又一个工业明珠诞生了...最近看到一个高赞评论说：“没了西门子、阿尔斯通、日立的自动控制系统，中国的轨道交通、甚至自动化工厂全部都得回到解放前”，事实真是如此吗？

我们先从轨道交通说起，以地铁为例，地铁上用的控制系统叫CBTC信号系统，简单讲就是地铁能随时告诉地面控制中心和站台门，我在哪儿、跑的有多快，而地面和站台门就是根据这信息精准指挥停车，这就是为什么每次地铁停下的时候，地铁门和站台门总能严丝合缝对齐的原因。

我们来看一下2024年全国城市轨道交通信号系统中标统计名单，哪怕你把前两个合资品牌去掉，后面也是清一色的自主品牌。

我们再来看一下2024年CBTC信号系统的全球市场份额排名，不算合资品牌，我们也有两个自主品牌进入前7。所以你不能因为国外品牌起步早、装车量多，就无视自主品牌后发崛起的客观事实，这是基本逻辑。

我们再来讲一下工厂用的自动控制系统，由于种类繁多，这里我以电力、化工、石油、冶金等流程工业常用的DCS系统举例说明。和单机设备或小型生产线使用的PLC不同，DCS是分布式控制系统，主要用于大型连续生产项目。

分布式控制，顾名思义，就是把控制分散在多个节点上，再将这些节点通过网络连接起来，用中央服务器来集中管理。这种把鸡蛋放在不同篮子里带来的好处是，一个节点故障，仅仅影响当前这个节点的控制，别的节点不受影响。

我们来看一下国内2024年DCS市场份额排名，前两名自主品牌占据了半壁江山，其中中控技术以40.4%排名第一，这已经是中控第十四年蝉联DCS市场榜首！

有些人这时候要跳出来说：“核心部件是国外的....”我就等你这句话呢，中控核心高端控制器（主控芯片自主设计，中芯国际等国内晶圆厂代工，自研工业操作系统SupOS（大中小企业全适配），组态软件、控制算法库100%自研。

最重要的一条：国内首家通过wurldtech's achilles Level II国际认证” 的DCS，认证要求核心硬件/软件供应链透明。中控作为认证主体，证明其具备对核心部件的完全掌控能力。

在稳固DCS发展的同时，中控还研发出了全球首款通用控制系统UCS，其最大技术突破是实现了控制与工业AI的深度融合，彻底颠覆延续近50年的传统集散控制系统的技术架构，可以说UCS就是工业4.0的智能化技术巅峰，同时也是工业5.0的率先实践者。

经常听到有人说，中国企业只会从1-100，不会从0-1，这其实就是一个国外先发优势以及国内后发先有鸡还是先有蛋的问题，西门子、施耐德、霍尼韦尔这些国外工控巨头，哪个不是百年历史？而中国民营企业大部分是在2000年后成立的，也就是中国加入世贸组织才开始发展的。

这两年因为买基金股票，有去深入了解整个中国工业圈子，让我见识了不少创新案例，比如UCS其实就是一个从0-1的革命性创新，并且已经落地应用到了欧洲一家锂电池隔膜工厂内，实现了机柜室空间减少90%，电缆耗材成本降低80%，建设周期缩短50%。

能从西门子、施耐德垄断的大本营抢食，已经说明了UCS技术的独一无二性，再结合中国工业AI大模型的优势（美国制造业空心化+谷歌等巨头即便做出来这种时序大模型也没法落地，因为这玩意需要工业经验积累、要懂工艺流程，互联网大厂想都不要想，国外传统工控巨头在这方面又反应迟钝、能力有限），而中国企业有足够多的工业数据、工业场景，这是任何一个国家都不具备的条件。

具体独特在哪呢？我们都知道，目前流程工业工厂中的生产过程自动化可以细分为“生产操作自动化”与“生产运行自动化”两个层级。前者代表UCS，聚焦设备控制与流程执行，后者代表中控自主研发的全球首款流程工业时序大模型TPT，目前已经迭代升级到了TPT2，这是TPT1版本和TPT2版本的区别，大家可以看一下。TPT2版本能实现生产过程的自主判断、异常处理、优化调整。

有些朋友可能第一次听到时序大模型这个概念，稍微解释一下。大家都知道，工厂里每台设备、每个动作，都会留下“按时间顺序排队的数字队伍”。比如说这是一台机器一段时间内的数据：“第1分钟：震动值=5，温度=30℃。第2分钟：震动值=6，温度=31℃。第3分钟：震动值=7，温度=32℃。”……直到第7天：“嘭！”机器坏了！这些按时间排好的震动、温度数据，就是时间序列数据。

那时序大模型怎么用这些数据预测未来呢？你想啊，机器和人一样，不会突然死掉，死之前肯定会有“发烧感染等症状”。比如机器正常震动值是5，但坏之前一周：震动值偷偷爬升：5→6→8→10→15，温度异常波动：30℃→35℃→40℃。

人眼可能会忽略这些细微变化，但时序大模型一眼就看出数据不对劲了，因为你让它啃完了工厂10年的设备数据，记住了所有坏掉前的数据模式，所以它会感觉数据不对劲，像极了上次坏掉前的症状。然后会在震动值开始偷偷爬升的时候，就提前报警告诉你，该检修一下机器了。

我为什么强烈推荐大家一定要去用一下？因为工厂上工业AI大模型是大势所趋，你不去主动学习了解，你就会落后于人。

那有些朋友会说：“工业场景容错率极低，而AI大模型又容易产生幻觉，从而引发安全事故，我们不想承担试错风险”。这样的担心有没有道理呢？

有道理，工业AI模型的性能在很大程度上取决于训练数据的质量和数量，以及对特定工艺流程的理解。而我们常见的那些通用大模型，缺乏垂直行业的深度。互联网大模型企业没有工业经验积累，不懂工艺流程。所以如果直接把这些通用大模型放到工厂，那就是个定时炸弹。

而中控技术和这些互联网公司的本质区别在于：中控深耕流程工业三十余年，服务了全球3.7万多家客户，覆盖流程工业50多个细分行业，已累计部署逾10万套工业控制系统，约1亿个I/O点。这些控制系统作为数据集成和知识汇集的载体，最终汇聚形成了庞大的工业数据资源库，这就是TPT2作为流程工业可靠大模型，保障生产安全的底气。

据我了解，西门子、霍尼韦尔、艾默生这些国外工控巨头，都还没有发布任何面向流程工业的时序大模型，所以实事求是的讲，TPT2是具有全球领先优势的。这种技术上的领先优势，使其在市场竞争中脱颖而出。TPT 2发布当日就达成了累计预定订单企业518家，成交量112套的好成绩。这些数据充分体现了市场与客户对TPT 2的高度认可。

就拿其中一个最成功的案例来说，某化工企业成功将一套百万吨级硫酸装置的操作频次，从一天最高六千多次降到日均不到10次，甚至可以多天连续零次运行。

这才是工业5.0工厂该有的样子，让AI自主维持生产最优状态，而工人从操作员转变成了监护人。