从AI大模型到 AOP:为什么中国工业AI落地,必须始于＂安全公共底座＂

前几天，中控技术发了半年报：工业 AI 收入放量到 3.85 亿，可营收、利润双双下滑。看着这组数字，我在想，工业 AI 要真正长大，还差一块拼图。

而这块拼图，就是安全。安全，是工业的底线，核心利益中的核心。

尤其是流程工业。

流程工业（化工、石化、电力、制药、炼油等等）——是国民经济的基石，占中国规模以上工业总产值的 40%–50%，谁都离不开；而且是安全风险集中的地带。一次重大事故的代价，不是一次停产，而是人命没了，还有整个行业的信任崩塌；我在短视频上刷到很多工厂的朋友分享自己见过的事故，我真感觉害怕，所以安全生产从来不是玩笑。当然这些年事故越来越少，但最好一次事故也不要有。

当下的中国，AI 正在逐步落地流程工业。以中控技术为代表，正用"时间序列大模型 TPT + 通用控制系统 UCS"构建自主运行工厂 AOP（Autonomous Operating Plant）。全球首套 AOP 已在兴发集团落地，兴发集团总工程师李永刚说："在安全上，实现了从'被动应对'到'主动防御'的转变，系统能实时监测并毫秒级处置异常，安全事故率降低了 80%。在效率上，装置运行稳定性提升 20%，非计划停机减少 90%。"

说到这里，我很想知道，能不能把安全事故率降低 99%，100%？

这里藏着一个必须要被解决的问题。

当下建立在数据基础上的大模型，训练所用的数据大多是"平稳常态的"——是那些正常工况、没有出事的数据。而真正发生过事故、波动的、或在事故发生前被工程师临险处置掉的隐性经验，属于典型的"长尾、稀有事件"，很难被记录。这导致工程师不敢完全相信 AI，即使 AI 给出建议，工程师也不一定采纳。AI 只能在非核心装置上试点，这是行业普遍的现象，始终不敢、也无法触碰真正危险的地方——因为流程工业的 AI 没有第二次机会，别的行业错了可以重来，这里错了，就是事故。 那该怎么办？

我的判断是：需要一个专门训练的"安全大模型"，而且它必须被做成公共产品，而不是一件收费的商品。

理由有二。

一，安全数据，是全行业共同的敌人面前，唯一可以共享价值的数据。流程工业里，各厂的核心数据出不了厂，比如工艺、原料配比是命根子，没人愿意让模型学去反过来服务自己的竞争对手。但危险事故，是所有工厂的共同敌人，没有哪家工厂愿意为事故买单。只有把各厂潜在的危险性数据、临险处置经验、工程师的判断汇集起来，训练出整个行业级的安全大模型，对每一家都是利大于弊。

而这些数据并非无处可寻：DCS 的报警记录和历史曲线、设备的检修维护记录、官方的事故调查报告、各厂的 HAZOP 安全分析报告里，早已沉淀着事故的教训和临险的痕迹——缺的，只是把它们汇集起来。

二，安全这件事，商业逻辑天然走不通。把"AI + 安全"当作商品卖，商业利益归"谁买谁得"——工厂既没有动力、也不放心把自家的安全经验交出来：贡献的是伤疤，回报却不对等。结果只能各自为战、难以规模化。只有把它做成公共产品、让每一家都共同受益，工厂才可能愿意把安全经验贡献出来。

而"安全"又恰恰是公共品——它具备非竞争性、非排他性：一座厂用了，不会因为别的厂也用就变差。只有把它做成公共产品、公共基础设施，与客户共同维护；而这反过来能让商业大模型真正在工业里被放心地落地，商业大模型的建议可以给安全大模型和人来审核——就像工业界最经典的安全哲学 SIS 之于 DCS。

SIS 管"出事那一刻切不切"，安全大模型管"能不能别让它走到出事那一刻"。

解决安全问题，不是为了商业，而是为了拿到那张"让 AI 被信任、被允许进核心装置"的门票。安全地基问题解决，才能有上层大脑TPT技术的大胆突破。

这件事，对社会、对政府、对工厂、对 AI 厂商，利益是共通的。对政府，是安全生产的国家战略；对工厂，是防事故；对 AI 厂商，是打开核心装置的市场；对社会，是少一起悲剧。而对整个生态，则是拆掉了伙伴进入流程工业最硬的那道门槛——安全。

因此，这样一座大模型，只能做成公共产品。