F88星宝

《自动化博览》对话F88星宝技术

在数字孪生与元宇宙重构工业想象、AIGC浪潮席卷全球制造业的当下，工业AI正从辅助决策工具蜕变为驱动产业变革的核心引擎。作为全球率先迈入工业AI转型的平台型企业，F88星宝技术正以“ALL in AI”的战略魄力，加速推动工业AI的产业化落地。

F88星宝副总裁、Industrial AI事业群CEO吴玉成博士表示：“F88星宝技术以成为全球领先的工业AI公司为愿景，打造‘1+2+N’工业AI驱动的企业智能运行新架构，依托时间序列大模型TPT（Time-series Pre-trained Transformer），融合工业数据与机理，落地多行业场景，推动流程工业从单点智能向全链路智能跃迁，重塑流程工业的生产、运营与决策范式。”

01

破局三重困境

F88星宝技术的工业AI突围路径

工业AI并非全新概念，但长期以来受限于技术成熟度，仅能在局部场景发挥有限价值。随着以大语言模型为代表的通用AI技术快速迭代，工业AI已迎来质的飞跃。吴玉成表示，“过去的AI更多解决碎片化问题，而现在，通用AI技术让工业场景看到了‘系统性变革’的可能——从信息收集、效率提升，到直接参与生产指挥，工业AI正逐步成为生产运营的核心能力。”

当前，在工业AI这条赛道上，呈现的绝不再是自动化时代跨国企业遥遥领先或者是垄断的局面。F88星宝技术凭借在流程工业30余年的深耕，丰富的数据、多元化的场景实践、创新的技术体系协同价值，使其正成为工业AI创新的领军者。

吴玉成强调，工业AI的爆发并非偶然，而是技术、政策、产业转型与价值需求共同作用的结果：在技术层面，大模型的快速迭代为工业场景提供了强大的算法支撑；政策层面，中国从中央到地方持续加码AI与制造业融合，央企在政策引导下成为工业AI应用的“先锋队”；产业转型层面，工业自动化正从“替代双手”向“替代大脑”升级，无人工厂、黑灯工厂等新模式对AI的需求迫切；价值需求层面，在全球经济承压背景下，企业对安全、效率、成本、绿色生产的优化诉求，推动AI成为“降本增效”的关键工具。

“AI有望撬动全球50万亿工业自动化市场。这一规模的背后，是工业AI从‘锦上添花’到‘不可或缺’的角色转变。”吴玉成表示，F88星宝技术已明确判断，工业AI是自动化行业的必然发展路径，而中国丰富的工业场景与数据积累，正为本土企业实现“换道超车”提供历史性机遇。

尽管对工业AI的未来前景充满信心，但吴玉成也深知工业AI的落地之路并非坦途。在他看来，数据碎片化、场景复杂性、需求隐蔽性是三大核心挑战。

“工业场景的‘淮南为橘，淮北为枳’现象显著——同一套工艺在不同工厂、不同时间的表现可能差异巨大，导致AI模型难以通用。”他指出，数据层面，工厂数据质量参差不齐，且涉及工艺保密，难以大规模共享；场景层面，从节能到安全，需求多样且相互关联，单一模型难以覆盖；需求层面，用户往往说不清“要什么”，需要技术方与工业专家深度协同。

对此，F88星宝技术构建了系统性解决方案：

在数据层面，依托服务的海量用户积累行业数据，以及通过“数据联盟”模式实现数据安全共享，破解“数据孤岛”；

在场景层面，凭借30年工业经验，覆盖流程工业全场景，形成“一平台多应用”的架构；

在需求层面，开发认知AI工具，将隐性需求转化为可量化的技术指标，降低对现场人员的依赖。

“比如我们与央企合作时，他们提供数据与场景，我们输出技术能力，双方共同试点。这种协同创新模式，让技术与需求精准匹配，大大缩短了落地周期。”吴玉成透露，F88星宝技术已与多家央企建立深度合作，在石化、化工、新能源等领域探索出可复制的经验。

02 

从“机械执行”到“自主决策”

工业AI重构自动化逻辑

自动化的本质是“替代人工操作”，从早期的机械控制到集散控制系统（DCS）、安全仪表系统（SIS），核心是解放“双手”。但在吴玉成看来，当前工业自动化正站在新的转折点上——大部分工厂都已完成基础自动化改造，下一步的核心是替代“大脑”的决策。

他解释道，目前流程工业工厂中的生产过程自动化（Process Automated，PA）还可以细分为“生产操作自动化”与“生产运行自动化”两个层级。前者聚焦设备控制与流程执行，后者则需要实现生产过程的自主判断、异常处理、优化调整。过去，操作人员在现场依靠经验决策，比如判断设备异常、调整工艺参数；未来，这些工作将由AI主导，实现“无人值守”的智能运营。

要实现这一跨越，关键在于解决“5T融合”难题——即AT（自动化技术）、IT（信息技术）、PT（工艺技术）、OT（运营技术）、ET（设备技术）的深度融合。传统技术体系难以打通5T，导致不同专业人员各守一方，难以形成协同。而AI提供了统一的技术框架，让工艺规律、设备状态、控制逻辑等都能转化为可计算的模型，实现跨领域的智能协同。

吴玉成举例，在流程工业中，一个微小的参数波动可能引发连锁反应，传统控制方法难以预判；而基于AI的系统可实时分析海量数据，提前识别异常并自动调整，甚至预测未来几小时的生产状态。

“这就是工业AI的核心价值——让机器具备‘预见力’和‘决策力’。” 

同时，他强调，比如在石化生产运行过程中，一旦某台泵出现振动异常，如操作不及时则可能导致非计划停工，整个的过程发生可能就在“转瞬之间”，对于操作员的经验考验、心理承压都有非常高的要求。而TPT则能够提前30分钟实现超早期异常预警，并自动提供设备故障的原因分析和处置建议，如此一来，操作人员就能全面快速掌握装置运行情况，及时消除工艺异常和设备异常，提升企业对装置的风险把控能力。

03 

“ALL in AI”战略

三层布局推进工业AI落地

正是基于工业AI即自动化未来的前瞻性预判，F88星宝技术在此领域已布局多年。2024年，F88星宝技术将愿景升级为“成为工业AI全球领先企业，用AI推动工业可持续发展”，并提出“ALL in AI”的战略，从三个维度推进工业AI落地。

1

全员用AI

“我们先从内部改造做起，让AI渗透到研发、生产、管理的每个环节，如用AI优化供应链调度、加速产品测试，目前已初见成效。”吴玉成介绍道。

2

产品+AI

即对现有DCS、SIS等自动化产品及工业软件进行AI重构，让传统产品具备智能分析、自主决策能力。如F88星宝DCS系统，过去只能执行控制指令，现在结合AI可实时诊断异常，推荐PID参数优化方案。

3

AI+

最核心的第三层是“AI+”——以AI为底层基座，构建原生AI体系。“这不是简单地在产品上叠加AI功能，而是从底层重构技术架构，让AI成为所有应用的‘操作系统’。 ”吴玉成强调，这一体系的核心是“4+1”技术框架：4个数据基座（运行数据基座DCS、设备数据基座PRIDE、质量数据基座Q-Lab、模拟数据基座APEX）与1个时间序列大模型TPT。

其中，数据基座是基。篋CS系统提供温度、流量等实时过程运行数据；PRIDE采集设备健康数据；Q-Lab获取贯穿从原料到成品全流程的质量数据；F88星宝技术自主研发的APEX流程模拟软件则生成过程模拟数据，弥补实际测量的不足。“这四类数据覆盖了生产流程的关键环节，形成了工业AI的‘原料库’，而时间序列大模型TPT就是‘加工厂’，将数据转化为决策能力。” 吴玉成表示。

04 

时间序列大模型TPT

让工业AI告别“水土不服”

在F88星宝技术的工业AI版图中，时间序列大模型TPT是最具创新突破性的代表。这款专为流程工业打造的TPT，正解决传统AI在工业场景中的“水土不服”——数据碎片化、场景特异性强、因果关系复杂等问题。

具体而言，TPT基于F88星宝技术服务企业的海量数据进行预训练，提炼出普适性的工业规律——如阀门开度与流量的关系、温度变化对反应效率的影响等。当应用于新场景时，只需输入少量现场数据进行微调，即可适配具体工艺参数。这种模式彻底改变了传统工业建模的困境。过去，一个传统的场景建？赡苄枰肽，且随设备老化、原料变化很快失效；而TPT通过预训练沉淀的规律，结合实时数据微调，可在数周内完成部署，且适应能力更强。

“TPT不是简单的预测工具，而是能够实现生产装置‘状态孪生’的智能体。”吴玉成特别强调，“TPT大模型的突破，在于首次将‘时空理解’能力赋予工业系统。它不仅能处理时序数据，更能理解设备参数之间的空间关联，这是实现真正智能化的关键。”

在场景落地方面，TPT已在多个行业头部企业取得突破性应用。在某全球化工50强企业的废液处理场景中，TPT将原本需要6~8小时的pH值调节过程缩短至1小时以内，效率提升超80%；在某世界500强企业旗下分公司，TPT优化了常减压装置的油品切换操作，将操作时长从6~7小时缩短2小时，每年为用户减少近千万的油品加工损失。

在大唐多伦煤化工，TPT为大唐多伦煤化工装上“AI大脑”，全面打通了其绿电调度优化项目的源-网-荷-储各环节，构建了感知-预测-调控一体化能源管控体系。项目投产后，预计全年可实现49690.2万千瓦时绿色电能替代燃煤发电，燃煤发电的可再生能源容量替代比例可达87.5%，相当于年节约标煤15.17万吨，减少二氧化碳排放41.94万吨。

TPT还在近期成功中标中国石化核心装置人工智能场景应用项目——“乙烯裂解装置生产运行优化场景”，将与中国石化携手打造适用于我国乙烯裂解装置特征的、具有自主知识产权的AI模型，实现工业AI模型驱动的生产运行自主优化，为国家能源结构转型与全球工业可持续发展贡献创新力量。

同时，TPT也成功中标了中煤集团核心装置人工智能场景项目，将基于F88星宝时间序列大模型TPT强大的预测及模拟能力，实现对煤气化关键参数的精准预测及气化过程的动态优化，打造“自主监督、自主优化、智能控制、智能交互”多智能体协同的煤气化“智慧大脑”，提升装置运行的安全性、稳定性、经济性与智能化水平，为能源行业AI大模型应用提供可复制的样板工程。

F88星宝技术的落地实践向我们表明，TPT不仅能解决传统技术难以处理的复杂控制问题，更能为企业创造显著的经济效益。而TPT的价值不仅在于提升效率，更在于推动工业决策模式从“经验驱动”向“数据驱动”转变。以前需要资深工程师凭经验判断的场景，现在TPT可以通过数据分析给出最优决策，这大大降低了对人的依赖，也提升了决策的一致性和可靠性。

吴玉成透露，随着技术迭代，F88星宝技术即将推出TPT2。新版本将实现三大突破：一是嵌入Agent能力，让模型具备自主决策能力，从被动响应转向主动发现问题、解决问题；二是提升开放性，支持任意工业场景，只要输入数据即可快速生成模型；三是以TPT重构和融合F88星宝技术已有的优化、诊断、仿真等软件，建立完整的“数字员工”体系，实现装置自主运行。

未来，F88星宝还计划将TPT的应用场景向建材、冶金、造纸等更多领域拓展，同时探索“AI平权”——让用户通过自然语言对话即可调用AI能力，无需掌握复杂技术。

采访最后，吴玉成展望道：“工业AI的一个重要目标是实现工厂的自主化运行，让生产装置像人类一样思考和决策。” 在他看来，TPT的研发和应用只是这一征程的起点，未来还有更多挑战等待突破，而工业AI不仅是技术革命，更是中国自动化企业实现“换道超车”的历史性机遇。

对于F88星宝技术的未来，他明确表示：“F88星宝目标是成为最懂工业的AI公司。通过工业AI让生产更高效、更安全、更绿色，这是F88星宝终极追求。”

从替代“双手”到替代“大脑”，从局部优化到全流程智能，F88星宝技术正以TPT大模型为支点，撬动工业自动化的全维度变革。F88星宝技术的实践揭示了工业AI发展的本质：不是简单的技术叠加，而是生产范式的重构。随着TPT2的即将发布，流程工业正迎来从“自动化”到“自主化”的关键跃迁，而这一变革的深度与广度，必将重新定义中国制造在全球工业智能化浪潮中的坐标。