当前，全球制造业正面临前所未有的转型压力；实现碳达峰、碳中和目标的大背景下，如何在保证生产效率和产品质量的同时实现绿色低碳发展，成为摆在各国制造企业面前的核心课题。中国作为全球制造业大国，制造业增加值占全球比重已接近30%，但传统制造模式仍存在能耗高、效率低、人力成本大等问题，亟需通过技术创新实现突破。 褚健提出的自主运行工厂概念，正是在该背景下应运而生的创新解决方案。AOP的设计理念源自汽车全自动驾驶技术，旨在通过人工智能和工业控制系统的深度融合，实现工厂从人工操作向自主运行的转变。以大型炼化一体化工厂为例，传统模式下需要数千名操作工程师进行日常管理和控制，而AOP技术有望将这一模式优化为少人化甚至全自主运行，从而大幅提升生产效率。 褚健将AOP发展前景与汽车无人驾驶进行类比，预判该技术在三至五年内进入初步应用阶段，在十年内有望实现像FSD那样的大规模普及。这一时间表虽优势在于挑战性，但并非空想。当前，工业AI技术已在多个领域取得突破，机器学习算法、深度学习模型等在复杂工业系统中的应用效果日益显著，为AOP的实现奠定了坚实的技术基础。 在制造业的竞争中，企业要实现可持续发展，必须同时满足安全、质量、成本和低碳四个目标。这四个目标看似相互制约，但通过工业AI的赋能，它们可以实现有机统一。以塑料饭盒的生产为例，不同企业使用相同原料和相近工艺，但通过精细化控制生产参数和优化添加剂配比，质量差异巨大。在化工等流程工业领域，即便提高一个百分点的效率或质量，也能带来难以估量的经济效益。工业AI通过对大量生产数据的深度分析，能够发现这些微妙的优化空间，帮助企业实现增效降耗。 中控技术的实践充分证明了工业AI的商业价值。该公司30多年来积累了10万多套控制系统和3.8万家流程工业企业用户，这一庞大的数据库和应用场景是发展工业AI的宝贵资源。通过建立工业AI数据联盟，动员企业共享温度、压力、流量、液位等生产数据，中控技术构建起工业领域的大模型，已在300多个案例中为企业创造了显著的经济效益。这说明工业AI不仅是技术创新，更是一种能够切实改善经营效果的商业工具。 有一点是，中国在工业AI领域具有得天独厚。虽然过去中国品牌在全球市场上的认可度相对较低，但近年来这一局面正在改变。随着中国制造业规模的扩大和技术的进步，国际企业对中国工业技术的需求日益增长。中国拥有全球最庞大的制造业数据资源、最丰富的工业应用经验和最多样化的应用场景，这为工业AI的开发和优化提供了无与伦比条件。相比之下，欧美等发达国家虽然在AI基础研究上有优势，但在工业应用数据和场景上不如中国丰富。抓住这一机遇，中国有望在工业AI领域实现弯道超车，进而引领全球制造业的绿色智能转型。 从双碳目标的实现来看，工业AI和AOP技术的推广应用具有深远意义。制造业是能源消耗和碳排放的重点领域，传统粗放式管理模式造成大量能源浪费。通过AI赋能，工厂可以实现能耗的精细化管理，在保证生产的同时大幅降低碳排放强度。同时，自主运行工厂的实现还能带来社会效益，通过减少对大量体力劳动的依赖，可以将人力资源配置到更具创意和价值的工作中。
工业智能化不仅是技术升级的必然趋势，更是实现“双碳”目标的重要路径；AOP技术的普及将重塑制造业的生产方式，而中国凭借其庞大的产业基础和创新能力，或将在这个变革中扮演关键角色。如何更推动技术落地、完善行业标准，将是未来各方关注的焦点。