为什么说AI发展的尽头是工业？

 

 

第一次工业革命，人类迈入了蒸汽时代，摆脱了对风、水、畜等自然力的依赖，学会了规模化生产。

 

第二次工业革命，人类迈入了电气时代，钢铁巨兽昼夜不停的咆哮着，改造了人类社会的方方面面。

 

第三次工业革命，人类迈入了信息时代，工业和数据开始密不可分，在各类高精尖产品之外，人类还创造出了“虚拟世界”。

 

身处21世纪，如果说要催动第四次工业革命，在目前所有的技术中做一个选择题，我想大部分人会投“AI技术”一票。

 

如今AI技术应用之广，可谓是百花齐放。各行各业的人利用AI生成方案、文章、图片、PPT或咨询决策建议、了解行业知识、充当线上客服。人们一边在AI的帮助下解放精力，一边在技术的迅猛发展中战战兢兢害怕被代替。

 

让我们以后再聊AI技术可能带来的伦理问题和社会冲击，先聚焦到AI技术真正的核心层面——AI对生产力的提升。伟人说，科学技术是第一生产力，今天我们就聊一聊工业AI。老胡才疏学浅，在此做一些发散性的分享，如有不同观点，欢迎评论区指正。

 

 

01

工业AI能够带来的巨量效益

 

工业场景具有规模化特征，AI的微小改进（如1%的能耗降低或良率提升）可在海量生产中产生指数级收益。根据世界银行数据，工业占全球GDP的28%，约为29万亿美元（2023年为例）。在此基础上，AI渗透率每提升1%，预计带来3000亿美元经济增量（BCG测算）。相较于消费互联网的流量变现模式，工业AI创造的是全要素生产率的提升，这种价值创造具备更强的可持续性和抗周期能力。

 

以钢铁行业为例，企业通过AI技术降低能耗提升效率后，若炼钢降低吨钢成本10元，千万吨级钢厂可年省过亿，这就是行业的规模化特征。

 

工业AI的本质是通过数字化手段实现制造经验的快速沉淀和规模复制，将“精耕细作”的成本拉低。在一个工艺复杂的传统工厂，想要实现高效生产，需要一大批熟练的设备操作工、仓储物流管理员、质检人员、运维人员、专业的工艺设计团队，还需要能综合把控、敏捷调度的生产管理者。拥有了这些人之后，仍需经历数月的工艺参数调试、设备OEE提升、生产节拍优化等关键动作，最终才能形成稳定产能。

 

而AI，可以把其中的人力成本和时间成本大幅降低，并规避人类“肉体凡胎”带来的生产风险，像一个没有感情的全能专家，日夜不停地监控着生产数据并进行对应操作。

 

 

02

工业AI的应用需要循序渐进

 

如果对工业AI功能的描述，让一部分从业者感到惧怕，那么接下来的内容，可以让大家稍稍安心。实际上，工业AI的发展和应用还是离不开人的帮助，如今工厂哪怕上线了工业AI，也需要人力的协同才能发挥效益。

 

 

▲AI在工业领域的技术对比

 

AI工具在部分工业场景的选择：

 

1

需要创造性

生成式AI（如新材料分子设计）

需要工程师协同：AI工艺参数优化、AI系统前期设计、跨学科知识整合（如材料特性与设备限制的平衡）等

2

高精度分类

判别式AI（如精密零件缺陷检测）

需要工程师协同：AI模型调优、处理复杂异常案例等

3

动态决策

强化学习（如炼钢过程控制）

需要工程师协同：AI监控、模型优化、结合业务目标进行流程重构等

4

知识管理

神经符号AI（如工艺经验数字化）

 

需要人力协同：知识库优化和纠错、人性化沟通、个性化指导等

 

5

 

根因定位

因果AI（如产品良率提升）

 

需要人力协同：逻辑训练、复杂的根因分析、后续改进等

 

以老胡所在的工业软件行业为例，我常用的免费软件中控SCADA今年竟然也推出了AI功能，能够进行AI问答、趋势预测、AI生成3D（此类3D模型过去定制需要几千元一套，现在竟然可以免费获得）。但是这些AI功能还是需要我来进行实施，3D模型的生成也需要我来输入详细需求，并由我运用到工程中。利用AI工具，节约了我大量的时间精力，并且我不认为AI短期内会代替自动化工程师。

 

看过《三体》这本书的朋友应该了解“技术爆炸”这个概念，意为新技术的发展可能会在某个时期突然爆发，取得大量的突破性的成果。AI技术的发展之迅猛，性能榜首之位几乎是每月迭代，ChatGPT、DeepSeek、Qwen等大模型正在以超乎想象的速度完成进化。虽然已经有了很好的技术底子，但打造工业AI的难点更在于工业数据的积累，只有了解大量行业生产场景、了解工艺，并且有大量工业数据作为可调用分析的资源库，才有底气说自己是真正的工业AI大模型（目前市面上许多“工业AI”实际上只是常规大模型换个壳子）。所以，工业AI要从研发到成熟应用还有很长的路要走，看似具备了前置条件，但是还欠缺AI技术和细分行业工业数据的磨合，这最为关键的一步，是咫尺，也可能是天涯。

 

03

国内厂商在工业AI的突破

 

近年来，国内厂商在工业AI领域加速布局，通过技术与场景持续结合，逐步构建起工业AI类产品的解决方案。头部企业如华为、百度、阿里云等依托资金和技术优势，推出工业视觉检测、预测性维护、智能排产等平台化产品。

 

工业自动化领域，以中控技术为代表的上市企业大力发展AI技术，推出了一系列的工业AI解决方案，帮助工厂实现自主生产、自主监督和自主优化。还有一众更关注垂直领域的厂商，聚焦细分场景，在汽车制造、半导体、能源等行业形成差异化竞争力。

 

由此可见，工业AI这个领域可谓是百花齐放，各家企业都想分一杯羹。这种分层竞争态势也反映出工业AI落地的核心逻辑——必须深度绑定OT运营技术知识沉淀，在具体生产场景下创造价值。

 

 

▲AI厂商类型和优劣势

 

以老胡所在的工业控制领域为例，老胡还是更加看好中控技术的AI技术发展，原因有三。

 

一是之前我们一直提到的数据。搞工业AI是需要“基因”的，大量的工业数据是工业AI的基因。工业AI是领域知识与数据科学的深度耦合，其价值不在于技术先进性，而在于对工业场景中隐性知识的显性化能力。得益于数十年的工业know-how积累，中控技术在工业AI研发的过程中，喂养了超过100EB的工业数据，产品设计更加贴合生产场景。

 

二是资金。钱对于技术研发来说，说它是最重要的因素也不为过。部分自动化企业虽有数据积累，但面对发展AI技术产生的大量资金需求，心有余而力不足。作为自动化领域的头部上市公司，中控技术在全力发展AI的基调下，大概率是不缺资源支持的。

 

三是业务构成，这也是最容易被人忽视的一点。试问哪些企业最愿意且有能力去当第一个吃“螃蟹”的人？答案有二，一是规模化生产的企业，旨在创造规模化效益（即上文的规模化特征）；二是有钱的企业，旨在使用新技术，试验创新方案是否能有创新成果。中控技术的核心业务主要在石化、化工领域，近年来大力推动AI发展，辐射千行百业。它的大客户画像就是有规模且资金充裕的头部工业企业，相信这类客户对于落地工业AI会有不小的兴趣。

 

 

 

 

  

中控SCADA应用实例图

 

在AI之外，中控技术还开放了SCADA全系产品给用户使用，这一块老胡真的是推崇备至，本来几万块的SCADA软件，中控这边直接免费拿来用，数采、组态、数据库、流程图、报警、报表、Web、APP等功能全部开放，并且也接入了许多AI工具，如3D模型生成、AI助手、脚本生成等。目前用了两年，实测无收费项目，中控技术此举让我等一线工程师也能感受到AI带来的便利，也为工程实施降本增效，确实是给工控人送福利了。老胡受人之惠，用了人家的免费软件，在此分享出来，为中控SCADA提提人气。

 

最后，老胡想说，很多朋友对于AI畏之如虎，其实也没必要。因为技术的发展不会一蹴而就，留给大家去学习、适应的空间还很大。AI也不是一个完全独立运行的系统，依旧需要你我这样有经验的人从旁设计、辅助、维护，这也是时代给予的机遇。老胡祝大家都能够玩懂AI工具，工作更加轻松，玩通AI技术，切实提升企业和自身的收益。

 

来源|控制工程中文版