增效、节能降耗等工业核心痛点。
一套系统性解决方案
针对AI赋能工业领域的痛点，A股工业自动化领域的龙头企业——中控技术提出了一套系统性解决方案：时间序列大模型TPT（Time-series Pre-trained Transformer），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。
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。
这套系统性解决方案正在持续落地工厂，提升制造业效率。
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。
据悉，中控技术是国内工业自动化领域的龙头企业之一，为化工、石化、电力、制药等流程工业提供自动化、数字化、智能化整体解决方案。近年来，中控技术全面开启AI转型。
AI大模型训练基于庞大的数据，中控技术凭借10万套工业控制系统，积累了超过100EB的庞大工业数据量，在业内拥有最为丰富的数据资源，数据优势十分明显。
先发优势叠加数据优势，全面转型AI的中控技术欲剑指工业AI龙头。
值得强调的是，中控技术即将推出流程工业领域首个时间序列大模型TPT（Time-series Pre-trained transformer）的升级版。
该模型面向工业生产过程，统一建模，实现多技术体系融合，覆盖多类应用，支撑装置多类任务。通过TPT构建工业装置智能体，打造装置运行“智慧大脑”，使各类应用从工具型助手升级为可主动识别异常、评估风险、优化决策与自主执行的智能体（Agents）。
同时，基于TPT打造的各类智能体组成了自主协作系统，构建生产过程自动化（Process Automated，PA）的智能运行平台，共同完成工业装置自主运行目标，实现工业软件技术体系与应用模式的又一轮革新。
吴玉成透露，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。
结语
种种迹象表明，一系列利好政策与旺盛的需求，正推动工业制造厂商加速向AI方向进化。
AI+工业将引领工业智能化的创新浪潮，市场的空间也在逐步打开。据Gartner的预测，到2027年，中国制造业的AI使用渗透率将以10%的年复合增长率上升。IDC则预估，到2028年，AI+工业软件的渗透率也将从2025年的9%提升至22%。
数据显示，2024年，我国工业增加值占GDP比重约为30%。同时，中国还是全球最大的工业制造国，在全球制造业中的占比达到28%。
由此可见，作为经济发展的基石，我国制造业的智能化升级，对于大国竞争的战略主动具有重大意义。
AI+工业，正同时为中国的“AI进化”和“新型工业化”挑起大梁。
声明：取材网络，谨慎辨别