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(fā)展和迭代態(tài)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(fā)展，業(yè)內多家公司都推出了具有更強大理解能力的多模態(tài)大模型（如GPT-4o、Gemini1.5Pro、LLaMA3.1等），AI技術應用更是在各行業(yè)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(tǒng)的流程工業(yè)（石化、化工、造紙、冶金、建材、醫(yī)藥等）領域，企業(yè)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(huán)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(yōu)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(yè)高質量發(fā)展、轉型升級的迫切需求。
工業(yè)領域已經成了AI大模型應用的重要戰(zhàn)場，在這個背景下，流程工業(yè)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(yè)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(fā)布了流程工業(yè)首款時序大模型TPT（Time-series Pre-trained Transformer），開啟了產業(yè)落地應用的進程。
TPT的發(fā)布一時引發(fā)行業(yè)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(yè)企業(yè)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(yè)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(tǒng)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(tài)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(wěn)定性、能耗物耗優(yōu)化、安全風險防控甚至是運行操作等流程工業(yè)的核心環(huán)節(jié)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(yè)生產過程當中，時間序列數據是表達工業(yè)裝置特征的重要載體，能顯著增強工業(yè)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(tǒng)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(guī)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(yè)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(chuàng)新的曙光。
自2016年起，中控技術便致力于工業(yè)AI領域的研究與開發(fā)。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(yè)控制、優(yōu)化和風險評估方面，它們似乎難以勝任。這一發(fā)現不僅為研發(fā)方向提供了新的視角，也激發(fā)了對工業(yè)AI應用更深層次的思考和創(chuàng)新。自2023年5月起，中控開啟了大規(guī)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(yè)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(yè)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(yè)企業(yè)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(yè)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(yè)更好的可持續(xù)發(fā)展。
借力高精度模型，重塑工業(yè)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(yè)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(huán)境和裝置多變、工況復雜的流程行業(yè)，大模型如何避免裝置數據測量誤差和生產環(huán)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(huán)境中裝置的實際狀態(tài)，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(fā)的，這一優(yōu)勢也是其區(qū)別于其他友商的差異化價值所在。
在流程工業(yè)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(jiān)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(tài)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(yōu)化控制、設備負荷進行優(yōu)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(wěn)率提升30%以上；實現了關鍵參數的最優(yōu)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(yè)連續(xù)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(yè)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(wěn)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(yè)核心價值場景中發(fā)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(tǒng)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(fā)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(xié)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(yōu)先使用。
5T與AI先行者，以TPT 助推產業(yè)數智升級
作為國內流程工業(yè)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(zhàn)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(xù)發(fā)布了重大創(chuàng)新的產品與技術，包括OMC（全流程智能運行管理與控制系統(tǒng)）、APEX（流程工業(yè)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(jiān)控平臺）等，可見其在5T戰(zhàn)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(yōu)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(yè)界的深刻變革。此次中控技術面向流程工業(yè)發(fā)布的TPT大模型，正是其基于AI原生能力開發(fā)的新產品，未來TPT也將成為中控技術打造新型技術融合創(chuàng)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(wěn)長滿優(yōu)"有嚴苛要求的流程工業(yè)，仍呈現出較為保守的觀望姿態(tài)，但企業(yè)在安全的前提下嘗試AI技術，擁抱產業(yè)"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(guī)，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(fā)布讓中控技術成為了全球首個落地流程工業(yè)應用的時序大模型的廠商。聚光燈下，面對技術未來發(fā)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(xù)進步的健康心態(tài)，并期望與更多合作伙伴創(chuàng)建更多應用、增強模型能力，推動整個流程工業(yè)的智能化轉型，為流程工業(yè)打造新質生產力注入澎湃動能。
