中控技术吴玉成：时序大模型重构工业逻辑，未来工厂90%

在工业智能化的全球竞赛中，中国正走出一条与众不同的道路。“我们不是在产品中加AI，而是以时间序列模型为基础，构建全新的工业AI平台。”中控技术副总裁/Industrial AI事业群CEO吴玉成在2025中国国际石油化工大会期间接受澎湃新闻（www.thepaper.cn）专访时表示，中控技术走的不是“追赶式”创新，而是重构底层逻辑。

2024年，中控技术正式启动“ALL in AI”战略。吴玉成强调，这不是一次技术叠加，而是以AI为底层基座，打造AI Native体系。在吴玉成看来，这是中控技术三十多年工业自动化积累后的必然选择。“中控技术成立至今，一直在自动化行业深耕，服务了37000多家流程工业企业。”他指出，“我们深刻理解企业在安全、环保、效益和质量方面的核心诉求。”

吴玉成表示，与传统工业自动化巨头相比，中控技术的核心优势在于“扎根工业的AI融合能力”与“敏捷的战略执行机制”。在他看来，传统巨头多受制于既有技术体系与复杂组织架构，AI与业务融合存在壁垒。中控技术构建了“时间序列大模型TPT（Time-series Pre-trained Transformer）+通用控制系统UCS”的全链条AI落地能力，并通过成立工业AI事业群，将技术攻关、产品研发、工程实施与行业专家纳入同一单元，形成“懂工艺更懂算法”的组织基因，实现从需求到迭代的高效闭环。

中国拥有全球最齐全的工业门类和大量亟待改造的存量工厂，这构成了“从规模优势转向技术优势”的坚实基础。目前，中控技术已覆盖石化、有色金属、冶金、钢铁、建材等全流程工业领域。据吴玉成介绍，中国规上流程工业企业约5万多家，中控技术服务了其中三分之二。

时间序列大模型之所以能在流程工业中发挥重要作用，源于其与工业生产特性的深度契合。“受到ChatGPT大语言模型的启发，中控技术将时间序列数据作为工业领域的‘通用语言’。”吴玉成解释，“工厂里的装置设备虽然不会‘说话’，但温度、压力、流量、液位这些参数按照时间顺序排列，构成了装置的‘语言’。”

“虽然不同工厂产品各异，但构成生产系统的基本单元——泵、阀、管道、反应器等具有高度通用性。”吴玉成表示，基于这一洞察，中控技术自主研发出了全球首款时间序列大模型TPT。该模型通过海量数据预训练学习通用规律，比如石化裂解反应的温度窗口、化工精馏塔的回流比规律，并针对具体场景进行微调适配。TPT不仅“能看见数据”，更“能读懂工艺”，提升了AI在工业场景中的落地效率。

吴玉成特别介绍了TPT在万华化学氯碱装置中的应用，他提到，氯碱工业作为基础化工领域，一直面临高能耗、高安全风险的挑战。“生产一吨碱的电耗高达几千度，生产过程中还涉及盐酸等腐蚀性物质，安全压力很大。”

“在电解槽能效优化方面，TPT整合电压、电流、温度、盐水浓度等实时数据，建立多目标协同优化模型，预计吨碱电耗可降低1%左右。”吴玉成透露，在废液pH值控制这一难题上，TPT通过历史数据与实时工况的动态学习，构建预测-执行闭环控制算法，将pH值稳定在6.8-8.2区间，中和时间从5小时压缩至1小时，预计年节约中和剂成本20万元。

除了能耗优化，中控技术还解决了关键材料的寿命预测难题。吴玉成说，离子膜作为电解槽的核心材料，单次更换成本超过100万元。“换早了造成浪费，换晚了带来安全和能耗问题，预测模型实现了最佳更换时机的精准判断。”

这种通用性正不断拓展TPT的应用边界。吴玉成表示，除了传统的流程工业，中控技术的TPT大模型正在向新能源、新材料等领域拓展，甚至吸引了金融行业的关注。

中国市场的庞大规模与复杂性也带来了特有的挑战。吴玉成表示，一是数据基础与安全性，工业数据质量参差不齐且涉及核心工艺保密，大规模汇聚难度大；二是基础条件与认知，中小企业设备老旧、数据碎片化、人才匮乏，且对工业智能体价值认知模糊；三是场景复杂性与信任，工业场景容错率低。

针对这些挑战，吴玉成提出“多管齐下”的应对思路，技术上，通过数据保密机制与“数据不出厂”专属模型方案，在保障安全的前提下释放数据价值；市场上，依托政策驱动央企及头部民企打造“灯塔项目”，形成可复制模板；生态上，推动技术方与行业专家深度协同。

吴玉成认为，中国工业AI将呈现三个显著特征：应用深度广度持续领先、标准规范逐步输出以及人才培养加速推进。“现在年轻一代的AI人才正在快速成长，未来全球工业AI的人才高地可能就在中国。”

在产业选择上，中控技术形成了清晰的标准：规模足够大、痛点突出、数据基础较好。吴玉成强调，“只要是涉及时间序列数据的行业，都有TPT大模型的用武之地。”

“如果一家工厂一天赚100万，未来可能有90万的价值由AI创造。”吴玉成对中国工业AI的前景充满信心。他表示，中国工业AI正从“点状突破”向“全局渗透”跃迁，深度融入工业全生命周期，中国有望先于其他市场探索出“技术-场景-生态”成熟路径，甚至定义部分全球标准。

“在美国专注于基础理论创新和人机交互的AI应用时，中国正在实体经济的AI赋能方面走出一条独特道路，”吴玉成说，“这不是简单的技术追赶，而是基于中国制造业底蕴的原创性突破。”