北京2024年8月6日 /美通社/ -- 近幾年，AI人工智能正以肉眼可見、勢不可擋的發展和迭代態勢，滲透進人們的生活和生產當中。隨著AI基礎設施的飛躍式發展，業內多家公司都推出了具有更強大理解能力的多模態大模型（如GPT-4o、Gemini1.5Pro、LLaMA3.1等），AI技術應用更是在各行業遍地開花，2024年被廣泛認為是AI大模型應用落地的元年。
而在傳統的流程工業（石化、化工、造紙、冶金、建材、醫藥等）領域，企業普遍面臨著安全風險高、物耗能耗高、產品同質化競爭、效益波動大等問題。面向安全生產、低碳環保、生產效率與效益提升、產品質量提高等價值目標，以及對生產過程的自主優化運行，降低對人的經驗依賴，基于模型指導生產的高階智能化需求，數字化和智能化技術的深度應用已成為流程工業高質量發展、轉型升級的迫切需求。
工業領域已經成了AI大模型應用的重要戰場，在這個背景下，流程工業領域的最新里程碑式事件于6月5日誕生——中控技術基于其在流程工業深耕30年的實踐經驗和技術積累，在新加坡面向全球用戶發布了流程工業首款時序大模型TPT（Time-series Pre-trained Transformer），開啟了產業落地應用的進程。
TPT的發布一時引發行業熱議：這款時序大模型的獨特魅力在哪里？它與大語言模型（LLM）有何不同之處？它將如何為流程工業企業邁向高階智能化打開機遇之門？
大模型的未來：更強泛化與可遷移性
隨著工業智能化進展的加速，人們對大模型提出了更多的應用需求。最顯著的問題是，傳統的AI模型技術在實際應用過程中，只有通過與特定場景結合，才能提供更加精準的解決方案。然而基于單一場景信息的模型，無法有效的進行泛化，最終是一個場景一個模型，無可避免地限制了模型之間的遷移性。
而大語言模型的出現，其通過語言理解、文字等內容生成、推理、多模態輸入及表達等通用能力，改變了人機交互模式、提升了信息獲取效率，讓信息的利用方式和解決問題的方法有了新的可能性。但大語言模型更多停留在信息交互層面，難以深入到涉及裝置穩定性、能耗物耗優化、安全風險防控甚至是運行操作等流程工業的核心環節當中。
而正如日常生活中，語言文字被視為人類思考和交流的"信息載體"，能夠泛化到各個領域，在流程工業生產過程當中，時間序列數據是表達工業裝置特征的重要載體，能顯著增強工業AI模型的泛化與可遷移性。
這也正是中控技術此次推出的TPT技術所抓住的重點。與傳統的大語言模型不同，它基于最新的時間序列數據分析架構，更注重理解生產過程中基于時間序列數據的變化規律。得益于此，TPT在骨子里就更易于跨裝置、跨工廠的廣泛應用。
裝置海量真實數據為核心，實現行業高適配度
縱觀歷史，任何一項突破性技術的誕生和演進，都要經歷漫長的過程，TPT也不例外。早期的時間序列數據模型都相對較小，且局限于某些特定應用場景，而隨著大模型的出現，才逐漸打消了人們對AI數據處理和遷移的顧慮，帶來了更多嘗試和創新的曙光。
自2016年起，中控技術便致力于工業AI領域的研究與開發。隨著大語言模型的出現，TPT團隊觀察到，大語言模型在處理某些特定任務時表現卓越，但在更為復雜的工業控制、優化和風險評估方面，它們似乎難以勝任。這一發現不僅為研發方向提供了新的視角，也激發了對工業AI應用更深層次的思考和創新。自2023年5月起，中控開啟了大規模實驗，用近一年的時間艱難攻克，為完成驗證甚至做了上百個模型。期間，團隊面臨的難題如叢生荊棘，例如如何選擇表征工業核心特征的數據、如何將大語言模型能力移植到垂直應用領域等。
慶幸的是，公司和這支專業團隊并沒有放棄，他們回歸到利用時間序列數據的初心，并追蹤全球領先技術，吸取經驗借鑒并進行大量嘗試，最終在算法層面取得了重大突破，讓這個高性能、高可遷移性的TPT大模型得以問世。如今看來，一切努力都是值得的。
在流程工業企業的設備運維、生產控制、人員管理等層面，TPT展現出極其顯著的價值。
當前，在流程工業領域，仍有一些深層問題仍待思考與解決，但隨著更多類型裝置數據的收集，以及中控大模型能力的開放，以及云服務、邊緣端部署等多樣化服務的支持，將會更好的解決這些深層次的問題，同時該模型的各項能力勢必會得到進一步強化，不斷解決難以解決的問題，幫助流程工業更好的可持續發展。
借力高精度模型，重塑工業智能
如今，市面上AI大模型概念"魚龍混雜"，"換湯不換藥"的現象層出不窮，為何中控技術推出的TPT大模型能備受矚目？除了在流程工業多年積累的好口碑外，其產品的過硬性能不容忽視。以重要的模型精度為例，在運行環境和裝置多變、工況復雜的流程行業，大模型如何避免裝置數據測量誤差和生產環境噪音影響是一大難點。而TPT技術巧妙地捕捉和接納真實生產環境中裝置的實際狀態，這也讓TPT能更好地與真實生產過程進行匹配。
更為重要的是，多年來，中控技術能夠分析海量用戶現場DCS、儀器儀表等IOT設備產生的數據。TPT大模型也正是以多家典型流程工廠客戶的實際數據為基礎開發的，這一優勢也是其區別于其他友商的差異化價值所在。
在流程工業多個細分領域中，TPT展現出了良好的應用效果。例如在某大型離子膜燒堿裝置上，TPT大模型及其配套軟件對裝置進行自主監督，實時分析與異常檢測，降低裝置安全運行風險；對裝置關鍵參數與設備運行狀態進行長周期預測，降低設備運行費用超過10%；同時，對裝置質量指標進行優化控制、設備負荷進行優化分配等，產品產量提升超過1%，單位產品電耗降低2%以上，效果顯著。在某熱電廠鍋爐上，TPT精準預測了各參數的變化，運行平穩率提升30%以上；實現了關鍵參數的最優控制，煤耗下降超過1%，氨逃逸減少超過20%，效果突出。在某石化企業連續重整裝置上，TPT通過復雜重整反應模擬，運行工況分析與最佳參數推薦，實現芳烴收率提升超過0.58%，效益明顯。在解決行業難題方面，氯堿裝置中的一次鹽水pH值波動大、投自動難，難以通過PID控制，TPT控制后，pH值穩定性大幅提升，波動減少45%、操作頻次下降30%，運行周期延長8%以上，有效解決了裝置運行控制上的難題。除此以外，TPT正在氣化爐、CO變換、低溫甲醇洗、雙氧水等裝置上進行應用驗證，進一步提升TPT能力，使其在流程工業核心價值場景中發揮越來越大的價值。
TPT帶來的價值還體現在易用性上。用戶在使用前只需向系統提供裝置的基本控制信號（如溫度、壓力等），并提交少量數據供大模型微調即可。很多情況下，僅提供設備信號就能直接接入實時數據進行分析，無需從零開始訓練，大大提高開發效率和部署速度。
當然，為保障用戶數據安全，中控技術也做了十足的籌備。TPT采集的數據所有權歸用戶所有，中控技術作為服務商僅提供基于數據的能力服務。在訓練過程中，雙方也需簽署數據使用和保密協議，中控技術會嚴格保護用戶數據隱私，僅用于提升模型能力，訓練完成后會回饋給數據來源廠家優先使用。
5T與AI先行者，以TPT 助推產業數智升級
作為國內流程工業數字化與AI技術的領跑者，其實早在2021年，中控技術就推出了極具前瞻性的5T戰略——AI-POET，包括AT（自動化技術）、IT（信息技術）、PT（工藝技術）、OT（運營技術）和ET（設備技術），并持續發布了重大創新的產品與技術，包括OMC（全流程智能運行管理與控制系統）、APEX（流程工業過程模擬與設計平臺）、PRIDE（全設備智能感知平臺）、Q-Lab（全流程智能質量監控平臺）等，可見其在5T戰略方面的投入和決心。
其中，AI作為一種深度延伸的IT技術，是5T技術優秀的載體，不僅能促進不同技術場景下的融合應用，更能驅動工業界的深刻變革。此次中控技術面向流程工業發布的TPT大模型，正是其基于AI原生能力開發的新產品，未來TPT也將成為中控技術打造新型技術融合創新解決方案的重要支撐。
在AI技術被大眾熟知的今天，盡管對"安穩長滿優"有嚴苛要求的流程工業，仍呈現出較為保守的觀望姿態，但企業在安全的前提下嘗試AI技術，擁抱產業"智變"的更多價值和可能性，依然值得鼓勵。令人欣喜的是，現階段，無論是中國還是全球各國家和機構，都在積極制定利好的相關政策法規，并對AI大模型及其衍生技術的落地應用給予大力支持。
與此同時，TPT的發布讓中控技術成為了全球首個落地流程工業應用的時序大模型的廠商。聚光燈下，面對技術未來發展的未知和難測，以及即將到來的激烈市場競爭，中控始終保持開放與持續進步的健康心態，并期望與更多合作伙伴創建更多應用、增強模型能力，推動整個流程工業的智能化轉型，為流程工業打造新質生產力注入澎湃動能。
