“AI时代工业数智化转型升级之道”对话干货：从智能控制器到低功耗AI，破解工业转型核心难题

近日，由工控兄弟连主办、上海全应科技承办的“AI+控制 工业智能控制前沿技术与应用论坛”在上海成功举办。当下，工业4.0浪潮席卷全球，人工智能技术加速渗透实体经济，传统工业控制面临瓶颈突破、智能控制器需适配多行业需求、大模型发展需平衡效率与能耗等核心问题，成为工业领域转型的关键议题。

为此，本次论坛汇聚学界、企业界众多权威人士，特别邀请西北工业大学何明一教授、全应科技董事长夏建涛博士、海得控制智能制造总经理许叶峰，以及圆桌主持人工控兄弟连联合创始人张震等业界专家，以圆桌对话形式，从技术演进、落地实践、生态构建等多维度深入交流，为工业领域从业者带来一场兼具理论高度与实践价值的思想盛宴。

以下为本次论坛对话实录，内容在确保原意准确完整的基础上，已进行适度优化调整，旨在为读者呈现更清晰、流畅的阅读体验。

主持人：接下来，我们就跟几位大咖、几位老专家老师，稍微交流一下。我觉得这个环节会很精彩，第一个问题，我想先问夏博士，我们知道PLC和DCS在工业生产领域已经应用超过50年了，极大提升了生产效率。在当前数字科技大发展的时代，传统控制技术面临哪些挑战？又会朝哪些方向演进？ 

夏建涛：好，谢谢主持人，这确实是对工业发展非常重要的一个话题。今天其实李教授、何老师都给大家讲过相关内容，我们可以先回顾一下工业控制的发展脉络。大家知道，PLC诞生于1968年，背景是当时美国汽车产业兴起，生产线需要控制，但那时候用的是继电器——咱们在场如果有年长的工业自动化领域前辈，估计都接触过继电器控制柜，完全是硬连线的。那个年代的最大问题是：体积大、成本高，而且功能没法改，要修改控制逻辑非常难。通用汽车（GM）当时很头疼，觉得这严重影响汽车制造，就写了一页纸、列了10条需求，想找厂商开发新控制器：第一条就是“必须能软件编程”，第二条是“可修改，能控制汽车生产线”。很多厂商应标，最终有家公司开发出了首款PLC，叫 Modicon 084。它把当时刚发明的CPU（英特尔）和计算机原理用到工业现场，实现了信号采集、计算、输出控制，这就是人类第一台PLC。

PLC自诞生后便得到广泛应用，直至今日，90%以上的工业场景仍在使用这一技术，其核心价值在于能够实现数据采集、PID控制与控制指令输出，有效解决了传统继电器的诸多痛点。到了1975年，随着炼油等重工业规模不断扩大，需管控的设备数量大幅增加，简单的PLC已无法满足需求，霍尼韦尔公司随即研发出人类第一台DCS（集散控制系统）。20世纪80年代，霍尼韦尔的DCS在上海展出，上海炼油厂率先引进，DCS自此正式进入中国市场。DCS的核心优势在于 “集散控制”，能够在全厂范围内实现设备统一管理，将各类信息汇总至集控室，形成集中管控模式，这一控制场景至今仍在广泛沿用。

从1975年到现在，DCS和PLC已经应用50年，能普及这么久，说明它们确实解决了当年的核心问题。但当年的应用背景是“线性、参数稳定、单输入单输出”的简单系统，而现在50年过去，工业场景已经完全不一样：设备越来越复杂，很多系统是多参数耦合的，还有非线性、时变特性，反馈过程慢。这些特性已经证明，传统DCS和PLC很难实现准确稳定的控制——所以现在集控室还需要人，靠专家经验观察数据、手动给出控制指令。

好在1956年人工智能诞生后，到今天不管是大模型还是小模型，技术已经足够发达。我们现在要思考的是：能不能用新一代人工智能技术，结合自动化控制技术，去解决这些“非线性、多参数、强约束、大惰性”系统的控制问题？这其实是时代的需求，不是某个人想做，而是行业发展到这一步必须要做。

其实早在1971年，傅京孙教授就提出了“智能控制三元论”——AI+自动控制+运筹优化，刚才海峰也提到了运筹优化的重要性。这一理论在学术界研究了50年，但之前一直难以落地，核心原因是基础条件不具备：需要的大数据采集能力、强算力模型构建能力，过去都达不到。而现在，底层物联感知、互联网传输、大数据系统，加上AI模型的学习训练、预测控制技术，都已经相对成熟，智能控制器终于能落地了。比如我们全应科技，用智能控制器解决了热电、火电的智能调控问题，还有危废行业的控制问题，这些都是已经落地的案例。所以我认为，智能控制器是时代驱动的结果，就像1968年诞生第一台PLC一样，是行业发展的必然。

主持人：好，谢谢夏博士。我虽然听了一下午，但刚才夏博士的分享还是让我很受触动——时机太重要了！早了不行，晚了也不行。比如苹果手机，如果当年网络跟不上，也没法普及。现在正好是PLC和DCS运行50多年，到了升级换代节点，又赶上人工智能技术大爆发，这是“双重时代机遇”。而且，我们传统的PLC和DCS，正好能通过全应科技这样的企业，插上人工智能的“翅膀”，这真的非常好。

那我接着问夏博士第二个问题：全应的首款通用智能控制器（IDIC），在落地到不同行业应用时，还需要做哪些工作？生态伙伴又需要具备什么样的技术能力？

夏建涛：这个问题很具体。今天我们在外面也展示了全应的IDIC智能控制器，全应科技2016年成立，到现在已将近十年，一直专注于把AI技术和热电、火电等场景深度融合，打造面向热电场景的智能控制系统。刚才海峰也提到了我们的案例，目前我们在国内做了100多个热电项目，每个项目都能实现“全场智能控制”——比如一个热电厂区有数百套装备，我们能做到调控率99%以上，也得到了客户的认可。

实现这类智能控制，核心需依托两套知识体系：其一为 “AI + 控制” 技术，这是基础支撑，但仅依靠此项仍不足以解决问题；其二是行业专业知识，需深入掌握发电原理、危废处理原理、化工原理，精准理解被控对象的特性。唯有将二者深度融合，才能切实破解实际问题。因此，全应科技的团队配置兼具人工智能专家、自动控制专家与行业专家，其中不乏锅炉领域、热能工程领域的博士人才，正是依托这样的复合型团队，方能推动技术落地并解决实际问题。

未来，AI时代下各行业均存在从 “传统自动化” 向 “智能化” 转型的需求，但转型推广过程中的核心难点在于 “知识融合”。垂直行业专家与AI、自动控制领域专家在学术培养阶段分属不同学科体系，知识储备存在天然割裂，这一问题李教授今日也有提及。全应科技虽通过端到端的研发与实践，打通了热电场景的知识融合路径，但其他行业的转型需求仍需更普适的解决方案。

所以我们想到，把过去十年打磨的“AI+控制”中“无行业属性”的部分标准化、封装起来——比如那些在工业场景中验证过的高精度、高安全的组件，像大数据采集、AI控制模组、人机界面这些基础性工作，我们都封装到IDIC智能控制器里。这样一来，行业专家不用再去开发大数据系统、写AI组件，只需要把自己对行业的理解，通过我们简单易用的开发环境输入进去，调用模型组件、按专家逻辑搭建，就能快速形成行业专属的智能化解决方案。这是我们的目标，也希望大家能多关注：用IDIC叠加自己20年的行业经验，就能打造面向自己行业的专业智能化方案，当前正是把握这一机遇的关键时期。

主持人：谢谢夏博士。我觉得“机会留给有准备的人”这句话特别对。现在我们需要抱团，结成生态，把行业经验和人工智能结合起来，才能大大推动中国工业智能化发展，这是跨时代的事。而且全应十年磨一剑，提前布局，正好赶上这个时代，真的很震撼。我做自动化20多年，跑遍工厂现场，蹲十几个小时解决问题是常事，太清楚行业需要这样的产品了。

接下来，我们请教何教授。当前大语言模型迅猛发展，从对话到推理的智能涌现越来越强，作为我国知名人工智能理论研究学者，您认为把AI和实体经济融合、推动实体经济转型升级，会有哪些机遇与挑战？ 

何明一：谢谢主持人，这个问题提得很深刻，也抓住了关键。以大语言模型为代表的人工智能，确实取得了突破性进展，为实体经济发展提供了好的机遇。

首先说机遇：第一是技术机遇，AI能通过数据学习找到规律、提取特征，提升效率和精度；第二是政策机遇，国务院最近发布了“深度实施人工智能+行动”的通知，明确了6个重点方向，国家会在投资、政策引导上往这方面倾斜；第三是基础条件机遇，中国数据相对丰富、产业门类齐全、应用场景多，这些都是我们的优势。

但挑战也很明显：第一，部分行业（尤其是复杂流程工业）的数据不公开、甚至保密，小样本下怎么训练网络、保证性能，这是个难题；第二，需要研究“什么样的网络模型适合特定工业应用”，不是通用模型能解决所有问题；第三，资源受限——比如计算力、专业人员不足，像一些中小型企业，很难支撑大规模AI部署。

不过这些挑战都可以应对：国务院通知提及的 “人工智能 + 科研” 能推动从0-1创新，“人工智能 + 产业” 可实现从1-n提升；且AI专用芯片发展使训练成本较两三年前大幅降低，带来新机遇。

主持人：谢谢何教授。确实，人工智能从今年春节到现在，发展速度可以用“翻天覆地”来形容——国家大力推动，企业努力创新，数据、算力、算法不断优化，成本也降了很多。而且中国市场大、产业全，像华宏做中低端芯片量产，上海更是聚集了中国半导体50强中的18强，张江的相关产业效益达3900亿，还有世界人工智能大会、机器人大会推动，机遇很大。

再请教何教授第二个问题：大模型参数急速扩大，导致计算消耗大量能源，据报道ChatGPT每天消耗50万度电。大模型未来有没有可能实现低功耗绿色运行？ 

何明一：这个问题非常重要，2023年10月《中国科协》就把“人工智能如何降低能耗”列为十大前沿基础研究问题之一，也是我近些年重点关注的方向。其实目前已经有一些进展了：比如大模型的训练时间和成本比以前大大降低；还有企业采用8位甚至6位的核心部件，能显著降低能耗。

未来实现低功耗，有几个关键方向：

第一，数据优化。现在训练数据里有大量冗余，等数据量达到一定饱和后，不会再像初期那样爆炸性增长——比如语言文字学习，学到一定程度，只有增量的新词、新内容需要学，大部分知识已经掌握，不用反复训练；

第二，小模型应用。在工业场景中，很多特殊应用不需要大模型，小模型足够解决问题，能大幅减少计算量和能耗；

第三，先进技术突破。比如研究新的网络结构、小样本学习算法，甚至量子神经网络，还有我研究多年的“有限精度理论”——1998年我写过《神经网络信号处理系统有限精度设计理论》，当时就提出：人类的视觉、听觉系统感知的信号都是中低精度（不超过8位），电视机也是8位显示，我们分辨不了更高精度。那神经网络为什么不能用低精度运算？现在英伟达、DeepSeek等企业已经用8位精度做验证，间接证明了这个理论的正确性。

此外，还有一个关键方向是，有限精度需要和AI芯片、算法一体化设计，才能真正落地。而且AI学习和人类学习不同，AI能继承已有知识，不用从零开始——过去学过的内容不用重复训练，只需要学新数据，这也能减少能耗。未来这条路肯定是重要发展方向，能有效控制AI的能源消耗。

主持人：谢谢何教授。您提到的“小模型”“有限精度”“一体化设计”，带给我们很多启发。我提个小建议：能不能呼吁一下，在各行各业建立开源平台？这样大家不用重复做基础工作，能从更高起点（比如从100、1000、10000开始）推进，力量会更大。

何明一：这个建议非常好！尤其是通用领域，比如语言、图像识别，应该由国家主导做这件事——一方面，国家有能力整合资源，避免重复劳动；另一方面，能把控数据质量，比如中小学人工智能教育，不能用网上乱七八糟的数据（比如低俗、错误信息）训练，国家主导能从源头保证数据的规范性和伦理安全性。中国的制度优势，也支持我们做这样的国家级通用模型，这对行业发展会有很大推动。

主持人：谢谢何教授。接下来，我们请教许总，海得是工业控制行业的资深企业，有超过30年在各行各业的耕耘经验。您如何看待当下的市场发展？AI将如何改变市场规则、体现价值？ 

许叶峰：谢谢主持人的认可。海得确实深耕行业多年，早期我们代理过摩迪康（后来被施耐德收购，现在叫施耐德PLC）、欧姆龙的产品，还引进过霍尼韦尔的DCS；在工业以太网领域，我们也是国内较早引入相关技术的——比如早年地铁、电厂用的是思科等商用网络，后来我们引进德国赫斯曼的产品，推动行业改用工业以太网，形成了业内标杆。上市后，我们也围绕工业控制、通讯、绿色能源做了自主研发。

不过现在市场变化很大：国产化之后，行业竞争非常激烈，“卷”得厉害——以前一套系统能卖三四百万，现在可能只卖一万九千八，利润空间被大幅压缩；而且市场项目不像10年、20年前那么多，客户和下游企业日子都不好过。但反过来，这种“卷”也倒逼行业提升运营效率，追求快速交付、低成本生产。

在这个背景下，AI给行业带来了新机会。我认为未来的智能制造终极形态是“有机制造”——让无机体（企业、设备）像有机体（人）一样运行：数据像血液一样打通，网络像神经网络一样四通八达、安全可控，AI则像“大脑”一样统一决策。过去工业环境割裂严重，比如华为在商用领域很强，但进入工业领域会水土不服，因为工业场景定制化高、单体产出小、碎片化严重，“最后一公里”难解决。而AI能针对性解决这些问题：比如小模型结合大模型，在特定场景做深做透，每个企业只要聚焦一个点，就能拓展业务。虽然AI可能会替代一些岗位，但也会创造更多新企业、新岗位。

主持人：非常认同“有机制造”的理念。那海得在AI领域，现在或未来有哪些具体布局？

许叶峰：借这个机会跟大家分享一下。海得早年以代理为主，后来自主研发的PLC、交换机、无线设备、储能产品，虽然实用，但在当前市场上“不够性感”，同质化严重，我们也很苦恼。AI的出现，给这些产品插上了“梦想的翅膀”，我们主要在三个方向布局：

第一，工业网络的AI应用。所有系统、设备都离不开工业网络，但现在网络品牌多、运维麻烦——比如出现“网络风暴”，排查故障很困难。我们把AI功能嵌入工业网络管理软件，能快速定位故障位置（比如网络风暴的源头），找到问题就能高效解决，大大减少用户损失。

第二，AI+PLC控制器。传统PLC控制没太多创新空间，我们在PLC里嵌入了AI模块，还整合了通讯安全、实时数据库等能力，打造“AI智能PLC控制器”——和夏总的IDIC思路类似，但我们更偏向底层PLC级别。用户可以把行业模型嵌入进来，通过我们开发的平台快速训练小模型，导入控制器后，就能直接控制风机、水泵、输送皮带等设备，实现智能决策、优化和执行，快速达到智能运维的效果。

第三，电力领域的AI模型。我们做储能、风机逆变器等产品，针对电力EMS（能源管理系统）场景，通过AI多维度训练电力运维模型——电力是所有行业的必需品，这也是我们重点拓展的方向。

主持人：谢谢许总！大家在AI时代都有清晰的布局和探索，这非常好——核心还是为客户解决实际问题。当前不管国际还是国内形势，确实有挑战，但行业基本面是好的。在人工智能大爆发的时代，我们工业人更要“眼中有光、心中有梦”，协同创新、付诸实践，坚持合作共赢。

结语

本次 “AI+控制 工业智能控制前沿技术与应用论坛”，不仅梳理了PLC与DCS半个世纪的技术演进脉络，更聚焦AI与工业控制融合的核心痛点与落地路径——从全应科技IDIC智能控制器的 “AI+行业知识” 融合实践，到何明一教授提出的 “小模型 + 有限精度” 低功耗解决方案，再到海得控制 “有机制造” 理念下的AI布局，嘉宾们的分享为工业数智化转型提供了多元思路与实操方向。

当前，工业智能化正处于政策利好、技术成熟、需求迫切的关键窗口期，唯有学界与企业界协同创新、生态伙伴抱团发力，才能将AI技术的 “潜力” 转化为产业发展的 “实力”。未来，期待更多行业力量加入，以技术突破破解转型难题，以实践探索开辟发展新局，共同推动中国工业迈向更高水平的数智化未来！