第二也可以在游戏内商城:在游戏界面中找到 “微信金花,斗牛链接房卡”“商城”选项,选择房卡的购买选项,根据需要选择合适的房卡类型和数量,点击“立即购买”按钮,完成支付流程后,房卡会自动充值到你的账户中。
第三方平台:除了通过微信官方渠道,你还可以在信誉良好的第三方平台上购买炸金花微信链接房卡怎么搞。这些平台通常会提供更丰富的房卡种类和更优惠的价格,但需要注意选择的平台以避免欺诈或虚假宣传。
购买步骤:2026年11月20日 18时37分22秒
1:打开微信,添加客服【11723366】,进入游戏中心或道游大厅
2:搜索“房卡大厅”,选择合适的购买方式以及套餐。 专题:2026上交所国际投资者大会 炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会! 文/新浪财经上海站 陈秀颖 当一座化工厂每天产生数以万计的生产数据,当一套复杂的工业装置需要工程师持续监控温度、压力与流量,当一条生产线仅仅通过优化工艺参数,就有可能创造数百万元甚至数千万元的经济效益,人工智能的价值正在从数字世界深入到真实的工业生产现场。 过去,工业自动化解决的是让机器按照预设的程序稳定运行,而人工智能正在尝试迈出更重要的一步:让生产系统能够理解工艺、预测变化、优化参数,甚至在安全约束下自主完成生产决策。 这场变化,也正在重塑企业的商业逻辑。过去,企业购买的是软件授权、控制系统和技术服务;如今,随着工业AI直接参与生产优化,技术的价值开始与能源消耗、产品质量和生产效率等具体指标建立联系,工业技术企业正在尝试让客户为实际创造的价值买单。 站在这个转折点上的,是与工业控制系统打了三十多年交道的中控创始人褚健。 “在去年8月份之前,我们的TPT时序大模型2.0出来之前,我也将信将疑。”11月13日,在2026年上海证券交易所国际投资者大会期间,褚健在与新浪财经对话时坦言,尽管自己一直看好工业AI,但对于技术能否实现预期目标,曾经也存在过不确定性。 随着时间序列大模型TPT持续迭代,以及越来越多应用案例得到验证,这种判断正在发生变化。 褚健透露,中控技术TPT已在数十个细分行业落地应用,成功应用于数百个项目中。公司正推进自主运行工厂建设,并计划为行业培养至少一万名用户工程师,让工业AI从专业研发团队进一步走向生产一线。 技术变化已经开始体现在经营数据中。 中控技术2026年第三季度报告显示,公司前三季度实现营业收入55.06亿元,其中工业AI业务收入6.19亿元,占同期营业收入约11.25%。前三季度,公司研发投入达到7.06亿元,同比增长8.03%,研发投入占营业收入比例达到12.82%。 工业AI逐渐成为中控技术业务体系中具有重要战略意义的新增长方向。公司也开始推动工业AI业务从传统软件的一次性买断授权模式,向模型即服务(MaaS)、结果即服务(RaaS)的价值订阅模式发展,尝试将技术服务与客户的生产效益进一步结合。 在褚健看来,工业AI的价值远不止于软件本身。他以中国流程工业约60万亿元的产业规模作了一个测算:如果通过工业技术创新实现相当于产业规模1%的效率改善,对应的潜在价值便达到6000亿元。这并非已经实现的经济收益,却为工业AI进入生产现场提供了一个直观的价值尺度。 从三十多年前推动国产工业控制技术发展,到如今探索工业AI与自主运行工厂,褚健试图完成的,是让中国工业技术从自动化走向更高水平的智能化,并将技术进步转化为制造业能够持续获得的经济效益。 三十年工业自动化积累,迎来AI时代的新机遇 1993年,褚健创办中控的前身时,中国工业自动化产业仍处于发展初期,大型工业控制系统市场主要由跨国企业占据。 在化工、石化、冶金等流程工业领域,工业控制系统承担着复杂生产装置的运行控制任务。不同于一般软件产品,一套工业控制系统是否可靠,直接关系到工厂的生产安全和连续运行能力。 正因如此,工业技术的竞争必须经受真实生产环境的长期检验。这也塑造了褚健对工业技术竞争的理解。“我们竞争的不是价格,我们首先竞争的是性能。”在他看来,稳定性、可靠性、可用性和安全性,构成工业控制领域不可回避的技术门槛。 经过三十多年的发展,中控技术的业务已覆盖工业自动化控制系统、工业软件、仪器仪表以及工业AI等多个领域。 根据公司2026年半年报,中控技术已累计服务超过4万家流程工业客户,核心产品应用覆盖全球50多个国家和地区。公司在工业自动化领域累计部署超过10万套控制系统,涉及1亿多个I/O点。 所谓I/O点,可以理解为工业控制系统采集现场信号和输出控制指令的接口点位。数以亿计的I/O点背后,是大量设备运行状态、工艺参数以及生产控制信息。 这些长期积累的工业技术和应用经验,正成为中控技术发展工业AI的重要基础。 2026年上半年,公司工业AI业务实现收入3.85亿元,并已在中国石油、中国石化、中煤等大型企业开展应用。 行业层面,人工智能进入制造业的速度也在加快。 国家统计局数据显示,2026年前三季度,我国规模以上工业增加值同比增长5.3%,其中高技术制造业增加值增长14.3%。截至前三季度,全国已累计建成500余家卓越级智能工厂,规模以上制造业人工智能技术重点场景应用普及率超过三分之一。 在工业软件市场,公司半年报援引IDC预测,2024年至2029年,中国“AI+工业软件”细分市场年复合增长率预计达到41.4%,高于同期核心工业软件市场预计增速。 随着工业AI逐渐从辅助分析走向生产优化,工业软件企业的价值衡量方式也有望发生变化。过去,软件的功能、授权数量和部署规模是重要的商业指标;未来,技术能为客户减少多少能源消耗、提升多少生产效率,也可能成为更加直接的价值体现。 当传统工业控制技术积累与新一代人工智能算法结合,中国工业软件产业迎来了新的技术发展窗口。褚健认为,人工智能技术有可能改变原有工业软件的竞争格局,让中国企业在部分领域获得新的突破机会。 “中国的制造业足够大,有更多的机会,所以我觉得中国是未来非常有竞争力的地方。” 以下为新浪财经与褚健的对话,经整理编辑。 工业AI将如何改变中国制造的竞争格局? 新浪财经:您认为,中国企业要在全球工业软件领域形成更强的影响力,最重要的突破口是什么?AI是否可能改变原有的国际竞争格局? 褚健: 我认为,未来人工智能在很大程度上能够替代过去的一部分软件。当然,并不是所有软件都会被替代,但相当一部分软件的技术形态和应用方式可能会发生改变。 过去三十多年,中国工业技术企业一直在追赶国际先进水平。尤其是在部分工业应用软件领域,我们与国际领先企业之间确实存在差距。 但AI时代可能会带来新的变化。人工智能不仅是对现有软件功能的改进,也可能让原来通过传统软件技术很难解决的问题,找到新的解决办法。 过去很多工业问题需要专门开发算法、建立模型,再针对具体场景进行大量工程实施。现在通过人工智能,我们有机会让模型从更广泛的数据中学习规律,并将获得的能力应用于更多工业场景。 这就可能改变原有的技术研发和应用方式。 中国制造业拥有一个非常重要的优势,就是产业规模大、行业门类齐全、应用场景丰富。 人工智能需要在真实场景中不断学习和验证。中国有大量化工厂、炼油厂、钢铁厂以及其他工业企业,这些企业拥有不同的生产工艺和复杂的生产装置。 如果能够把AI技术与这些工业场景结合起来,我们就有可能在一些领域接近国际先进水平,甚至实现超越。所以我觉得,工业AI对中国制造业是一个非常重要的机会。 新浪财经:中控技术过去一直与国际工业自动化厂商竞争。进入工业AI时代以后,公司在全球市场上最重要的竞争优势是什么? 褚健: 首先,我认为我们过去三十多年本来就在参与国际竞争。 因为中国市场本身就是一个国际市场。大量跨国公司在中国投资建厂,他们的先进技术、生产装置和控制系统都在中国应用。我们一直是在与国际厂商同台竞争的环境中发展起来的。 中控从最初规模很小,到今天能够与跨国公司竞争,这个过程并不容易。 国际厂商有历史悠久的品牌,在全球市场有很高的知名度,用户对它们的认可程度也比较高。这些都是我们进入海外市场需要面对的现实情况。 但是我认为,中控的技术和产品不应该只应用于中国,也完全有机会在全球工业市场推广。 我们在海外首先要进入客户的供应商短名单,然后获得项目验证和实际应用的机会。 工业控制领域非常看重技术性能,特别是稳定性、可靠性和安全性。用户不会因为一个产品便宜,就忽视生产风险。 因此,我们必须保证自己的产品在技术性能方面不输于国外先进产品,同时能够提供具有差异化价值的技术和解决方案。 未来,中控参与国际竞争,一定不是单纯依靠低价格,而是依靠先进技术、高性能和高质量。 从多行业拓展到数百个项目成功应用,工业AI进入产业验证新阶段 新浪财经:中控技术已经将TPT时间序列大模型拓展到多个行业,并开始探索订阅制的商业模式。您如何评价目前工业AI的应用进展?是否已经证明了它在工业生产中的实际价值? 褚健: 我们已经拓展了很多行业,但不是为了拓展而拓展。 首先要解决的是一个非常实际的问题,就是我们的TPT在不同的细分行业里,究竟能不能解决真实的生产问题。 工业企业最关心的是什么?我认为主要是安全、质量、效益和低碳。 比如生产装置能不能运行得更加稳定,产品质量能不能进一步改善,能耗能不能降低,生产过程中的安全隐患能不能提前发现。 这些问题都是工业企业每天需要面对的。 我们过去一年多做了大量验证,特别是希望了解,模型进入一些过去没有充分学习过数据的行业和生产装置以后,是不是仍然具有解决问题的能力。 现在从验证情况来看,很多场景都能够应用,效果也不错。目前,我们已经在几十个细分行业落地应用,成功应用在数百个项目中,而且还在持续增加。 当然,我并不是说模型已经什么都能做,或者所有问题都已经解决。工业AI需要持续学习。我们现在掌握的数据还没有涵盖所有工业场景,未来仍然需要获取更多高质量工业数据,不断训练和优化模型。 但经过这一年多的应用实践,我们对这项技术的认识越来越清楚,信心也越来越强。 过去有些工业专家不相信AI能够直接解决复杂生产问题,因为在他们原有的技术认知里面,这些事情确实很难实现。 但人工智能技术正在改变过去的一些方法。我们通过自己的算法研发和大量真实生产数据训练,已经在一些具体应用场景中验证了模型能力。 接下来,我们还要持续提升模型能力,做更多应用案例,让工业AI能够在更大范围内帮助用户解决问题。 新浪财经:从单个应用案例走向更大范围推广,工业大模型真正的技术门槛是什么?中控技术如何建立自己的竞争壁垒? 褚健: 工业生产和一般的知识问答不一样。 工业现场有非常复杂的生产过程,不同工厂、不同设备、不同工艺之间存在很多差异。 但在流程工业领域,我们也发现,它有一些共同的基础规律。比如能量平衡、物料平衡,这些都是流程工业必须遵循的规律。
3:如果选择微信官方渠道,按照提示完成支付,支付成功后,房卡将自动添加到你的账户中。
4:如果选择第三方平台,按照平台的提示完成购买流程,确认平台的信誉和性。
5:成功后,你可以在游戏中使用房卡进行游戏。
注意事项
1:打开微信,添加客服11723366,进入游戏中心或道游大厅
2:搜索“新卡农怎么买房卡”,选择合适的购买方式以及套餐。
3:如果选择微信官方渠道,按照提示完成支付,支付成功后,房卡将自动添加到你的账户中。
4:如果选择第三方平台,按照平台的提示完成购买流程,确认平台的信誉和性。
5:成功后,你可以在游戏中使用房卡进行游戏。
新卡农怎么买房卡2026年11月20日 18时37分22秒
【央视新闻客户端】

我们可以把工业生产理解成烧菜。烧菜有菜谱,工业生产也有工艺。
在化工、炼油等行业,生产过程会经过反应器、精馏塔、吸收器、分离塔、压缩机等不同装置。各种装置通过不同的组合,完成不同的生产过程。
原料不一样,工艺条件不一样,最终得到的产品也不一样。
所以模型首先需要理解工业工艺,认识工艺流程图,理解这些设备之间的关系。
然后,我们再把相关生产数据经过清洗、标注,与工艺知识结合起来,让模型学习其中的规律。
当模型掌握了这些基础规律,就可以进一步探索如何在没有充分学习过数据的新场景中应用。
这就是我们所说的泛化能力。
但是泛化不意味着模型到了任何工厂,就一定可以直接控制生产。它需要结合当地工厂的实际生产数据,进一步进行优化和调整。
比如我们可以利用过去一周、一个月的生产数据,帮助模型更好地认识这座工厂的实际运行情况。
工业AI的价值并不只是回答问题,而是最终能够进入真实的工业生产过程,形成闭环运行。所以它需要解决的技术问题比一般大模型更加复杂。
还有一个非常重要的要求,就是安全。
工业现场不能允许模型产生不受约束的错误判断。
比如模型建议把一个阀门开大一点,不能只判断大概没有问题,而是必须确保相关操作符合工艺条件、安全要求和控制约束。
我们需要通过算法和工业控制技术,让模型的决策能够满足这些要求。这也是我们长期积累工业控制技术的重要价值。
工业数据与工艺知识,构成AI创造产业价值的重要基础
对于工业AI而言,数据不仅是训练模型的资源,更是连接算法与物理世界的桥梁。
与互联网大模型主要学习文本、图像等信息不同,流程工业产生的是大量连续变化的时间序列数据。
一座化工厂的反应温度、进料流量、设备压力、能源消耗、产品质量等指标,会随着工况变化不断波动。这些数据背后存在复杂的物理关系和工艺约束。
中控技术半年报显示,TPT基于工业时序数据和混合专家模型架构研发,形成模拟、控制、优化、预测、评估五大能力,并通过工业智能体应用于设备状态感知、生产运行优化和异常预警等场景。
这种技术路线的特点,是将模型能力与工业生产过程紧密结合,而不是停留在一般性的知识问答层面。
对于工业AI企业而言,模型能够预测什么固然重要,但能否进一步改善生产过程、创造可以衡量的经济效益,才是商业化价值的关键。
新浪财经:工业数据具有很强的专业性,而且不同工厂的数据差异很大。中控技术如何建立工业数据体系,并让模型适应新的生产现场?
褚健: 我们使用的都是真实的工业生产数据。
中控有大量工业用户,我们也成立了工业数据联盟,希望通过合作获得更多真实生产数据,持续训练我们的模型。
但是,不同工厂的数据确实存在差异。即使两家企业生产的是同一种产品,它们的设备、原料、工艺条件以及实际运行状态,也可能有所不同。
比如我们已经学习过一家化肥企业的生产数据,现在要把模型应用到另一家化肥企业。
虽然两家企业生产的产品类似,但第二家企业的数据,我们过去可能没有学习过。
那么模型是不是一定能够直接达到非常高的准确程度?不一定。
但因为模型已经学习了相关行业的基础规律,我们可以进一步利用第二家企业自己的生产数据进行优化。
这样就能够让模型更好地适应具体企业。
我认为,这也是工业AI能够推广的重要原因。
它不是每到一家新工厂,就必须完全从零开始研发。而是首先利用已经掌握的工业知识和模型能力,再结合具体工厂的生产数据进行调整。
随着模型接触的行业越来越多、学习的数据越来越丰富,它的适用范围和解决问题的能力也有机会继续提升。
自主运行工厂:从自动控制走向智能决策
如果说工业大模型让机器具备理解工业生产的能力,那么自主运行工厂则试图将这种能力应用于实际控制过程。
按照中控技术的技术体系,自主运行工厂(AOP)以时间序列大模型TPT与通用控制系统UCS为重要基础,构建从生产状态识别、运行评估到决策优化和控制执行的闭环。
其中,TPT承担工业数据分析、预测与决策优化任务,控制系统则负责与生产现场连接,并执行符合约束条件的控制指令。
两者结合,意味着工业AI不再只是向工程师提供一份优化建议,而是有机会在经过安全验证的条件下,将优化方案进一步落实到实际生产过程。
中控技术半年报披露的应用案例,已经能够体现部分经济价值。
在湖北兴瑞项目中,公司披露报警频次平均降低99.8%,人效提升69%,吨碱电耗下降约50千瓦时。
在万华化学宁波氯碱项目中,公司披露的整体年度效益节省约1058万元,报警率下降50%以上。
这些具体指标,也让工业AI的价值逐渐从技术概念转化为能够衡量的生产效果。
对于工业客户而言,技术带来的不仅是控制方式的变化,更可能体现为年度能源支出的减少、装置运行效率的提高以及产品附加值的改善。这也是工业AI探索结果导向收费模式的重要基础。
新浪财经:中控技术已经在湖北兴瑞等项目中探索自主运行工厂。您如何定义工厂的自主化程度?未来工业生产能否像自动驾驶一样实现不同等级的自主运行?
褚健: 去年我们提出TPT 2.0,模型的泛化能力已经有了很大提升。
这里面实际上有两种泛化。
一种是应用场景的泛化,也就是模型能够应用到不同的工业企业、不同的生产装置。
另一种是能力的泛化。

比如模型原来只能解决某个生产效率问题,后来用户又提出,希望能够进一步解决安全、质量或者其他方面的问题。随着模型能力越来越强,它能够承担的任务也越来越多。
像湖北兴瑞这样的项目,很多需求实际上就是用户工程师提出的。有些需求并不是我们一开始就想到的,而是用户在真实生产过程中遇到了问题,我们再利用模型帮助他们解决。
随着这些应用不断增加,我们就开始思考,能不能让工厂实现更高程度的自主运行。
比如能不能像汽车自动驾驶一样,分成L1、L2、L3、L4、L5几个等级。目前我们认为,相关项目已经可以达到L3。所谓L3,就是大多数情况下人不需要直接介入,生产控制主要由系统和AI来承担。
未来,如果绝大多数生产过程都能够实现自主运行,只是在开停车等特殊情况下由人工参与,就有可能进一步向L4发展。
如果连开停车也能够自主完成,那么就更加接近L5。当然,工业企业与汽车自动驾驶存在很大差异,不同工厂、不同工艺之间也不完全一样,所以这套分级框架目前还在探索中。
但我们希望实现的目标是明确的,就是让工业企业具有更强的自主运行能力。
新浪财经:自主运行工厂能够为企业带来的最重要变化是什么?如何理解它在生产安全、产品质量和经济效益方面的价值?
褚健: 我觉得未来工业企业发展自主运行,最重要的不是简单减少人员。
首先,工人在生产系统运行的时候,不需要始终保持高度紧张,劳动强度可以大幅下降。其次,就是生产安全性能够进一步提高。工业生产是在真实的物理世界中进行的,设备可能老化,也可能需要检修,还可能遇到一些无法完全预见的情况。
我们希望通过更加智能的系统,尽可能减少人为操作导致的安全风险,让生产过程更加稳定。
但是我认为,更重要的一个方面是提升产品质量。比如同样的化工原料,如果生产工艺不一样,最终得到的产品品质就可能存在很大差异。
我举一个简单的例子,同样的原料,原来可能只能生产每吨卖1000元的产品。
如果通过调整配方、优化生产工艺,提高了产品性能,就有可能生产出每吨卖2000元的产品,而生产成本不一定会出现同等幅度的增加。
这个时候,企业的竞争力就不一样了。过去这些优化可能高度依赖专家经验。但不是所有企业都有同样丰富的经验,也不是所有工程师都能够掌握最先进的工艺优化能力。
现在,我们希望通过AI,把这些经验和技术能力进一步转化为能够广泛应用的工具。不仅帮助企业降低成本,还要帮助企业提高产品质量,生产更高附加值的产品。
我认为,这才是工业AI对制造业高质量发展非常重要的价值。
从项目交付到工程师生态,工业AI的应用方式正在改变
工业AI要从一个成功案例进入更多工厂,还需要解决工程实施的问题。
不同于通用软件下载安装即可使用,工业AI需要与现场控制系统、设备参数和工艺流程结合。即使模型已经具备相关能力,在进入具体工厂之前,仍然需要完成数据处理、工艺适配、测试验证和运行优化。
这意味着,技术研发能力之外,工程化交付能力也将成为工业AI企业竞争的重要组成部分。
褚健提出的一个方向,是让工业AI工具更加标准化,并让用户工程师直接参与应用开发。
在传统工业软件模式下,客户往往依靠供应商派出专业团队完成实施。随着模型与智能体工具逐渐成熟,部分应用开发和优化工作有机会由熟悉现场工艺的客户工程师完成。
对于工业AI企业而言,交付效率的提升尤其重要。只有降低项目实施的重复性工作,让模型能力能够在更多场景中复制,技术创造的客户价值才有机会进一步转化为规模化业务。
新浪财经:工业AI部署到工厂以后,会涉及安装、调试以及后期维护成本。如何平衡企业的技术投入和实际收益?
褚健: 工业AI模型与传统机电设备不完全一样。
比如机器人这样的机电产品,由于包含很多机械和电子部件,需要进行相应的维护。工业AI模型本身能够持续学习和迭代,不需要像硬件设备一样进行定期机械检修。但如果用户需要增加功能,或者希望利用AI解决新的问题,就可能需要进一步开发和优化。
我们希望未来能够培养更多用户工程师,让他们自己掌握相关工具。如果用户能够自己完成应用开发和优化,就不一定每个问题都需要我们派工程师到现场解决。
当然,真正需要投入比较多精力的,是工业AI的前期部署。工业现场不像手机安装一个APP,几分钟就可以完成。因为我们要解决的是实际生产问题,需要理解工艺、处理数据,还要进行相应的测试和验证。有些项目可能需要三个月,甚至半年。
比如煤化工里面的气化炉,它是一个非常重要的生产装置。
过去我们做一个气化炉相关项目,可能需要将近半年的时间。现在有一些年轻工程师,在TPT的基础上结合气化炉的特点,开发了AI智能工具。未来有可能把过去将近半年的项目交付周期,缩短到一两个星期。
如果能够把这样的工具进一步交给用户工程师使用,让他们自己完成更多工作,工业AI应用推广的效率就可以大幅提高。
新浪财经:湖北兴瑞这样的项目能否形成持续的商业化需求?从客户反馈来看,工业企业对于AI的接受程度发生了什么变化?
褚健: 目前类似湖北兴瑞这样的用户,现在越来越多。跟一年前相比,我感受到的变化非常明显。一年前,我们还会考虑,愿意尝试工业AI的企业到底有多少。现在我们发现,越来越多企业有非常迫切的需求。
工业企业对自己的生产情况其实非常清楚。他们知道哪些环节存在生产瓶颈,哪些地方可能进一步降低能耗,哪些工艺参数还有优化空间。当我们向他们介绍工业AI的能力时,很多企业能够理解通过这种技术解决问题的逻辑。
当然,企业也会关心,技术到底能不能达到预期效果。这就需要我们通过实际案例证明。所以对于一些有积极意愿的客户,我们会尽量帮助他们开展应用验证。当案例真正取得效果以后,用户对技术的认识就会发生变化。
现在需求的发展比我们原来预计得更快。我们一年前就考虑过,要培养几百名能够到现场交付的工程师,但现在看来,相关准备还需要进一步加强。
因为工业现场的问题非常复杂,不同企业的需求也不一样。有的企业更加重视安全,有的希望提高产品质量,有的希望进一步降低成本、改善生产稳定性。
我们的工程师需要和用户工程师一起研究这些问题。这个过程不仅是我们为用户提供技术,也是我们不断从用户的实际需求中学习,进一步完善模型和工具。
新浪财经:您提出未来为行业培养至少一万名用户工程师。为什么工业AI要走向这种由更多工程师参与的应用模式?
褚健: 因为用户最了解自己的工厂。
一个工厂里面,哪些设备经常出现问题,哪些生产参数可以进一步优化,哪些地方有节能空间,通常是用户工程师最清楚。
我们的模型提供了一种新的技术工具,但具体要解决什么问题,还需要结合用户对生产现场的理解。如果所有工作都依赖我们的工程师完成,推广速度就会受到限制。但如果有更多用户工程师能够使用这些工具,他们就可以根据自己的需求,开展相应的开发和优化。
这相当于把工业AI的应用能力进一步推广到生产现场。
我们最近就有一家企业,派了三十多名工程师到公司参加培训,学习相关工具。回到工厂以后,还要在实际生产过程中应用,随着工具不断完善,用户工程师积累的应用经验越来越丰富,这种方式的效率就有机会不断提高。
所以我们希望未来能够为行业培养至少一万名用户工程师。让更多熟悉生产工艺的人参与工业AI应用,这是推动技术进一步普及的重要方向。
从卖软件到价值订阅模式,工业AI的商业价值如何兑现?
随着工业AI应用进入更多生产场景,其商业模式也正在发生变化。

中控技术2026年半年报提出,公司正推动工业AI业务从传统一次性买断授权,逐步向模型即服务(MaaS)、结果即服务(RaaS)的价值订阅模式发展。
两种模式的区别在于,前者侧重向企业提供持续使用模型能力的服务,后者则尝试将收费与企业获得的实际生产改善效果建立联系。
对于传统工业软件企业来说,商业模式往往围绕软件产品、项目实施及后续技术服务展开。客户采购软件,获得的是特定的系统功能和使用能力。
而当工业AI能够直接参与工艺优化,商业价值的衡量方式便有了新的可能。
一项工业AI技术究竟值多少钱,不仅可以取决于模型的功能和部署规模,也可以考察它是否帮助企业降低了能源消耗、提高了产品合格率,或者减少了非计划停车带来的损失。
对工业客户而言,这意味着数字化投资能够进一步与生产经营效果挂钩;对中控技术这样的工业AI供应商而言,则意味着技术能力需要在实际生产中持续创造可以衡量的价值。
公司半年报披露,在湖北三宁、湖北兴瑞、万华化学等项目中,工业AI应用取得了生产稳定性、运行效率和能源利用等方面的显著改善。
从单个装置的工艺优化,到整座工厂的自主运行,工业AI正在逐步形成更加具体的价值衡量体系。
这种变化的深层意义在于,工业智能化的竞争正在从提供多少软件功能,进一步延伸到能够为客户创造多少实际效益。
不过,项目创造的客户效益与中控技术自身实现的收入属于不同口径。价值订阅模式仍处于探索和推进过程中,相关业务未来能否形成稳定、可持续的收入,还需要结合合同模式与后续经营数据判断。
6000亿元潜在价值背后,工业AI打开中国制造新空间
新浪财经:近年来越来越多国际投资者关注中国的工业技术企业。您认为资本市场应该如何理解工业AI的产业价值?
褚健: 我认为,现在还有很多人没有真正认识到,工业AI已经开始能够解决工业生产中的实际问题。
很多人谈人工智能,首先想到的是大语言模型,想到怎样把这些知识应用到企业管理当中。但我更加关注的,是怎样利用AI技术直接解决生产制造问题。这两者之间是有区别的。
工业AI最终需要进入生产现场,帮助企业改善工艺、提高产品质量、降低能源消耗、提升生产安全水平。这些才是工业AI非常重要的应用价值。
不瞒你说,在TPT 2.0推出之前,我虽然一直对工业AI的发展方向充满信心,但是我们自己开发的模型到底能不能实现预期目标,当时我也不是完全确定。
随着TPT 2.0推出,以及更多实际应用案例取得进展,我对这件事情的信心越来越强。
当然,未来每半年或者一年能够取得多大进步,仍然取决于我们的研发和应用实践。
但我相信,技术能力会越来越强,工业AI能够解决的问题也会越来越多。大家需要理解,工业AI的推广方式与互联网应用不一样。一个互联网产品,用户可能下载安装以后马上就能够使用,然后很快传播出去。
但是工业企业不是这样。企业首先要确认技术是否安全可靠,能不能在自己的生产现场真正解决问题。有时候,完成一个项目验证就需要几个月。
所以工业AI的推广有自己的节奏。但随着更多企业通过实际应用看到效果,认可这种技术的用户会越来越多。
新浪财经:从中国制造业的整体规模来看,工业AI未来能够创造多大的经济价值?
褚健: 我们现在已经有一些应用案例,能够为客户创造几百万元的效益,也有一些项目能够创造几千万元的效益。
从整个制造业来看,中国的工业规模非常庞大。我前面提到,如果按照流程工业60万亿元的产业规模来计算,只要提高一个百分点,对应的就是6000亿元。
当然,我这里主要是用这样一个计算说明工业生产优化的潜在空间。对于很多流程工业企业来说,在生产线上进一步提高效率、改善产品质量、降低能耗,实际上是有机会做到的。
我们讲的不是简单改善企业的经营管理,而是直接改善生产过程。
比如优化一个生产装置的运行参数,降低单位产品的能源消耗,或者通过工艺调整生产出质量更好的产品。如果这些改善能够在更多工业企业中实现,创造的经济价值就会非常可观。所以我认为,工业AI不仅仅是一个新的技术方向,更重要的是它可以真正帮助制造业创造价值。
这一测算为工业AI的潜在经济价值提供了一个观察角度。
60万亿元规模对应的1%是6000亿元,但这并不意味着工业AI已经创造了6000亿元的实际收益,也不能直接等同于工业AI产业的市场规模。
其更重要的意义在于,中国庞大的制造业体系中,即使只是生产效率、能源利用和产品质量的局部改善,经过大量工业企业和长期生产过程的积累,也可能形成可观的经济价值。
从商业逻辑看,这恰恰是工业AI以实际效果推动客户持续订阅的重要基础。对于全年连续运转的化工、石化、冶金等装置而言,哪怕只是能耗、产品质量或运行效率的一项改善,都有可能转化为可以计算的经济收益。
当这些收益能够被准确测量、持续验证,并逐渐形成可复制的技术服务模式,工业AI便有机会从传统软件产品,发展为与制造业生产效率更加紧密关联的新型服务。
新浪财经:未来中控技术如何利用在中国市场积累的应用经验,进一步打开海外工业AI市场?
褚健: 中国市场本身就拥有非常多的跨国公司。
这些企业在中国设有生产基地,也有自己的工艺和技术体系。我们可以先在它们的中国工厂里面应用工业AI技术。如果能够取得很好的效果,就可以进一步与这些企业的海外总部沟通,把相关技术推广到它们在其他国家的工厂。
我认为,这是一个很好的发展路径。现在很多国际企业也越来越重视生产成本和运营效率。一些跨国企业过去可能对成本没有那么敏感,但现在对于节能、降本、提高效益的要求越来越高。
工业AI能够解决的这些问题,其实是具有共性的。不管是中国企业,还是海外企业,只要能够在保证安全和质量的前提下,提高生产效率、降低能源消耗,就有应用技术的动力。
中控已经有长期积累的工业控制技术,也在发展UCS通用控制系统、TPT时间序列大模型等新技术。未来我们还会继续加大工业数据集、算法以及前沿技术方面的研发投入。
我相信,随着技术不断进步,工业AI可以帮助更多企业改善生产,也会为中国工业技术企业参与全球竞争提供新的机会。
从控制系统到工业AI,褚健的新一程
三十多年前,中控技术进入工业控制市场时,中国工业自动化产业仍在追赶国际先进水平。彼时,技术竞争的重点是能否让国产控制系统在复杂工业环境中长期稳定运行。
如今,工业控制系统仍是现代工厂不可或缺的基础设施,但人工智能开始改变其上层决策与优化方式。
原来依靠工程师经验判断的部分生产问题,正在成为工业模型能够学习和优化的对象;原来需要长期现场实施的工业软件应用,未来有机会通过标准化智能工具提高交付效率。
更重要的是,工业技术的价值开始有了新的衡量方式。从销售软件和控制系统,到探索将服务收入与实际生产效果联系起来,中控技术正在尝试让技术能力与客户创造的经济价值形成更加直接的联系。
对中控技术而言,三十多年的工业控制积累,使其拥有较为完整的工业技术体系、客户基础和应用场景。2026年前三季度6.19亿元的工业AI业务收入,则为这一新方向提供了初步的经营验证。
在技术体系上,公司正将TPT的分析与优化能力、UCS的控制能力,以及面向具体生产任务的工业智能体结合起来,推动工业AI向更复杂的生产场景延伸。
从工业控制系统到时间序列大模型,技术的形态在改变,但褚健始终在做同一件事:把新的技术带进真实的工业现场。
三十多年前,中控技术需要向市场证明,中国企业同样能够研发出可靠的工业控制系统。如今,褚健想做的事情又向前走了一步。他希望通过工业AI,让机器不只是执行指令,还能理解生产过程中的变化,帮助工厂找到更好的运行方式。而当技术的价值开始通过节约的能源、提升的品质和创造的效益来衡量,工业软件与制造业之间的关系,也正在变得更加紧密。
这件事的意义,可能要更长的时间才能看清。一座化工厂的效率提升一个百分点,未必会像一款消费级AI产品的发布那样引起广泛关注,但对于全年连续运转的工业装置而言,微小改善经年累月,就可能转化为可观的经济价值。
褚健所期待的工业AI时代,或许就藏在那些不曾停歇的生产线里,藏在每一次更精准的控制、更少的能源消耗,以及一座工厂日复一日、悄然发生的改变之中。
