工业AI市场正迅速从初创公司的雄心转向资本配置。施耐德电气最近同意以31亿美元收购工业数据和AI公司Cognite，而这之前，西门子以100亿美元完成了对工业仿真和分析软件提供商Altair的收购，艾默生以72亿美元的交易完成了对AspenTech剩余股份的收购，ABB、霍尼韦尔和罗克韦尔自动化等领先自动化企业也在AI领域积极布局，展开了更广泛收购和合作模式。
这些交易告诉我们一件重要的事。工业AI不再被视为数据科学团队的副业项目。主要的自动化公司正在将软件、工业数据和基于AI的优化视为核心工业技术栈的一部分。
但不能将工业AI与传统过程控制混为一谈。凭借 40 年过程控制与优化领域的从业经验，笔者认为 AI 是自动化层级架构之上的新增层级，并非现有工厂运行系统的替代者。
传统控制保障工厂的稳定运行
过程控制与优化历经了数十年的发展。最基础层面，PID 控制器的任务十分明确：当压力、温度、流量或者液位偏离设定值时，控制器就会调节阀门、加热器、泵或者其他被控变量。
先进过程控制（APC）与模型预测控制（MPC）可同时考量多个相互耦合的变量，预判工艺的响应行为，并使其在设定约束范围内运行。商业化的MPC方案自 20 世纪 70 年代起便已经在过程工业投入使用。
在APC之上，通常采用实时优化计算具备经济效益的运行目标；而计划与排程模块则面向更长时间维度上运行。
简单来说，基础调节控制保持过程稳定；APC实现多变量协同；优化系统确定最优运行工况。工业AI为这一层级增加了另一种能力。
图片来源：Cognite
传统优化在哪里变得困难
传统优化严重依赖数学过程模型。当过程可以被精确描述，且不会使模型维护或在线求解变得不切实际时，这很有效。然而，真实工厂很少如此配合。
例如，原油蒸馏装置可能受到原油组成、加热炉性能、塔条件、换热器结垢、公用工程成本、产品价值和下游约束的影响。这些关系是非线性的，并且随时间变化。简单模型可能很快，但不够准确。严格模型可能很好地表示物理，但变得难以维护或计算量大。
机器学习提供了另一条路径。它可以直接从大量历史和实时运行数据中识别有用关系。工业AI通常定义为机器学习、传感器数据、互联设备和运营决策的结合。这可能极其有用，但会带来一个新问题。
工厂不只是一个数据集
工业AI在物理世界中运行。压缩机存在实际运行工况区间；精馏塔存在水力与热力学极限；反应器有温度、压力约束。无论统计模型输出何种预测结果，化学反应依旧遵循热力学客观规律。
工厂数据也不完美。实验室测量可能在产生样品的条件已改变数小时后才到达。现场仪表和传感器会漂移。过程分析仪会失效，或其读数与实验室结果不相关。
因此，纯数据驱动模型可能发现一个数学上很强但工程意义很小的关系。这就是为什么有用的工业AI需要的不仅仅是算法。它需要过程上下文、工程约束、数据验证，最好还与物理模型有一定连接。
正因如此，当下工业分析领域越来越趋向于混合建模：将第一性原理机理知识和数据驱动模型相结合，而非把二者视作相互对立的两种方案。
控制与AI回答不同问题
最简单的区分是：传统过程控制回答的问题是“如何把工艺维持在目标值”；而工业AI可以回答“这个目标本身是否仍然合理”。
想象一个APC系统完美控制炼油厂装置。温度稳定，产品质量合格，控制器完全按设计运行。但也许原油进料已改变，或下游装置现在限制生产。换热器可能已失去效率，因此最优操作点可能已移动。控制器本身没有问题。它可能只是极其出色地将工厂控制在昨天的最优值上。
工业AI能够综合更广范围的运行条件，给出新的目标设定建议。之后现有的控制系统继续发挥其固有优势：在遵守各项约束的前提下，将工艺调整至新目标。
AI通常应位于可信控制之上
这就是为什么简单用AI取代现有DCS或APC系统通常是错误的目标。更实用的架构是先将AI作为决策支持和优化层引入。它可以分析当前条件、预测未来行为并建议变更。工程师和操作员可以将这些建议与实际工厂绩效比较，然后再允许更紧密的集成。
这种渐进方法不像宣布自主炼油厂那样戏剧化，也更可信。工厂往往在技术经受住真实运行条件——包括那些不那么整洁的条件——之后才能信任它。
更好的数据可能比更好的算法更重要
还有一个值得重视的现实局限：工厂对温度、压力、流量、液位的检测能力已经十分成熟。这些变量反映设备运行状态，却不一定能说明正在处理的物料实际状态。
因此实时分析检测数据可以为工业 AI 带来巨大增益。把物料化学组分、物理性质数据和常规工艺测量数据结合，模型才可以更加真实地还原工艺实际状态。
工业AI是自动化技术的一次演进
工业软件市场最近的多起收购表明，各大自动化巨头都预判 AI 会深度融入工业生产运营。
传统控制聚焦于“怎么做”—— 如何实现工艺控制；先进过程控制明确了“优化什么”；工业AI补充了“为什么”，解释在当前生产与经济条件下开展优化的动因。
所以工业自动化的未来，并不是用 AI 取代过程控制，而是各类技术各司其职，发挥自身最擅长的能力。
